Publicación: Aplicación de algoritmos en la reconstrucción de estructuras reticulares en modelos BIM
Fecha
2026-01-06
Autores
Moncada Hernández, Alexandra Milena
dc.contributor.advisor
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
Descripción
Crear modelos BIM [1], [2], [3] a partir de nubes de puntos 3D [4], [5], [6], [7], [8] es una actividad cada vez más frecuente en proyectos de construcción, presenta importantes avances gracias a nuevas herramientas como la inteligencia artificial [9], [10], [11], el levantamiento de superficies a partir del uso de equipos, que pueden ubicarse bien sea en tierra o realizar sobre vuelos para identificar áreas de interés. La forma en que se toman las nubes de puntos es muy importante, porque hace referencia a la calidad de la información que posteriormente será utilizada. Las subactividades restantes, tales como el procesamiento e interpretación de objetos corresponde al principal reto que se quiere evaluar con este proyecto, para con el uso de los datos lograr identificar el objeto 3D [12], [13], [14], [15] a que hace referencia y en un software de modelado generar dicho objeto. Para el procesamiento de estas nubes de
puntos existen métodos como Machine Learning & Clustering el algoritmo DBSCAN [16]; aun así, hay retos en la identificación de objetos a partir de nubes de puntos sobre todo de objetos que no se refieren a muros, losas, columnas y vigas [17], el caso de interés es utilizar un método que permita identificar objetos 3D para subestaciones eléctricas, donde las estructuras reticulares [18] son una constante, además, equipos de baja, media y alta tensión. Lo que se pretende es evitar pérdidas de información y reducir errores en la reconstrucción de estos objetos [19]. Una vez recopilada la nube de puntos y realizado el proceso de limpieza de dicha nube, se procesan los puntos que se encuentran en dos tipos de formatos. Se convierten dichos puntos en objetos hechos de mallas, posteriormente se toman una serie de fotos del objeto en diferentes ángulos y se procede a clasificarlo, identificando el porcentaje de asertividad que tiene el algoritmo al momento de definir el tipo de objetos 3D al que pertenece.
Palabras clave
Citación
dc.relation.uri
dc.identifier.doi
Colecciones
dc.rights
Todos los derechos reservados