modelamiento estadístico de la precisión de un escáner...
TRANSCRIPT
Modelamiento Estadístico de la precisión de un escáner laser
terrestre (TLS)
Lorena Lizeth Herrera De La Rosa
Universidad Distrital Francisco José de Caldas
Facultad de Ingeniería, Maestría en Ciencias de la Información y las Comunicaciones
Bogotá, Colombia
2018
Modelamiento Estadístico de la precisión de un escáner laser
terrestre (TLS)
Lorena Lizeth Herrera De La Rosa
Tesis o trabajo de investigación presentada(o) como requisito parcial para optar al título
de:
Magister en ciencias de la información y las comunicaciones
Director (a):
MSc. William Barragán Zaque
Línea de Investigación:
Exactitud Escáner Láser Terrestre
Grupo de Investigación:
Geotopo
Universidad Distrital Francisco José de Caldas
Facultad de Ingeniería, Maestría en Ciencias de la Información y las Comunicaciones
Bogotá, Colombia
2018
(Dedicatoria o lema)
A mi familia, mi director, mi universidad y a
INGEOMAD SAS quienes me han visto crecer
como persona y profesional, cediendo su
espacio, tiempo y sabiduría para que yo pueda
dar por hecho este proyecto investigativo y con
él, poner fin a un nuevo ciclo de mi vida.
Agradecimientos
Durante la realización de este proyecto debo agradecer en primera instancia a mi director
de tesis, por la paciencia, constancia y respaldo que obtuve de él a lo largo del desarrollo
de la investigación.
A la Universidad Distrital Francisco José de Caldas por haberme acogido en sus aulas, por
el aprendizaje que tuve en ella y por el inmenso cariño que le profeso por haber hecho de
mí, la profesional que hoy en día soy.
A Ingeomad Ingeniería y Geofísica Sas, porque me permitió crecer con ella día a día
llenándome de nuevos aprendizajes y retos en mi vida laboral, además de permitirme
realizar sin restricción alguna el desarrollo de este trabajo de grado.
A mi Familia que siempre cree en mí y comparte todas mis luchas sin importar lo difíciles
que parezcan.
Resumen y Abstract IX
Resumen La investigación de este proyecto se centra en estudiar la precisión de los datos
capturados por un Escáner Laser Terrestre (TLS) Faro Focus 3D con el fin de desarrollar
un modelo estadístico a partir de la experimentación y/o variación de diferentes parámetros
de referencia a partir de los cuales se pueda realizar un análisis diferencial de los datos
capturados con dicho equipo con respecto a los adquiridos con Estación Total por medio
de metodologías convencionales de levantamientos topográficos.
Palabras clave: Escáner Láser Terrestre, TLS, Modelo estadístico, Exactitud TLS
X Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
Abstract
This research is focused on analyzing the accuracy of the data collected by a Terrestrial
Laser Scanner (TLS) “Faro Focus 3D” comparing it with the data obtained from a total
station with the objective to develop a statistical model which compares the variation of
different kinds of reference parameters doing a differential analysis between the traditional
methods of surveying and the modern ones.
Keywords: Terrestrial Laser Scanner, TLS, Statistical Model, TLS Accuracy
Contenido XI
Contenido
Pág.
Resumen ........................................................................................................................ IX
Lista de Figuras ............................................................................................................ XII
Lista de Tablas ............................................................................................................ XIII
Lista de Símbolos y abreviaturas ............................................................................... XIV
Introducción ............................................................................................................... XVII
Hipótesis de la Investigación ......................................................................................... 1
Objetivos de la Investigación ......................................................................................... 2
1. Marco Teórico ........................................................................................................... 3
1.1 Tecnología Escáner Laser 3D ............................................................................ 3
1.1.1 Triangulación Laser ......................................................................................... 3
1.1.2 Tiempo de Vuelo del Escáner Laser ................................................................ 4
1.1.3 Cambio de Fase del Escáner Láser ................................................................. 4
1.1.4 TLS .................................................................................................................. 4
1.2 Precisión de un TLS ........................................................................................... 5
1.3 Rangos de Error TLS ......................................................................................... 6
1.3.1 Distancia: ......................................................................................................... 6
1.3.2 Ángulo de Incidencia ....................................................................................... 7
1.3.3 Geometrías sobre la superficie ........................................................................ 7
1.4 Comparación de Rangos de Error del TLS ......................................................... 7
1.5 Métodos de Calibración De Un Escáner Láser Terrestre .................................... 8
1.5.1 Ecuaciones de observación ........................................................................... 10
1.6 Modelos Matemáticos ...................................................................................... 11
1.6.1 Modelo de errores sistemáticos ..................................................................... 11
1.7 Modelo Estadístico del Error ............................................................................ 13
1.8 Modelo Lineal Generalizado (MLG) .................................................................. 14
1.8.1 Heteroscedásticidad ...................................................................................... 15
1.8.2 No- Normalidad.............................................................................................. 15
1.8.3 Linealidad ...................................................................................................... 16
1.8.4 Inferencia del MLG ........................................................................................ 16
1.8.5 Estadística de WALD ..................................................................................... 16
2. Metodología ............................................................................................................ 17
2.1 Diseño del experimento .................................................................................... 17
XII Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
2.1.1 Diseño de objetos o targets de reconocimiento. ............................................ 19
2.2 Implementación del diseño ............................................................................... 21
2.2.1 Levantamiento topográfico convencional ....................................................... 21
2.2.2 Levantamiento TLS ....................................................................................... 22
3. Resultados ............................................................................................................. 24
3.1. Definición Modelo estadístico............................................................................ 24
3.2. Validación del Modelo ....................................................................................... 33
4. Conclusiones y recomendaciones ....................................................................... 35
4.1. Conclusiones .................................................................................................... 35
4.2. Recomendaciones ............................................................................................ 36
Contenido XIII
Lista de figuras Pág.
Figura 1-1: Definición de la observación de la Transformación de un objeto al espacio
del escáner j[38]. .......................................................................................... 12
Figura 2-1: Zona de estudio Universidad Nacional de Colombia ................................... 17
Figura 2-2: Superficie de estudio costado del Estadio Alfonso López ............................ 18
Figura 2-3: Diagrama de diseño de experimento ........................................................... 19
Figura 2-4:Diseño de tipos de targets u Objetivos de captura para escaneo con TLS ... 19
Figura 2-5: Levantamiento Topográfico con Estación Total de la superficie de estudio . 21
Figura 2-6: Levantamiento por medio de TLS FARO FOCUS 3D de la superficie de estudio ......................................................................................................... 22
Figura 3-1: Plot de la densidad del error medio ............................................................. 28
Figura 3-2: Gráfico de dispersión de la respuesta vs las covariables Distancia y Ángulo ..................................................................................................................... 29
Figura 3-3: Box-plot del error medio para cada target.................................................... 30
Figura 3-4: Bandas del 99% de confianza para la verificación del ajuste ....................... 33
Figura 3-5: Distancia de Cook para el reconocimiento de observaciones potencialmente influyentes. ................................................................................................... 34
Contenido XIV
Lista de tablas Pág.
Tabla 1-1: Comparación de rangos de error de diferentes TLS ........................................ 8
Tabla 1-2: Familia de Distribuciones de MLG[51] ........................................................... 15
Tabla 2-1: Dimensiones Tipos de Target de captura ...................................................... 20
Tabla 2-2: Parámetros de escaneos capturados con el TLS FARO FOCUS 3D ............. 23
Tabla 3-1: Datos de las medias de las distancias euclidianas entre las coordenadas observadas y las teóricas por target en cada escaneo. ................................. 26
Tabla 3-2: Estadísticas descriptivas del error medio ....................................................... 27
Tabla 3-3: Estimación de los parámetros, error estándar, significancia y estadística de WALD. .......................................................................................................... 32
Contenido XV
Lista de Símbolos y abreviaturas Abreviaturas
Abreviatura Término TLS Escáner Láser Terrestre
LIDAR Light Detection and Ranging o Laser Imaging Detection and Ranging
MLG Modelo Lineal Generalizado
Introducción
Las especificaciones técnicas del Fabricante del Escáner Laser Terrestre Faro focus 3D
se encuentran delimitadas a unos rangos de distancias entre los 0,6m y 120m para los
cuales se establece un error sistemático de ±2�� por cada intervalo entre 10m y 25m;
razón por la cual se presenta la necesidad de hallar un modelo estadístico que permita
establecer los rangos de error de los datos adquiridos teniendo en cuenta ángulos de
incidencia[1][2], distancias de captura [3][4] y targets u objetivos de captura para el
escaneo, para evidenciar de manera estadística la influencia que estas variables tienen en
los errores de medición de los datos capturados por un TLS Faro Focus 3D.
De esta manera, cuando se capturan datos sobre un escenario y se genera un modelo en
3D de las superficies, estas mediciones son vulnerables a los efectos de ruido que se
presentan en el montaje de un proyecto, debido a muchos factores que pueden distorsionar
las dimensiones de los objetos; por esto se propone el desarrollo de un modelo estadístico
que incluya las variables de objetos o targets, distancia y ángulos de incidencia que pueden
afectar la exactitud de los datos capturados dentro de la generación de modelos 3D[5] [6]
[7] a partir de datos obtenidos de un TLS.
Esta investigación tiene como objetivo principal determinar un modelo estadístico que
represente la precisión de los datos adquiridos por un TLS a través de la realización de
pruebas de campo en diferentes escenarios donde deben interactuar las variables de
distancia, ángulo de incidencia y objetivos o targets a escanear. Dicho objetivo se plantea
con la intención de establecer los errores en medición que se tienen al implementar estas
nuevas tecnologías que son de gran avance para el campo de la topografía. Para ello, se
define el siguiente esquema de trabajo. En el capítulo 1 se revisa el marco de referencia y
teórico que sirve de base para el desarrollo del objetivo de la investigación. El capítulo 2
establece la metodología de la investigación en donde se define el diseño del experimento
XVIII Introducción
y los modelos estadísticos a implementar para obtener el mejor ajuste posible de datos
que permita establecer la exactitud de las mediciones realizadas con TLS Faro Focus 3D
vs las obtenidas por topografía convencional. Dentro del capítulo 3 y 4 se presentan los
resultados y las conclusiones obtenidas de la investigación, con la obtención del modelo
estadístico estimado, validado e interpretado que se ajusta al objetivo principal del trabajo
de grado.
Hipótesis Este proyecto está enfocado a responder la pregunta de si ¿Es posible establecer rangos
de error en la adquisición de datos en campo por medio de un escáner Laser Terrestre
Faro Focus 3D a través de la definición de un modelo estadístico que incluya parámetros
variables de distancia, targets y ángulos de incidencia?
2 Introducción
Objetivo General Proponer un modelo estadístico para la precisión de un escáner laser terrestre (TLS)
Objetivos Específicos Realizar pruebas de campo con el Escáner Laser Terrestre Faro Focus 3D que permitan
establecer los diferentes parámetros que afectan la precisión en la adquisición de los datos.
Comparar el rango de precisión del Escáner Laser Terrestre Faro Focus 3D determinados
por la variación de distancias, ángulos de incidencia y geometrías sobre las superficies de
captura.
Implementar un modelo estadístico que permita plasmar la precisión de los datos
capturados por el Escáner Laser Terrestre Faro Focus 3D.
1. Marco Teórico
En este capítulo se especifican los temas relacionados con modelos matemáticos,
estadísticos, métodos de calibración y precisión de TLS que se usaron como fundamento
teórico para lograr los objetivos de este trabajo.
1.1 Tecnología Escáner Laser 3D
La Tecnología del escáner láser 3D revela plenamente las ventajas del láser, tales como
la buena directividad, una fuerte coherencia y el pequeño ángulo de divergencia. Dentro
de las características más importantes de esta tecnología se encuentran una alta precisión,
velocidad, sencillez en el manejo, fuerte capacidad anti-interferencia y el conveniente
procesamiento de datos.
Los Escáneres láser 3D por lo general se pueden clasificar en tres categorías principales
como: los de triangulación láser, según el tiempo de vuelo y el cambio de fase. Estas
técnicas de exploración láser se utilizan normalmente de forma independiente, pero
también se pueden utilizar en combinación para crear un sistema de exploración más
versátil. También hay muchas otras tecnologías de escaneado láser que son híbridos y /o
combinaciones de otras tecnologías de escaneado 3D.
1.1.1 Triangulación Laser
Se lleva a cabo mediante la proyección de una línea láser o punto sobre un objeto y luego
la captura de su reflexión con un sensor situado a una distancia conocida desde la fuente
del láser[8] . El ángulo de reflexión resultante puede ser interpretado para dar mediciones
3D de la pieza.
4 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
1.1.2 Tiempo de Vuelo del Escáner Laser
Sucede cuando se emite un pulso de luz láser que se refleja en el objeto a analizar[9]. La
reflexión resultante que se detecta con un sensor y el tiempo que transcurre entre la
emisión y detección de los rendimientos de la distancia al objeto se conoce como tiempo
de Vuelo del escáner Laser.
1.1.3 Cambio de Fase del Escáner Láser
Trabajo mediante la comparación del cambio de fase en la luz láser reflejada a una fase
estándar, que también es capturada para la comparación. Es similar al tiempo de detección
de vuelo, excepto que la fase de la luz láser reflejada refina aún más la detección de
distancia.
Además de esta clasificación, En los últimos años el LIDAR (Light Detection and Ranging),
se ha desarrollado a partir de dos diferentes modos de escaneo denominados escaneo
láser terrestre (TLS) y escaneo láser aéreo (ALS)[10], los cuales han traído grandes
avances en las áreas de la teledetección y fotogrametría de campo, como herramientas
eficientes para la adquisición de datos de manera rápida y fiable en 3D; donde la
reconstrucción de objetos se realiza con base en tierra para TLS, y en avión o helicóptero
para ALS, obteniendo modelos en 3D a partir del tiempo empleado por el rayo láser en ir y
volver al objeto (principio tiempo-de-vuelo)[11].
1.1.4 TLS
Los modelos en 3D han tenido gran acogida en los últimos años como un campo
emergente en la ciencia de la información geográfica; así la utilidad y versatilidad de sus
aplicaciones apuntaron al desarrollo de la cartografía urbana en tres dimensiones[12]. El
desarrollo de las técnicas de escaneo láser 3D se basa en la topografía y la cartografía,
que por medio de nuevas tecnologías dejó atrás métodos tradicionales de
posicionamiento pasando a la asignación de coordenadas en 3D [13] para la generación
de un conjunto de datos o nubes de puntos que configuran la abstracción de un láser
escáner Terrestre.
Capítulo 1 5
La diversidad de los escáneres que son ofrecidos por los fabricantes, se pueden clasificar
en función de sus especificaciones técnicas tales como la precisión, rango de distancia,
ángulo de visión y velocidad de exploración[14], que permiten extraer detalles de medición,
forma, posición y ángulos por medio de las técnicas de la desviación del haz del rayo láser,
que está relacionado con el ángulo máximo de barrido y la resolución de la imagen
generada por la captura de los datos.
Entre las diversas aplicaciones que han surgido a partir de esta tecnología en el ámbito
ambiental y social se han desarrollado proyectos como la experimentación y aplicación a
la caída de rocas y deslizamiento de tierras, en su detección y deformación milimétrica a
partir de una nube de puntos de alta resolución, para determinar las variaciones
dimensionales del terreno por la comparación de escaneo láser terrestre secuencial[15]
(que implican movimientos de deslizamiento de tierra y caída de rocas).
El funcionamiento de un escáner laser terrestre se produce gracias a las tecnologías
LIDAR, que se desarrollaron a partir de la información obtenida desde un sensor remoto
que emite un pulso de láser para determinar distancias, calculando el tiempo que tarda la
señal en ir y regresar con la información capturada de la superficie del terreno[16].
Este mismo principio se implementa en la tecnología del sistema del láser escáner terrestre
que posee y emite un haz de rayo láser en el centro de un espejo giratorio, desviándolo en
una rotación vertical alrededor del medio ambiente que se está escaneando. El haz se
refleja a continuación, desde el objeto sobre una superficie hasta llegar nuevamente al
escáner, y el desplazamiento de fase de la onda de la luz entrante en relación a la emitida,
se mide para obtener la distancia desde el escáner hasta el objeto [17].
La característica de disminución en los tiempos para efectuar la captura de un objeto, se
debe a la velocidad a la que viaja el rayo láser; por lo que la resolución de escaneado
[18][19] se puede ajustar a 5 mm de tamaño de píxel, lo que evidencia que el número de
datos 3D extraídos por un escáner láser terrestre sea tan grande en fracciones de segundo.
1.2 Precisión de un TLS
Las precisiones requeridas en el desarrollo de proyectos relacionados con mediciones
absolutas, difieren de los requerimientos u aplicaciones que tengan cada uno de ellos; en
el área de la topografía obtener una buena exactitud en la adquisición de los datos,
6 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
depende de las especificaciones técnicas de los equipos que se utilizan, el personal
encargado de su manipulación, y las condiciones ambientales en el momento de la captura
de la información; por lo que es necesario conocer los rangos de error que se pueden
obtener para diferentes condiciones establecidas por el ambiente, las geometrías,
superficies y distancias de captura.
Uno de los métodos desarrollados para estimar los errores sistemáticos de un escáner
láser terrestre, es el método de la auto-calibración [20] que es ampliamente utilizado en
fotogrametría para estimar los parámetros enlazados a altas correlaciones; para las cuales
hay que conseguir la manera de disminuir dichos errores.
1.3 Rangos de Error TLS
Para efectuar las pruebas que permitan obtener los rangos de error de un láser escáner
Terrestre, se deben desarrollar en un campo de prueba con un número suficiente de puntos
de referencia, que se pueden configurar con prismas, esferas u objetivos. Los puntos se
distribuyen dentro del área de la superficie a escanear. Los puntos de referencia deben
estar referidos a coordenadas reales, a través de un levantamiento en campo por medio
de una estación total. En un ajuste neto 3D utilizando las coordenadas de la estación, se
puede obtener la desviación estándar de las coordenadas de los puntos de referencia.
1.3.1 Distancia:
La precisión de una medición depende de las diferencias con una distancia en una línea
base, que se compone de puntos distribuidos a una distancia constante. Se pueden tener
distancias de referencia medidos por un escáner Láser Terrestre. Cada objetivo o target
se escanea tres veces en la secuencia hacia adelante y hacia atrás respectivamente.
El rango de error producido en distancia, podría existir como consecuencia de un
desplazamiento entre el puesto de tiro láser y el origen del sistema de coordenadas del
escáner y / o latencia electrónica espacial desconocida.
Capítulo 1 7
1.3.2 Ángulo de Incidencia
El ángulo de incidencia se define como el ángulo entre el rayo láser y la normal de la
superficie considerada. Se sabe que la orientación de la superficie del objeto influye en la
calidad de los datos de la nube de puntos.
1.3.3 Geometrías sobre la superficie
Diferentes características de la superficie tienen gran influencia dentro de un proceso de
escaneo. Para separar la influencia de las características de la superficie, se deben probar
diferentes tipos de texturas y geometrías para analizar los rangos de precisión bajo algunos
de estos escenarios. Además, los cuerpos geométricos del material y las diferentes formas
se deben escanear, con el fin de examinar qué geometrías se pueden aproximar en la
nube de puntos con una mayor exactitud.
Por ejemplo, al escanear una superficie de vidrio, la mayor parte de la luz láser que lanza
el escáner directamente, pasa a través del cristal y se produce muy poca reflexión. Si el
escáner no recibe la luz reflejada, no puede determinar la ubicación del punto al escanear
la superficie del material reflectante, la luz tendrá una seria reflexión, que crea mucho ruido
por encima de la superficie de exploración.
1.4 Comparación de Rangos de Error del TLS
Aunque las mediciones TLS son exactas, las exploraciones están sujetas a la medición de
ruido. Los fabricantes suelen proporcionar las especificaciones técnicas, incluyendo la
precisión de las mediciones realizadas en las superficies de referencia, en condiciones de
laboratorio como se puede visualizar en la Tabla 1-1, que fue extraída de las
especificaciones técnicas [56][57][58][59] de cada uno de los fabricantes listados a
continuación.
8 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
Tabla 1-1: Comparación de rangos de error de diferentes TLS
TLS Rango de
Error Campo de visión
Error sistemático
de distancia
Precisión
Angular Rango de ruido
FARO FOCUS
3DS 20
0,6m –
120m vertical: 300°
horizontal: 360° ±2mm.
v: 6” h: 6”
@10m – datos originales: 0,6mm @90 % refl.
LEICA
SCANSTATION
P20
3 mm a 50
m; 6 mm a
100 m
vertical: 270°
horizontal: 360° ≤ 1 mm
v: 8” h: 8”
@10m- 100m: datos
originales:0,4mm-9mm
TOPCON
GLS-1500 1m a 150m vertical: 70°
horizontal: 360° ±4mm v: 6”
h: 6” 30m @ 90%, 150m@18%
TRIMBLE TX8
0.6m- 120m vertical: 60°
horizontal: 360° <2 mm v: 16,5”
h:16,5”
@2m –100m datos originales:
2mm @90 %
reflectividad
Fuente: Elaboración Propia
El rango de error establecido por los diferentes fabricantes, determina el intervalo sobre el
cual puede encontrarse el error sistemático de distancia, para las medidas definidas en
cada uno de las referencias de TLS más conocidos enunciados en la tabla. En la columna
de Campo de Visión se encuentra el ángulo máximo vertical y horizontal, sobre el cual se
efectúan los barridos de nubes de puntos en campo. La precisión angular está relacionada
con el error que puede tener el equipo, en cuanto a las diferencias angulares barridas con
las medidas angulares reales y el rango de ruido es directamente proporcionado al
porcentaje de reflectividad que provea el tipo de material barrido, teniendo en cuenta la
precisión de los datos originales.
A partir de la determinación de los rangos de error sobre cada uno de los parámetros
establecidos, se configura una expresión matemática que debe ser validada por medio de
la comparación de datos por levantamientos, a partir de topografía convencional. de
investigación.
1.5 Métodos de Calibración De Un Escáner Láser Terrestre
Para aumentar la precisión del escáner [21][22][23][24] se han propuesto diversos
esquemas de calibración empírica [25][26] desarrollados con un escáner láser terrestre en
condiciones de laboratorio y de campo, utilizando objetivos de brillo y un panel de
Capítulo 1 9
referencia calibrada [27]. Además de esto se centra la atención en los factores que afectan
la precisión de un escáner terrestre, como la iluminación, la alineación [28], el objeto, el
examinador, y el software utilizado para convertir las mediciones en imágenes virtuales[29].
La precisión de un escáner láser terrestre, es en gran medida limitada por los errores
instrumentales sistemáticos, por lo que estos equipos deben ser calibrados por medio de
métodos que faciliten la extracción de los parámetros de error. En los últimos años, la auto-
calibración [30][31][32] ha demostrado ser un método popular para lograr minimizar este
tipo de errores.
Por otro lado, algunos métodos postulan que el funcionamiento de cualquier instrumento
de medición puede ser evaluado basándose en el hecho de que los puntos permanecen
fijos durante todo el proceso de medición y a partir de esto se analiza el comportamiento
de los datos obtenidos, mientras el instrumento determina el movimiento de los puntos
medidos desde diferentes tomas; lo que se relaciona directamente con la incertidumbre del
sistema [33][34]. Esto quiere decir que si el sistema presenta cero incertidumbres, las
mediciones relativas[35] de los puntos serían idénticas para todas las ubicaciones de
instrumentos.
Para la determinación de los parámetros de posición y orientación[36] del escáner se han
realizado estimaciones mediante métodos de mínimos cuadrados, en los que las
coordenadas de los objetos espaciales referidos a los puntos de control son fijas y las
coordenadas espaciales del escáner se establecen como observables. Idealmente, esto
se hace en términos de coordenadas esféricas, pero también es común el empleo de
coordenadas cartesianas.
Los puntos de control que se ubican en diferentes posiciones y orientaciones capturados
por el escáner, se utilizan para el registro de las nubes de puntos a partir de los cuales se
incluyen Parámetros Adicionales(AP) [37] a las ecuaciones de observación para corregir
simultáneamente los sesgos y los alineamientos de los ejes del escáner, entre otros.
La calibración basada en un modelo geométrico [38] con parámetros adicionales para un
escáner láser terrestre, también ha sido implementada con buenos resultados ya que este
10 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
instrumento tiene sistemas completamente automáticos, en donde los valores de
calibración se pueden incluir directamente.
En la captura de cada uno de los puntos que harán parte de la nube, se enfoca la
resolución que regula el nivel de detalles identificables dentro de los datos escaneados y
se clasifican según la resolución angular, la gama y la intensidad [39]. El principal problema
en cuestión es el impacto de la resolución angular de diferente rango de exploración y
ángulo.
Si se pueden obtener los rangos de error de los equipos tradicionales de topografía, a
través de la precisión determinada por medio de varios métodos; es posible llevar a cabo
un análisis de precisión para sistemas de escaneo láser terrestre por el control de diversas
medidas de calibración [40] [41].
1.5.1 Ecuaciones de observación
Las ecuaciones planteadas a continuación son resultado del planteamiento de puntos de
control o targets [42], ubicados en un espacio para poder determinar a partir del barrido
de un escáner láser terrestre, las diferencias en el ángulo y la rotación; y con ello las
variaciones de coordenadas de los objetos capturados. Por lo que en la transformación de
un cuerpo rígido, del punto i desde el espacio de objetos del escáner, al espacio del
escáner j en el que se realizan las observaciones, se encuentran definidas por (ver
Ecuación 1.1) [43].
������� = ��������������� ������ − �
��������= ������ − �
��������
(1.1)
Dónde:[Xs, Ys, Zs] son el espacio de objetos con coordenadas de posición del escáner j.
[ω, φ, κ] Son los ángulos de incidencia [ω, φ, �] para la rotación del objeto espacial al
espacio del escáner j. [X, Y, Z] Son el espacio de objetos coordenados del punto objeto i.
[x, y, z] Son las coordenadas del punto objeto i en el espacio del escáner j. R1, R2, R3,
son las matrices para la rotación sobre los ejes X-, Y- y Z- respectivamente.
Capítulo 1 11
Los parámetros [Xs, Ys, Zs] y [ω, φ, �]] constituyen elementos de la orientación exterior
(EO) de la ubicación del escáner j [43]. A partir de las coordenadas cartesianas
establecidas en la ecuación 1.1, se derivan cantidades por parametrización geométrica en
términos de las observaciones básicas del rango, ρ, dirección horizontal, θ, y la elevación
(vertical) del ángulo, α.
! + #$%& = '�� + �� + �� + ∆! (1.2)
) + #*%& = arctan0��1 + ∆) (1.3)
2 + #3%& = arctan45�'�� + ��67+ ∆2 (1.4)
Dónde ν, en cada ecuación representa el residual respectivo de los parámetros de las
observaciones básicas del rango ρ, dirección horizontal, θ, y la elevación (vertical) del
ángulo α, teniendo en cuenta para cada uno de los anteriores las diferencias entre las
coordenadas del objeto y el espacio designado por el escáner. La sustitución de los
términos relevantes de la Ecuación 1.1 completa las ecuaciones de observación. Las
Ecuaciones 1.3 y 1.4[44], son argumentadas con los modelos de corrección de los
respectivos errores sistemáticos.
1.6 Modelos Matemáticos
1.6.1 Modelo de errores sistemáticos
El modelo geométrico de calibración se basa en la suposición de que los errores
instrumentales típicos de un escáner de láser considerado, corresponden a los de una
estación total; es decir que el sistema de coordenadas típicas del instrumento son
derivadas de los observables radiados por una estación, que está representada por un eje
vertical, un eje de inclinación horizontal, y el haz de láser [45]. Por lo tanto, el modelo
geométrico de base de los escáneres láser terrestres puede ser descrito por la definición
12 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
de un sistema de coordenadas esféricas (Ver Figura 1-1). Las posiciones espaciales
relativas de estos tres ejes se pueden expresar por 6 parámetros, tres traslaciones y tres
rotaciones. Los tres ángulos se miden en un plano paralelo a los dos ejes considerados.
Figura 1-1: Definición de la observación de la Transformación de un objeto al espacio del escáner j[38].
Los errores sistemáticos en las observaciones instrumentales TLS se pueden remontar a
las desviaciones del sistema ideal, en el que todos sus ejes se cortan en un punto común
y son mutuamente ortogonales [46].
Las ecuaciones del modelo se pueden escribir como la transformación entre coordenadas
cartesianas y esféricas (ver Ecuación (1.5)) [47], por lo que el escáner de láser local de
coordenadas x, y, z tiene que ser sustituido por las siguientes ecuaciones; con el fin de
expresar las observaciones originales del escáner láser, en función de la posición y la
orientación del escáner en un sistema de coordenadas global:
� = 8��9� − �:; + 8��9� − �:; + 8��9� − �:;� = 8��9� − �:; + 8��9� − �:; + 8��9� − �:;� = 8��9� − �:; + 8��9� − �:; + 8��9� − �:; (1.5)
Donde:
X, Y, Z = Coordenadas del objeto de un punto arbitrario.
Xo, Yo, Zo = Coordenadas de posición del escáner láser.
Capítulo 1 13
r, i, j = Elementos de matriz de rotación como función de los ángulos de rotación [ω, φ, κ]
entre el sistema de coordenadas de escáner de láser local y el sistema de coordenadas
global.
1.7 Modelo Estadístico del Error
El error es un vector con tres componentes cartesianos, uno para cada eje X, Y Z, y denota
Dx, Dy y Delta z, respectivamente; por lo que el error modular (Delta M) es la magnitud
equivalente a la raíz cuadrada de la suma de los cuadrados de los términos anteriores (ver
Ecuación (1.6)).
∆� = ∆�� + ∆�� + ∆�� (1.6)
Las estadísticas básicas del módulo (no se consideran ángulos) son las muestras
promedio, mínimo y máximo de los valores, la desviación estándar y la raíz del error
cuadrático medio (RMSE). La media de la muestra (µ) se calcula tomando la suma de todos
los valores de datos y dividiendo por el número total de valores de datos. La media de la
muestra es una medida de la ubicación, comúnmente llamado la media (ver Ecuación
(1.7)).
< = 1>?@�AB� (1.7)
La desviación estándar (S o SD) se calcula tomando la raíz cuadrada de la varianza (ver
Ecuación (1.8)). La varianza de la muestra es la suma de las desviaciones al cuadrado de
su promedio dividido, por uno menos que el número de observaciones en el conjunto de
datos. Es una medida de la difusión o dispersión de un conjunto de datos. En las
mediciones de alta precisión, se asocia con baja dispersión:
C = D1> 9@ − <;� (1.8)
La raíz del error cuadrático medio (RMSE), o el error estándar, es la raíz cuadrada de la
media del conjunto de los cuadrados, de las diferencias entre los valores de las
coordenadas del conjunto de datos y los valores de coordenadas de una fuente
14 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
independiente de mayor exactitud los puntos idénticos (ver Ecuación (1.9)). RMSE es una
buena medida de la precisión que se puede determinar cómo:
� CE = F1>?@�AB�
(1.9)
El RMSE es una expresión equivalente a la SD en la ausencia de sesgo (es decir, si es
igual a 0). Es importante calcular ambas magnitudes, SD y RMSE, debido a que la primera
se refiere a la precisión y la segunda a la exactitud [48].
1.8 Modelo Lineal Generalizado (MLG)
Conjunto de variables aleatorias independientes[49] 9��, ��, … , �A; con función de densidad, o función de probabilidad, que puede escribirse como:
J9KL|NL, O; = PQJ RKLNLST9NL;;UL9V; + W9KL, O;X(1.10)
Donde: NL es el parámetro natural o canónico O es un parámetro adicional de escala o dispersión UL9∙;, TL9∙;, WL9∙; Son funciones específicas
Si O es conocido este es un modelo de la familia exponencial lineal
Si O es desconocido es un modelo de dispersión exponencial
Los componentes del MLG[50, p.], se pueden expresar como < = EZ�[ en términos del predictor lineal \]� formado por un conjunto de ^ covariables.
\]� = \: + \��� +⋯+ \`�` (1.11)
Donde:
Conjunto de > variables respuesta independientes, de una distribución de la familia exponencial
Un vector de parámetros \ y una matriz del modelo �, determinando el predictor lineal de cada variable \]�
Capítulo 1 15
Una función vínculo monótona y diferenciable que define la relación entre < y su predictor lineal a9<; = \]� Las familias de distribuciones de MLG se dividen en gamma, binomial, Poisson y normal (Ver Tabla 1-2).
Tabla 1-2: Familia de Distribuciones de MLG [51]
FAMILIA FUNCIÓN VÍNCULO OTROS VÍNCULOS Gamma: b2��29c, d; a9<; = − �e = − fg (inverso)
Identidad y logaritmo
Binomial hi9>, j; a9<; = kla eASe = log pASp (logit)
Probit y complementario log log
Poisson ql9c; a9c; = log9c; (logaritmo)
Identidad y raíz cuadrada
Normal r9<, s�; a9<; = <(identidad)
Logaritmo y raíz cuadrada
A continuación, se describen algunas características propias para la implementación de un
MLG
1.8.1 Heteroscedásticidad
Los errores del modelo de regresión lineal serán heteroscedástico[52]; es decir, la
varianza de los errores no será constante en todos los valores de lo predicho para la
variable dependiente.
1.8.2 No- Normalidad
Los errores no se distribuirán normalmente debido a la cantidad limitada de valores
observados que una variable dependiente de categorías o conteos puede asumir. Por
ejemplo, cuando el criterio observado es binario, tomando solo valores de 0 o 1, el valor
de error para un valor predicho también es binario[52].
En este caso, los errores son condicionalmente discretos. Una variable discreta no se
puede distribuir normalmente, por lo que los errores no se pueden distribuir normalmente,
lo que hace que las pruebas estadísticas típicas y los intervalos de confianza en los
coeficientes de regresión no sean válidos.
16 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
1.8.3 Linealidad
La regresión múltiple supone un modelo lineal en los parámetros y lineal en las
variables[53]. Lineal en los parámetros indica que la puntuación pronosticada se obtiene
multiplicando cada predictor por su coeficiente de regresión asociado y luego sumando
todos los predictores.
1.8.4 Inferencia del MLG
Una vez seleccionado y ajustado un modelo concreto se plantea el problema de inferir
sobre la calidad del ajuste; dar intervalos de confianza de los parámetros resolver
contrastes de hipótesis y calcular la bondad del ajuste[54]. Para ello es imprescindible
conocer la distribución en el muestreo de los estimadores y de otros estadísticos que serán
útiles para medir la bondad del ajuste.
1.8.5 Estadística de WALD
Cuando el interés radica únicamente en estudiar la significación de un determinado
parámetro βk, o sea, en ver si es admisible la hipótesis βk = 0. El test de Wald consiste en
dividir el valor estimado βk por su desviación típica estimada S(βk)[55]. La hipótesis βk = 0
se rechaza si el valor obtenido es mayor que el percentil 1-α para una variable normal
tipificada5 , donde α es el riesgo de 1ª especie que se esté dispuesto a asumir.
La prueba de Wald es una forma de probar la significación de variables explicativas
particulares en un modelo estadístico. En la regresión logística, tenemos una variable de
resultado binaria y una o más variables explicativas. Para cada variable explicativa en el
modelo habrá un parámetro asociado.
2. Metodología
La información utilizada en la fundamentación teórica de esta investigación ha sido
obtenida principalmente de las fuentes ofrecidas por la Universidad Distrital Francisco José
de Caldas, en especial las bases de datos de revistas científicas a las que está suscrita. A
partir de dicha recopilación de información se inició con el diseño del experimento para
llevar a cabo el objetivo del estudio.
2.1 Diseño del experimento
Se planteó el desarrollo de un escenario, donde se pudiera escanear una superficie en un
rango de distancia visible de 0 a 120m, esto teniendo en cuenta las especificaciones
técnicas del TLS Faro Focus 3D, para lo cual se definió una locación que cumplía con
dicha condición dentro del campus de la Universidad Nacional en un costado del Estadio
Alfonso López (Ver Figura 2-1,2-2).
Figura 2-1: Zona de estudio Universidad Nacional de Colombia
Fuente: Elaboración Propia
UNIVERSIDAD NACIONAL DE
COLOMBIA AV
. NQ
S
18 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
Figura 2-2: Superficie de estudio costado del Estadio Alfonso López
Fuente: Elaboración Propia
Luego de establecer la zona de estudio, se procede a diseñar la localización de cada uno
de los puntos sobre los cuales se tendrán en cuenta la variación de diferentes ángulos y
distancias con relación a la superficie de captura, para lo cual se realiza el diseño en oficina
de cada uno de los tres ejes con ángulos de 30°, 60° y 90° y distancias conocidas como
se ve en la Figura 2-3. El diseño establecido se materializa en campo por medio de técnicas
de levantamiento topográfico convencional con una Estación Total.
Cada uno de los puntos materializados en campo es utilizado para ubicar sobre estos el
TLS Faro Focus 3D y realizar cada uno de los escaneos propuestos.
Capítulo 3 19
Figura 2-3: Diagrama de diseño de experimento en planta
Fuente: Elaboración Propia
2.1.1 Diseño de objetos o targets de reconocimiento.
Para la identificación de objetos dentro de los escaneos fue necesario diseñar una serie
de Targets u objetivos de reconocimiento para los escaneos, los cuales fueron pensados
para que se distinguieran en diversos colores, materiales, tamaños y formas pero que
además fueran de fácil elaboración y accesibilidad a sus materias primas.
Figura 2-4:Diseño de tipos de targets u Objetivos de captura para escaneo con TLS
(a)
(b)
(c)
20 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
(d)
(e)
(f)
(g)
(h)
Fuente: Elaboración Propia
En la Figura 2-4 se define el diseño de los tipos de targets de la siguiente forma: a) Tipo 1
Papel Negro, b) Tipo 2 Madera Tipo Cedro c) Tipo 3 Cinta Reflectiva, d) Tipo 4 Cartonplast
Blanco, e) Tipo 5 Cartonplast Rojo, f) Tipo 6 Papel Brillante, g) Tipo 7 Media Esfera de
Icopor, h) Tipo 8 Papel brillante con agujeros.
Tabla 2-1: Dimensiones Tipos de Target de captura
TIPO DE TARGET DIMENSIONES(m)
Tipo 1 0.08*0.08
Tipo 2 0.08*0.08
Tipo 3 0.05*0.085
Tipo 4 0.1*0.1
Tipo 5 0.1*0.1
Tipo 6 0.08*0.08
Tipo 7 Diámetro: 0.07
Tipo 8
Contorno:1*0.7
Polígonos Internos:2 Polígonos de 0.40*0.15
1 Polígono de 0.40*0.10
2 Polígonos 0.15*0.12
Fuente: Elaboración Propia
Capítulo 3 21
2.2 Implementación del diseño
Proceso mediante el cual el diseño del experimento definido en oficina se materializa en
campo por medio del Levantamiento Topográfico convencional y posterior a eso se realiza
el escaneado de la superficie de estudio desde diferentes puntos localizados en campo.
2.2.1 Levantamiento topográfico convencional
En la Figura 2-5 a partir del diagrama de diseño con la localización de cada uno de los
puntos sobre los tres alineamientos definidos en ángulos de 30°,60° y 90° con respecto a
la superficie de escaneo, se procede a localizar dichos puntos en el terreno por medio de
métodos de topografía convencional con estación total.
Figura 2-5: Levantamiento Topográfico con Estación Total de la superficie de estudio
Fuente: Elaboración Propia
Tras la demarcación en campo con estacas de cada uno de los puntos sobre los cuales se
realizan los escaneos, se elige el punto ubicado a 15.595m de distancia en un ángulo
perpendicular a la superficie de escaneo, como base para realizar el levantamiento
topográfico de los elementos dentro de esa superficie, incluidos la cantidad de objetivos
de escaneo por cada uno de los tipos targets, que se distribuyen aleatoriamente a lo largo
de la superficie teniendo en cuenta que se cubra de manera equitativa la totalidad del área.
Este levantamiento topográfico, sirve de insumo en el proceso de identificación y extracción
de coordenadas de los targets para realizar un análisis diferencial de la exactitud de los
datos capturados por medio del TLS con relación a las coordenadas reales levantadas por
topografía convencional.
22 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
2.2.2 Levantamiento TLS
El TLS FARO FOCUS 3D es un equipo que captura gran cantidad de puntos a alta
velocidad, que facilitan la medición y la documentación aplicables a diferentes campos de
ejecución, por otro lado, la información resultante de un escaneo, está formada por puntos,
que representan una reproducción digital exacta de la realidad capturada en un corto lapso
de tiempo.
Figura 2-6: Levantamiento por medio de TLS FARO FOCUS 3D de la superficie de estudio
Fuente: Elaboración Propia
Capítulo 3 23
Para la captura de datos por medio del TLS FARO FOCUS 3D enmarcado en el diseño del
experimento planteado, se procede con la ubicación del equipo en cada uno de los puntos
y desde allí realizar el levantamiento con los siguientes parámetros de configuración por
escaneo.
Si se incrementa el factor de calidad, se reduce el ruido en los datos y, por lo tanto,
aumenta la calidad del escaneo, lo que se traduce en un aumento del tiempo de
adquisición. Por otro lado, el nivel de calidad aplicados a un escaneo se realiza a través
de tasas de medición o aplicando compresión de ruido adicional.
El parámetro de resolución de escaneo tiene un rango de valores en orden descendente
de 1/1,1/2, 1/4,1/5, 1/8, 1/10, 1/16, 1/20 y 1/32 Megapuntos que está relacionado
directamente con el tamaño del escaneo, es decir con la cantidad de puntos horizontales
por la de verticales adquiridos dentro de la nube de puntos (Tabla 2-2).
Tabla 2-2: Parámetros de escaneos capturados con el TLS FARO FOCUS 3D
ESCANEO PARÁMETROS DE ESCANEO
TIEMPO RESOLUCIÓN CALIDAD
1 00:15:06 1/2 4X 2 00:10:21 1/2 4X 3 00:15:06 1/2 4X 4 00:08:48 1/2 4X 5 00:07:56 1/2 4X 6 00:07:56 1/2 4X 7 00:07:56 1/2 4X 8 00:04:47 1/2 4X 9 00:16:10 1/2 6X
Fuente: Elaboración Propia
Luego de la adquisición de datos capturados por el TLS FARO FOCUS 3D, estos deben
ser administrados y procesados, mediante el reconocimiento de objetos y/o targets
establecidos en el experimento.
3. Resultados
A continuación, se consignan los resultados relacionados con los objetivos especificados
en este proyecto.
3.1. Definición Modelo estadístico
Dentro de la especificación del modelo teórico se incluyen las variables protagonistas del
desarrollo del mismo, las cuales se establecen como la distancia de escaneo, los targets
u objetivos de reconocimiento del escaneo y los ángulo de incidencia propuestos, que para
el caso puntual de la modelación se van a tomar en sentido horario con respecto a la
superficie de captura, por lo que equivaldría a hablar de ángulos de 60°,90° y 150°
respectivamente teniendo en cuenta el diagrama del diseño del experimento.
En la búsqueda de un modelo estadístico, que explicara el comportamiento de las
observaciones obtenidas en campo de los targets levantados por medio de topografía
convencional y TLS, se acudió a diferentes áreas de la estadística, entre las cuales se
encuentran la geoestadística y los modelos lineales generalizados (MLG), siendo esta
última la solución óptima para el fin del estudio. Por un lado, la geoestadística prometía ser
una herramienta útil en la predicción del error obtenido al realizar las mediciones con el
escáner laser, puesto que considera la correlación espacial que pueda existir entre las
observaciones en un mismo escaneo, sin embargo, dichas predicciones tenían un
horizonte de tan solo 20 metros y estaban limitadas al espacio donde se realizaron las
medidas, el cuál es bastante ideal; contrario al sinnúmero de configuraciones que se
pueden encontrar en la práctica.
A partir de los datos obtenidos en los diferentes escaneos realizados con TLS y el del
levantamiento por medio de topografía convencional con Estación Total, se realiza un
análisis estadístico diferencial que toma como reales las coordenadas obtenidas por este
último levantamiento, es decir como variable de referencia para hallar la exactitud de los
Capítulo 3 25
errores en los datos obtenidos con el TLS. De lo anterior, se realiza el cálculo de la
distancia euclidiana [60] (Ver ecuación (3.1)) donde se obtienen los valores de error para
cada uno de los targets.
t9�, �, �; = u9�� − ��;� + 9�� − ��;� + 9�� − ��;� (3.1)
Donde la distancia euclidiana entre x, y, z está dada por la raíz de la suma del cuadrado
de las diferencias de las variables de la función. El resultado de esta ecuación representa
el error de los datos en la medición con TLS para cada uno de los targets, y a partir de este
valor se calculó la media por cada target dentro de cada uno de los escaneos, que de
ahora en adelante será entendida como la variable de respuesta (Ver Tabla 3-1) para el
desarrollo del modelo estadístico por medio de la implementación de MLG.
Haciendo uso del postulado donde las mediciones obtenidas entre targets son
independientes y así mismo entre los diferentes tipos de escaneo se utilizó el análisis de
MLG para ajustar un modelo al error medio (media de las distancias euclidianas entre las
coordenadas observadas y las teóricas) obtenido para cada escaneo en cada target
(Variable respuesta) teniendo como covariables el ángulo, la distancia y claro está, el
target.
El proceso de Estimación de parámetros, se realiza calculando el valor de los coeficientes
del modelo examinado a partir del conjunto de datos de las observaciones del error medio,
para determinar si el modelo teórico propuesto es aceptable como una representación
aproximada que se ajusta de la mejor forma a los datos.
Durante la Evaluación del modelo, se examinan y comprueban que las observaciones
individuales cumplan los supuestos de normalidad, linealidad, homoscedasticidad e
independencia característicos del MLG, a su vez la validación del modelo se realiza a partir
de los gráficos de bandas y el criterio de la distancia de cook, donde se verifica el ajuste
del modelo con los valores del error medio de las distancias euclidianas por target en cada
uno de los escaneos.
26 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
Tabla 3-1: Datos de las medias de las distancias euclidianas entre las coordenadas observadas y las teóricas por target en cada escaneo.
Ítem Target Distancia (m)
Angulo (°)
MEDIA (m)
1 8 25 150 0.02205067
2 8 25 90 0.01367816
3 8 50 60 0.06775874
4 8 50 90 0.05890487
5 8 15.495 90 0.03759075
6 7 25 150 0.06845394
7 7 25 90 0.12395044
8 7 50 60 0.04597412
9 7 50 90 0.0250471
10 7 15.495 90 0.04297409
11 6 25 150 0.02643668
12 6 25 90 0.05542163
13 6 50 60 0.10726779
14 6 50 90 0.06785023
15 6 80 90 0.27843284
16 6 120 90 0.06722321
17 6 15.495 90 0.05216812
18 5 25 150 0.16267164
19 5 25 90 0.0120312
20 5 50 60 0.10727106
21 5 50 90 0.02011177
22 5 120 90 0.09642393
23 5 15.495 90 0.1637303
24 4 25 150 0.04712705
25 4 25 90 0.03827929
Ítem Target Distancia (m)
Angulo (°)
MEDIA (m)
26 4 50 60 0.04023328
27 4 50 90 0.02296948
28 4 80 90 0.02451551
29 4 120 90 0.16905008
30 4 15.495 90 0.01985841
31 3 25 150 0.02954969
32 3 25 90 0.13050153
33 3 50 60 0.0411321
34 3 50 90 0.02014158
35 3 80 90 0.04872548
36 3 120 90 0.07377637
37 3 15.495 90 0.0249809
38 2 25 150 0.02924373
39 2 25 90 0.01537116
40 2 50 60 0.03831953
41 2 50 90 0.02080681
42 2 80 90 0.01955224
43 2 120 90 0.10032122
44 2 15.495 90 0.01688216
45 1 25 150 0.03425862
46 1 25 90 0.01633572
47 1 50 60 0.03858609
48 1 50 90 0.03207425
49 1 120 90 0.10081477
50 1 15.495 90 0.07824593
Fuente: Elaboración Propia
Para la implementación del análisis por medio de MLG se hace uso del software libre R
donde se realiza el desarrollo del modelo estadístico propuesto en la investigación.
Haciendo uso de la teoría del diseño del experimento, donde las mediciones realizadas en
cada uno de los escaneos son independientes entre sí (Ejemplo: Escaneo 2, es
independiente de los Escaneos 1,3,4,5,6,7,8 y 9) ya que fueron ejecutadas en diferentes
ángulos y distancias con respecto a la superficie de captura, adicional a esto los datos
Capítulo 3 27
obtenidos de los tipos de targets también cumplen con esta condición de independencia,
ya que las mediciones obtenidas para cada tipo target son independientes según el tipo de
target (Ejemplo: las medidas del target tipo 1, son independientes a las medidas de los
targets tipo 2,3,4,5,6,7 y 8) por lo que se propuso la implementación del análisis de MLG
para ajustar un modelo al error medio (media de las distancias euclidianas entre las
coordenadas observadas y las teóricas) (Ver Tabla 3-1) obtenido para cada escaneo en
cada target (Variable respuesta) teniendo como covariables el ángulo, la distancia y claro
está, el target. Para la definición de la variable respuesta dentro del modelo, fue necesario
descartar los escaneos 7 y 8 debido a que la resolución de estos, era demasiado pobre y
no se logró extraer información de coordenadas de los targets.
A partir de lo anterior se comenzó con la implementación del modelo en el software
estadístico R, para lo cual se inició con la premisa de considerar que el error es una variable
cuyo dominio son los reales positivos por lo que se propone un modelo de la familia de
distribuciones Gamma para explicar el comportamiento de esta variable. Para verificar si
la familia de distribuciones Gamma es adecuada para el ajuste del modelo se hace uso de
las estadísticas descriptivas (Ver Tabla 3-2).
Tabla 3-2: Estadísticas descriptivas del error medio
ESTADÍSTICA DESCRIPTIVA Mínimo 0.01203 Cuartil 1 0.02463 Mediana 0.04068 Media 0.05990
Cuartil 3 0.07245 Máximo 0.27843 Fuente: Elaboración Propia
De las estadísticas descriptivas del error medio, se puede decir que la variable respuesta
es sesgada a derecha, (la media es mayor que la mediana) para verificar este hecho e
identificar la intensidad de dicho sesgo se ilustra en la Figura 3-1 la densidad de la dicha
variable respuesta.
28 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
Figura 3-1: Plot de la densidad del error medio
Fuente: Elaboración Propia
En la Figura 3-1, se observa un sesgo a derecha bastante pronunciado, razón por la cual
se establece la familia de distribuciones Gamma para la estimación del modelo.
De los gráficos que se ilustran en la Figura 3-2, se puede decir que la dispersión no es
constante entre las observaciones, nótese que el error medio toma valores entre 0 y 0.15
aproximadamente para todas las distancias medidas excepto para los 80m donde se
observa un posible dato atípico con un valor superior a 0.25 y una concentración de los
puntos aproximadamente entre 0 y 0.05. De manera análoga, en el gráfico de dispersión
de los ángulos se nota la presencia de un posible valor atípico para los ángulos de 90° y
150° y nuevamente, la dispersión de los puntos parece no ser homogénea entre ángulos.
Finalmente, del box-plot en la Figura 3-3 se observa que las cajas poseen anchos
diferentes, lo cual indica que no existe la misma dispersión de las observaciones entre
targets. Con base en lo anterior, se concluye que no es adecuado asumir una dispersión
constante, por tal motivo, se decide ajustar un modelo lineal generalizado doble.
Capítulo 3 29
Figura 3-2: Gráfico de dispersión de la respuesta vs las covariables Distancia y Ángulo
Fuente: Elaboración Propia
30 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
Figura 3-3: Box-plot del error medio para cada target
Fuente: Elaboración Propia
Considerando que la dispersión de la respuesta es más notoria entre targets, se propone
como resultado de este trabajo el siguiente modelo estadístico. (ver Ecuación (3.2)).
vwwwxwwwy �z ∼ b2��29<z, Oz;ln9<z; = ?\�z|
B� +\}�}z + \�:��:zln9Oz; = ?~�z|
B���, … , ��:�>t@^@>ti@>�@�
(3.2)
Donde:
�z = �1Cik2� − é�i�2l��@8#2�ió>^@8�@>@�@2k�28a@��0�ik2l��@8#2�ió>�>l@�t@k�28a@�� �l>� = 1,… ,8 �}z = �i��2>�i2t@k2� − é�i�2l��@8#2�ió> ��:z = Á>a�klt@k2� − é�i�2l��@8#2�ió>
Capítulo 3 31
�z = E88l8�@tilt@k2� − é�i�2l��@8#2�ió> <z = �2kl8@�^@82tl^l�k2�il>2kt@k2� − é�i�2l��@8#2�ió>. Oz = q28á�@�8lt@ti�^@8�ió>2�l�i2tl2k2� − é�i�2l��@8#2�il>. \ = �>�8@�@>�llt@�8@�@>�l@>@k@88l8�@til@>@k�28a@���l> 8@�^@��l2k�28a@�1, ^282� = 2,… ,8 \} = �>�8@�@>�llt@�8@�@>�lt@k@88l8�@til^l8�2t2�@�8l2til>2k. \�: = �>�8@�@>�llt@�8@�@>�lt@k@88l8�@til^l8�2t2a82tl2ti�il>2k. ~� = �>�8@�@>�llt@�8@�@>�l@>k2ti�^@8�ió>^l8�2t2a82tl2ti�il>2k.
Para la identificación de las variables cuyo efecto es estadísticamente significativo sobre
el error medio esperado se acudió al estadístico de Wald, el cual está dado por la siguiente
expresión (ver Ecuación (3.3))
�� = \��s�� ∼ �9>−^;
(3.3)
Donde \�� y s��corresponden a las estimaciones de \ y su error estándar asociados, esto para j = 2,…,10. El estadístico de Wald está asociado al sistema de hipótesis (ver Ecuación (3.4)).
��::\ = 0#��3:\ ≠ 0 (3.4)
Dónde �: es equivalente a decir que el efecto de la variable � no es estadísticamente
significativo sobre el error medio esperado.
La regla de decisión del sistema de hipótesis es: ~: �@�ℎ2�28�:�i@k^ − #2kl82�l�i2tl@��@>l8��@@k>i#@kt@�ia>i�i�2>�i2�
Donde ^ − #2kl8 = 2 ∗ q��� > �AS`� n siendo el tamaño de muestra y p el número de
parámetros del modelo.
32 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
De manera análoga, se tienen los sistema de hipótesis asociados a los efectos de los ~ sobre la dispersión, dados por la siguiente expresión (ver Ecuación (3.5)).
��:: ~ = 0#��3:~ ≠ 0 (3.5)
Esto para j = 2,…,8.
Se obtiene que para una significancia del 1% la distancia es la única variable que tiene un
efecto estadísticamente significativo sobre el error medio esperado con un p-valor =
0.000974. Por otro lado, se concluyó que el parámetro Ozes constante para todo k, es
decir, las covariables asociadas a los targets no tienen un efecto estadísticamente
significativo sobre la dispersión. Por lo cual el modelo final teórico queda definido como
sigue (ver Ecuación (3.6))
�z ∼ b2��29<z, Oz;ln9<z; = \� +\}�}zln9Oz; = ~:��, … , ��:�>t@^@>ti@>�@� (3.6)
Los parámetros estimados, su error estándar y su p-valor asociado (Tabla 3-3).
Tabla 3-3: Estimación de los parámetros, error estándar, significancia y estadística de WALD.
Parámetro Estimación Error Estándar/Desviación
Estadística de WALD P-valor ¡¢ -3.2142 0.2240 -14.349 5.5752x10-19 ¡£ 0.007689 0.002257 3.407 0.000974 ¤¥ -0.7155 0.1856 -3.8851 0.0001197
Fuente: Elaboración Propia
Nótese que el parámetro ¡¢tiene un p-valor mayor al nivel de significancia del 1%, sin embargo, este se conserva por cuestiones de ajuste del modelo, cabe resaltar que este no tiene interpretación práctica.
Reemplazando el valor de las estimaciones sobre el modelo propuesto se obtiene el siguiente modelo estadístico final estimado (ver Ecuación (3.7)).
Capítulo 3 33
vxy �z ∼ b2��29<z, Oz;ln9<z�; = −3.2142 + 0.007689�}ln9Oz«; = −0.7155��, … , ��:�>t@^@>ti@>�@� (3.7)
3.2. Validación del Modelo
Para la validación del modelo se emplean los gráficos de bandas de un 99% confianza y
el criterio de la distancia de Cook para la identificación de observaciones potencialmente
influyentes. Al observar la Figura 3-4 que ilustra las bandas de confianza, se encuentra
que existen dos puntos fuera de estas (observaciones 19 y 18) para el modelo asociado a
la media, sin embargo, está distancia no es considerable y puede ser explicada por la
variación aleatoria de los datos, por otro lado, para el modelo asociado a la dispersión se
observa que no existe punto alguno fuera de las bandas, a partir de esto se concluye que
el modelo se ajusta adecuadamente. En los gráficos asociados a la distancia de Cook que
se ilustran en la Figura 3-5, se tiene nuevamente que la observación 18 presenta valores
posiblemente atípicos y en esto caso especial potencialmente influyentes, a esto se le
suma que las observaciones 15 y 23 también se postulan como potencialmente influyentes,
sin embargo, al extraer estas observaciones y realizar el ajuste del modelo no se generan
cambios estadísticamente significativos en el efecto de la distancia sobre el error medio
esperado.
Figura 3-4: Bandas del 99% de confianza para la verificación del ajuste
Fuente: Elaboración Propia
34 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
Figura 3-5: Distancia de Cook para el reconocimiento de observaciones potencialmente influyentes.
Fuente: Elaboración Propia
Finalmente, como \}« = 0.007688 > 0 se puede concluir que el error medio esperado
aumentará un Z@�^�\�� � > 1 → Z@�^�\�� � − 1[ ∗ 100%Z@�^�\�� � < 1 → Z1 − @�^�\�� �[ ∗ 100%± = 0.7718%por cada metro
adicional en la distancia del escáner. Teniendo en cuenta que un intervalo del 99% de
confianza para \} está dado por [\}«± 2.5758 ∗ s}�[, es decir [0.00033, 0.015], al sacar el
exponencial a los limites se tiene que el intervalo queda dado por [1.00033, 1.01515] a
partir del cual se concluye que por cada metro adicional en la distancia del escáner el error
medio esperado aumentará entre un 0.033% y un 1.5%.
4. Conclusiones y recomendaciones
4.1. Conclusiones
En el presente trabajo se ha mostrado que es posible obtener un modelo con base en
fundamentación estadística para determinar la exactitud de los datos adquiridos por medio
de un TLS, a partir del cual se estableció que, por cada metro adicional en la distancia del
escáner con relación a una superficie de estudio, el error medio esperado aumentará entre
un 0.033% y un 1.5%.
Dentro de las especificaciones técnicas del equipo Faro Focus 3D, se describe de manera
generalizada el error en las medidas del equipo como ±2mm por cada intervalo entre 10m
y 25m limitando dicho error en un rango de distancia máxima de hasta 120m, a partir del
desarrollo del modelo con base en las pruebas de campo se pudo establecer que a una
distancia de 120m el error de medición que se puede tener es calculado entre 52.3mm y
122.9mm.
A partir del análisis estadístico dentro del desarrollo del modelo, se pudo establecer que,
de las variables o parámetros involucradas inicialmente, la distancia es la que mayor
incidencia tiene sobre los errores que se pueden presentar en los datos adquiridos con el
TLS Faro Focus 3D, pero por otro lado la variación de ángulos y targets no presenta gran
significancia dentro de la exactitud de los datos al compararlos con los obtenidos por
topografía convencional. Sin embargo, dentro de las pruebas de campo realizadas, se
pudo observar que la resolución del escaneo o la cantidad de puntos capturados disminuye
para la misma superficie de estudio, al aumentar la distancia y al realizar escaneos desde
36 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
ángulos entre dos rangos aproximados, el primero de 0 a 60° y el segundo de 120° a 180°
si se toman los ángulos en sentido horario con relación a la superficie de captura.
Teniendo en cuenta la variable respuesta introducida en el modelo como la media de las
distancias euclidianas entre las coordenadas observadas y las teóricas, se pudo establecer
que el tipo de target que arroja mejor exactitud es el tipo 2 que corresponde con madera
tipo cedro y por el contrario el que más error presenta es el Tipo 6, hecho de papel brillante.
En el diseño del experimento se planeó comparar dos escaneos realizados desde un
mismo punto mediante el TLS Faro Focus 3D, pero configurado con diferentes parámetros
de calidad, como en el caso de los escaneos 8 y 9, tomados a 120m a un ángulo de 90°
con una resolución de 1/2 y variando el factor de calidad por 4x y 6x respectivamente, se
pudo validar que el parámetro de calidad del TLS está relacionado con la reducción del
ruido en los datos de escaneo lo cual hace que el tiempo de captura se incremente y que
exista gran pérdida de información, caso que no fue conveniente en esta investigación ya
como consecuencia de esto, el escaneo 9 que fue capturado con factor de calidad 6x tuvo
que ser descartado en la modelación estadística de los datos.
4.2. Recomendaciones
Teniendo en cuenta que, en el resultado de la implementación del modelo, se obtuvo que
las variables de ángulo de incidencia y target no presentan una afectación significativa
dentro de la exactitud de los datos adquiridos con el TLS Faro Focus 3D, sería un gran
aporte realizar una investigación donde se pueda establecer la posible relación de estas
dos variables con relación a la resolución del escaneo es decir si de estas depende la
cantidad de puntos capturados en un escaneo.
El modelo estadístico generado, se realizó teniendo en cuenta los errores medios de las
distancias euclidianas entre el levantamiento topográfico con estación y el levantamiento
por medio de TLS Faro Focus 3D con variables de distancia, ángulo de incidencia y target,
por lo que si se quiere obtener los rangos de error para otro tipo de TLS sería recomendable
poder validar por medio de los procedimientos plasmados en este trabajo el ajuste de
dichos datos al planteamiento de este modelo.
Bibliografía [1] T. Voegtle A y S. Ruoming, «Effects On The Measurements Of The Terrestrial Laser
Scanner Hds 6000 (Leica) Caused By Different Object Materials», Inst. Photogramm. Remote Sens. IPF Univ. Karlsr. TH, 2009.
[2] T. Voegtle A y I. Schwab A, «Influences of different materials on the measurements of a terrestrial laser scanner (tls)», 2008.
[3] S. Kaasalainen, A. Jaakkola, M. Kaasalainen, A. Krooks, y A. Kukko, «Analysis of Incidence Angle and Distance Effects on Terrestrial Laser Scanner Intensity: Search for Correction Methods», Remote Sens., 2011.
[4] S. Soudarissanane, R. Lindenberg, M. Menenti, y P. Teunissen, «Incidence Angle Influence On The Quality Of Terrestrial Laser Scanning Points», Delft Inst. Earth Obs. Space Syst. Delft Univ. Technol., 2009.
[5] Y. Zhou, M. Cui, y L. Yang, «Application of 3D laser scanner in topographic change monitor and analysis», en 9th International Conference on Electronic Measurement Instruments, 2009. ICEMI ’09, 2009, pp. 4-382-4-385.
[6] D. D. Lichti y M. G. Licht, «Experiences With Terrestrial Laser Scanner Modelling And Accuracy Assessment», presentado en IAPRS Volume XXXVI, Dresden, 2006.
[7] UCL Department of Civil, Environmental and Geomatic, y UCL Departament of civil Environmental and GeomaticEngineering, «An Investigation Into The Precision And Accuracy Of Faro Photon 120 Terrestrial Laser Scanner», Gower ST, London.
[8] J. G. D. M. Franca, M. A. Gazziro, A. N. Ide, y J. H. Saito, «A 3D scanning system based on laser triangulation and variable field of view», en IEEE International Conference on Image Processing, 2005. ICIP 2005, 2005, vol. 1, p. I-425-8.
[9] R. A. Jarvis, «A Laser Time-of-Flight Range Scanner for Robotic Vision», IEEE Trans. Pattern Anal. Mach. Intell., vol. PAMI-5, n.o 5, pp. 505-512, 1983.
[10] N. Pfeifer y C. Briese, «Geometrical Aspects Of Airborne Laser Scanning And Terrestrial Laser Scanning», IAPRS, vol. 34, pp. 314-319, 2007.
[11] W. A. Wan Aziz, M. Z. Syahmi, A. Anuar, y N. T. Khairul, «Terrain slope analyses between terrestrial laser scanner and airborne laser scanning», en 2012 IEEE Control and System Graduate Research Colloquium (ICSGRC), 2012, pp. 242-247.
[12] T. Schulz y H. Ingensand, «Terrestrial Laser Scanning – Investigations and Applications for High Precision Scanning», presentado en FIG Working Week, Athens, Greece, 2004.
[13] T. Xuehai, C. Ying, F. Zhongke, G. Xiaoxiao, W. Haiping, y T. Yi, «Research on tree scanning and data processing based on 3D laser scanning system», en 2011 International Conference on Information Science and Technology (ICIST), 2011, pp. 421-426.
[14] D. Barber, J. Mills, y S. Smith-Voysey, «Geometric validation of a ground-based mobile laser scanning system», ISPRS J. Photogramm. Remote Sens., vol. 63, n.o 1, pp. 128-141, 2008.
38 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
[15] A. Abellan, M. Jaboyedoff, T. Oppikofer, y J. . Vilaplana, «Detection of millimetric deformation using a terrestrial laser scanner: experiment and application to a rockfall event», Nat. Hazards Earth Syst. Sci., vol. 9, pp. 365–372, 2009.
[16] Y. Reshetyuk, «Investigation and calibration of pulsed time-of-flight terrestrial laser scanners», Royal Institute of Technology (KTH), Stockholm, 2006.
[17] P. Salo A, A. Jokinen A, y A. Kukko B, «On the calibration of the distance measuring component of a terrestrial laser scanner», 2008.
[18] R. Ghazali, A. E. E. Sukri, A. R. A. Latif, A. R. A. Rasam, Z. A. Latif, y A. M. Samad, «Evaluating the relationship between scanning resolution of laser scanner with the accuracy of the 3D model constructed», en 2011 IEEE International Conference on Control System, Computing and Engineering (ICCSCE), 2011, pp. 590-595.
[19] Z. Ling, M. Yuqing, y S. Ruoming, «Study on the Resolution of Laser Scanning Point Cloud», en Geoscience and Remote Sensing Symposium, 2008. IGARSS 2008. IEEE International, 2008, vol. 2, p. II-1136-II-1139.
[20] H. Ingensand, A. Ryf, y T. Schulz, «Performances And Experiences In Terrestrial Laser scanning», Inst. Geod. Photogramm. ETH Zür., 2003.
[21] T. P. Kersten, H. Sternberg, y K. Mechelke, «Investigations Into The Accuracy Behaviour Of The Terrestrial Laser Scanning System Mensi Gs100», presentado en Optical 3-D Measurement Techniques VII, Vienna, 2005, vol. I, pp. 122-131.
[22] T. P. Kersten, H. Sternberg, y K. Mechelke, «Investigations Into The Accuracy Behaviour Of The Terrestrial Laser Scanning System Mensi Gs100», presentado en Optical 3-D Measurement Techniques VII, Vienna, 2005, vol. I, pp. 122-131.
[23] W. Boehler, V. Bordas, y A. Marbs, «Investigating Laser Scanner Accuracy», presentado en A Symposium At Antalya, Turkey, 2003.
[24] T. Kersten y M. Mechelke, «Geometric Accuracy Investigations of the Latest Terrestrial Laser Scanning Systems», FIG Work. Week 2008, jun. 2008.
[25] R. Gottwald, «Fiel Procedures for testing Terrestrial Laser Scanners (TLS) a Contribution to a future ISO Standard», 2008.
[26] D. García-San-Miguel y J. L. Lerma, «Geometric calibration of a terrestrial laser scanner with local additional parameters: An automatic strategy», ISPRS J. Photogramm. Remote Sens., vol. 79, pp. 122-136, 2013.
[27] S. Kaasalainen et al., «Brightness Measurements and Calibration With Airborne and Terrestrial Laser Scanners», IEEE Trans. Geosci. Remote Sens., vol. 46, n.o 2, pp. 528-534, 2008.
[28] C.-H. Guan, J.-W. Gong, Y.-D. Chen, y H.-Y. Chen, «An application of data fusion combining laser scanner and vision in real-time driving environment recognition system», en 2009 International Conference on Machine Learning and Cybernetics, 2009, vol. 6, pp. 3116-3121.
[29] F. Neitzel, «Investigation Of Axes Errors Of Terrestrial Laser Scanners», Berl. Univ. Technol. Inst. Geod. Geoinformation Sci., 2007.
[30] D. García San Miguel, J. L. Lerma, y J. J. Navarro, «Calibración Geométrica De Escáner Láser Terrestre Mediante Software Específico», presentado en I CONGRESO IBEROAMERICANO DE GEOM ÁTICA Y C.C. DE LA TIERR A, Universidad Tecnológica Metropolitana, 2013.
[31] Y. Reshetyuk, «A unified approach to self-calibration of terrestrial laser scanners», ISPRS J. Photogramm. Remote Sens., vol. 65, n.o 5, pp. 445-456, 2010.
[32] K. Bae y D. D. Lichti, «On-site self-calibration using planar features for terrestrial laser scanners», sep. 2007.
Bibliografía 39
[33] M. Polo, A. M. Felicisimo, A. G. Villanueva, y J. Martinez-del-Pozo, «Estimating the Uncertainty of Terrestrial Laser Scanner Measurements», IEEE Trans. Geosci. Remote Sens., vol. 50, n.o 11, pp. 4804-4808, 2012.
[34] W. Liu y Z. Wang, «Coordinate uncertainty analyses of coupled multiple measurement systems», Meas. Sci. Technol., vol. 21, n.o 6, p. 065103, jun. 2010.
[35] J. Chow, A. Ebeling, y B. Teskey, «Low Cost Artificial Planar Target Measurement Techniques for Terrestrial Laser Scanning», Abril de 2010.
[36] D. D. Lichti, «A method to test differences between additional parameter sets with a case study in terrestrial laser scanner self-calibration stability analysis», ISPRS J. Photogramm. Remote Sens., vol. 63, n.o 2, pp. 169-180, mar. 2008.
[37] L. Kovacs et al., «Accuracy and precision of the three-dimensional assessment of the facial surface using a 3-D laser scanner», IEEE Trans. Med. Imaging, vol. 25, n.o 6, pp. 742-754, 2006.
[38] D. Schneider, «Calibration Of A Riegl Lms-Z420i Based On A Multi-Station Adjustment And A Geometric Model With Additional Parameters», París, 2009.
[39] D. D. Lichti, «The Impact Of Angle Parameterisation On Terrestrial Laser Scanner Self-Calibration», Dep. Geomat. Eng., 2009.
[40] R. M. Alkan and G. Karsidag, «Analysis of The Accuracy of Terrestrial Laser Scanning Measurements», presentado en FIG Working Week, 2012.
[41] S. Kilambi y S. M. Tipton, «Development of an algorithm to measure defect geometry using a 3D laser scanner», Meas. Sci. Technol., vol. 23, n.o 8, p. 085604, ago. 2012.
[42] V. Niola, C. Rossi, S. Savino, y S. Strano, «A method for the calibration of a 3-D laser scanner», Robot. Comput.-Integr. Manuf., vol. 27, n.o 2, pp. 479-484, abr. 2011.
[43] D. D. Lichti, «Error modelling, calibration and analysis of an AM-CW terrestrial laser scanner system», ISPRS J. Photogramm. Remote Sens., vol. 61, n.o 5, pp. 307-324, 2007.
[44] F. Gielsdorf, A. Rietdorf, y L. Gruendig, «A Concept for the Calibration of Terrestrial Laser Scanners», presentado en FIG Working Week 2004, Athens, Greece, 2004.
[45] D. D. Lichti, «A review of geometric models and self-calibration methods for terrestrial laser scanners», Bol. Cienc. Geod., vol. 16, n.o 1, pp. 3-19, 2010.
[46] A. Cuartero, J. Armesto, P. Rodriguez, y P. Arias, «Error Analysis of Terrestrial Laser Scanning Data by Means of Spherical Statistics and 3D Graphs», MDPI, 2010.
[47] C. Tao, S. Jianwei, y W. Lang, «Test method on precision of the 3D laser scanner», en 2011 IEEE 3rd International Conference on Communication Software and Networks (ICCSN), 2011, pp. 417-420.
[48] H. M. ZOGG, Investigations of High Precision Terrestrial Laser Scanning with Emphasis on the Development of a Robust Close-Range 3D-Laser Scanning System. 2008.
[49] E. LÓPEZ-GONZÁLEZ y M. RUIZ-SOLER, «Análisis de datos con el Modelo Lineal Generalizado. Una aplicación con R», Rev. Esp. Pedagog., vol. 69, n.o 248, pp. 59-80, 2011.
[50] G. Enderlein, «McCullagh, P., J. A. Nelder: Generalized linear models. Chapman and Hall London – New York 1983, 261 S., £ 16,–», Biom. J., vol. 29, n.o 2, pp. 206-206, 1987.
[51] U. Olsson, Generalized linear models an applied approach. Lund; [Stockholm: Studentlitteratur : [Btj [distributör] ; [eLib [distributör, 2006.
[52] T. D. Little, The Oxford Handbook of Quantitative Methods in Psychology: Vol. 2: Statistical Analysis. OUP USA, 2013.
40 Modelamiento estadístico de la precisión de un escáner laser terrestre (TLS)
[53] Jacob Cohen, «The statistical power of abnormal-social psychological research: A review.», J. Abnorm. Soc. Psychol., vol. 65(3), pp. 145-153, sep. 1962.
[54] A. Mayoral y J. Morales Socuéllamos, Modelos Lineales Generalizados. 2001. [55] A. J. LEMONTE y L. H. VANEGAS, «Una comparaciÃ3n entre la inferencia basada en
las estadÃ\-sticas de Wald y razÃ3n de verosimilitud en los modelos logit y probit vÃ\-a Monte Carlo», Rev. Colomb. EstadÃ-Stica, vol. 28, pp. 77-97, 2005.
[56] «FARO». . [57] Leica Geosystems, «Leica-Geosystems». . [58] Topcon, «Topcon Products Scanning». . [59] Trimble, «Trimble 3D Laser Scanning», 12-oct-2013. . [60] A. N. Kolmogorov y S. V. Fomin, Introductory real analysis, Rev. English ed. New York:
Dover Publications, 1975.