PRACTICA LIDAR CON SOFTWARE ERDAS

STEFANNY D’ACHIARDI SANTAMARIA

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DEL MEDIO AMBIENTE Y RECURSOS NATURALES

INGENIERÍA TOPOGRÁFICA

BOGOTÁ, 2019
 PRACTICA LIDAR CON SOFTWARE ERDAS

STEFANNY D’ACHIARDI SANTAMARIA

COD 20181732008

Trabajo:
Practica 2 con ERDAS

Presentado a:
WILLIAM BARRAGAN
Docente Cartografía Digital Avanzada

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DEL MEDIO AMBIENTE Y RECURSOS NATURALES

INGENIERÍA TOPOGRÁFICA

BOGOTÁ, 2019
 CONTENIDO
1. INTRODUCCION ............................................................................................. 5
2. OBJETIVOS..................................................................................................... 6
GENERAL............................................................................................................ 6
ESPECIFICOS..................................................................................................... 6
3. MARCO TEORICO .......................................................................................... 9
3.1. LIDAR .................................................................................................. 9
3.2. PARTES DEL SISTEMA LIDAR .......................................................... 9
3.3. SISTEMA DE BARRIDO Y ESCANEO LIDAR .................................... 9
3.4. EVOLUCION LASER DE LIDAR ....................................................... 10
3.5. ATRIBUTOS DE PUNTOS LIDAR ..................................................... 10
3.6. FILTRO DE DATOS........................................................................... 11
3.7. CLASIFICACION DE NUBE DE PUNTOS LIDAR ............................. 11
3.8. ARCHIVO .LAS.................................................................................. 11
3.9. SAS PLANET..................................................................................... 11
3.10. ERDAS .............................................................................................. 12
4. METODOLOGIA ............................................................................................ 13
5. DIAGRAMA DE FLUJO ................................................................................. 17
6. RESULTADOS .............................................................................................. 18
6.1. IMAGEN SATELITAL......................................................................... 18
6.2. GEORREFERENCIACION DE LA IMAGEN ...................................... 19
6.3. CLASIFICACION EN ERDAS ............................................................ 20
6.4. GUARDAS COMO FORMATO LAS .................................................. 21
7. CONCLUSIONES .......................................................................................... 22
8. BIBLIOGRAFIA ............................................................................................. 23
 INDICE DE IMÁGENES
Ilustración 1 Agregar Nube de Puntos ................................................................... 13
Ilustración 2 Visualizacion Nube de Puntos........................................................... 13
Ilustración 3 Exportar Polígono como KMZ ........................................................... 14
Ilustración 4 Polígono KMZ en SAS Planet ........................................................... 14
Ilustración 5 Imagen cargada en arcgis ................................................................. 15
Ilustración 6 Puntos de control en Google earth.................................................... 15
Ilustración 7 Georeferencing ................................................................................ 16
Ilustración 8 Clasificación puntos en Erdas. ......................................................... 16
Ilustración 9 Diagrama de flujo ............................................................................. 17
Ilustración 10 Imagen descargada visualizada en arcgis. .................................... 18
Ilustración 11 Puntos de Control. ......................................................................... 19
Ilustración 12 Clasificación total de la nube de puntos. ........................................ 20
Ilustración 13 Exportar a formato LAS .................................................................. 21
 1. INTRODUCCION

La tecnología LIDAR (, Light Detection and Ranging o Laser Imaging Detection and
Ranging) permite determinar la distancia desde un emisor láser a un objeto o
superficie utilizando un haz láser pulsado. La distancia al objeto se determina
midiendo el tiempo de retraso entre la emisión del pulso y su detección a través de
la señal reflejada. Sus usos son muy frecuentes en diversos campos de la
ingeniería, por ejemplo tiene aplicaciones en geología, sismología y física de la
atmósfera.
El lídar es un sistema que permite obtener una nube de puntos del terreno
tomándolos mediante un escáner láser aerotransportado (ALS). Para realizar este
escaneado se combinan dos movimientos. Uno longitudinal dado por la trayectoria
del avión y otro transversal mediante un espejo móvil que desvía el haz de luz
láser emitido por el escáner.
Para conocer las coordenadas de la nube de puntos se necesita la posición del
sensor y el ángulo del espejo en cada momento. Para ello el sistema se apoya en
un sistema GPS diferencial y un sensor inercial de navegación (INS). Conocidos
estos datos y la distancia sensor-terreno obtenida con el distanciómetro obtenemos
las coordenadas buscadas. El resultado es de decenas de miles de puntos por
segundo
Al igual que los equipos tambien se cuenta con un amplio grupo de programas que
facilitan este proceso, para este caso Global Mapperque nos permitirá realizar la
clasificación de una nube de puntos de manera óptima y sencilla para llegar al
resultado final, sin embargo se debe apoyar este proceso en las imágenes
satelitales que permiten tener un mejor clasificación de los puntos
 2. OBJETIVOS

GENERAL

Clasificar la nube de puntos Lidar de la ciudad de Stuttgart - Alemania con formato

LAS en el programa ERDAS teniendo como referencia una imagen satelital de alta
resolución.

ESPECIFICOS

 Descargar y Georreferenciar una imagen satelital con alta resolución por

medio del software SASPlanet.
 Generar un kmz con el polígono de Stuttgart City.
 Exportar la clasificación de la nube de puntos LIDAR en formato LAS.

3. ESTADO DEL ARTE

Los sistemas Sistemas Lidar Aerotransportados Actuales. Tales como la serie Leica
ALS, capturan un millón de puntos por segundo. Aumentar la tasa de repetición de
impulsos es la mejor manera de lograr nubes de puntos densas a costos más bajos,
ya que la velocidad de vuelo puede aumentarse. Sin embargo, la frecuencia del
pulso está limitada por parámetros como el consumo de energía y la seguridad
ocular. El fotón único Lidar permite alcanzar una tasa de pulso mucho mayor, ya
que se necesita muc Los sistemas Lidar se construyen típicamente a partir de una
serie de componentes: un sistema de búsqueda de rango, óptica de escaneo para
dirigir los impulsos láser y sistema de posición y orientación para registrar el punto
de origen del pulso láser. Cuando se emplea para el Lidar Aerotransportado, a veces
también se denomina a dicho sistema como “Lidar de Modo Lineal”.
Los sistemas Lidar se construyen típicamente a partir de una serie de componentes:
un sistema de búsqueda de rango, óptica de escaneo para dirigir los impulsos láser
y sistema de posición y orientación para registrar el punto de origen del pulso láser.
Cuando se emplea para el Lidar Aerotransportado, a veces también se denomina a
dicho sistema como “Lidar de Modo Lineal”.
Los sistemas Lidar de modo lineal utilizan energía relativamente alta en cada pulso
láser emitido. Cada pulso viaja desde el avión hasta el suelo, desde donde se refleja
de nuevo al escáner.
Usando más energía por pulso, se puede registrar una reflexión más fuerte porque
más fotones son reflejados por el terreno debajo de la aeronave. La salida de los
sistemas de modo lineal proporciona datos con alta precisión espacial y
radiométrica.

Sin embargo, la tecnología impone algunas limitaciones en las tasas de pulso

máximas efectivas que se pueden lograr.

Frecuencias de pulso más altas

La frecuencia de repetición de impulsos es el parámetro más importante para definir

la altura de vuelo y velocidad de vuelo aceptables durante la adquisición de datos.
Una tasa de repetición de pulso más alta permite un vuelo más rápido manteniendo
una densidad de punto similar. A medida que aumenta la tasa de pulso de los
sistemas Lidar de modo lineal, también lo hace el consumo de energía eléctrica, el
enfriamiento del sistema, el tamaño, el peso y la seguridad de los ojos.

Esto se traduce en limitaciones de salida óptica de promedio máximo, limitando así

también las máximas tasas de pulso efectivas.

Para dar un siguiente paso en el desarrollo del sistema Lidar Aéreos, debe reducirse
la energía requerida por pulso. Esto puede lograrse cambiando la naturaleza y la
tecnología del sistema de localización. La próxima generación de tecnologías Lidar,
incluyendo el Fotón Único Lidar (SPL), responde a los nuevos sistemas de
búsqueda de rango para lograr un menor consumo de energía y mayores tasas de
pulso.
Conteo de fotones
SPL se desarrolló originalmente para el rango de Tierra-a-Satélite y tiene
mediciones usando una cantidad mínima de energía láser en cada pulso. En
comparación con los sistemas Lidar de modo lineal actualmente disponibles, SPL
permite realizar mediciones de rango desde el terreno debajo de la aeronave. Este
nivel de sensibilidad permite una determinada cantidad de salida láser para ser
asignados a mayores frecuencias del pulso con menor energía en cada pulso.
Por tipo de láser:
Lídar de pulsos. El proceso para la medición de la distancia entre el sensor y el
terreno se lleva cabo mediante la medición del tiempo que tarda un pulso desde que
es emitido hasta que es recibido. El emisor funciona emitiendo pulsos de luz.
Lídar de medición de fase. En este caso el emisor emite un haz láser continuo.
Cuando recibe la señal reflejada mide la diferencia de fase entre la emitida y la
reflejada. Conocida ésta solo hay que resolver el número de longitud de ondas
enteras que ha recorrido (ambigüedades).

Tipos de lídar.
Por tipo de escaneado:

Líneas. Dispone de un espejo rotatorio que va desviando el haz láser. Produce

líneas paralelas en el terreno como patrón de escaneado. El inconveniente principal
de este sistema es que al girar el espejo en una sola dirección no siempre tenemos
mediciones.
Zigzag. En este caso el espejo es rotatorio en dos sentidos (ida y vuelta). Produce
líneas en zigzag como patrón de escaneado. Tiene la ventaja de que siempre está
midiendo pero al tener que cambiar de sentido de giro la aceleración del espejo
varía según su posición. Esto hace que en las zonas cercanas al límite de
escaneado lateral (donde varía el sentido de rotación del espejo), la densidad de
puntos escaneados sea mayor que en el nadir.
De fibra óptica. Desde la fibra central de un cable de fibra óptica y con la ayuda de
unos pequeños espejos, el haz láser es desviado a las fibras laterales montadas
alrededor del eje. Este sistema produce una huella en forma de una especie de
circunferencias solapadas. Al ser los espejos pequeños, la velocidad de toma de
datos aumenta respecto a los otros sistemas pero el ángulo de escaneado (FOV)
es menor.
Elíptico (Palmer). En este caso el haz láser es desviado por dos espejos que
producen un patrón de escaneado elíptico. Como ventajas del método podemos
comentar que el terreno es a veces escaneado desde diferentes perspectivas
aunque el tener dos espejos incrementa la dificultad al tener dos medidores
angulares.
 4. MARCO TEORICO

La captura de datos en el entorno de la cartografía ha evolucionado, la nueva

adquisición de información altimétrica de la superficie en forma de nube de puntos
tridimensional.

4.1. LIDAR
LIDAR (un acrónimo del inglés Light Detection and Ranging o Laser Imaging
Detection and Ranging) es una tecnología que permite determinar la distancia desde
un emisor láser a un objeto o superficie utilizando un haz láser pulsado. Al igual que
ocurre con la tecnología radar, donde se utilizan ondas de radio en vez de luz, la
distancia al objeto se determina midiendo el tiempo de retraso entre la emisión del
pulso y su detección a través de la señal reflejada. En general, la tecnología lidar
tiene aplicaciones en hidrología, urbanismo, topografía, geografía, geología,
sismología y física de la atmósfera.

4.2. PARTES DEL SISTEMA LIDAR

El sistema LiDAR se puede decir que consta de 5 partes:
 Unidad de escáner LIDAR
 Receptor de GPS
 Unidad de Medida Inercia (IMU)
 Cámara digital
 Computador de almacenamiento

4.3. SISTEMA DE BARRIDO Y ESCANEO LIDAR

El viaje de la aeronave sobre el área en una ruta determinada, el rayo laser realiza
un escaneo que puede seguir al menos cuatro geometrías: lineal, o de lado a lado,
zigzag, elíptica o Palmer. (RUIZ, 2014)
El sistema de medición está basado en el principio de medida electrónica de
distancias y se puede llevar a cabo por medio de dos tipos de señales: de pulso o
por ondas continuas. En ambos casos se suele usar el rango del espectro del
infrarrojo próximo por su mayor difusión en el mercado. (ARTERO, 2012)

 El mecanismo de espejos oscilantes, realiza un barrido bidireccional y

produce un escaneado de forma sinusoidal o en disposición zig-zag.
  El mecanismo de espejos oscilantes presenta un patrón irregular de
escaneado una distribución de huellas en líneas paralelas y regulares
unidireccionales. (CAMPOVERDE, 2015)
 El mecanismo de espejos sobre dos ejes con oscilación, que produce un
patrón de escaneo elíptico. Los puntos con este sistema pueden ser medidos
dos veces, lo que mejora la redundancia del mecanismo de espejos y permite
utilizarlo en vuelos de calibración. TopEye es el ejemplo de sensores LiDAR
con este mecanismo. (CAMPOVERDE, 2015)

4.4. EVOLUCION LASER DE LIDAR

Los pulsos láser emitidos desde un sistema lidar se reflejan desde objetos sobre y
por encima de la superficie del suelo: vegetación, edificios, puentes y así
sucesivamente. Un pulso láser emitido puede regresar al sensor lidar como uno o
muchas devoluciones. Cualquier pulso láser emitido que encuentre varias
superficies de reflejo a medida que viaja hacia el suelo se divide en tantas
devoluciones como superficies reflectoras existen.
El primer pulso láser devuelto es el más importante y se asociará con la entidad más
grande en el panorama como una copa de árbol o la parte superior de un edificio.
La primera devolución también puede representar el suelo, en cuyo caso el sistema
lidar solo detectará un regreso.

Varias devoluciones pueden detectar las elevaciones de varios objetos dentro de la

huella láser de un pulso láser saliente. Las devoluciones intermedias, en general,
se utilizan para la estructura de la vegetación, y la última devolución para los
modelos de terreno de suelo desnudo.

La última devolución no siempre será de una devolución del suelo. Por ejemplo,
considere un caso en donde un pulso golpee una rama gruesa en su camino hacia
el suelo y el pulso no llega en realidad al suelo. En este caso, la última devolución
no es desde el suelo pero sino desde la rama que reflejó el pulso láser completo.

4.5. ATRIBUTOS DE PUNTOS LIDAR

La información adicional se almacena junto con cada valor posicional x, y, y z. Los

siguientes atributos del punto lidar se mantienen para cada pulso láser registrado:
intensidad, número de devolución, cantidad de devoluciones, valores de
clasificación de punto, puntos que están en el borde de la línea de vuelo, valores
RGB (rojo, verde y azul), tiempo del GPS, ángulo de escaneo y dirección de
escaneo. La siguiente tabla describe los atributos que se pueden proporcionar con
cada punto lidar.

4.6. FILTRO DE DATOS

Se considera el paso previo a la clasificación en donde se busca descartar o eliminar

datos erróneos o redundantes, reducción de información, puntos sobre objetos
móviles.

4.7. CLASIFICACION DE NUBE DE PUNTOS LIDAR

Proceso en el cual se almacena por grupos de puntos las diferentes clases o

categorías contenidas en la nube de punto, se tienen en cuanta vegetación alta,
media y baja; edificaciones, redes eléctricas y otros elementos.
Para llevar a cabo la clasificación es necesario el uso de un software que permita la
detección de entidades de forma automática, aun así es necesario complementar la
clasificación de manera manual ya que la automática solo cubre un porcentaje de
clasificación.

4.8. ARCHIVO .LAS

Formato estándar de almacenamiento de información LIDAR, corresponde a los

datos brutos que se encuentran en formato binario, en el archivo se incluye el
posicionamiento GPS, tiempos de viaje de los puntos y el rango de datos de los
pulsos laser.

4.9. SAS PLANET

Es un programa gratuito diseñado para ver y descargar imágenes de satélite de alta

resolución y mapas convencionales como:

 Google Earth.
 Google Maps
 Bing Maps.
 Nokia.
 Here.
 Yahoo!.
  Yandex.
 OpenStreetMap.
 ESRI.
 Navteq.

Permite descargar las imágenes ya georeferenciadas en archivos: JPG, JPG2,

ECW, TAB, KMZ, dando la posibilidad de ser trabajadas en cualquier programa
SIG/GIS

4.10. ERDAS

ERDAS (Earth Resources Data Analysis System) Imagine es un SIG y software de

procesamiento de detección remota propiedad de Hexagon Geospatial. ERDAS
Imagine es un paquete de software líder de detección remota con una gama de
herramientas de clasificación, NDVI y procesamiento de imágenes para datos
satelitales, hiperespectrales, de radar, LiDAR y otros datos de teledetección.
Reconocido como la mejor solución de percepción remota, con el que podemos
realizar:

 Mapeo, visualización, realce y geocorrección de imágenes.

 Creación de mosaicos y generación de ortofotografías independientes.
 Avanzado análisis en teledetección y modelamiento espacial para crear
nueva información o agregar más valor a la existente.
 Herramientas de radar.
 Visualización de los resultados en entornos 2D y 3D

Ventajas
 Compatibilidad con servicios GIS estándar: Web Mapping Service (WMS),
Web Coverage Service (WCS), Servicios de Catálogos Web (CS-W), Web
Feature Service (WFS),Web Map Context (WMC), Web Processing Service
(WPS) y estándares ISO 19115/1913.
 Compatible con amplios motores de base de datos.
 Soporta cualquier formato de imagen georeferenciada.
 Soporta la mayoría de las proyecciones estándares, en caso que la
instalación por defecto no tenga su proyección, puede ser agregada
mediante archivos de configuración.
 Compatible con imágenes tomadas por cualquier satélite.
 Integración GIS con los siguientes formatos: ESRI –ArcIMS-ArcXML-
OpenGIS-ECWP-JPIP-OTDF.
 5. METODOLOGIA

Con la nube de puntos se creó un archivo LAS Data en ArcGis asignándole el

sistema de coordenadas con el código 3044 que corresponde a coordenadas
proyectadas para Europa según la región ETRS 1989 ETRS-TM32 el 32
corresponde a la zona de Alemania.

Ilustración 1 Agregar Nube de Puntos

Al terminar solo arrastramos LAS Dataset hacia la ventana de trabajo y se pueden

visualizar los puntos en ArcGis.

Ilustración 2 Visualizacion Nube de Puntos

Creamos un shape de polígono con el mismo sistema de coordenadas que estamos
manejando y se convierte a Kmz, para poder descargar la imagen en el programa
SAS PLANET , este programa la imagen se puede descargar en formato grande sin
perder la resolución ajustando los parámetros de descarga, se obtuvo una imagen
en formato ECW puesto que la imagen se descarga completa sin ser fraccionada.

Ilustración 3 Exportar Polígono como KMZ

Ilustración 4 Polígono KMZ en SAS Planet

La imagen se descargó en formato ECW que permite la descarga de imágenes
grandes sin fraccionarlas

Ilustración 5 Imagen cargada en arcgis

En el kmz del polígono se establecen 9 puntos de control que nos permitirán

georreferenciar la imagen, estos puntos se importaron a arcmap y luego se creó un
shape con el sistema de referencia con el que se inició la práctica.

Ilustración 6 Puntos de control en Google earth

En ArcMap se cargo la imagen y por medio de la herramienta georeferencing se
establecieron los 9 de control localizados y con sus respectivas coordenadas.

Ilustración 7 Georeferencing

Con la imagen georreferenciada subimos los archivos a ERDAScon las herrmientas

de clasificacion automatica el proceso disminuye en tiempo si se realiza por
clasificacion manual.
Finalizando la clasificacion con la exportacion de esta en formato vector lidar LAS.

Ilustración 8 Clasificación puntos en erdas.

6. DIAGRAMA DE FLUJO

Ilustración 9 Diagrama de flujo

 7. RESULTADOS

7.1. IMAGEN SATELITAL

Se descargó la imagen desde el programa SAS.PLANET con las indicaciones

establecidas en la guía.

Ilustración 10 Imagen descargada visualizada en arcgis.

 7.2. GEORREFERENCIACION DE LA IMAGEN

La georreferenciación se realizó a partir de 9 puntos distribuidos en la fotografía se

obtuvo como resultado un RMS de 0.1 rango aceptable.

Ilustración 11 Puntos de Control.

 7.3. CLASIFICACION EN ERDAS

La clasificación se realizó mediante las herramientas de auto clasificación y se

realizaron las diferentes correcciones según la imagen que tenemos como
referencia.

Ilustración 12 Clasificación total de la nube de puntos.

 7.4. GUARDAS COMO FORMATO LAS

Para exportar la clasificación se empleó el formato vector LAS.

Ilustración 13 Exportar a formato LAS

 8. CONCLUSIONES

 La imagen satelital se obtuvo con el programa SAS.PLANET programa que

permite tener un formato más grande de la imagen sin estar fraccionada.

 La referencia espacial para la clasificación es importante por lo que se usó el

sistemas ETRS 1989 ETRS-TM32, sistema empleado en Europa que según el
país que se requiera cambia la zona.

 Con los Kmz se establecieron los puntos de control y los vértices, este medio
permitió una mejor ubicación de los puntos, como recomendación los puntos de
control que se localizaron en la fotografía deben tener una distancia prudente
entre puntos de control ya que si se encuentran más cerca se pueden presentar
problemas de distorsión, así mismo se recomienda que dichos puntos se
asignen en lugares estratégicos fáciles de localizar en la fotografía.
 Con la auto clasificación aunque es un método practico y optimo se debe
realizar una verificación detallada si los puntos se clasificaron correctamente,
para ello se alterno las alturas para determinas si los edificaciones y demás
parámetros estaban clasificados como se corresponden.

 El programa ERDASdesde las versión actual hasta la versión más anterior como
la 14 permite la clasificación de los puntos LIDAR de manera sencilla y eficaz,
el cambio en su interfaz no altera los resultados que se obtienen, sin embargo
para los usuarios nuevos en el programa su iconografía puede llegar a confundir
pero su asimilación es rápida, ya que varios de los tutoriales que se realizan
están elaborados en la versión 18 de ERDAS sin embargo el manejo y
desempeño del usuario en el programa es muy rápido.

 El objetivo de la clasificación de la nube de puntos LIDAR es diferenciar las

alturas de los puntos capturados en campo para identificar cada elemento, de
acuerdo al área de estudio se identifican y clasifican para diferentes propósitos.
El propósito de la practica elaborada con los datos de la ciudad de Stuttgart fue
identificar por medio de diferentes rangos de alturas los objetos que habitan en
la ciudad, de allí se pudo identificar diferentes tipos de estructuras, vegetación
y zonas duras, las cuales variaban su altura dependiendo de la topografía del
sector, se identificaron estructuras con altura similar y ubicación que la
vegetación, esto hace que la identificación pueda ser errónea pero con el uso y
ayuda de la imagen de alta calidad que fue obtenida su identificación se facilitó
y se diferenció el área del edificio con el de la vegetación que se encontraba allí.
 Se debe contar con un buen equipo para el procedimiento de clasificación ya
que la nube de puntos es muy densa y en algunos momentos se bloquea el
sistema un ejemplo claro es ArcGis, ya que mientras se da zoom se va
perdiendo la imagen, sin embargo en ERDASal cargar la imagen y la nube de
puntos el programa corre sin ninguna dificultad.

 En el mercado se pueden encontrar software de diferentes precios y calidades

para procesar y estandarizar nubes de puntos muy densas, en este caso se
trabajó con el ERDAS el cual es muy ligero y cumple a cabalidad su función en
donde se pudo estandarizar los puntos de una manera buena y de calidad para
el propósito que se buscaba en esta guía diferenciar y filtrar los puntos como
son vías, terreno, cuerpos de agua, edificaciones, vegetación alta y baja,
también se pudo experimentar que el archivo se puede exportar a una gran
cantidad de formatos compatibles casi con cualquier software utilizado en la
ingeniería topográfica con éxito y fácil acceso.

9. BIBLIOGRAFIA

ESRI. (30 de 01 de 2019). ESRI. Obtenido de ESRI:

http://desktop.arcgis.com/es/arcmap/10.3/manage-data/shapefiles/what-is-
a-shapefile.htm
Amorós Hernández, A. (2016/2017). LA REPRESENTACIÓN CARTOGRAFICA
COMO RECURSO DIDACTICO. España: Facultad de Educación.
Universidad de Alicante.
ARCMAP. (s.f.). ARCGIS FOR DESKTOP. Obtenido de
http://desktop.arcgis.com/es/arcmap/10.3/guide-books/map-
projections/lambert-azimuthal-equal-area.htm
ARTERO, F. J. (2012). Evaluación de diferentes algoritmos de filtrado de datos
LiDAR para la clasificación Automática de suelo desnudo y microrrelieve.
UNIVERSIDAD DE CORDOBA.
BLANCO, S. A. (ENERO de 2014). SLIDESHARE. Obtenido de
https://es.slideshare.net/Sergio_Blanco/conceptos-bsicos-de-cartografa-
30771848
CAMPOVERDE, R. C. (2 de Octubre de 2015). GENERACIÓN DE
CARTOGRAFÍA CATASTRAL RURAL A PARTIR DE DATOS LiDAR,
CANTÓN OTAVALO. Obtenido de
http://repositorio.espe.edu.ec/handle/21000/12063
Fomento, M. d. (s.f.). CONCEPTOS CARTOGRAFICOS. ESPAÑA: GOBIERNO
DE ESPAÑA.