Machine Learning geoespacial

Clasificación de nubes de puntos con IA

Aplicamos algoritmos de aprendizaje automático para filtrar, segmentar y analizar masivamente levantamientos topográficos complejos.

Cotizar este servicio Ver ficha técnica

Servicio

Clasificación inteligente de nubes de puntos

Automatizamos el filtrado y la clasificación de datos geoespaciales según los parámetros técnicos específicos de cada cliente.

Entrenamos modelos predictivos para clasificar la nube de puntos, separando el terreno, los distintos estratos de vegetación, las edificaciones y otras clases de infraestructura que estén representadas en los datos capturados. En el caso de redes de conducción, la clasificación se aplica a los elementos efectivamente observados en la nube o a información adicional proporcionada por el cliente.

El filtrado automático permite obtener una clasificación inicial de la nube y la segmentación semántica convertirla en capas que pueden consultarse y analizarse en un GIS. El resultado se revisa y valida de acuerdo con las clases y tolerancias definidas para el proyecto.

Trabajamos sobre nubes propias o sobre datos que el cliente ya tiene levantados, incluyendo LiDAR aerotransportado, UAV, sistemas móviles y escáner láser terrestre.

Ficha técnica

Método: Segmentación semántica y clasificación con aprendizaje automático
Clases: Supervisada o semi-supervisada, definidas con el cliente
Sistema de referencia: SIRGAS-Chile 2025, con época 2025.0 según el marco adoptado por el proyecto
Productos: Nube filtrada, modelo de terreno limpio y capas GIS

Entregables

Nube de puntos filtrada y clasificada por las clases definidas (LAS 1.4)
Modelo digital de terreno limpio y capas de vegetación y edificación (SHP, GeoTIFF)
Resultado de la segmentación semántica en formato vectorial
Informe de control de calidad de la clasificación

Cómo trabajamos

Cuatro etapas, con control de calidad en cada una

Definición de clases

Establecemos la taxonomía de clasificación de elementos espaciales, el nivel de detalle requerido y verificamos el sistema de coordenadas base.

Preparación de los datos

Consolidamos los conjuntos de nubes de puntos (LiDAR, drone o terrestre), estandarizando atributos de color, intensidad y densidad geométrica.

Clasificación

Ejecutamos modelos de aprendizaje automático para segmentar la nube, validando los resultados mediante métricas de clasificación, revisión espacial y corrección manual de los casos necesarios.

Entrega

Entregamos la nube de puntos segmentada, los modelos digitales de terreno filtrados y la cartografía GIS, respaldados por el informe de control de calidad.

Aplicaciones