LiDAR & Photogrammetry
De 2017 a 2019 nos propusimos mapear un bosque tropical desde el aire, combinando drones, LiDAR, fotogrametría y deep learning para contar y clasificar árboles y estimar el carbono que almacena el bosque. Empezó bajo la empresa anterior de nuestros fundadores y siguió dentro de Tecnologías VM; corrió junto al Tecnológico de Costa Rica (TEC), el instituto público de tecnología del país, como una serie escalonada de proyectos de graduación patrocinados en Ingeniería en Computadores.
Del dron a la nube de puntos.
El propio dron de levantamiento, las nubes de puntos LiDAR y los ortomosaicos que capturó, y la detección con deep learning que contó y clasificó árboles individuales, todo de la I+D de 2017–2019.
Costa Rica se había fijado una meta nacional de carbono neutralidad, pero certificar el carbono de un bosque seguía implicando inventariar la biomasa a mano: de 12 a 24 meses de trabajo de campo parcela por parcela, muchas veces peligroso o sencillamente inalcanzable. Vimos la oportunidad. Al combinar drones, LiDAR, fotogrametría y deep learning, se podía estimar el carbono forestal más rápido y a un costo mucho menor, abriéndoles a los propietarios costarricenses la puerta al mercado de carbono.
El pipeline se diseñó para correr de punta a punta. Un dron sobrevuela el bosque con LiDAR y cámaras bajo posicionamiento RTK de precisión centimétrica; la fotogrametría y el procesamiento de nubes de puntos construyen modelos de terreno y de altura del dosel; el deep learning detecta árboles individuales, su especie y sus dimensiones; y un modelo alométrico convierte esas variables en biomasa y CO₂.
Lo corrimos como proyectos de graduación patrocinados en Ingeniería en Computadores del TEC, trabajando de la mano dentro de su Laboratorio de Fotogrametría con UAS, el laboratorio de investigación en drones e imágenes aéreas de la Escuela de Ingeniería Electrónica de la universidad. Seis proyectos a lo largo de tres generaciones, cada uno a cargo de una pieza, con el conocimiento transmitido de una a la siguiente y sesiones de trabajo periódicas junto a los investigadores del laboratorio. La empresa financió y supervisó el trabajo, y conservó la propiedad intelectual.
Es nuestro programa sostenido más temprano en deep learning aplicado y visión por computadora, la prueba de que ya trabajábamos con CNN, sensado remoto y big data años antes de que “IA” se volviera la etiqueta. También fijó un patrón que aún seguimos: patrocinar I+D real, validar con honestidad y llevarnos los aprendizajes hacia adelante.
Del vuelo a la estimación de carbono.
- 01
Volar
Un dron sobrevuela el bosque con LiDAR y cámaras, bajo posicionamiento RTK de precisión centimétrica.
- 02
Capturar
Nubes de puntos de un Velodyne VLP-16 registradas en campo: barridos de hasta 16.4M de puntos.
- 03
Modelar
La fotogrametría (SfM) y el procesamiento de nubes de puntos construyen modelos de terreno y de superficie, restados en un modelo de altura del dosel.
- 04
Detectar
El deep learning encuentra y clasifica árboles individuales (especie, altura, copa) con hasta ~95% de precisión.
- 05
Estimar
Un modelo alométrico convierte las variables por árbol en biomasa, y la biomasa en CO₂.
Lo que construimos, y comprobamos.
Captura LiDAR y georreferenciación
Una cadena de captura con Velodyne VLP-16 + RTK + Raspberry Pi que produjo las primeras nubes de puntos 3D de ese sensor en la institución: barridos de hasta 16.4M de puntos.
De la fotogrametría a la biomasa
Fotos con dron a modelos 3D del dosel (SfM), un modelo de altura del dosel y más del 90% de detección de copas separadas, alimentando la estimación alométrica de biomasa prevista.
Clasificador de especies de árboles
Una CNN (Inception V3, transfer learning) que clasifica especies de árboles a partir de fotos con 94.4% de precisión, elegida sobre VGG16 tras una comparación directa.
Clasificación de árboles en la nube de puntos
Algoritmos que cuentan y extraen árboles individuales de nubes de puntos georreferenciadas: alrededor de 95% de precisión promedio en las muestras evaluadas.
El Laboratorio de Fotogrametría con UAS del TEC
Corrimos esta I+D como proyectos de graduación patrocinados en Ingeniería en Computadores dentro del laboratorio, el grupo de investigación en drones e imágenes aéreas del TEC. Un vistazo a lo que hace el laboratorio:
Esta I+D validó sus componentes pero nunca se ensambló en un solo sistema desplegado de punta a punta, y ninguna cifra de CO₂ del bosque se corroboró contra mediciones de campo. La presentamos por lo que fue: un esfuerzo temprano y ambicioso que construyó capacidad real, y nos enseñó lo difícil que es la última milla.