Estimación indirecta del número de pisos en edificaciones usando fotogrametría aérea e imágenes panorámicas 360° a nivel de calle para la evaluación del riesgo sísmico

• Autores: Salinas Villar, Jhianpiere Stainer, Quesquen Ramirez, Angel Martin, Garcia Bashualdo, Fernando, Diaz Figueroa, Miguel Augusto, Isuhuaylas Aguirre, Sergio Manuel, Estrada Mendoza, Miguel Luis, Zavala Toledo, Carlos Alberto
• Formato: artículo
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de Ingeniería
• Repositorio: Revistas - Universidad Nacional de Ingeniería
• Lenguaje: español
• OAI Identifier: oai:oai:revistas.uni.edu.pe:article/2538
• Enlace del recurso: https://revistas.uni.edu.pe/index.php/tecnia/article/view/2538
• Nivel de acceso: acceso abierto
• Materia: Estimación de pisos de edificaciones; nDSM; riesgo sísmico; aprendizaje profundo; imágenes 360; Building floor estimation; seismic risk; Deep Learning

El levantamiento de información de edificaciones es un componente clave en la planificación urbana y la gestión del riesgo de desastres. En este estudio, se comparan dos métodos semiautomatizados para la estimación del número de pisos de edificaciones: uno basado en imágenes aéreas capturadas con drones y otro a partir de imágenes 360° obtenidas de Google Street View. Para el método fotogramétrico, se generaron modelos tridimensionales y productos fotogramétricos generados a partir de imágenes aéreas. Los resultados mostraron que la precisión en la estimación del número de pisos alcanzó su mayor valor en edificaciones de un solo piso (92%) y el menor en edificaciones de cinco pisos (66%). En el caso del análisis con imágenes 360°, únicamente usando los modelos de clasificación se obtuvo una precisión de más del 0.80% para todas las clases propuestas, aunque con la limitación que no identifica lotes baldíos ni edificaciones mayores a 5 de manera exacta. Asimismo. se implementaron diversos modelos de aprendizaje automático, los cuales, tras la evaluación del desempeño, el modelo Random Forest obtuvo la mejor precisión con un valor de 0.861.