Empezar

Fotogrametría con drones: la guía completa

La fotogrametría con drones calcula posiciones 3D a partir de fotografías solapadas: el software encuentra los mismos puntos del terreno en muchas imágenes, resuelve desde dónde se tomó cada foto y con ello construye una nube de puntos georreferenciada, modelos de superficie y una ortofoto. Con RTK y puntos de control en tierra levantados topográficamente, el mejor caso realista es de aproximadamente 1 GSD (distancia de muestreo del terreno, el tamaño en el suelo de un píxel) en planimetría y de 2–3 GSD en altura, comprobado con puntos de verificación independientes. Esta guía explica cada paso, qué se obtiene, qué limita la precisión y cuándo es preferible el LiDAR.

¿Qué es la fotogrametría con drones?

La fotogrametría es la ciencia de obtener mediciones a partir de fotografías. En la cartografía con dron se vuela un patrón planificado sobre la zona y se toman cientos o miles de imágenes solapadas. Después, el software encuentra los mismos elementos físicos en muchas fotos, calcula dónde se tomó cada una y cómo estaba orientada la cámara, y reconstruye la escena en 3D. Es el mismo principio que la visión estereoscópica con dos ojos, pero con muchos puntos de vista en lugar de dos.[1][2]

El resultado no es una única imagen, sino un conjunto de productos que proceden de una misma medición: una nube de puntos, modelos de elevación, una malla 3D y una ortofoto. Como el modelo está ligado a coordenadas reales, se pueden medir distancias, superficies, alturas y volúmenes sobre él, y comprobar su precisión con puntos levantados en campo.

¿Cómo funciona el flujo de trabajo fotogramétrico?

Todos los motores fotogramétricos, incluido OpenDroneMap (el motor de código abierto que utiliza Orthosite), siguen la misma cadena de pasos.[4]

1. Overlapping photosJPEG + camera position tags (GPS/RTK) 2. Feature detection and matchingsame ground point found in many photos 3. Structure from Motionbundle adjustment: camera poses + sparse cloud 4. Dense matching (MVS)dense point cloud (LAS/LAZ) Mesh + texture3D model andorthophoto GriddingDSM and DTM,contours, volumes GCPs and RTK tie steps 3-4 to ground coordinates
El flujo desde las fotos hasta los productos, tal como lo ejecuta el motor de Orthosite.
  1. Detección y emparejamiento de características. El software encuentra parches de imagen distintivos (esquinas, texturas) en cada foto y los empareja entre fotos solapadas. Por eso importa el solape: un punto del terreno que aparece en una o dos imágenes solamente no se puede resolver con fiabilidad.
  2. Structure from Motion (SfM). A partir de los emparejamientos se resuelven la posición y la orientación de la cámara de cada foto y un conjunto disperso de puntos 3D. Después, un ajuste de haces (bundle adjustment) refina conjuntamente todas las cámaras y puntos minimizando el error de reproyección, es decir, la distancia entre el lugar donde se observa un punto en una imagen y el lugar donde el modelo dice que debería estar.[1] El motor de Orthosite usa OpenSfM para este paso.[8]
  3. Georreferenciación. Las etiquetas de posición de la cámara (GPS, o RTK cuando el dron lo registra) sitúan el modelo en un sistema de coordenadas. Los puntos de control en tierra (GCP), dianas levantadas topográficamente que se marcan en las fotos, lo ligan con más firmeza a las coordenadas del levantamiento. Consulta la guía de GCP.
  4. Correlación densa (Multi-View Stereo, MVS). Con las poses de cámara conocidas, se estima la profundidad por píxel a partir de varias imágenes y se fusiona en una nube de puntos densa con millones de puntos.[3]
  5. Mallado y texturizado. A partir de la nube densa se construye una malla de superficie 3D y las fotos se proyectan sobre ella como textura. El motor de Orthosite construye una malla 3D completa (no una superficie 2,5D), de modo que quedan representados los muros y los voladizos.
  6. Ortofoto y modelos de elevación. La ortofoto se renderiza a partir de la malla texturizada en vista cenital, de modo que se eliminan las distorsiones del objetivo y del terreno y el mapa queda a escala. El MDS y el MDT se rasterizan a partir de la nube de puntos.

Importante: las estadísticas de ajuste del propio ajuste de haces (error de reproyección, residuos en los GCP) describen lo bien que el modelo concuerda consigo mismo, no su precisión. La precisión solo se establece comparando el producto entregado con puntos levantados independientes. Véase la sección de precisión más abajo.

Un ortomosaico con dron — un mapa aéreo continuo y medible, en Orthosite.
Un ortomosaico con dron — un mapa aéreo continuo y medible, en Orthosite.

¿Qué entrega Orthosite a partir de un vuelo?

Orthosite procesa tus fotos en su propio ordenador en Suecia, con OpenDroneMap 3.6.2 como motor de reconstrucción, y añade después sus propios pasos para los modelos de elevación y el informe de precisión. De un vuelo obtienes:

El MDS (modelo digital de superficie) del vuelo de demostración en Orthosite, coloreado por elevación con leyenda en metros (RH2000), selector DSM/DTM y botones de descarga.
El MDS (modelo digital de superficie) del vuelo de demostración en Orthosite, coloreado por elevación con leyenda en metros (RH2000), selector DSM/DTM y botones de descarga.

Los productos son vistas de una misma medición, de modo que una altura leída en el visor, muestreada del MDS y tomada de los puntos cercanos de la nube deben coincidir dentro del ruido de la nube. Los sistemas de coordenadas y de alturas (por ejemplo SWEREF 99 y RH 2000) se fijan por proyecto; consulta la guía de sistemas de coordenadas. Para saber qué significa cada ráster, véase Ortomosaico, MDS y MDT explicados.

¿Qué producto necesitas?

Todos se generan en la misma ejecución de procesamiento, así que no hace falta elegir de antemano. Medir sobre ellos en el navegador se explica en medir en mapas de dron.

¿Qué precisión tiene la fotogrametría con drones?

La precisión tiene dos partes. La precisión relativa es lo bien que concuerdan entre sí las mediciones dentro del modelo (distancias, alturas entre puntos cercanos). La precisión absoluta es lo bien que el modelo se asienta sobre las coordenadas verdaderas, y depende de la georreferenciación: posicionamiento RTK, puntos de control en tierra, o ninguno de los dos.

El techo físico lo marca el vuelo, principalmente el GSD. Para una cámara a una altura H con distancia focal f y tamaño de píxel p, GSD = p·H/f. Estudios independientes concluyen que el mejor error alcanzable escala con el GSD, y que juzgar la precisión usando solo los puntos de control la sobrestima en comparación con puntos de verificación independientes.[5] Con RTK, GCP levantados bien distribuidos y un GSD de 1–2 cm, el mejor caso realista es de aproximadamente 1 GSD en planimetría y 2–3 GSD en altura (más o menos 1–2 cm y 2–5 cm), medido con puntos de verificación independientes. Sin RTK ni GCP, el modelo es tan bueno como el posicionamiento por satélite del propio dron, y las alturas absolutas pueden estar muy desviadas (véase el punto sobre el sistema de alturas más abajo); eso basta para un mapeo visual, pero no para entregables de ingeniería.

El informe de error de puntos de control de Orthosite para el vuelo de demostración: 12 puntos de control independientes, RMSE Z 0,021 m, media 0,009 m, máximo 0,035 m, con la altura de referencia y del modelo de cada punto. Es solo el informe de error en altura.
El informe de error de puntos de control de Orthosite para el vuelo de demostración: 12 puntos de control independientes, RMSE Z 0,021 m, media 0,009 m, máximo 0,035 m, con la altura de referencia y del modelo de cada punto. Es solo el informe de error en altura.

Orthosite no cita una cifra típica. Para cada vuelo en el que hayas marcado puntos de verificación (puntos levantados que no se usan en el ajuste), informa de la precisión alcanzada frente a ellos: RMSE en planimetría y en altura, según los Positional Accuracy Standards de la ASPRS, 2.ª edición,[6] que piden al menos 30 puntos de verificación antes de declarar que un producto cumple una clase, junto con el valor al 95 % y el número de puntos de verificación utilizados, y avisa cuando son demasiado pocos para concluir nada. También se muestran los residuos en los GCP, pero son una estadística de ajuste, no una precisión.

¿Qué afecta a la calidad del resultado?

Fotogrametría o LiDAR: ¿cuál usar?

Ambos dan datos 3D, y fallan en sitios distintos. La fotogrametría funciona con la cámara que ya llevan la mayoría de los drones de topografía y además da imágenes en color real y una ortofoto. Solo ve las superficies visibles desde arriba. El LiDAR aerotransportado mide distancias con pulsos láser, algunos de los cuales atraviesan los huecos de la vegetación y llegan al suelo; por eso necesita un sensor específico, pero puede entregar un modelo del terreno bajo el arbolado.

Una comparación entre LiDAR aerotransportado por UAV y fotogrametría SfM sobre seis tipos de vegetación, de la hierba a las coníferas, encontró el LiDAR más preciso para la elevación del terreno en todos ellos, y que el modelo fotogramétrico captaba solo las copas de los árboles mientras que el LiDAR muestreaba también la estructura inferior.[7] En terreno abierto, superficies duras, acopios, excavaciones y edificios, la fotogrametría es la opción habitual y da los productos útiles para topografía descritos arriba. Donde necesites el terreno bajo vegetación densa, usa LiDAR. Orthosite procesa fotografías, no datos LiDAR.

¿Cuánto tarda el procesamiento?

Depende del número de imágenes, del ajuste de calidad y de cuántos trabajos haya en cola, porque Orthosite procesa en su propio ordenador. Ejemplos medidos en las pruebas del motor de Orthosite: un vuelo de 234 imágenes tardó unos 40 minutos con calidad media y 76 minutos con calidad alta de la nube de puntos para la fase de nube de puntos (sin malla ni ortofoto), y una obra de 2452 imágenes, procesada en cuatro partes antes del actual límite por vuelo, tardó unas 12 horas en toda la ejecución. Un solo vuelo puede contener hasta 1200 imágenes en el motor, y cada plan fija su propio límite hasta ese valor; los planes miden el procesamiento en créditos de imagen, donde un crédito cubre una imagen de hasta 24 megapíxeles. Los preajustes de calidad usan los mismos ajustes de precisión; los preajustes más altos dan sobre todo una nube más densa.

Subes los archivos desde el navegador (van directamente al almacenamiento), así que puedes cerrar la pestaña y volver cuando termine la ejecución.

¿Por qué usar drones en lugar de la topografía convencional?

Un dron captura cobertura completa con un GSD de nivel centimétrico, cada metro cuadrado en lugar de una malla de puntos medidos, y lo hace sin que nadie tenga que caminar por taludes, cubiertas, acopios o tráfico en servicio. Los vuelos son repetibles, de modo que se pueden comparar levantamientos a lo largo del tiempo para ver el avance, el cambio de volumen y el seguimiento. La precisión puntual sobre un punto bien definido sigue siendo el terreno donde gana la estación total, por lo que muchos topógrafos usan ambos: drones para la cobertura, estación total o GNSS para el control y los puntos de verificación.

¿Quién usa la fotogrametría con drones?

Los topógrafos para levantamientos topográficos, los contratistas de construcción y movimientos de tierras para el avance de obra y el desmonte y terraplén (guía), las canteras y minas para volúmenes de acopios, los equipos de carreteras y ferrocarril para corredores y secciones transversales, la agricultura para terreno y drenaje (guía), y los equipos de inspección y medio ambiente para la detección de cambios. Si estás eligiendo un dron, consulta el mejor dron para cartografía.

FAQ

¿Cómo funciona la fotogrametría con drones?
Se emparejan fotos solapadas para encontrar los mismos puntos en varias imágenes (emparejamiento de características). El Structure from Motion con un ajuste de haces resuelve las posiciones de cámara y un conjunto disperso de puntos 3D, la correlación densa (Multi-View Stereo) lo convierte en una nube de puntos densa, y a partir de la nube se construyen una malla, una ortofoto y modelos de elevación. Las etiquetas GPS/RTK y los puntos de control en tierra sitúan el resultado en un sistema de coordenadas.
¿Qué precisión tiene la fotogrametría con drones?
Con RTK y puntos de control en tierra levantados y bien distribuidos a 1–2 cm de GSD, el mejor caso realista es de aproximadamente 1 GSD en planimetría y 2–3 GSD en altura (más o menos 1–2 cm y 2–5 cm), medido con puntos de verificación independientes. Sin control, queda limitada por el GPS del dron. La precisión de un vuelo concreto debe medirse con puntos de verificación no usados en el ajuste; Orthosite informa del RMSE y del valor al 95 % en planimetría y altura de cada vuelo que los tiene.
¿Necesito puntos de control en tierra (GCP)?
No para obtener un modelo, pero para la precisión absoluta necesitas posicionamiento RTK en el dron o GCP levantados. Reserva unos pocos puntos levantados como puntos de verificación para que la precisión alcanzada se mida en lugar de suponerse. Orthosite también procesa sin GCP, pero entonces la precisión es la de las etiquetas de posición del dron.
Fotogrametría o LiDAR: ¿cuál es mejor?
Ninguno en general. La fotogrametría da imágenes y una ortofoto con una cámara normal y es adecuada para terreno abierto, acopios, excavaciones y edificios. El LiDAR puede llegar al suelo a través de los huecos de la vegetación, y una comparación sobre seis tipos de vegetación lo encontró más preciso para la elevación del terreno en todos ellos, por lo que es la mejor opción para un modelo del terreno bajo dosel denso.
¿Qué es el GSD?
La distancia de muestreo del terreno (GSD) es el tamaño en el suelo de un píxel de la imagen, por ejemplo 2 cm por píxel. Equivale al tamaño de píxel por la altura de vuelo dividido por la distancia focal. Un GSD menor significa más detalle y un techo de precisión más bajo en el resultado; el error alcanzable escala con el GSD.
¿Cuánto tarda el procesamiento?
Depende del número de imágenes, de la calidad y de la cola. En el propio ordenador de Orthosite, un vuelo de 234 imágenes tardó entre unos 40 minutos (media) y 76 minutos (alta) en la fase de nube de puntos, y una obra de 2452 imágenes (procesada en cuatro partes) unas 12 horas en toda la ejecución.
¿Qué archivos puedo exportar desde Orthosite?
GeoTIFF (ortofoto, MDS, MDT), nubes de puntos LAZ, LAS y XYZ (con el plan Pro o superior también un LAS/LAZ clasificado desde el editor de nubes de puntos), una malla texturizada OBJ, un TIN como LandXML, DXF o 2DM, y dibujos como CSV, DXF, GeoJSON, Shapefile o KML, reproyectados al sistema de coordenadas y de alturas que elijas para el proyecto.
¿Tengo que instalar software o tener un ordenador potente?
No. Orthosite funciona en el navegador y el procesamiento se hace en el propio ordenador de Orthosite en Suecia, así que solo tienes que subir las fotos.

Fuentes

  1. Bundle Adjustment — A Modern Synthesis – Triggs, McLauchlan, Hartley, Fitzgibbon; Vision Algorithms: Theory and Practice, LNCS 1883, Springer (2000)
  2. Structure-from-Motion Revisited – Schönberger, Frahm; IEEE CVPR (2016)
  3. Accurate, Dense, and Robust Multiview Stereopsis – Furukawa, Ponce; IEEE TPAMI 32(8) (2010)
  4. OpenDroneMap (ODM) documentation and source – OpenDroneMap (2026)
  5. Accuracy of Unmanned Aerial Vehicle (UAV) and SfM photogrammetry survey as a function of the number and location of ground control points used – Sanz-Ablanedo, Chandler, Rodríguez-Pérez, Ordóñez; Remote Sensing 10(10):1606 (2018)
  6. ASPRS Positional Accuracy Standards for Digital Geospatial Data, Edition 2, Version 2 – American Society for Photogrammetry and Remote Sensing (2024)
  7. UAV-LiDAR and Structure from Motion Photogrammetry: Spatial Accuracy in Vegetated Terrain (MSc thesis) – Kucharczyk, University of Calgary (2017)
  8. OpenSfM — Structure from Motion library – Mapillary / open source (2026)

Última revisión:

Convierta su próximo vuelo en un resultado medido

Suba sus fotos de dron y Orthosite genera el ortomosaico, el modelo 3D, la nube de puntos y los modelos de elevación en su propio ordenador de procesamiento en Suecia — mida, comparta y exporte en formatos abiertos.

Empezar con Orthosite
Idioma: EN SV NO DA FI DE FR ES NL