EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Desarrollo de un algoritmo para la detección, identificación y posicionamiento automático de árboles mediante deep learning y métodos topográficos

Sergio Pérez Pablos, Tomás Pugni Stanek, Silvia Merino De Miguel

Congresos UEx, actas de Congresos · 03.06.2026 · (2)

DOI: 10.17398/3101-7177.2.157 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Congresos UEx, actas de Congresos, online erschienen am 03.06.2026. Verfasst von Sergio Pérez Pablos und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Se presenta el desarrollo de un sistema automático para la detección, identificación y posicionamiento planimétrico de árboles individuales a partir de imágenes panorámicas terrestres georreferenciadas, sin empleo directo de sensores LiDAR en el cálculo posicional. La metodología integra un modelo de detección basado en Deep Learning (YOLOv8) con un algoritmo de seguimiento multiobjeto (Deep SORT) y un procedimiento topográfico de intersección directa simple para estimar coordenadas planimétricas. El dataset fue generado a partir de inventarios de vegetación en carreteras de la Comunidad de Madrid, utilizando imágenes equirectangulares capturadas mediante sistema Mobile Mapping. Se entrenó el modelo con imágenes etiquetadas manualmente, estructuradas en subconjuntos de entrenamiento, validación y prueba. El ajuste de hiperparámetros se realizó mediante optimización automática. Las detecciones obtenidas se asociaron entre imágenes consecutivas y se transformaron en lecturas angulares a partir de la geometría de la proyección panorámica y la orientación del sensor. La posición final de cada árbol se estimó mediante intersección de visuales desde estaciones GNSS conocidas. La validación se realizó comparando los resultados con la nube de puntos LiDAR del mismo sistema. Los resultados muestran que la combinación de detección 2D y métodos topográficos permite obtener posiciones planimétricas coherentes, con errores compatibles con inventarios forestales de carácter operativo, reduciendo significativamente la intervención manual.

Zitieren

APA

Pablos, S. P., Stanek, T. P., & Miguel, S. M. D. (2026). Desarrollo de un algoritmo para la detección, identificación y posicionamiento automático de árboles mediante deep learning y métodos topográficos. Congresos UEx, actas de Congresos. https://doi.org/10.17398/3101-7177.2.157

Vancouver

Pablos SP, Stanek TP, Miguel SMD. Desarrollo de un algoritmo para la detección, identificación y posicionamiento automático de árboles mediante deep learning y métodos topográficos. Congresos UEx, actas de Congresos. 2026. doi:10.17398/3101-7177.2.157

BibTeX
@article{Pablos2026,
  author = {Pablos, Sergio Pérez and Stanek, Tomás Pugni and Miguel, Silvia Merino De},
  title = {Desarrollo de un algoritmo para la detección, identificación y posicionamiento automático de árboles mediante deep learning y métodos topográficos},
  journal = {Congresos UEx, actas de Congresos},
  year = {2026},
  number = {2},
  doi = {10.17398/3101-7177.2.157}
}
Kostenlos starten →