Inteligencia artificial aplicada a flujos de trabajo fotogramétricos para la monitorización de laderas
Gespeichert in:
| Titel: | Inteligencia artificial aplicada a flujos de trabajo fotogramétricos para la monitorización de laderas |
|---|---|
| Autoren: | Blanch Gorriz, Xabier, Hendrickx, Hanne, Jäschke, Almut, Elias, Melanie, Guinau Selles, Marta, Abellán Fernández, Antonio, Eltner, Anette |
| Quelle: | UPCommons. Portal del coneixement obert de la UPC Universitat Politècnica de Catalunya (UPC) |
| Verlagsinformationen: | 2025. |
| Publikationsjahr: | 2025 |
| Schlagwörter: | Risc d'esllavissades, Artificial intelligence, Àrees temàtiques de la UPC::Enginyeria civil::Geomàtica::Fotogrametria, Fotogrametria, Photogrammetry, Intel·ligència artificial, Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial, Landslide hazard analysis |
| Beschreibung: | Este artículo presenta tres aplicaciones innovadoras de inteligencia artificial (IA) para el monitoreo fotogramétrico de taludes y laderas inestables. Mediante el análisis de tres metodologías complementarias, se demuestra cómo la IA puede automatizar procesos críticos en diferentes etapas del flujo de trabajo fotogramétricoss: (1) la detección automática de puntos de control terrestre (GCPs) mediante redes neuronales convolucionales, alcanzando precisiones subpixel incluso en condiciones ambientales adversas; (2) el seguimiento de movimientos en glaciares rocosos y deslizamientos utilizando algoritmos de IA (PIPs++ y LightGlue) en imágenes monoscópicas time-lapse, permitiendo obtener información detallada sobre velocidades de desplazamiento con alta resolución espacial y temporal; y (3) la discriminación automática de desprendimientos de roca mediante técnicas de machine learning aplicadas a comparaciones de nubes de puntos, automatizando el flujo de trabajo para la detección casi en tiempo real. Los resultados demuestran que estos enfoques basados en IA pueden superar las limitaciones de los métodos tradicionales, especialmente en condiciones adversas o cuando se requiere procesar grandes volúmenes de datos |
| Publikationsart: | Conference object |
| Dateibeschreibung: | application/pdf |
| Sprache: | Spanish; Castilian |
| Zugangs-URL: | https://hdl.handle.net/2117/438798 |
| Dokumentencode: | edsair.dedup.wf.002..01d92521f6276538de46f8b7dcdd0ff3 |
| Datenbank: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstract: | Este artículo presenta tres aplicaciones innovadoras de inteligencia artificial (IA) para el monitoreo fotogramétrico de taludes y laderas inestables. Mediante el análisis de tres metodologías complementarias, se demuestra cómo la IA puede automatizar procesos críticos en diferentes etapas del flujo de trabajo fotogramétricoss: (1) la detección automática de puntos de control terrestre (GCPs) mediante redes neuronales convolucionales, alcanzando precisiones subpixel incluso en condiciones ambientales adversas; (2) el seguimiento de movimientos en glaciares rocosos y deslizamientos utilizando algoritmos de IA (PIPs++ y LightGlue) en imágenes monoscópicas time-lapse, permitiendo obtener información detallada sobre velocidades de desplazamiento con alta resolución espacial y temporal; y (3) la discriminación automática de desprendimientos de roca mediante técnicas de machine learning aplicadas a comparaciones de nubes de puntos, automatizando el flujo de trabajo para la detección casi en tiempo real. Los resultados demuestran que estos enfoques basados en IA pueden superar las limitaciones de los métodos tradicionales, especialmente en condiciones adversas o cuando se requiere procesar grandes volúmenes de datos |
|---|