%0 Journal Article 
%A Palma, José Daniel
%A Villalobos, José David
%A Zuñiga, Juan David
%T Algoritmo para clasificar líneas de alta tensión a partir de una nube de puntos LiDAR


%U http://hdl.handle.net/10584/12976
%X Este proyecto aborda el desafío de clasificar automáticamente líneas de alta tensión a partir de nubes de puntos LiDAR, con el objetivo de mejorar la supervisión y el mantenimiento de las infraestructuras eléctricas. La identificación precisa de estas líneas es fundamental debido a la coexistencia de múltiples elementos con características similares, como árboles, postes y otros tipos de cableado, que dificultan la diferenciación y aumentan los errores en la clasificación. Para superar estas barreras, se desarrolló un algoritmo de clasificación especializado capaz de identificar líneas de alta tensión con una longitud mínima de 10 metros.

El proceso comienza con la adquisición de las nubes de puntos LiDAR, seguidas de un preprocesamiento para reducir el ruido y mejorar la calidad de los datos. Posteriormente, el algoritmo aplica técnicas avanzadas de clasificación para distinguir las líneas de alta tensión de otros objetos presentes en la nube. Además, se validaron los resultados mediante pruebas sobre nubes accesibles, exportando el trazado de cables a un formato GIS compatible, lo que facilita su integración en sistemas de monitoreo más amplios.

Esta solución no solo permite una gestión más eficiente y precisa de las líneas de alta tensión, sino que también reduce la dependencia de inspecciones manuales, optimizando recursos y minimizando riesgos. El uso de la tecnología LiDAR para este propósito promueve una supervisión proactiva, la detección temprana de fallos y una prolongación de la vida útil de las infraestructuras eléctricas, contribuyendo a un suministro eléctrico más seguro y confiable.

%K Algoritmo
%K Clasificación
%K Líneas de alta tensión
%K Tecnología LiDAR
%K Nube de puntos LiDAR
%K Algorithm
%K Classification
%K High-voltage power lines
%K LiDAR technology
%K LiDAR point cloud
%~ GOEDOC, SUB GOETTINGEN