Datos 3D PDF

GRADO EN INGENIERÍA EN GEOMÁTICA Y TOPOGRAFÍA
PROYECTO FINAL DE GRADO
UNA APLICACIÓN PARA EL PROCESADO DE DATOS 3D

UTILIZANDO LIBRERÍAS DE CÓDIGO LIBRE
Proyectista: Cristian García Díaz
Director: Albert Prades Valls
Convocatoria: Abril / Mayo 2015

Una aplicación para el procesado de datos 3D 1
Resumen
En este proyecto se explica cómo se ha llevado a cabo la creación de la aplicación de datos 3D a partir
de las librerías de programación: Computional Geometry Algorithms Library (CGAL) en combinación
con Open Graphic Library (OpenGL) y Microsoft Fundation Classes (MFC).
La aplicación desarrollada es capaz de procesar y analizar los datos tridimensionales, crear estructuras
de datos, realizar diferentes tipos de cálculos geométricos y representar gráficamente la información
de una manera óptima y eficiente.
Este trabajo se divide en tres apartados. El primero donde se explican los conceptos teóricos
necesarios, la primera parte práctica que corresponde a la arquitectura, diseño e implementación de la
aplicación y la segunda parte práctica que explica el desarrollo de las herramientas para el ámbito
topográfico. En la parte práctica se explican los problemas que han surgido en la creación de la
aplicación y cómo se han solucionado.
Se han desarrollado las siguientes herramientas topográficas: triangulación, interpolación, creación de

estructura de datos regular, cálculo de volumen, análisis estadístico, cálculo de superficies,
exportación de los datos en diferentes formatos. Además se han desarrollado otras herramientas
como delimitación de triángulos y segmentos, creación de perfiles y cálculo de curvas de nivel.
2 Una aplicación para el procesado de datos 3D
Índice
Siglas y Acrónimos........................................................................................................................................................................ 4
1. Introducción .......................................................................................................................................................................... 5
THEORY ............................................................................................................................................................................................. 7
2. Digital representation of terrain surface .................................................................................................................... 7
3. Surface ..................................................................................................................................................................................... 7
3.1 Surface classification ............................................................................................................................................... 8
3.2 Difference between 2,5D and 3D surfaces ...................................................................................................... 9
3.3 Representation of surfaces in cartography ..................................................................................................... 9
4. Digital terrain model ........................................................................................................................................................10
4.1 Definition and terminology ................................................................................................................................10

4.2 Characteristics ..........................................................................................................................................................10
4.3 Production .................................................................................................................................................................11
4.4 Structure .....................................................................................................................................................................11

4.5 Spatial reference system ......................................................................................................................................11
4.6 DTM classification ...................................................................................................................................................12
4.7 Data capture methods ..........................................................................................................................................13
4.8 DTM applications ....................................................................................................................................................14
4.9 Quality of DTM .........................................................................................................................................................14

5. Topographic terrain analysis ........................................................................................................................................15
5.1 3D visualization........................................................................................................................................................15
5.2 Topographic profile ...............................................................................................................................................15
Volume computation ............................................................................................................................................................15

5.3 Properties of terrain ...............................................................................................................................................16
6. Triangulation .......................................................................................................................................................................17
6.1 Delaunay conditions ..............................................................................................................................................17
6.2 Voronoi diagram .....................................................................................................................................................18
6.3 N-dimensional Delaunay triangulation ..........................................................................................................19

6.4 Triangulation 2D, 2.5D and 3D ..........................................................................................................................19
7. Interpolation .......................................................................................................................................................................19
7.1 Interpolation by triangulation ...........................................................................................................................20
PRACTICE PART 1 ........................................................................................................................................................................21

ARCHITECTURE, DESIGN AND IMPLEMENTATION OF APPLICATION ....................................................................21
8. Application requirements ..............................................................................................................................................21

9. Microsoft Visual Studio ...................................................................................................................................................21
10. Design and architecture implementation ..........................................................................................................22
10.1 MFC ...............................................................................................................................................................................23
10.2 OpenGL .......................................................................................................................................................................23

10.3 CGAL.............................................................................................................................................................................24
10.4 Own algorithms .......................................................................................................................................................25
11. Linking programming libraries ...............................................................................................................................25

12. Descripción y desarrollo de la aplicación ...........................................................................................................26
12.1 Creación proyecto MFC ........................................................................................................................................26

12.2 Implementación de OpenGL y MFC.................................................................................................................26
12.3 Implementación de CGAL ....................................................................................................................................33

2º PARTE PRÁCTICA ...................................................................................................................................................................39
DESARROLLO DE HERRAMIENTAS PARA EL ÁMBITO TOPOGRÁFICO ...................................................................39
13. Implementación de algoritmos propios .............................................................................................................39
13.1 Creación de datos sintéticos 3D .......................................................................................................................39

13.2 Representación de los datos 3D .......................................................................................................................40
13.3 Triangulación 2D, 2.5D y 3D ...............................................................................................................................44

13.4 Creación de una malla de distribución regular ...........................................................................................45
13.5 Interpolación de la triangulación en la malla regular ..............................................................................47
13.6 Diferencia de modelos ..........................................................................................................................................50

14. Herramientas .................................................................................................................................................................53
15. Pruebas.............................................................................................................................................................................54
16. Visualización ..................................................................................................................................................................64
17. Otras herramientas ......................................................................................................................................................66

18. Conclusiones ..................................................................................................................................................................69
19. Agradecimientos ..........................................................................................................................................................70

20. Bibliografía......................................................................................................................................................................70
21. Tabla de figuras ............................................................................................................................................................71

Siglas y Acrónimos
2D Two-dimensional space.
3D Three-dimensional space.
API Application Programming Interface.
CGAL Computational Geometry Algorithms Library.
DEM Digital Elevation Model.
DTM Digital Terrain Model.
DSM Digital Surface Model.
GIS Geographic Information System.
IDE Integrated Develoment Enviroment.
GNSS Global Navigation Satellite System.
GUI Graphic User Interface.
GIS Geographic Information System.
MDI Multiple Document Interface.
MFC Microsoft Fundation Classes.
MSVC Microsoft Visual Studio.
OOP Object-Oriented Programming
OpenGL Open Graphic Library.
LiDAR Light Detection and Ranging.
RGB Red Green Blue.
RGBA Red Green Blue Alpha intensity.
STL Standard Template Library.
TIN Triangulated Irregular Network.

1. Introducción
El objetivo de este proyecto es la creación de una aplicación gráfica para el procesado de datos 3D. La
implementación de librerías de código libre para el desarrollo de herramientas que permitan la
explotación de la información tridimensional en el ámbito topográfico.
Descripción del problema
La evolución de los instrumentos y dispositivos que capturan datos de forma masiva está siendo muy
rápida en los últimos años. Las últimas generaciones de estos aparatos incorporan tecnologías como
el radar, laser y sonar.
La gran ventaja de estas tecnologías es la captura masiva de datos con alta precisión en un período de
tiempo relativamente corto.
El reto surge a la hora de analizar, procesar y representar varios millones de estos datos
tridimensionales de forma eficiente y explotar la información para desarrollar herramientas para la
topografía.
Solución propuesta
Para resolver dicho desafío se realiza un diseño y arquitectura de una aplicación con una interfaz
gráfica. Está implementada con diferentes librerías de programación donde cada una de ellas está
enfocada a resolver distintas partes del problema.
La aplicación está desarrollada en C++ y está compuesta por un conjunto de librerías implementadas
dentro de un proyecto MFC. Concretamente, por CGAL, OpenGL, funciones y algoritmos propios.
La aplicación debe ser capaz de procesar y analizar los datos tridimensionales, crear estructuras de
datos, realizar cálculos geométricos y representar la información a partir de la entrada de unos datos
tridimensionales.
Estructura del documento
Este documento está estructurado en tres grandes bloques. El primero describe la teoría necesaria, la
primera parte práctica se definen los requisitos y se explica la arquitectura, el diseño y la
implementación de la aplicación, la segunda parte práctica se explica cómo se han desarrollado las
herramientas topográficas.
THEORY
2. Digital representation of terrain surface
In the cartography’s representation must be integrated a set of sciences, systems and technologies, all
related to spatial referenced data such as cartography, photogrammetry, geodesy, GIS, GNSS,
hydrography, computer science, remote sensing, surveying, etc…
The digital mapping uses the computer to store, analyze, process, represent and share the referenced
three-dimensional data. There are applications that allow simulations and three-dimensional models.
In the processing and data analysis are used techniques and specific mathematical methods.
In the visualization of the 𝟑𝑫’s cartography are realised digital reconstructions of land surfaces that
suggest the way for the landform by modelling the captured data is performed. Digital reconstructions
of terrestrial surfaces that suggest the shape that has the landform by modelling of the data captured.
Spatial data are displayed in 𝟐𝑫 or 𝟑𝑫 depending on the representation that is required.
3. Surface
In 𝟑𝑫 graphics applications, geospatial information is represented in three dimensions through

different visualization applications. The surfaces are used to virtually represent a portion of space or
object.
It is possible to define the surface with a function of two variables 𝒙 and 𝒚 that represent the
dimension variation at each point. It can be represented by the mathematical expression:
𝒛 = 𝒇 (𝒙, 𝒚)
Where,
⃑ (𝒙, 𝒚) = 𝒙, 𝒚, 𝒇(𝒙, 𝒚)
𝒓
It is possible to describe the surface using the vector function of two parameters 𝒖 and 𝒗. The
parametric equations of the surface are:
𝒙 = (𝒖, 𝒗)
𝒚 = (𝒖, 𝒗)
𝒛 = (𝒖, 𝒗)
The parametric surface to the set of points given by 𝒙, 𝒚, 𝒛, function of 𝒖 and 𝒗.

⃑
⃑ (𝒖, 𝒗) = 𝒙(𝒖, 𝒗)𝒊 + 𝒚(𝒖, 𝒗)𝒋 + 𝒛(𝒖, 𝒗)𝒌
𝒓
Looking at the surface locally it is similar a two-dimensional Euclidean space where around each point
can be approximated to the tangent plane.
The differential geometry of surfaces is used for the mathematical analysis of the geometric properties
in Euclidean space.
Figure 1. Visualization of surface defined by Gaussian equations. Image available:

http://www.math.utah.edu/lab/ms/matlab/matlab.html
3.1 Surface classification
The surfaces can be classified into closed and open. The closed surface is the one that does not have a
border in the topologically’s sense like the sphere, the torus, the cube, etc... The surface that has a
border is an opened area as for example the surface of a circle, the area of a rectangle, a hemisphere,
etc...
Figure 2. Classification of closed and opened surfaces. Image available: http://en.wikipedia.org/wiki/Surface

It is performed another classification according to whether are developed or not, i.e. that can be
adjusted to the Euclidean plane without deformation. The cone and the cylinder are examples of
developable surfaces.
Not developable surfaces are of great interest in cartographic projections, since the sphere or
ellipsoid, are forms that are closer to the Earth's surface.
3.2 Difference between 2,5D and 3D surfaces
The computer graphics is a field of computer science that allows the generation of images and
synthetic geometric elements, play or change the visual and spatial information captured in the real
world. In three-dimensional graphics applications for computer the surfaces can be represented in
𝟐, 𝟓𝑫 and 𝟑𝑫.
The 𝟐, 𝟓𝑫 surface is a continuous surface, that is, that for any terrestrial location given by coordinates
(𝒙, 𝒚) is stored and displayed only a z coordinate value. Normally to represent digital terrain models
are used this type of surfaces. However this type of continuous surfaces cannot be represented
completely vertical slopes.In contrast, the 𝟑𝑫 surface is a discontinuous surface that allows storage
and display of more than one value 𝒛 for each position (𝒙, 𝒚).
An example of discontinuous surface is a vertical fault because depending on where we approach

whether the left or right the same position (𝒙, 𝒚) take different values of 𝒛. Therefore an application
that can handle this type of discontinuous surfaces must be able to store and display more than one
value of 𝒛 for a given location.
𝒁𝟏
𝒁𝟐
Figure 3. Discontinuity finite scheme in a certain position (𝒙, 𝒚) containing two different values 𝒁𝟏 and 𝒁𝟐 . Image available:
http://help.arcgis.com/es/arcgisdesktop/10.0/help/index.html#//00q80000002n000000
3.3 Representation of surfaces in cartography
The mapping 𝟑𝑫 graphics applications are used by computer to display the variation of the terrain.
Normally to represent 𝟐, 𝟓𝑫 mapping are used discontinuous surfaces because any location
corresponds to only one value of 𝒛.
A particular case in the cartographic representation is the mountains of Montserrat because are
continuous surfaces and have vertical slopes. The representation of continuous surfaces 𝟐, 𝟓𝑫 surfaces
is used because these surfaces are valid for the approximation of the landforms. The 𝟑𝑫 graphics
application can represent both continuous and discontinuous surfaces. The type of surface will depend
on the data capture. Therefore the digital terrain models are not suitable to represent 𝟑𝑫 objects such
as buildings, however, whether they are sufficient to approximate the terrain with continuous surfaces
𝟐, 𝟓𝑫.
4. Digital terrain model
4.1 Definition and terminology
A digital terrain model is a data structure that represents the spatial distribution of a quantitative
variable with a continuous distribution. It is the numerical representation of the portion of a land
surface.
The term best known is DEM and DTM where is represented the terrain with the variable 𝒛 and it has a
particular reference system. However there is no standardization of terms DEM, DTM and MDS.
In most cases as shown in Figure 4 the MDS refers a portion of the surface of the earth and includes all
objects and elements contained, while the DTM represents the surface of the ground without objects,
i.e. the ground "naked" without vegetation or buildings or any kind of structural element.
Therefore, the DMT is a numerical representation of altimetry and bathymetry both a terrestrial area.
(a) (b)
Figure 4. Difference between DTM and DMS (a) DTM (b) DMS.
4.2 Characteristics
The purpose of the DEM is to cover an area with a specific resolution and accuracy. It usually consists
of two components, the observed and the interpolated.
The data captured is the observable component while the interpolated component is unknown points.
From the original points interpolated points are obtained by the interpolation methods. Different
methods or interpolation algorithms are used depending on the product to be obtained.
4.3 Production
The creation of digital elevation models has three processes:
o Sampling or capture of the observed raw data

o Filtering process of data when there is erroneous data
o Analysis and processing of information
Three important quantities for acquiring production data and surface models are distribution, density
and accuracy.
4.4 Structure
The digital terrain models can be represented by a variety of structure and format, usually the data is
cloud points, i.e. a list of three-dimensional points corresponding to different positions of the earth's
surface. They consist of three coordinates but by different devices they may contain additional
information such as RGB color or reflectance. The following example shows the structure as a list of
points of a DTM.
𝒑𝟏 = (𝒙𝟏 , 𝒚𝟏 , 𝒛𝟏 )
𝒑𝟐 = (𝒙𝟐 , 𝒚𝟐 , 𝒛𝟐 )
𝒑𝟑 = (𝒙𝟑 , 𝒚𝟑 , 𝒛𝟑 )
𝒑𝒏 = (𝒙𝒏 , 𝒚𝒏 , 𝒛𝒏 )
4.5 Spatial reference system
According to the format and structure of the data the coordinate reference system will vary. The
spatial reference system of the DTM usually is projected coordinate such as UTM. If the DTM has large
extensions it also may be given by geographical coordinates.
In many cases the vertical reference system used is typically local, referred to the mean sea level at a
given location. However, you can use a global vertical datum as a geoid model or an ellipsoid model.
4.6 DTM classification
A digital terrain model can be represented in two ways, using a regular grid cells or with an irregular
network of triangles.
Raster data model
It is a data structure consisting of a matrix, usually regular square cells, with the 𝒛 coordinate value
associated with each their cells. One advantage is that this type of structure allows operations and
calculations solved in a simple and direct way.
The biggest disadvantage, being a fixed mesh, it not being able to adapt to sudden changes in the
land surface properly.
Vector data model
It is a data structure composed of a network of irregular triangles normally associated to topology

information.
It consists of points with values 𝒙 , 𝒚 , 𝒛 joined by segments, which in turn form triangles. This structure
forms the surface that is used to represent and analyze the topography of the land surface. Its main
benefit is the ability to adapt to changes in landform.
According to the distribution of points can be classified into regular or irregular meshes. Generally,
irregular meshes are obtained from the capture of raw data while regular meshes are often a product
derived of irregular meshes using interpolation processes. Depending on each case it will be used the
most appropriate mathematical method.
Regular distribution
They have a matrix structure and this structure is perfectly suited to computer memory. The big
drawback is that you need a very small mesh size to correctly define the topography. Nor can enter
break lines.
Irregular distribution
The irregular grids are constituted by a structure of irregular triangles, where the vertices correspond
generally to the original data. This type of structure is able to adapt best to highlight where sudden
changes in the land surface are better observed. They also allow the introduction of break lines.
The biggest inconvenient is the complexity of the topological information associated with each
element forming the data structure. Then Figure 5 shows a representation of different data structures.
Depending on the type of work, service and product it is used a data structure most convenient in
each case.
Raster vs Vector
(a) (b) (c)
Figure 5. Different data structure of a DTM (a) raster data model (b) vector data with regular distribution (c) vector data model
with irregular distribution. Image available: Digital Terrain Modeling.
Raster data model Vector data model

Regular structure Regular and/or irregular structure
Data redundancy in uniform terrain No data redundancy
Difficulty adjusting to landform Adaptation to landform
No add break lines Add break lines
No contains topology information Contains topology information
Analysis and processing simpler Analysis and processing complex
Distribution regular Distribution regular and/or irregular
Resolution and accuracy regular Resolution and accuracy regular and/or irregular
Allow different calculations and interpolation Allow different calculations and interpolation
Table 1. Differences and similarities between raster data model and vector data model.
4.7 Data capture methods
The technique used to capture the data to represent the data in the best way possible is very
important. The method used to obtain the data varies depending on the type of project you want to
perform. The sampling rate varies according to the density, resolution and accuracy of the points.
There are factors that influence the technique chosen for obtaining data such as the cost and
efficiency of the method. The main methods to generate data for DTM are surveying, hydrographic
surveying, photogrammetric and cartography mapping existing.
In surveying the data is obtained by different devices such as GNSS, total station or laser scanning
station.
The most common photogrammetric methods for generating models include restitution from stereo
pairs of aerial photographs or satellite imagery and 𝟑𝑫 data obtained by 𝟐𝑫 images. Also using
remote sensing techniques as synthetic radar interferometer, LiDAR or sonar aperture.
The existing maps are digitized to extract topographic information such as maps with contour lines.
Currently are being used drones equipped with sensors that can have many applications in this field.
The methods used to create the digital terrain models are:
Cartography
o Digitalization contour maps
Photogrammetry
o Using stereo pairs of aerial images

o Adjust block areas or satellite images
o Getting 𝟑𝑫 data using 𝟐𝑫 images
Remote sensing
o LiDAR
o Radar interferometry
o Sonar
Topography
o GNSS
o Laser scanning
o Total station
4.8 DTM applications
The DTM is used for the representation and analysis of topography by the terrain model (altimetry)
and the model of the seafloor (bathymetry).
The modelling of the data on the computer using mathematical and statistical methods to extract the
underlying information has multiple uses because they are the basis for creating maps of the Earth's
surface.
While the DSM is used to visualize the terrain surface model and different types of structural elements
and objects.
4.9 Quality of DTM
Three important magnitudes to capture the data and the production models of the ground surface are
the density, distribution and accuracy.
In the quality of a digital terrain model the various influencing factors are:
o Sampling density
o Distribution of spatial information
o Data accuracy
o Analysis and processing algorithms of the surfaces
o Terrain roughness
5. Topographic terrain analysis
Topographical analysis describes the characteristics and variation of the ground. A set of operations
and analysis tools allow us extract detailed information.
The basic operations of terrain analysis carried out from a DTM are:
o 𝟑𝑫 visualization
o Topographic profile
o Volume computation
There are other tools to learn more terrain features.
5.1 3D visualization
The visualization of 𝟑𝑫 data of DTM is performed by creating three-dimensional models. The surface is
represented by a collection of three-dimensional planar surfaces. Each node is a vertex surface that
corresponds to a point on the surface and is represented by 𝒙, 𝒚 , 𝒛.
5.2 Topographic profile
The topographic profile is the representation of a perpendicular cut of the terrain along a previously
defined segment which shows the height variation along the line defining the cut.
Usually tends to exaggerate the vertical scale to better appreciate the changes in the value 𝒛.
Volume computation
The calculation of volume is the volume difference between a ground surface DTM1 and other DTM2
surface or a plane at a certain height.
For carry out a volume calculation it has to be defined the reference ground surface. The other surface
may be a horizontal plane at a certain dimension or another DTM containing different changes in the
topography.
The volume calculation allows to know the earthworks that has occurred by comparing a land area of
different times, resulting in a map of variations in terrain elevation. For this, heights digital models
require high precision.
5.3 Properties of terrain
There are different methods and calculations that allow to know more terrain features such as:
o Slope
o Lightning
o Curvature
o Visibility
o Rugosity
Slope
In topography, the slope corresponds to the vector that expresses the magnitude and direction of the
maximum variation of the dimension, corresponding to the tangent plane of the continues surface at
each point.
The slope is composed of two components orientation and gradient, which are obtained by
differential calculus.
The gradient of a continuous surface expresses the rate of maximum altitude variation at each point. A
continuous surface orientation that expresses the direction of maximum altitude variation at each
point.
In digital elevation models of TIN type, the gradient and orientation of each triangle irregular network
from the height of each vertex that defines it is calculated.
Lighting
Lighting analysis comprises calculating reflection of artificial light sources which are defined by a
spatially defined position. Shading depends on where the focus light emitter is located. Calculations of
the slope are performed and the relative orientation of the surface regarding to the position of the
light emitter and the observer to provide the lighting and shading models are made.
To perform lighting calculations the normal vector of each triangle that makes up the TIN must be
known.
The illumination of surfaces in a DTM provides a more realistic three-dimensional effect, helping to
understand the characteristics and changes in the terrain of a fast.
Curvature
The curvature of a surface indicates the magnitude of the change in slope at each point. It is obtained
by the differential calculus.
Positive values determine at that point that the surface is convex and negative values indicate that the
surface is concave. The analysis of the curvature allows us to know for example the water flow and
erosion.
Visibility
The visibility analysis is intended to know that parts of the terrain are visible from an observation point
to another taking into account the ground surface.
The line of sight is the straight line connecting two points on the earth surface, where it is determined
whether or not visual from an observation point to the point to observe.
Rugosity
The roughness is a parameter describing the irregularity of the ground, that is, the periodic variation
of the height of the ground surface to the horizontal. It reflects if the terrain shows large or small
oscillations or otherwise is more regular. There are different numerical parameters that can define the
roughness and these are calculated by different mathematical methods.
6. Triangulation
Triangulation is a structure of data composed of a triangulated irregular network. A TIN is used for
representing digital surfaces through a collection of vertices where each point corresponds to the
surface.
To perform a triangulation it is needed a data input that usually it is given by a list of points defined
by three coordinates 𝒙 , 𝒚 , 𝒛. Triangulation is a process of connecting with each other by segments
points, which in turn form triangles. As a point cloud the triangulation is classified as irregular or
regular distribution.
Point clouds with irregular distribution are closer to the ground because in areas where the soil
contains large variations may have greater density of points in areas than in areas that do not show
much change. For this reason the irregular triangulation get a better adaptation to reality. For the
representation of surfaces normally Delaunay triangulation is used regarding of their characteristics,
however, other types of methods and criteria.
6.1 Delaunay conditions
For triangulation is of Delaunay must satisfy the criteria of Boris Delaunay. 𝟐𝑫 Delaunay triangulation
must meet than for a set of points in the plane 𝑷, the circumcircle of any triangle forming triangulation
must not contain any other triangle vertex. This method of triangulation maximizes the minimum
angles of all triangles collection.
There are two special cases:
o No triangulation if 3 points are collinear.

o No single triangulation if 4 coplanar points form a rectangle or circle.
In the other cases two-dimensional Delaunay triangulation is unique.

Figure 6 Delaunay triangulation of a set of 100 points 𝑻 randomly generated synthetically. Image available: Screenshot of the
application developed.
6.2 Voronoi diagram
The Voronoi diagram is a subdivision of the plane into regions bounded by the closest positions to
each of the points. These defined regions are called polygons Thyssen. It is a dual graph
corresponding to the Delaunay triangulation of a same set of points.
(a) (b)
Figure 7. a) Delaunay triangulation showing the circumscribed circles. (b) Voronoi diagram on Delaunay triangulation. Image
available: http://en.wikipedia.org/wiki/Delaunay_triangulation.
6.3 N-dimensional Delaunay triangulation
It is a Delaunay triangulation n-dimensional to a set of points 𝑷 in Euclidean space to n-dimension, if

any point of the set 𝑷 is not within the n-sphere circumscribed formed of any n-simplex Delaunay
triangulation.
Just as in the Delaunay triangulation in 𝟐𝑫 there are particular cases such as a collection of points in
the third dimension that there is no triangulation in the following cases:
o 3 collinear points
o 4 coplanar points
o 4 points forming a circle or rectangle
o 5 points forming a sphere
6.4 Triangulation 2D, 2.5D and 3D
Depending on which dimension triangulation is performed can be classified in 𝟐𝑫 , 𝟐. 𝟓 𝑫 and 𝟑𝑫.
𝟐𝑫 Triangulation is performed in two dimensions, i.e. in the plane and continuous surfaces.
𝟑𝑫 Triangulation is a triangulation of discontinuous surfaces in three dimensional space. This kind of

triangulation is used for rendering three-dimensional objects.
𝟐. 𝟓 𝑫 Triangulation is a triangulation of continuous surfaces in three dimensional space. It is

performed in the background without taking into account the value of the dimension.
Once the triangulation in the plane is done, the value of the 𝒛 coordinate of each point is
incorporated. This kind of triangulation is used in the graphical representation in 𝟑𝑫 computer
mapping. It can also refer to it as 𝟐𝑫 + 𝟏 triangulation.
7. Interpolation
The spatial interpolation is the process that allows to know the value of a variable in positions where
has not been observed from known points using a spatial sampling. The process of interpolating has
different purposes:
o Know the value of a variable in unknown positions from a set of observed data.
o Calculation of points interpolated to create regular grids from irregular grids.
o Densify or reduce regular grids.
7.1 Interpolation by triangulation
To perform the interpolation of a surface model must have the triangulation based on Delaunay
triangulation. The creation of the structure of triangles to define the surface model that is the basis for
subsequently performs interpolation, and thus, meets the unknown values of the dimension.
Once we have the irregular triangles structure the value of the 𝒛 coordinate of any point located inside
the area of triangulation can be determined. Triangulation is as a set of triangular planes, any position
within any triangular plane can be known.
PRACTICE PART 1
ARCHITECTURE, DESIGN AND IMPLEMENTATION OF APPLICATION
8. Application requirements
To develop the application, the requirements must be defined for the correct design. The
requirements of each application are:
o Open DTM files with regular and irregular distribution.

o Storing data in computer memory.
o Analyze the data.
o Representation of 𝟑𝑫 data.
o Perform rotations, translations and scaling using keyboard and mouse controls.
o Perform Delaunay triangulation with regular and irregular points.
o Different types of displays of triangulation (segments and facets).
o Representation using different color palettes.
o Incorporate lighting and shading to planar surfaces.
o Create data structures (regular grid).
o Perform calculation of volume and surfaces.
o Delimit triangles and segments.
o Perform topographic profiles.
o Interpolation points of a regular grid in a Delaunay triangulation.
o Perform contours lines.
Apart from all these features the application developed has to perform calculations and processes in
an optimal and efficient way to work with large quantity of data. It must also be intuitive wherever
possible.
9. Microsoft Visual Studio
For the development of the graphical application has been used Microsoft Visual Studio is an IDE for
Microsoft Windows operating systems. This software application provides the tools to develop
graphical application that allows three-dimensional data processing tools.
Microsoft Visual Studio allows the OPP using libraries, routines and functions. Win32 and MFC allow
you to manage components for creating GUI such as menus, dialog boxes, windows, etc...
The main components of MSVC are: a code editor, a compiler C / C ++, linker, debugger to solve the
probable errors people make when creating code and data viewers.
C++ Language
The development of graphical application must handle large amounts of data and perform
calculations quickly and use memory efficiently as possible, therefore, the ideal programming
language due to its characteristics is C ++.
C ++ is a programming language object oriented. Its design was inherited from C. In C language was
added language features of object-oriented programming and generic programming, so they say that
is a hybrid multi-paradigm language that enables different types of programming styles. C ++
supports C thus may be used interchangeably functions.
Also offers the advantage of developing modular applications, i.e. containing reusable code such as
STL which is a standard C ++ library containing algorithms, functions, containers and iterators.
An important feature of the language is the access information stored in memory by means of
pointers, which is, using variables that "point" to the memory location where there are other variables.
In this way greatly increases the efficiency of memory and calculation speed. However increases both
the time to create code as the probable errors that arise.
10. Design and architecture implementation
The design and architecture of the application for processing 𝟑𝑫 data is given by the implementation
of different programming libraries that enable the development of tools for the operation of the
three-dimensional topographical information in the field.
The programming libraries are formed for a set of functions and instructions used by applications to
perform certain procedures or calculations. The various libraries implemented in the developed
application are:
o MFC is a library that contains a set of classes in C ++ for Windows Win32 API. It is the base
application where it is set, amending and OpenGL, CGAL and own algorithms are
incorporated.
o OpenGL is an API that has a collection of functions that are used to create applications with
graphical interfaces in 𝟐𝑫 and 𝟑𝑫. Draw using graphical primitives.
o CGAL is an open source library that consists of efficient algorithms for geometric calculation
and allows the creation and management of complex data structures.
o Own algorithms are a set of instructions and functions developed by the author for the
development of useful and efficient for the topographic field from the exploitation of three-
dimensional data tools. They also allow finding a solution to various problems arising from the
design and implementation of the set of libraries CGAL, MFC and OpenGL.
op
Own
algorithms
Application
Figura 8. Scheme of architecture and design of the developed application.
10.1 MFC
MFC is a library that contains a set of classes connected by inheritance relationships that facilitate the
use of Win32 API. They are responsible for controlling the functions of the operating system easier and
also allow you to add different types of libraries.
MFC is the base where are implemented and handle other functions OpenGL libraries, CGAL and
proprietary algorithms. The use of this library is complex because the programmer must know the C /
C ++ and MFC own classes.
The graphical application based on the document/view dividing the data management architecture in
these two classes. The document class lets you store information, memory allocation, performing
calculations, etc... While the class view allows the visual representation of the data and manages user
interaction with these.
MFC controls the functions specific to the Windows API to communicate with the operating system
message. Sets viewports, peripherals, dialog boxes, menus, controls, pointers, files, etc...
10.2 OpenGL
OpenGL is a multilingual, cross-platform API that has a collection of functions that are used to create
applications with graphical interfaces in 𝟐𝑫 and 𝟑𝑫. OpenGL functions to visualize the three-
dimensional data from simple geometric primitives that are point, line and triangle.
This library allows the creation of three-dimensional space, although the display is performed by the
𝟐𝑫 projection of data on the screen. The component is accomplished by performing 𝟑𝑫 geometric
transformations of three dimensional space and / or data. These transformations allow you to view
data from different viewpoints with which the impression of viewing the 𝟑𝑫 object is given.
Transformations are comprised of three components that are rotation, translation and scale. These
transformations are handled by controlling the keyboard and mouse. In OpenGL functions are
performed by different display colors using the RGBA color model. Also the use of light and shade that
let you better than you want to represent.
10.3 CGAL
CGAL is a project implemented by most researchers. It consists of a set of libraries developed in C ++.
It aims to give easy access to robust and efficient for industrial and academic geometric algorithms.
It is used in different areas that require geometric calculations, such as: Architecture, modelling
buildings, urban modelling, astronomy, computational geometry and geometric computing computer
graphics, computational topology and shape matching, computer vision, image processing,
photogrammetry, games, virtual worlds, geographic information systems, geology and geophysics,
geometry processing, medical modelling and biophysics, mesh generation and surface reconstruction,
𝟐𝑫 and 𝟑𝑫 modellers, molecular modelling, motion planning, particle physics, fluid dynamics,
microstructures, peer-to-peer virtual environment and sensor networks.
Properties
The CGAL project provides complex data structures and algorithms dedicated to:
o Arithmetic and algebra

o Combinatorial algorithm
o Convex hull algorithm
o Polygons
o Cell complexes and polyhedral
o Arrangements
o Triangulations
o Voronoi diagram
o Meshing
o Geometry processing
o Spatial searching
o Geometric optimization
o Interpolation
o Kinetic data structure
o Support library
o Visualization
All these data structures and algorithms operate with geometrical objects. These objects are grouped
into different CGAL kernels according to the data structure and algorithms chosen.
License
CGAL began in 1996 with a consortium of seven sites in Europe and Israel. Initially, the project had a
free license for academic field. In 2003, an Open Source license type was adopted although it was in
October 2005 when the rules and procedures of CGAL Open Source project was published. The
purpose was to help users and developers understand what is behind the project and how to
participate.
It is distributed under a dual license scheme, i.e., can be used for free under Open Source license for
commercial purposes but must use a GeometryFactory license.
CGAL in this project
The application developed specifically uses the CGAL 4.4 version for creating and managing complex
data structures Delaunay triangulations. Triangulation is the most important part of the project
because from it directly or indirectly the information can be extracted to develop useful tools for
topography.
10.4 Own algorithms
The algorithms themselves are the set of instructions and functions developed by the author in order
to create efficient tools for topographic field from the exploitation of three-dimensional data.
They also allow finding a solution to various problems arising from the implementation of the
functions of the different libraries used in the application.
11. Linking programming libraries
The draft CGAL MFC libraries and OpenGL programming is implemented. Libraries programming C / C
++ are usually composed of three types of files allow reuse of functions and code. The file extension is
∗. 𝒉/∗. 𝒉𝒑𝒑, ∗. 𝒍𝒊𝒃 , ∗. 𝒅𝒍𝒍 .
∗. 𝒉/∗. 𝒉𝒑𝒑. Are header files. Containing source code, i.e. class declarations, subroutines, variables and
other identifiers.
∗. 𝒍𝒊𝒃. Are static library files. As there are functions that are used in various programs work correctly
because you do not need to recompile each time they are used, therefore, the linker is responsible for
extracting and inserting this compiled into the program code.
∗. 𝒅𝒍𝒍. Are dynamic library files. Many programs use several identical functions. To not have a copy of
the function in each program function is shared, i.e. the function is loaded into memory to use it in
multiple programs saving memory and storage space.
In the MSVC linker paths directories where files are needed to run properly functions are introduced.
There is also possibility to enter the path of the directories in the variables of the operating system.
12. Descripción y desarrollo de la aplicación
12.1 Creación proyecto MFC
Primero de todo se crea el proyecto nuevo MFC en Visual Studio del tipo MDI que permite abrir varios
documentos a la vez en el mismo programa.
Es la aplicación base donde se implementan las nuevas funciones y librerías. Es el nexo de unión
donde se incorporan las librerías gráficas OpenGL, las librerías de algoritmos computacionales
geométricos CGAL y los algoritmos diseñados por el autor.
Se han de realizar varias pruebas para entender cómo funciona el programa en general y qué función
tiene cada clase en particular. La forma para poder entender cada elemento es ir cambiando los
valores de las variables y observar los cambios producidos.
Una vez se tienen las nociones básicas del proyecto MFC y se tiene una idea general de su
funcionamiento se incorpora la librería OpenGL para llevar a cabo la representación gráfica en la
pantalla.
12.2 Implementación de OpenGL y MFC
Sistema de referencia
OpenGL utiliza un sistema de referencia de coordenadas cartesianas de tres dimensiones para

representar datos aunque realmente trabaja con un sistema de coordenadas homogéneas de cuatro
dimensiones para simplificar los cálculos a la hora de aplicar transformaciones.
Es un sistema de referencia 𝟑𝑫 ortonormal debido a que sus ejes son perpendiculares y cada uno
tiene módulo unitario.
En la Figura 9 se puede ver el sistema de referencia que son los ejes de coordenadas cartesianos 𝟑𝑫.
Donde el eje 𝒙 , 𝒚 , 𝒛 corresponde al color rojo, verde y azul, respectivamente. Por defecto, el sentido
positivo del eje 𝒙 es hacia la derecha, el del eje 𝒚 hacia arriba y en el eje 𝒛 la dirección positiva
corresponde con los puntos comprendidos entre la línea imaginaria que une el observador y el centro
de coordenadas.
(a) (b) (c) (d) (𝒚)
(𝒙)
(𝒛)
Figura 9. Ejes de coordenadas OpenGL (a) ejes de coordenadas donde el observador se encuentra en z+. (b) ejes de
coordenadas rectas (c) eje de coordenadas circulares. (d) ejes de coordenadas circulares y rectas. Imagen disponible: captura de
pantalla de la aplicación desarrollada.
Espacio tridimensional
Para poder representar los datos se crea un espacio tridimensional donde se crea una proyección 𝟐𝑫
que se visualiza en la pantalla del ordenador.
Se ha de definir lo que se quiere ver, es decir, hay que crear un espacio tridimensional de visualización
para que cualquier objeto dentro de este espacio 𝟑𝑫 se pueda visualizar. Los objetos que están dentro
del volumen definido se visualizan mientras que los que quedan fuera no se representan.
Como se puede observar en la Figura 9 la esfera verde esta fuera del espacio tridimensional definido y
por tanto no se representará en la proyección en pantalla.
Para proyectar el espacio tridimensional en una pantalla bidimensional se utiliza la proyección

ortográfica y la proyección en perspectiva.
(a) (b)
Figura 10. Espacios tridimensionales en OpenGL. (a) proyección perspectiva. (b) proyección ortográfica. Imagen disponible en:
http://www.labri.fr/perso/nrougier/teaching/opengl/
Para representar los datos en la aplicación se ha escogido la proyección ortográfica que viene definida
por la siguiente función:
𝒈𝒍𝑶𝒓𝒕𝒉𝒐 ( 𝐺𝐿𝑑𝑜𝑢𝑏𝑙𝑒 𝑙𝑒𝑓𝑡 , 𝐺𝐿𝑑𝑜𝑢𝑏𝑙𝑒 𝑟𝑖𝑔ℎ𝑡, 𝐺𝐿𝑑𝑜𝑢𝑏𝑙𝑒 𝑏𝑜𝑡𝑡𝑜𝑚, 𝐺𝐿𝑑𝑜𝑢𝑏𝑙𝑒 𝑡𝑜𝑝 , 𝐺𝐿𝑑𝑜𝑢𝑏𝑙𝑒 𝑛𝑒𝑎𝑟𝑉𝑎𝑙, 𝐺𝐿𝑑𝑜𝑢𝑏𝑙𝑒 𝑓𝑎𝑟𝑉𝑎𝑙)
Los parámetros 𝑙𝑒𝑓𝑡 y 𝑟𝑖𝑔ℎ𝑡 especifican el límite vertical izquierdo y derecho. El límite horizontal
inferior y superior se delimita con los parámetros 𝑏𝑜𝑡𝑡𝑜𝑚, 𝑡𝑜𝑝. Para definir la profundidad se utilizan
las distancias 𝑛𝑒𝑎𝑟𝑉𝑎𝑙 y 𝑓𝑎𝑟𝑉𝑎𝑙.
Primitivas geométricas 3D
OpenGL utiliza para dibujar primitivas geométricas que son el punto, la línea y el triángulo. A partir de
estas primitivas se puede dibujar cualquier tipo de geometría más compleja. La aplicación desarrollada
utiliza OpenGL como motor gráfico de dibujo.
Punto
Todas las primitivas se describen en función de las coordenadas de los vértices que la componen. Un
punto es una posición en el espacio tridimensional que está definido por un vértice. La función que
define un vértice en OpenGL es:
𝒈𝒍𝑽𝒆𝒓𝒕𝒆𝒙𝟑𝒇 ( 𝑮𝑳𝒅𝒐𝒖𝒃𝒍𝒆 𝒙, 𝑮𝑳𝒅𝒐𝒖𝒃𝒍𝒆 𝒚, 𝑮𝑳𝒅𝒐𝒖𝒃𝒍𝒆 𝒛 );
Dónde 𝑮𝑳𝒅𝒐𝒖𝒃𝒍𝒆 𝒙, 𝑮𝑳𝒅𝒐𝒖𝒃𝒍𝒆 𝒚, 𝑮𝑳𝒅𝒐𝒖𝒃𝒍𝒆 𝒛 corresponden a las coordenadas 𝒙, 𝒚, 𝒛 respectivamente.

Las siguientes líneas de código definen el vértice 𝒑𝒗 = (𝒙𝒗 , 𝒚𝒗 , 𝒛𝒗 ) dónde 𝒑𝒗 = (𝟏. 𝟎, 𝟏. 𝟎, 𝟏. 𝟎).
𝒈𝒍𝑩𝒆𝒈𝒊𝒏 (𝑮𝑳_𝑷𝑶𝑰𝑵𝑻);
𝒈𝒍𝑽𝒆𝒓𝒕𝒆𝒙𝟑𝒇 ( 𝟏. 𝟎𝒇, 𝟏. 𝟎𝒇, 𝟏. 𝟎𝒇 );
𝒈𝒍𝑬𝒏𝒅();
(𝒚)
𝒑𝒗
(𝒙)
(𝒛)
Figura 11. Representación de un punto 𝒑𝒗 . Imagen disponible: captura de pantalla de la aplicación desarrollada.
Por lo tanto, se puede definir el elemento puntual en cualquier posición del espacio tridimensional,
siempre y cuando las coordenadas no superen el rango de datos que las variables son capaces de
guardar. Las variables normalmente son de tipo 𝒇𝒍𝒐𝒂𝒕 o 𝒅𝒐𝒖𝒃𝒍𝒆.
Línea
Las líneas en OpenGL son segmentos acotados, es decir, se definen mediante dos vértices. Las
siguientes líneas de código definen un segmento definido por dos vértices 𝒑𝟎 y 𝒑𝒗 .
Donde 𝒑𝟎 = ( 𝟎. 𝟎 , 𝟎. 𝟎 , 𝟎. 𝟎).
Los vectores unitarios corresponden a los ejes de coordenadas 𝒓 ⃑⃑ eje 𝒚, y ⃑𝒃 eje 𝒛.

⃑ eje 𝒙, 𝒈
⃑⃑ = (𝟎. 𝟎, 𝟏. 𝟎, 𝟎. 𝟎) y ⃑𝒃 = (𝟎. 𝟎, 𝟎. 𝟎, 𝟏. 𝟎).

⃑ = (𝟏. 𝟎, 𝟎. 𝟎, 𝟎. 𝟎), 𝒈
𝒓
𝒈𝒍𝑩𝒆𝒈𝒊𝒏 (𝑮𝑳_𝑳𝑰𝑵𝑬𝑺);
𝒈𝒍𝑽𝒆𝒓𝒕𝒆𝒙𝟑𝒇 ( 𝟎. 𝟎𝒇, 𝟎. 𝟎𝒇, 𝟎. 𝟎𝒇 );
𝒈𝒍𝑽𝒆𝒓𝒕𝒆𝒙𝟑𝒇 ( 𝟏. 𝟎𝒇, 𝟏. 𝟎𝒇, 𝟏. 𝟎𝒇 );
(a) (b)
⃑𝒃
𝒑𝒗
𝒑𝒗
𝑺𝒗
⃑⃑
𝒈
𝒑𝟎 𝒑𝟎 ⃑
𝒓
Figura 12. (a) Representación del segmento formado por los vértices 𝒑𝒗 y 𝒑𝟎 (b) visualización del segmento 𝑺𝒗 mediante los
tres vectores unitarios 𝒓 ⃑ . Imagen disponible: capturas de pantalla de la aplicación desarrollada.
⃑ y𝒃
⃑ , ⃑𝒈
Triángulo
El triángulo es el polígono más simple que representa OpenGL se definen mediante tres vértices. Las
siguientes líneas de código definen un triángulo definido por 3 vértices 𝒑𝟎 , 𝒑𝒗 y 𝒑𝒓 .
Donde 𝒑𝒓 = ( 𝟎. 𝟎 , 𝟏. 𝟎 , 𝟏. 𝟎 ).
𝒈𝒍𝑩𝒆𝒈𝒊𝒏 (𝑮𝑳_𝑻𝑹𝑰𝑨𝑵𝑮𝑳𝑬𝑺);
𝒈𝒍𝑽𝒆𝒓𝒕𝒆𝒙𝟑𝒇 ( 𝟎. 𝟎𝒇, 𝟎. 𝟎𝒇, 𝟎. 𝟎𝒇 );
𝒈𝒍𝑽𝒆𝒓𝒕𝒆𝒙𝟑𝒇 ( 𝟏. 𝟎𝒇, 𝟏. 𝟎𝒇, 𝟏. 𝟎𝒇 );
𝒈𝒍𝑽𝒆𝒓𝒕𝒆𝒙𝟑𝒇 ( 𝟎. 𝟎𝒇, 𝟏. 𝟎𝒇, 𝟏. 𝟎𝒇 );
(a) (b) (c)

𝒑𝒓 𝒑𝒗 𝒑𝒓 𝒑𝒗
𝒑𝒗
𝒑𝒓
𝑻𝒗
𝑻𝒗
𝒑𝟎 𝒑𝟎 𝒑𝟎
Figura 13. (a) Representación de los vértices 𝒑𝒗 , 𝒑𝟎 y 𝒑𝒓 (b) triángulo 𝑻𝒗 (c) triángulo 𝑻𝒗 aplicando una rotación. Imagen
disponible: capturas de pantalla de la aplicación desarrollada.
Color
Se puede dar color a cualquier elemento geométrico ya sea de un vértice, de una línea o de un
triángulo. A la hora de definir colores se utiliza el sistema 𝑅𝐺𝐵. A veces se utiliza un cuarto parámetro
𝑎𝑙𝑝ℎ𝑎 que corresponde a la intensidad 𝑅𝐺𝐵𝐴. La siguiente función define el color de un elemento.
𝒈𝒍𝑪𝒐𝒍𝒐𝒓 ( 𝟎. 𝟓𝒇, 𝟎. 𝟓𝒇, 𝟎. 𝟓𝒇 );
Corresponde el primer valor a la cantidad de rojo, el segundo a la cantidad de verde y el tercero a la

cantidad de verde. Los valores deben estar en un rango que va desde el 0 hasta el 1.
Los siguientes ejemplos corresponden a negro, blanco, rojo, verde y azul, respectivamente.
𝒈𝒍𝑪𝒐𝒍𝒐𝒓 ( 𝟎. 𝟎𝒇, 𝟎. 𝟎𝒇, 𝟎. 𝟎𝒇 );
𝒈𝒍𝑪𝒐𝒍𝒐𝒓 ( 𝟏. 𝟎𝒇, 𝟏. 𝟎𝒇, 𝟏. 𝟎𝒇 );
𝒈𝒍𝑪𝒐𝒍𝒐𝒓 ( 𝟏. 𝟎𝒇, 𝟎. 𝟎𝒇, 𝟎. 𝟎𝒇 );
𝒈𝒍𝑪𝒐𝒍𝒐𝒓 ( 𝟎. 𝟎𝒇, 𝟏. 𝟎𝒇, 𝟎. 𝟎𝒇 );
𝒈𝒍𝑪𝒐𝒍𝒐𝒓 ( 𝟎. 𝟎𝒇, 𝟎. 𝟎𝒇, 𝟏. 𝟎𝒇 );
Transformaciones geométricas
Las transformaciones geométricas son las encargadas de dar la impresión de estar visualizando unos
elementos en tres dimensiones. Estas transformaciones son las que hacen posible la proyección de
coordenadas 𝟑𝑫 sobre la pantalla 𝟐𝑫. Hay tres tipos de transformaciones la rotación, la translación y
el escalado.
Las coordenadas homogéneas que utiliza internamente OpenGL permiten tratar las transformaciones
geométricas translación, rotación y escala mediante el uso de matrices.
Rotación
La rotación se realiza siempre alrededor de un eje de referencia con un ángulo de giro determinado y
en un sentido de giro. Generalmente los ángulos positivos producen giros en sentido antihorario, al
mirar hacia el origen del sistema de referencia desde unas coordenadas positivas.
Las siguientes funciones muestran cómo se realizan los giros. En el primer caso se aplica la rotación al
eje 𝒙, el segundo caso se aplica al eje 𝒚 y en el tercer caso se aplica al eje 𝒛. Donde las variables
𝒎_𝒈𝒍𝑶𝒎𝒆𝒈𝒂, 𝒎_𝒈𝒍𝑷𝒉𝒊, 𝒎_𝒈𝒍𝑲𝒂𝒑𝒑𝒂 son los ángulos que se aplican al realizar la rotación.
𝒈𝒍𝑹𝒐𝒕𝒂𝒕𝒆𝒇( 𝒎_𝒈𝒍𝑶𝒎𝒆𝒈𝒂, 𝟏. 𝟎𝐟, 𝟎. 𝟎𝐟, 𝟎. 𝟎𝐟 );
𝒈𝒍𝑹𝒐𝒕𝒂𝒕𝒆𝒇( 𝒎_𝒈𝒍𝑷𝒉𝒊, 𝟎. 𝟎𝐟, 𝟏. 𝟎𝐟, 𝟎. 𝟎𝐟 );
𝒈𝒍𝑹𝒐𝒕𝒂𝒕𝒆𝒇( 𝒎_𝒈𝒍𝑲𝒂𝒑𝒑𝒂, 𝟎. 𝟎𝐟, 𝟎. 𝟎𝐟, 𝟏. 𝟎𝐟 );
Translación
La translación consiste en mover una cierta distancia los elementos geométricos en una dirección
determinada. Por tanto una vez aplicada la translación los elementos se encontraran en una posición
nueva. A la hora de mover varios elementos geométricos se trasladan cada vértice que los componen
y después se redibuja en la nueva posición.
La siguiente función indica el movimiento de translación donde la variable 𝒎_𝒈𝒍𝒕𝒓𝒂𝒏𝒔𝒙 se aplica al

eje 𝒙, la variable 𝒎_𝒈𝒍𝒕𝒓𝒂𝒏𝒔𝒚 al eje 𝒚 y en este caso no se aplica movimiento al eje 𝒛.
𝒈𝒍𝑻𝒓𝒂𝒏𝒔𝒍𝒂𝒕𝒆𝒇( 𝒎_𝒈𝒍𝒕𝒓𝒂𝒏𝒔𝒙, 𝒎_𝒈𝒍𝒕𝒓𝒂𝒏𝒔𝒚, 𝟎. 𝟎𝐟 )
Escalado
El escalado es modificar el tamaño relativo de los elementos geométricos en uno, en dos o en tres
ejes. La siguiente función representa como se realiza la escala en el eje 𝒙, en el eje 𝒚 y en el eje 𝒛. En
este caso como en los tres ejes tomarán el mismo valor de la variable 𝒎_𝒈𝒍𝑺𝒄𝒂𝒍𝒆 , el escalado será
uniforme, es decir, se escalará igual en los tres ejes de coordenadas y sin deformidades.
𝒈𝒍𝑺𝒄𝒂𝒍𝒆𝒇( 𝒎_𝒈𝒍𝑺𝒄𝒂𝒍𝒆, 𝒎_𝒈𝒍𝑺𝒄𝒂𝒍𝒆, 𝒎_𝒈𝒍𝑺𝒄𝒂𝒍𝒆 );
(a) (b) (c)
Figura 14. Transformaciones geométricas (a) rotación (b) translación (c) escalado. Imagen disponible: OpenGL Superbiblie.
Controles
La aplicación utiliza el ratón y el teclado para tener control de lo que el usuario quiere hacer. Los
botones del ratón y las teclas del teclado se comunican mediante mensajes de la API de Windows por
lo cual se puede manejar con las funciones de MFC.
Dentro de estas funciones de MFC se introducen otras funciones de OpenGL que controlan las
transformaciones geométricas de los elementos que se proyectaran en pantalla.
Se debe programar para que al pulsar una cierta tecla del teclado o al pulsar un botón del ratón se
produzcan transformaciones geométricas que son las que dan la apreciación al usuario de estar
viendo los datos en 𝟑𝑫.
Cuando se pulsa una tecla o un botón que ha sido programado lo que sucede es que las variables que
están asociadas cambian de valor. Al cambiar de valor se producen la transformación geométrica que
haya sido programada.
Las variables que se encargan del giro son 𝒎_𝒈𝒍𝑶𝒎𝒆𝒈𝒂, 𝒎_𝒈𝒍𝑷𝒉𝒊 , 𝒎_𝒈𝒍𝑲𝒂𝒑𝒑𝒂 las que se encargan
del movimiento de translación son 𝒎_𝒈𝒍𝒕𝒓𝒂𝒏𝒔𝒙 , 𝒎_𝒈𝒍𝒕𝒓𝒂𝒏𝒔𝒚 y la que se encarga de la escala es
𝒎_𝒈𝒍𝑺𝒄𝒂𝒍𝒆.
A continuación, se describen las teclas y botones que han sido programados para que al pulsarlos se
produzcan cambios en ciertas variables, que a su vez, repercuten mediante transformaciones
geométricas en la proyección por pantalla y dan la impresión al usuario de estar viendo unos
elementos geométricos de forma tridimensional.
Teclado
Las siguientes teclas se encargan de:
'm' y 'n': aumentar y disminuir el tamaño de los vértices.
'+' y '-': aumentar y disminuir la escala.
's' y 'w': aplicar rotación en el eje 𝒙.
'd' y 'a': aplicar rotación en el eje 𝒚.
'x' y 'c': aplicar rotación en el eje 𝒛.
'←' y '→': aplicar translación en el eje 𝒙.
'↑' y '↓': aplicar translación en el eje 𝒚.

Ratón
Al presionar el botón izquierdo se activa la función que realizar el cambio de valor en las variables
relacionadas con el movimiento de rotación. Si por el contrario se pulsa el botón derecho se activa la
función que cambia el valor de las variables de translación.
En ambas funciones la cantidad de movimiento de translación o rotación depende de la variación de

movimiento que el usuario realice con el ratón. Si el usuario hace un movimiento mayor se traducirá a
un giro o translación mayor que si realiza un movimiento menor que producirá una rotación o
translación más pequeña. Al soltar el botón se desactiva la esta función del ratón que esté asociada
con ese botón.
Moviendo la rueda central del ratón se activa la función que se encarga de aumentar y disminuir la
escala. Cada pequeño movimiento de la rueda se traduce en el cambio de variable que se encarga de
la escala. Cada vez que se realiza un movimiento la rueda se activa la función, cuando se detiene el
movimiento sobre la rueda la función automáticamente se desactiva.
Realizando un doble clic en la rueda situada en la parte central del mouse se activa la función de
zoom extensión. Esta función básicamente se encarga de volver a dibujar los elementos geométricos
como la primera vez que se representan.
Es decir, la primera vez que son representados los datos previamente han sido analizados mediante
diferentes funciones propias, para que al visualizarlos, salgan centrados en pantalla sin depender del
tamaño de estos datos. Esto es de gran ayuda ya que los elementos geométricos aunque vengan en
unidades de metros en kilómetros o cualquier otro tipo de unidades se representaran con diferente
escala pero se observarán en su totalidad.
12.3 Implementación de CGAL
CGAL se compone de algoritmos eficientes de cálculo y creación de estructuras muy complejas para
almacenar los datos. La librería está desarrollada en C++ con el objetivo de dar un acceso fácil a los
algoritmos geométricos robustos y eficientes para el mundo industrial y académico.
Todas estas estructuras de datos y algoritmos operan con objetos geométricos como puntos y
segmentos. Estos objetos se agrupan en diferentes kernels de CGAL según el tipo de estructura de
datos y algoritmos.
Para poder implementar CGAL en el proyecto de MFC y OpenGL se realiza el enlazado a los archivos
que componen la librería CGAL. Se debe escoger correctamente que tipo de estructura y algoritmos
conviene más en cada caso.
En la aplicación desarrollada se ha elegido las triangulaciones de Delaunay en 𝟐𝑫 y 𝟑𝑫 para entender

la creación y el manejo de las complejas estructuras de datos. Ya que la triangulación es el elemento
clave del proyecto, porque a partir de ella se extrae directa o indirectamente la información que sirve
para desarrollar herramientas útiles para el ámbito de la topografía.
Entender y escribir código con CGAL consta de un período de tiempo para acostumbrase debido a
que utiliza conceptos matemáticos e informáticos complejos. A continuación se explica de la forma
más sencilla posible cómo funcionan los algoritmos y las estructuras de forma interna. El diseño de
esta librería utiliza conceptos propios de la librería genérica C++ STL, lo que hace posible que se
puedan alimentar a los algoritmos CGAL de datos propios en lugar de convertirlos al formato CGAL.
De esta manera, el algoritmo se adapta para trabajar con diferentes estructuras de datos de entrada.
Es una librería que consta con una amplío manual de documentación que se compone de: manual de
usuario y manual de referencia. Tanto el manual como los ejemplos facilitan la comprensión de la
librería CGAL.
Triangulación 2D
Una triangulación bidimensional en CGAL puede ser descrita como un conjunto de facetas triangulares
𝑻 que cumplen:
o Dos facetas cualesquiera están separadas o bien comparten un vértice o un segmento.

o El conjunto de facetas triangulares 𝑻 está conectado mediante relaciones topológicas de
adyacencia.
o El dominio 𝑼𝒕 que es la unión de las facetas de 𝑻 no tiene singularidad.
Concretamente, una triangulación 𝟐𝑫 puede describirse como un simplicial complex de dos

dimensiones, conectado con relaciones de adyacencia y sin singularidades donde el dominio de la
triangulación corresponde a la envolvente convexa de sus vértices.
(a) (b)
Figura 15. (a) Conjunto de puntos aleatorios 𝑷 (b) envolvente convexa del conjunto 𝑷. Imagen disponible: captura de pantalla
de la aplicación desarrollada.
En CGAL el término cara se refiere a una cara en cualquier dimensión, para caras de dos dimensiones
se emplea el término faceta.
Estructura de datos de triangulación 𝟐𝑫
Una estructura de datos de triangulación 𝟐𝑫 es una estructura de datos diseñada para manejar la
visualización de una triangulación en dos dimensiones. Las estructura de datos de estas librerías
fueron diseñadas al principio para tratar datos en dos dimensiones, posteriormente se completaron
para n dimensiones.
La estructura de datos está formada por facetas y vértices manteniendo las relaciones de incidencia y
adyacencia. Los bordes se representan a través de relaciones de adyacencia entre dos facetas.
Cada una de las facetas triangulares da acceso a sus tres vértices incidentes y a sus tres facetas
adyacentes. Cada vértice da acceso a una de sus facetas triangulares incidentes y a través de la lista
circular a sus demás facetas triangulares.
Los tres vértices de una faceta se indexan con 𝟎, 𝟏, 𝟐 y las facetas adyacentes se indexan también con
𝟎, 𝟏, 𝟐 de tal manera que la faceta vecina indexada 𝒊 es la opuesta al vértice con el mismo índice. La
orientación de las facetas puede ser de dos tipos contrario a las agujas del reloj o en sentido horario.
Los segmentos no están representados de forma explícita porque se representan a través de las
relaciones de adyacencia de dos caras. Hay dos formas de representarlo: el segmento de la faceta 𝒇
que es opuesta al vértice indexado 𝒊, o también como el segmento de la faceta vecina 𝒏𝒆𝒊𝒈𝒉𝒃𝒐𝒓(𝒊) de
la faceta 𝒇.
Figura 16. Representación de la estructura de datos de triangulación 2D de CGAL de un simplicial complex 2D. Imagen
disponible: http://doc.cgal.org/latest/TDS_2/index.html
Las clases de CGAL tienen ciertas funciones como la localización de un punto en la triangulación,
inserción, eliminación o desplazamiento de un punto. El diseño de las clases en CGAL se divide en dos
partes: la estructura combinatoria y la información geométrica.
Se accede a los vértices y facetas de la triangulación a través itetarators, handles y circulators. Un

handle es un tipo de puntero, es decir, una variable que “apuntan” al lugar de la memoria donde se
encuentran otras variables. Este concepto de puntero se utiliza cuando no es parte de una secuencia
mientras que los itetarators y circulators se utilizan para acceder a una parte o totalidad de la
triangulación. La clase triangulación permite acceder a los vértices y vecinos de una cara en sentido
horario o antihorario.
Triangulación 3D
La triangulación tridimensional de CGAL está diseñada para representar un conjunto de puntos 𝑨 en

𝑹𝟑 . La triangulación 𝟑𝑫 forma una partición del dominio 𝑼𝑨 , que es la envolvente convexa, en
tetraedros cuyos vértices son los puntos de 𝑨.
Cualquiera de estas celdas está separada o tiene en común una faceta, un segmento o un vértice.
Estructura de datos de triangulación 𝟑𝑫
A la hora de representar la triangulación se trata solo con tetraedros. Por tanto, las celdas sin frontera
pueden subdividirse en tetraedros, teniendo en cuenta que cada faceta es incidente a una celda
infinita que tiene como vértice un vértice auxiliar infinito. De esta forma cada faceta es compartida por
dos celdas y los casos especiales, como en la frontera de la envolvente convexa, son más sencillos de
tratar.
Por tanto, la triangulación en CGAL está diseñada como un conjunto de tetraedros finitos e infinitos.
Los vértices auxiliares infinitos no tienen coordenadas significativas.
La triangulación 𝟑𝑫 es una colección de vértices y celdas unidas entre sí a través de relaciones de

adyacencia e incidencia. Cada celda da acceso a sus cuatro vértices incidentes y a sus cuatro celdas
adyacentes. Cada vértice da acceso a una de las celdas incidentes.
Los cuatro vértices de una celda se indexan con 𝟎, 𝟏, 𝟐, 𝟑. Las celdas vecinas se indexan con 𝟎, 𝟏, 𝟐, 𝟑 de
tal forma que la celda vecina indexada 𝒊 es opuesta al vértice con el mismo índice.
La estructura de datos está formada por celdas y vértices manteniendo las relaciones de incidencia y
adyacencia. Los bordes y las facetas no están representados de forma directa. Una faceta se accede a
través de una celda y su índice (la faceta 𝒊 de la celda 𝒄 es la faceta de 𝒄 que es opuesta al vértice
indexado 𝒊 ). Un segmento se representa mediante una celda y dos índices (el segmento (𝒊, 𝒋) de la
celda 𝒄 es el segmento cuyos extremos son los vértices de 𝒄 con los índices 𝒊 𝑦 𝒋 ).
Figura 17. Representación de la estructura de datos de triangulación 3D de CGAL de un simplicial complex 3D. Imagen
disponible: http://doc.cgal.org/latest/TDS_3/index.html
Casos degenerados
La clase triangulación 𝟑𝑫 puede tratar con triangulaciones cuya dimensión 𝒅 sea inferior a 𝟑. Una
triangulación de conjunto de puntos en 𝑹𝒅 , se compone de celdas que algunas contienen vértices 𝒅 +
𝟏. Estos vértices infinitos se obtienen mediante el vértice infinito adicional en cada faceta que
pertenece a la envolvente convexa de los puntos.
A continuación se explica para cada dimensión la estructura de triangulación con el mínimo número
de vértices, es decir, un simplex. En los siguientes ejemplos ilustran la geometric embedding para cada
caso.
Dimensión 𝟑: teniendo un simplex 4D que contiene 5 vértices, la geometric embedding 3D consisten

en tomar uno de los vértices y llevarlo al infinito, con lo que se obtiene 3 de las 4 celdas infinitas y la
triangulación del tetraedro restante finito. Cada faceta es incidente a una celda que apunta al infinito.
Una triangulación de dimensión 𝟑 contiene puntos en 𝑹𝟑 (el caso en que solamente hay 4 puntos) que
forman una tetraedro.
Figura 18. Representación de una simplex 4D y de su geometric embedding 3D. Imagen disponible:
http://doc.cgal.org/latest/TDS_3/index.html
Dimensión 𝟐: teniendo 4 vértices formando un simplex 3D o tetraedro, la geometric embedding 2D

consisten en coger uno de los vértices y llevarlo al infinito, con lo que se obtiene un triángulo finito
donde sus aristas son incidentes a triángulos infinitos.
Una triangulación de dimensión 𝟐 contiene puntos coplanarios (el caso en que solamente hay tres
puntos) que forman una faceta triangular.
Dimensión 𝟏: teniendo un simplex 2D o triangulo con 3 vértices, la geometric embedding 1D es un

segmento cuyos vértices están “apuntando” a un punto infinito. Un triangulación de dimensión 𝟏
solamente contiene puntos colineales (el caso en que solamente hay dos puntos) que forman un
segmento.
Dimensión 𝟎: la triangulación que solamente contiene un punto finito.
Dimensión −𝟏: es un acuerdo para tratar el caso de que solamente hay un vértice infinito en la
triangulación. Una triangulación vacía.
La clase triangulación 𝟐𝑫 utiliza el mismo principio. Para todos los casos se usa la misma clase de
celdas. Las caras 𝟐𝑫 pueden ser representadas como una degeneración de celdas teniendo solamente
tres vértices indexados con 𝟎, 𝟏, 𝟐. Los segmentos en 𝟏𝑫 teniendo solo 2 vértices indexados con 𝟎, 𝟏.
2º PARTE PRÁCTICA
DESARROLLO DE HERRAMIENTAS PARA EL ÁMBITO TOPOGRÁFICO
13. Implementación de algoritmos propios
Una vez se ha llevado a cabo el diseño de la arquitectura de la aplicación, se implementan nuevos

algoritmos propios desarrollados por el autor, que permiten la programación de herramientas útiles y
eficientes para la topografía mediante la explotación de los datos tridimensionales.
Además permiten hallar la solución a varios problemas surgidos a partir del diseño y la implantación
de las distintas librerías que forman la aplicación CGAL, MFC y OpenGL.
La resolución a los problemas se resuelve mediante la sucesión de instrucciones que representan un

modelo determinado para solucionar un problema concreto, de modo que se describe paso a paso del
modo más detallado posible.
13.1 Creación de datos sintéticos 3D
El desarrollo de la aplicación incluye tener que hacer varias pruebas para poder determinar si las
funciones programadas hacen realmente lo que se espera que hagan. En caso de que no sea así,
seguramente hay algún error que hay que identificar y resolver.
Para realizar estos test se deben contar con diferentes tipos de datos tridimensionales, desde decenas
de puntos hasta varios millones.
La creación de los primeros datos sintéticos 𝟑𝑫 se realiza con pequeñas aplicaciones de consola
Win32 en lenguaje C. Como por ejemplo: esferas, elipsoides, paralelepípedos regulares. Se crean
mediante funciones matemáticas que describen sus geometrías. La distribución de los puntos es
completamente aleatoria e irregular.
Los datos se guardan siguiendo la estructura de una lista de puntos indicando sus 3 coordenadas
𝒙, 𝒚, 𝒛 en formato ∗. 𝒕𝒙𝒕 o ∗. 𝒙𝒚𝒛. Sin identificador del punto ni ninguna cabecera que indique el
número de puntos que hay en el fichero.
𝒑𝟏 = (𝒙𝟏 , 𝒚𝟏 , 𝒛𝟏 ) 𝒙𝟏 𝒚 𝟏 𝒛𝟏
𝒑𝟐 = (𝒙𝟐 , 𝒚𝟐 , 𝒛𝟐 ) 𝒙𝟐 𝒚 𝟐 𝒛𝟐
𝒑𝟑 = (𝒙𝟑 , 𝒚𝟑 , 𝒛𝟑 ) 𝒙𝟑 𝒚 𝟑 𝒛𝟑
⋮ ⋮
𝒑𝒏 = (𝒙𝒏 , 𝒚𝒏 , 𝒛𝒏 ) 𝒙𝒏 𝒚 𝒏 𝒛𝒏
(a) (b) (c)
Figura 21. Datos sintéticos tridimensionales creados mediante algoritmos propios (a) esfera de 10.000 puntos (b) elipsoide de
20.000 puntos (c) ortoedro de 10.000 puntos. Imagen disponible: capturas de pantalla de la aplicación desarrollada.
Una vez tenemos nubes de puntos sintéticas tridimensionales ya se pueden realizar las pruebas con la
aplicación para ver que lo que se programa realmente funciona como se espera o hay que realizar
modificaciones.
13.2 Representación de los datos 3D
Para la lectura del archivo se necesita reservar memoria del sistema previamente para almacenar los
datos. Hay archivos de datos que las primeras líneas cuentan con una cabecera que indican la cantidad
de puntos que contiene el archivo, así el programa puede reservar memoria para los datos de entrada.
En esta aplicación se ha creído conveniente que sea dinámica, es decir, sin contar con una cabecera
que indique la cantidad de puntos de entrada que hay en el archivo.
Se han implementado en la aplicación estas dos maneras de resolverlo:
1. Como cada línea del archivo se corresponde a un punto, primero se recorre todas las líneas
del archivo. Después se reserva por cada punto y por cada variable 𝒙, 𝒚, 𝒛 un espacio en la
memoria. Después se vuelve a leer el archivo y se almacenan las coordenadas.
2. La otra opción es utilizar una función de STL para abrir el archivo y otra de CGAL para
almacenar los datos, realizando la reserva de memoria de manera interna y automática.
A la hora de visualizar los datos surgen dos problemas distintos relacionados con la primera
representación por pantalla. La primera implementación se utiliza para resolver los problemas de
visualización de los datos.
El primer problema surgió al leer y visualizar archivos con diferentes unidades. Por ejemplo al abrir
una nube de puntos de una esfera de radio uno, se visualizaba correctamente sin embargo al abrir
otra nube de puntos de otra esfera de radio diez se visualizaba solamente una parte.
Este problema era debido a que la función 𝒈𝒍𝑶𝒓𝒕𝒉𝒐 era estática y por tanto no tenía la posibilidad de
ir variando los valores de las variables que definen la función dependiendo del tamaño de la nube de
puntos.
(a) (b)
Figura 22. Problema con la función 𝒈𝒍𝑶𝒓𝒕𝒉𝒐 estática. La misma zona de la pantalla no dibuja la totalidad del objeto (a) esfera
de radio uno (b) esfera de radio diez. Imagen disponible: capturas de pantalla de la aplicación desarrollada.
La manera de resolverlo fue crear la función 𝒈𝒍𝑶𝒓𝒕𝒉𝒐 de forma dinámica, dicho de otro modo,
dependiendo de las coordenadas máximas y mínimas de la lista de puntos la función tomará unos
valores u otros. Se crea la función Á𝒏𝒂𝒍𝒊𝒔𝒊𝒔𝑴á𝒙𝒊𝒎𝒐𝒔𝑴í𝒏𝒊𝒎𝒐𝒔() que analiza los máximos y mínimos
de cada una de las coordenadas para todos los puntos.
Por lo tanto cuando se realiza la apertura del archivo se inicializan las variables necesarias y se hace el
análisis de máximos y mínimos a la vez que se almacenan las coordenadas de cada punto.
El siguiente paso es implementar la función Á𝒏𝒂𝒍𝒊𝒔𝒊𝒔𝑽𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒁𝒐𝒐𝒎() que se encarga de calcular las

diferencias para cada eje 𝒙, 𝒚, 𝒛 entre las coordenadas máximas y mínimas, o lo que es lo mismo, el
ancho, alto y largo. Una vez se conocen estas distancias se relacionan con la función 𝒈𝒍𝑶𝒓𝒕𝒉𝒐
consiguiendo representan la totalidad de los datos en la primera visualización por pantalla sin
depender de las unidades de los datos.
La función 𝑫𝒊𝒃𝒖𝒋𝒂𝑩𝒐𝒖𝒏𝒅𝒊𝒏𝒈𝑩𝒐𝒙() se encarga de representar el bounding box a partir de las

coordenadas máximas y mínimas que la función anteriormente explicada
Á𝒏𝒂𝒍𝒊𝒔𝒊𝒔𝑴á𝒙𝒊𝒎𝒐𝒔𝑴í𝒏𝒊𝒎𝒐𝒔() calcula.
Figura 23. Visualización del bounding box de la nube de puntos de un conejo. (Nube de puntos con aproximadamente 360.000
puntos de Stanford University. Disponible en: https://graphics.stanford.edu/data/3Dscanrep/) Imagen disponible: captura de
pantalla de la aplicación desarrollada.
El segundo problema está relacionado con el centro de la nube de puntos. Con un ejemplo se observa
claramente el problema. La aplicación representa los elementos geométricos en el centro de la
pantalla que corresponde a las coordenadas (𝟎, 𝟎, 𝟎). Por lo tanto, un archivo de datos que no se tiene
su centro en las coordenadas (𝟎, 𝟎, 𝟎) no se va representar centrado en la aplicación en la primera
visualización por pantalla.
El modo de solucionar este problema es crear la función Á𝒏𝒂𝒍𝒊𝒔𝒊𝒔𝑪𝒆𝒏𝒕𝒓𝒐𝑵𝒖𝒃𝒆(). Se encarga de hacer

cálculos para saber el vector que corresponde al centro de la nube de puntos. Se obtiene mediante la
diferencia entre la coordenada máxima y la coordenada mínima dividida entre dos y más la
coordenada mínima, esto para cada coordenada 𝒙, 𝒚, 𝒛.
El siguiente cálculo se encarga de dar valores a las 3 variables 𝒎_𝑪𝒆𝒏𝒕𝒓𝒐𝑵𝒖𝒃𝒆𝑷𝒖𝒏𝒕𝒐𝒔[𝒊].
((𝒎_𝑴á𝒙𝒊𝒎𝒂𝑪𝒐𝒐𝒓𝒅𝒆𝒏𝒂𝒅𝒂[𝒊] − 𝒎_𝑴í𝒏𝒊𝒎𝒂𝑪𝒐𝒐𝒓𝒅𝒆𝒏𝒂𝒅𝒂[𝒊])/𝟐) + 𝒎_𝑴í𝒏𝒊𝒎𝒂𝑪𝒐𝒐𝒓𝒅𝒆𝒏𝒂𝒅𝒂[𝒊]
Donde la 𝒊 tomará los siguiente valores 𝟎, 𝟏, 𝟐 que corresponden a 𝒙, 𝒚, 𝒛.
Los tres valores obtenidos corresponden al vector que corresponde con el centro de la lista de
puntos. El vector es el siguiente:
( 𝒎_𝑪𝒆𝒏𝒕𝒓𝒐𝑵𝒖𝒃𝒆𝑷𝒖𝒏𝒕𝒐𝒔[𝟎] , 𝒎_𝑪𝒆𝒏𝒕𝒓𝒐𝑵𝒖𝒃𝒆𝑷𝒖𝒏𝒕𝒐𝒔[𝟏] , 𝒎_𝑪𝒆𝒏𝒕𝒓𝒐𝑵𝒖𝒃𝒆𝑷𝒖𝒏𝒕𝒐𝒔[𝟐] )
Con esto ya está resuelto el problema de centrado. Ahora solamente se deberá hacer una diferencia
para cada coordenada de cada punto de la lista para obtener el centrado de la nube sin depender de
que coordenadas tenga en el centro de la pantalla.
(a) (b)
Figura 24. (a) Ejemplo del problema de la nube de puntos sin centrar (b) nube de puntos centrada correctamente. Nube de puntos
con aproximadamente 5000 puntos. Imagen disponible: capturas de pantalla de la aplicación desarrollada.
13.3 Triangulación 2D, 2.5D y 3D
La aplicación desarrollada realiza la triangulación mediante el uso de la librería CGAL como se ha

explicado anteriormente en el capítulo de la implementación CGAL.
En este proyecto se ha implementado la triangulación 𝟐, 𝟓 𝑫 ya que es la que se utiliza para la

representación cartográfica del terreno y además se han realizado pruebas con la triangulación en 𝟑𝑫.
Las superficies continuas se triangulan mediante triangulaciones 𝟐, 𝟓𝑫 mientras que las superficies
discontinuas se emplean la triangulación 𝟑𝑫.
La triangulación 𝟐, 𝟓 𝑫 se realiza en el plano sin tener en cuenta el valor de la cota. Una vez realizada
la triangulación en el plano se incorpora el valor de la coordenada 𝒛 en cada punto. Este tipo de
triangulación es la que se utiliza generalmente en la representación cartográfica. También se puede
referir a ella como triangulación 𝟐𝑫 + 𝟏. A continuación se mostrarán ejemplos visuales de las
diferentes triangulaciones.
Para la representación visual de los diferentes tipos de triangulaciones se utiliza una nube de puntos
sintética de 100 puntos con distribución irregular creada a partir de funciones gaussianas que se
explicarán más adelante.
(a) (b)
(c) (d)
Figura 25. Representación de los diferentes tipos de triangulación 2D, 2.5D y 3D (a) conjunto de 100 puntos 𝑻 (b) triangulación
2D de 𝑻 (c) triangulación 2.5D de 𝑻 (d) triangulación 3D de 𝑻. Imagen disponible: capturas de pantalla de la aplicación
desarrollada.
13.4 Creación de una malla de distribución regular
Uno de los objetivos de la aplicación es poder realizar una diferencia de dos modelos digitales del
terreno. Surge un problema a la hora de realizar una diferencia entre dos DTM porque cada uno tiene
puntos con una distribución irregular y por tanto no es posible realizar una diferencia directamente.
Una solución pasa por crear una malla de puntos con distribución regular común para poder realizar la
resta de los dos modelos de alturas irregulares. Directamente con esta solución se incorpora la opción
de pasar de una malla irregular a una regular a partir de la triangulación 𝟐, 𝟓 𝑫 y además también
permite al realizar el diferencial, densificar o reducir este DTM diferencial dependiendo del paso de
malla final introducido por el usuario.
Se ha implementado la función 𝑪𝒂𝒍𝒄𝒖𝒍𝒂𝒓𝑴𝒂𝒍𝒍𝒂𝑹𝒆𝒈𝒖𝒍𝒂𝒓(), la cual se encarga de realizar una serie de

cálculos para poder crear la estructura de datos matricial.
Se considera la condición de que los dos DTM corresponderán a la misma zona pero serán capturados
en distinta época, de esta manera, compartirán una superficie para poder realizar la diferencia. El
cálculo de la malla regular se hace a partir del primer DTM considerado el de referencia.
Para ello lo primero que se debe hacer es conocer el paso de la malla regular que se quiere crear.
Las coordenadas máximas y mínimas se han calculado previamente con la función

Á𝒏𝒂𝒍𝒊𝒔𝒊𝒔𝑴á𝒙𝒊𝒎𝒐𝒔𝑴í𝒏𝒊𝒎𝒐𝒔(). Con estos valores se realiza un redondeo a la alza y a la baja con las
funciones 𝒇𝒍𝒐𝒐𝒓() y 𝒄𝒆𝒊𝒍(), respectivamente. Se tiene en cuenta tanto si las coordenadas son positivas
como negativas. De esta forma se obtienen las coordenadas de la malla.
𝒎_𝒙𝑴í𝒏𝒊𝒎𝒂𝑴𝒂𝒍𝒍𝒂, 𝒎_𝑴í𝒏𝒊𝒎𝒂𝑴𝒂𝒍𝒍𝒂, 𝒎_𝒙𝑴á𝒙𝒊𝒎𝒂𝑴𝒂𝒍𝒍𝒂, 𝒎_𝒚𝑴á𝒙𝒊𝒎𝒂𝑴𝒂𝒍𝒍𝒂.
Se calcula la distancia entre la coordenada máxima y mínima tanto para el las coordenadas 𝒙 como
para las 𝒚.
𝒅(𝑿𝒎𝒂𝒙 , 𝑿𝒎𝒊𝒏 ) = √(𝑿𝒎𝒂𝒙 − 𝑿𝒎𝒊𝒏 )𝟐
𝒅(𝒀𝒎𝒂𝒙 , 𝒀𝒎𝒊𝒏 ) = √(𝒀𝒎𝒂𝒙 − 𝒀𝒎𝒊𝒏 )𝟐
Acto y seguido, se calcula el número de filas y columnas que tendrá la malla regular, para ello se
realiza una división de la distancia en 𝒙 entre el paso de malla y así se obtiene el número de filas. Se
repite el mismo procedimiento para 𝒚 obteniendo el número de columnas.
𝒎_𝑵ú𝒎𝒆𝒓𝒐𝑭𝒊𝒍𝒂𝒔 = 𝒊𝒏𝒕( 𝐦_𝐃𝐢𝐬𝐭𝐚𝐧𝐜𝐢𝐚𝐗/𝐦_𝐏𝐚𝐬𝐨𝐌𝐚𝐥𝐥𝐚)
𝒎_𝑵ú𝒎𝒆𝒓𝒐𝑪𝒐𝒍𝒖𝒎𝒏𝒂𝒔 = 𝒊𝒏𝒕( 𝐦_𝐃𝐢𝐬𝐭𝐚𝐧𝐜𝐢𝐚𝐘/𝐦_𝐏𝐚𝐬𝐨𝐌𝐚𝐥𝐥𝐚)
Directamente, se conoce el número de puntos de la malla conociendo el número de filas y columnas,

por tanto se reserva memoria para poder almacenar posteriormente datos de la malla.
A continuación se muestran distintas mallas regular en función del paso de malla. Los datos originales
son una lista sintética de mil puntos tridimensionales con distribución irregular creada a partir de
funciones gaussianas que se explicaran más adelante.
(a) (b)
(c) (d)
Figura 26. Visualización de mallas regulares con distinto paso de malla (a) conjunto de 1000 puntos 𝑴 (b) creación malla
regular con 441 puntos, 21 filas, 21columnas con un paso de malla de 5.0 (c) creación malla regular con 1681 puntos, 41 filas,
41columnas con un paso de malla de 2.5 (d) creación malla regular con 10201 puntos, 101 filas, 101 columnas con un paso de
malla de 1.0 Imagen disponible: capturas de pantalla de la aplicación desarrollada.
Por el momento se tiene la malla regular con el paso de malla que más conviene según las
características del DTM de referencia. Se conoce la posición 𝒙 e 𝒚 de todos los puntos, sin embargo, se
desconoce la cota 𝒛 de cada punto de la malla regular. Debido a esta razón se necesita realizar un
proceso de interpolación.
13.5 Interpolación de la triangulación en la malla regular
El proceso de interpolación se realiza para dar el valor de la cota 𝒛 a la posición 𝒙 e 𝒚 de la malla de

regular a partir de los datos de la triangulación. Para solucionarlo se utiliza la ecuación vectorial del
plano porque dada la posición 𝒙 e 𝒚 se determina la coordenada 𝒛. De esta manera, se puede conocer
la cota 𝒛 en cualquier posición que caiga dentro de la superficie definida por la cara triangular.
Se explica la manera de llevar a cabo la implementación de este método de interpolación. El plano

puede ser determinado por dos vectores 𝒖⃑,𝒗⃑ y un punto 𝑷.
El punto 𝑷 tiene que ser coplanario con 𝒖

⃑,𝒗
⃑ para pertenecer al plano.
⃑⃑⃑⃑⃑⃑⃑⃑⃑
𝒘𝟎 𝑷 = 𝝀 𝒖⃑ + 𝝁𝒗
⃑
Dónde,
(𝒙 − 𝒙𝟎 , 𝒚 − 𝒚𝟎 , 𝒛 − 𝒛𝟎 ) = 𝝀 (𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 ) + 𝝁 (𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 )
Se obtiene la ecuación vectorial del plano.
(𝒙, 𝒚, 𝒛) = (𝒙𝟎 , 𝒚𝟎 , 𝒛𝟎 ) + 𝝀 (𝒖𝟏 , 𝒖𝟐 , 𝒖𝟑 ) + 𝝁 (𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 )
Dónde,
(𝒙, 𝒚, 𝒛) = (𝒙𝟎 + 𝝀 𝒖𝟏 + 𝝁 𝒗𝟏 , 𝒚𝟎 + 𝝀 𝒖𝟐 + 𝝁 𝒗𝟐 , 𝒛𝟎 + 𝝀 𝒖𝟑 + 𝝁 𝒗𝟑 )
Se obtiene las ecuaciones paramétricas.
𝒙 = 𝒙𝟎 + 𝝀 𝒖 𝟏 + 𝝁 𝒗 𝟏
𝒚 = 𝒚 𝟎 + 𝝀 𝒖 𝟐 + 𝝁 𝒗𝟐
𝒛 = 𝒛𝟎 + 𝝀 𝒖 𝟑 + 𝝁 𝒗 𝟑
Como conocemos las coordenadas de los tres vértices de cada plano, sabemos dos vectores y un
punto coplanario.
Se calcula el vector normal por medio del producto vectorial a partir de los vectores 𝒖
⃑ y𝒗
⃑.
𝒊 𝒋 ⃑𝒌
⃑ × 𝒗
𝒖 ⃑ = |𝒖𝟏 𝒖𝟐 𝒖𝟑 |
𝒗𝟏 𝒗𝟐 𝒗𝟑
Obtenemos el vector normal al plano.
⃑ = 𝐀 𝒊 + 𝐁 𝒋 + 𝐂 ⃑𝒌
𝒏
Se calcula el valor de D sustituyendo el punto 𝑷 en la ecuación general del plano.
𝐀 𝒊 + 𝐁 𝒋 + 𝐂 ⃑𝒌 + 𝑫 = 𝟎
⃑)
𝐃 = −(𝐀 𝒊 + 𝐁 𝒋 + 𝐂 𝒌
Una vez, tenemos todos los parámetros del plano se puede calcular cualquier cota 𝒛 dando la posición
𝒙 e 𝒚. Por ejemplo, siendo el punto 𝒑𝒌 = (𝒙𝒌 , 𝒚𝒌 , 𝒛𝒌 ) se obtiene 𝒛𝒌 de la siguiente manera:
⃑ +𝑫=𝟎
𝐀𝒊 + 𝐁𝒋 + 𝐂𝒌
−(𝐀𝒙𝒌 𝒊 + 𝐁,𝒚𝒌 𝒋 +𝑫)

𝒛𝒌 =
𝐂 ⃑𝒌
(a) (b) (c) (d)

𝒑𝑨
𝒑𝑰 ′
𝒑𝑰 ′ 𝑷𝑰 ′
𝑻𝒊
𝑻𝒊
𝒑𝑰
𝒑𝑪 𝒑𝑰
𝒑𝑩
Figura 27. Proceso de interpolación de un punto 𝑷𝑰 mediante la ecuación vectorial del plano sobre el triángulo (a) triángulo
formado por los puntos 𝑷𝑨 , 𝑷𝑩 , 𝑷𝑪 y punto 𝑷𝑰 (b) interpolación del punto 𝑷𝑰 en el plano dando lugar a 𝑷𝑰 ′ (c) punto
interpolado 𝑷𝑰 ′ situado en el plano del triángulo (d) vista lateral. Imagen disponible: capturas de pantalla de la aplicación
desarrollada.
Una vez comprobado que el método de interpolación funciona correctamente se procede a

implementar el método para toda la triangulación, es decir, para todos los triángulos que componen
la triangulación.
Se ha creado una malla regular anteriormente aunque solamente contiene la posición 𝒙 e 𝒚, ahora con
el método de interpolación explicado se da valor a cada coordenada 𝒛 de cada punto de la malla
regular.
Con la función de CGAL 𝒍𝒐𝒄𝒂𝒕𝒆(𝑷𝒐𝒊𝒏𝒕) se encarga de hacer una búsqueda de cada triángulo de la
triangulación hasta que se obtiene el triángulo que contiene esa posición 𝒙 e 𝒚 de este punto de la
malla. Además se ha llevado a cabo una optimización en esta función de CGAL para que aumente la
velocidad con la que realiza la búsqueda del triángulo.
Solamente se comentan los elementos que aparecen en las siguientes líneas de código porque si se
explicará la función de cada función y cada estructura se extendería demasiado. Por tanto,
Face_handle es un puntero de facetas, Point es una estructura de punto 𝟑𝑫, y la función
𝒍𝒐𝒄𝒂𝒕𝒆(𝑷𝒐𝒊𝒏𝒕) devuelve la información que corresponde a los 3 vértices del triángulo de la
triangulación que contiene esa localización 𝒙 e 𝒚.
𝑭𝒂𝒄𝒆_𝒉𝒂𝒏𝒅𝒍𝒆 𝑳𝒐𝒄𝒂𝒍𝒊𝒛𝒂𝑪𝒐𝒐𝒓𝒅𝒆𝒏𝒂𝒅𝒂𝒔;
𝑷𝒐𝒊𝒏𝒕 𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏 = 𝑷𝒐𝒊𝒏𝒕(𝒙, 𝒚, 𝟎);
𝑳𝒐𝒄𝒂𝒍𝒊𝒛𝒂𝑪𝒐𝒐𝒓𝒅𝒆𝒏𝒂𝒅𝒂𝒔 = 𝒎_𝑻𝒓𝒊𝒂𝒏𝒈𝒖𝒍𝒂𝒄𝒊ó𝒏. 𝒍𝒐𝒄𝒂𝒕𝒆(𝑷𝒐𝒔𝒊𝒄𝒊ó𝒏);

Mediante esta función de localización y al método de interpolación se consigue dar cota a cada punto
que forma la malla regular. Los puntos de la malla regular que no estén dentro del ámbito de la
triangulación no se podrán conocer su cota 𝒛 debido a que fuera del TIN no tenemos información
certera. A continuación se muestra un ejemplo visual más esclarecedor.
(a) (b)
(c)
(d)
Figura 28. Ejemplo visual del proceso de interpolación (a) triangulación 𝑻𝑴 conjunto de 1000 puntos M con la malla regular
de un paso de 5.0 (b) los puntos verdes están dentro del ámbito de la triangulación mientras que los rojos quedan fuera (c)
visualización del proceso de interpolación que se encarga de dar la cota z a cada punto de la malla regular (d) malla regular
sin interpolar (e) malla regular interpolada. Imagen disponible: capturas de pantalla de la aplicación desarrollada.
13.6 Diferencia de modelos
Una vez comprobado que la aplicación realiza correctamente los siguientes pasos: representación de
datos tridimensionales, procesado de la triangulación de Delaunay 𝟐, 𝟓𝑫 a partir de una colección de
puntos, creación de la malla regular e interpolación sobre la triangulación.
Se implementa utilizando todo lo explicado con anterioridad para desarrollar una herramienta útil
para topografía que permite realizar el cálculo de la diferencia de dos modelos de superficies
obteniendo un modelo diferencial de superficie.
Este indica la variación que se ha producido en la cota 𝒛 de cada posición de la malla regular entre los
distintos periodos de tiempo.
Procedimiento
Se utiliza una metodología compleja porque consta de una serie de pasos y se han de cumplir una
serie de condiciones. A continuación se explica la sucesión de pasos implementados.
La condición principal es que ambos modelos digitales del terreno compartan una superficie común
para poder extraer un modelo diferencial de superficie.
Primeramente se abre el primer archivo DTM_a y se realiza la triangulación de Delaunay 𝟐, 𝟓 𝑫 (𝑻𝑎 ). A

continuación se crean 3 mallas regulares idénticas (𝑴𝑎 , 𝑴𝑏 , 𝑴𝑐 ) a partir de las coordenadas máximas y
mínimas del archivo de referencia DTM_a que previamente a la hora de abrir el archivo se han
analizado. Se da valor a las coordenadas 𝒛 de la primera malla regular 𝑴𝑎 mediante el proceso de
interpolación respecto a la triangulación (𝑻𝑎 ).
(e)
Después se abre el segundo archivo DTM_b y se realiza la triangulación de Delaunay 𝟐, 𝟓 𝑫 (𝑻𝑏 ). Con
la segunda malla regular 𝑴𝑏 se da valor a las cotas 𝒛 con el método de interpolación mediante la
triangulación (𝑻𝑏 ).
Por el momento hay dos mallas regulares 𝑴𝑎 y 𝑴𝑏 donde sus puntos contienen las mismas posiciones
𝒙 e 𝒚 pero contienen distintas cotas 𝒛.
Se obtiene la tercera malla regular 𝑴𝑐 realizando una diferencia entre las dos coordenada 𝒛 de las dos
mallas regulares 𝑴𝑎 y 𝑴𝑏 para cada una de las posiciones 𝒙 e 𝒚 de cada punto de la malla regular.
𝒁𝑴𝑐 = 𝒁𝑴𝑏 − 𝒁𝑴𝑎
El resultado es un modelo diferencial de superficie donde se pueden observar los cambios que se han
producido en el terreno respecto a las dos épocas distintas de captura de los datos.
A continuación se muestra gráficamente el procedimiento a seguir para obtener una superficie

diferencial. Todas las imágenes han sido obtenidas realizando capturas de pantalla de la aplicación
desarrollada.
(a) (b)
Figura 29. (a) Primer archivo DTM_a (b) Segundo archivo DTM_b
(a) (b)
Figura 30. (a) Segmentos de la triangulación (𝑻𝒂 ) (b) segmentos de la triangulación (𝑻𝒃 )
Se realiza el cálculo de la malla regular y la interpolación para cada triangulación obteniendo 𝑴𝑎 y 𝑴𝑏 .

Se obtiene un DTM regular, es decir, el diferencial de los dos archivos 𝑴𝑐 .
(a) (b)
Figura 31. (a) Malla regular diferencial 𝑴𝒄 (b) segmentos de la triangulación (𝑻𝑴𝒄)
La siguiente captura corresponde a la visualización de las caras de la triangulación (𝑻𝑀𝑐 ). Donde se

puede observar las zonas de aportación en rojo, donde el DTM_b está por encima del DTM_a y las
zonas de extracción en azul donde el DTM_b está por debajo del DTM_a. Cuanto más rojo o más azul
más cambios se han producido, cuanto más negro menos cambios.
Figura 32. Visualización de las caras de la triangulación (𝑻𝑴𝒄 ) del DTM diferencial.
14. Herramientas
Cálculo de volumen
Se realiza el cálculo de volumen aproximado mediante unos prismas regulares con el mismo tamaño
que el paso de malla y la altura corresponde a la diferencia de cota 𝒛 de cada punto de la malla
regular.
Por tanto se aproxima el cálculo de volumen realizando un sumatorio de todas las cotas negativas y
otro sumatorio de todas las cotas positivas. De este modo obtenemos el volumen positivo y negativo,
del primer DTM respecto al segundo.
Se utiliza el mismo procedimiento que para calcular el área de una función pero en vez de ser en dos
dimensiones es tridimensional. Como se puede observar en la Figura 33 cuanto más pequeño sea el
rectángulo, en general, mejor será la aproximación.
(a) (b)
Figura 33. Representación del cálculo del área de una función (a) cálculo del área de la función 𝑪𝒇 de 0 a 3 con rectángulo de
0.5 (b) cálculo del área de la función 𝑪𝒇 de 0 a 3 con rectángulo de 0.3. Imagen disponible:
enciclopedia.us.es/index.php/Integral_y_función_primitiva
Análisis estadístico
Para el análisis estadístico de las cotas se realiza un cálculo del valor medio, el valor máximo y mínimo,
la desviación estándar, un porcentaje que indica los valores que están comprendidos entre sigma +1 i
sigma -1 y los rangos de valores de sigma igual a 5+, 5, 4, 3, 2, 1, -1, -2, -3, -4, -5, - 5-.
Valor medio es:
𝒏
𝟏 𝒙𝟏 + 𝒙𝟐 + ⋯ + 𝒙𝒏
̅ = ∑ 𝒙𝒊 =
𝒙
𝒏 𝒏
𝒊
La variancia es:
𝒏
𝟐
𝟏
𝒔 = ̅)𝟐
∑ (𝒙 − 𝒙
𝒏−𝟏
𝒊
Desviación estándar:
𝝈 = √𝒔𝟐
Cálculo superficie 2D y 3D
Se implementa una función que calcule la superficie en 2D y 3D mediante la fórmula de Herón.
La fórmula de Herón es:
𝑨 = √𝒔(𝒔 − 𝒂)(𝒔 − 𝒃)(𝒔 − 𝒃)
Donde 𝒂, 𝒃, 𝒄 son los tres lados de un triángulo y 𝒔 corresponde a su semiperímetro.
𝒂+𝒃+𝒄
𝒔=
𝟐
Se calcula para la superficie de cada triángulo de la triangulación y se realiza el sumatorio con lo que
se obtiene el área de toda la triangulación.
En 𝟐𝑫 sin tener en cuenta el valor de la coordenada 𝒛 y en 𝟑𝑫 teniendo en cuenta la cota.
Figura 34. Cálculo de la superficie de la prueba caso divino.
Exportar modelo diferencial de superficies
Se implementa una dos funciones para exportar los datos de dos formas, una exportando un archivo
en formato ∗. 𝒙𝒚𝒛 y la otra en 𝑬𝒔𝒓𝒊 𝑮𝒓𝒊𝒅 𝑭𝒐𝒓𝒎𝒂𝒕.
15. Pruebas
Una vez hecho el procedimiento se realizan una serie de experimentos para comprobar que la
aplicación realiza correctamente el procedimiento.
Creación de modelos sintéticos
Se realizan la creación de modelos sintéticos de la misma forma que en el apartado de creación de

datos sintéticos 𝟑𝑫. La función 𝒓𝒂𝒏𝒅() genera números pseudo-aleatorios con rangos comprendidos
desde 0 hasta 𝑹𝑨𝑵𝑫_𝐌𝐀𝐗, el cual es el número aleatorio máximo que puede ser generado.
Este algoritmo devuelve números aparentemente no relacionados cada vez que se llama a esta
función. La función 𝒔𝒓𝒂𝒏𝒅() se encarga de dar un punto de partida para la secuencia de números
pseudo-aleatoria de la función 𝒓𝒂𝒏𝒅(). Dando un valor se puede controlar la generación de esos
números pseudo-aleatorios.
Con estas dos función de C++ y la función gaussiana se crean las montañas sintéticas para realizar las
pruebas. La función gaussiana es:
(𝒙−𝒃)𝟐
−
𝒇(𝒙) = 𝑨 𝒆 𝟐𝝈𝟐
Se define un valor para 𝒔𝒓𝒂𝒏𝒅(). Primero se crea las diferentes gaussianas

definiendo 𝑵ú𝒎𝒆𝒓𝒐𝑮𝒂𝒖𝒔𝒔𝒊𝒂𝒏𝒂𝒔 como el número de gaussianas que se quieren generar. Se utiliza
∆𝒙, ∆𝒚, ∆𝒛, ∆𝒔 para acotar a los valores que se deseen de para la creación de las diferentes gaussianas.
Dentro del bucle 𝒇𝒐𝒓(𝒊𝒏𝒕 𝒊 = 𝟎; 𝒊 < 𝑵ú𝒎𝒆𝒓𝒐𝑮𝒂𝒖𝒔𝒔𝒊𝒂𝒏𝒂𝒔 ; 𝐢 + +) donde la variable i recorre desde el
0 hasta 𝑵ú𝒎𝒆𝒓𝒐𝑮𝒂𝒖𝒔𝒔𝒊𝒂𝒏𝒂𝒔 se generar los diferentes parámetros de las distintas gaussianas de esta
forma:
𝒇𝒐𝒓(𝒊𝒏𝒕 𝒊 = 𝟎; 𝒊 < 𝑵ú𝒎𝒆𝒓𝒐𝑮𝒂𝒖𝒔𝒔𝒊𝒂𝒏𝒂𝒔 ; 𝐢 + +)
𝒙𝟎[𝒊] = ∆𝒙 𝒓𝒂𝒏𝒅()/𝑹𝑨𝑵𝑫_𝐌𝐀𝐗;
𝒚𝟎[𝒊] = ∆𝒚 𝒓𝒂𝒏𝒅()/𝑹𝑨𝑵𝑫_𝐌𝐀𝐗;
𝒛𝟎[𝒊] = ∆𝒛 𝒓𝒂𝒏𝒅()/𝑹𝑨𝑵𝑫_𝐌𝐀𝐗;
𝒔𝟎[𝒊] = ∆𝒔 𝒓𝒂𝒏𝒅()/𝑹𝑨𝑵𝑫_𝐌𝐀𝐗;
Posteriormente se da un valor a la función 𝒔𝒓𝒂𝒏𝒅() de esta forma podemos generar los mismos
números cada vez que ejecutemos el mismo programa. También se define la extensión de los puntos
con ∆𝑿, ∆𝒀 y el número de puntos que va a tener el fichero con la variable 𝑵ú𝒎𝒆𝒓𝒐𝑷𝒖𝒏𝒕𝒐𝒔. Después
mediante el bucle se recorren todos los puntos. La variable 𝒛 se inicializa a 0 antes de introducir la
función matemática gaussiana.
𝒔𝒓𝒂𝒏𝒅(𝟏);
𝒇𝒐𝒓(𝒊𝒏𝒕 𝒊 = 𝟎; 𝒊 < 𝑵ú𝒎𝒆𝒓𝒐𝑷𝒖𝒏𝒕𝒐𝒔; 𝐢 + +)
𝒙[𝒊] = ∆𝑿 𝒓𝒂𝒏𝒅()/𝑹𝑨𝑵𝑫_𝐌𝐀𝐗;
𝒚[𝒊] = ∆𝒀 𝒓𝒂𝒏𝒅()/𝑹𝑨𝑵𝑫_𝐌𝐀𝐗 ;
𝒛[𝒊] = 𝟎;
𝒇𝒐𝒓(𝒊𝒏𝒕 𝒋 = 𝟎; 𝒋 < 𝑵ú𝒎𝒆𝒓𝒐𝑮𝒂𝒖𝒔𝒔𝒊𝒂𝒏𝒂𝒔 ; 𝐣 + +)
−(𝒙[𝒊]−𝒙𝟎[𝒋])𝟐 +(𝒚[𝒊]−𝒚𝟎[𝒋])𝟐
𝒛[𝒊] = 𝒛𝟎[𝒋]𝒆 𝟐𝒔𝟎[𝒋]𝟐 ;
Con este programa de consola de win32 obtenemos distintas montañas gaussianas y se tiene control
sobre los datos para realizar las pruebas. Las siguientes pruebas se realizan con 100.000 puntos. Los
archivos DTM sintéticos ocupan una extensión de 100 en el eje 𝒙 y 100 en el eje 𝒚.
(a) (b)
Figura 35. Archivo de montañas gaussianas creadas sintéticamente 𝑮 (a) visualización del archivo 𝑮 (b) visualización del archivo
𝑮 con un pequeño giro para poder apreciar el relieve del terreno.
Caso divino
El caso divino se refiera a que los datos no contienen ningún tipo de error. La prueba que consiste en
hacer una diferencia entre dos DTM con los mismos datos de las montañas ficticias (gaussianas) pero
con un valor de semilla diferente, 𝒔𝒓𝒂𝒏𝒅(), de la creación de los datos pseudo-aleatorios. Por lo que
se obtienen dos DTM de con la misma forma del terreno pero con distinto muestreo.
Teóricamente la diferencia de dos muestreos distintos de una misma superficie debería aproximarse
mucho a cero cuanto más puntos se tienen.
Se realiza la prueba con dos modelos de montañas gaussianas. Cambiando los valores de 𝒔𝒓𝒂𝒏𝒅(𝟏) y
𝒔𝒓𝒂𝒏𝒅(𝟐) para tener dos muestreos distintos de la misma superficie. Las siguientes capturas de
pantalla indican los diferentes cálculos que realiza la aplicación desarrollada.
(a) (b)
Figura 36. (a) Datos de la triangulación del primer muestreo (b) Datos de la triangulación del segundo muestreo
Figura 37. Creación de la estructura de datos regular
Figura 38. Triangulación de la estructura de datos regular.
Figura 39. Análisis estadístico de los valores de la cota de la diferencia de modelos

Figura 40. Calculo de volumen de dos muestreos distintos de la misma superficie
El resultado es el esperado porque la diferencia entre dos muestreos de la misma superficie es muy
próxima a cero. Significa una prueba de que la aplicación realiza correctamente el cálculo de volumen.
Caso humano
En este caso se refiere a que los datos tienen errores en las medidas. Estos errores se esperan que
tengan una distribución normal centrada en el cero y con una cierta desviación estándar.
En C disponemos de la función 𝒓𝒂𝒏𝒅() para generar números pseudo-aleatorios, como hemos dicho
anteriormente. El problema es que esta función genera valores con una distribución constante de
valores entre 0 y 1.
Para generar una variable de distribución normal se utiliza el teorema central del límite. Primero se
analiza la distribución de valores de la función 𝒓𝒂𝒏𝒅().
Siendo 𝒇(𝒙) la función de densidad de probabilidad, el valor esperado del valor medio es:
∞ 𝟏
𝟏
𝑬[𝒙] = ∫ 𝒙 𝒇(𝒙)𝒅𝒙 = ∫ 𝒙 𝒅𝒙 =
𝟐
−∞ 𝟎
El valor esperado de la variancia:
∞ 𝟏
𝟏 𝟏
𝝈𝟐 = ∫ (𝒙 − 𝒙
̅)𝟐 𝒇(𝒙)𝒅𝒙 = ∫(𝒙 − )𝟐 𝒅𝒙 =
𝟐 𝟏𝟐
−∞ 𝟎
Si 𝒙𝟏 , 𝒙𝟐 , … 𝒙𝒏 son variables aleatorias independientes de distribución constante entonces la suma de

todas ellas es una nueva variable aleatoria que se aproxima a la distribución normal.
𝒚 = 𝒙𝟏 + 𝒙𝟐 + ⋯ + 𝒙𝒏
En este caso se ha aproximado a la normal tipificada donde 𝒏 es igual a 12, de ese modo la nueva
variable aleatoria 𝒚 tiene una variancia igual a 1 y su valor medio es 6.
El error accidental asociado a cada observación 𝒊 se simula del siguiente modo:
𝜺𝒊 = ( 𝒚𝒊 − 𝟔) 𝝈𝒂 𝒑𝒓𝒊𝒐𝒓𝒊
En este caso se han realizado 2 experimentos. El primero aplicando un ruido de 𝝈 = 𝟎. 𝟏, el segundo

con 𝝈 = 𝟎. 𝟓 de esta manera se pueden comparar los datos obtenidos.
Las capturas de pantalla que indican la triangulación de los distintos muestreos en cada caso, la
creación de la estructura de datos, la información de los puntos interpolados y no interpolados y, por
último, la triangulación de la estructura de datos regular no se incorporan ya que la información que
realmente interesa es el análisis estadístico y el cálculo de volumen de cada uno de los 2
experimentos.
(a)
(b)
Figura 42. Comparación del análisis estadístico (a) 𝝈 = 𝟎. 𝟏 (b) 𝝈 = 𝟎. 𝟓
(a) (b)
Figura 41. Comparación del cálculo de volumen(a) 𝝈 = 𝟎. 𝟏 (b) 𝝈 = 𝟎. 𝟓
Se han realizado 2 experimentos para comprobar los resultados obtenidos. A medida que se introduce
un ruido más grosero el valor de la diferencia máxima y mínima aumenta, la desviación estándar y el
valor medio. Estos 2 experimentos son otro buen indicador de que la aplicación procesa los datos
correctamente.
Detalle visualización
(a) (b)
Figura 43. Visualización de las caras de la triangulación en los distintos casos de la misma zona (a) caso divino (b) caso humano
con 𝝈 = 𝟎. 𝟏 (c) caso humano con 𝝈 = 𝟎. 𝟓
Caso teórico
En el caso teórico se ha escogido hacer una diferencia de volumen de dos funciones gaussianas
bidimensionales. Se conocen los parámetros de cada una y se realiza el cálculo de la diferencia de
volumen. Por esta razón, teóricamente conocemos el resultado y podemos contrastarlo con el
resultado obtenido mediante la aplicación.
Es una forma de comprobar que realmente la aplicación realiza correctamente la diferencia de

volumen entre dos superficies. Se deberá tener en cuenta un pequeño margen de error debido a que
se realiza la prueba con puntos finitos.
La función gaussiana de dos dimensiones que se usa en este experimento es:
( 𝒙−𝒙𝟎 )𝟐 +( 𝒚−𝒚𝟎 )𝟐
−( )
𝒇(𝒙) = 𝑨𝒆 𝟐𝝈𝟐
Donde el coeficiente 𝑨 es la amplitud (la altura de cada montaña), 𝒙𝟎 e 𝒚𝟎 es el centroide (la posición
de la cima de cada montaña) y 𝝈 es la desviación estándar (la anchura de cada montaña).
El volumen de la función Gaussiana es:
∞ ∞
𝑽 = ∫ ∫ 𝒇(𝒙, 𝒚)𝒅𝒙 𝒅𝒚 = 𝟐 𝝅 𝑨 𝝈𝟐
−∞ −∞
Se han generado dos paisajes fijos con 100 gaussianas cada uno de distintas alturas, anchuras y
posiciones. Ahora se superponen a cada paisaje una montaña con diferente altura. Con esto se intenta
simular una aportación o extracción de volumen.
Se han escogido los siguientes parámetros de las funciones gaussianas:
Gaussiana 1 = 𝒈𝟏 Gaussiana 2 = 𝒈𝟐
𝒙𝟎 = 𝟓𝟎. 𝟎 𝒙𝟎 = 𝟓𝟎. 𝟎
𝒚𝟎 = 𝟓𝟎. 𝟎 𝒚𝟎 = 𝟓𝟎. 𝟎
𝑨 = 𝟕. 𝟎 𝑨 = 𝟏. 𝟎
𝝈 = 𝟕. 𝟎 𝝈 = 𝟕. 𝟎
Por lo tanto el cálculo teórico de la diferencia de volumen de estas gaussianas es:
𝝏𝑽 = 𝟐 𝝅 (𝑨𝒈𝟐 − 𝑨𝒈𝟏 ) 𝝈𝟐
Donde la amplitud ∆𝒈𝟏 , ∆𝒈𝟐 corresponde a 𝒛𝒈𝟏 y 𝒛𝒈𝟐 , respectivamente. Por tanto el cálculo teórico es:
∆𝑽(𝒈𝟏 , 𝒈𝟐 ) = 𝟓𝟖𝟖 𝝅
Una vez tenemos el resultado teórico ahora se muestra el resultado que da la aplicación.
Figura 44. Cálculo de volumen del caso teórico.
Figura 45. Visualización de los dos paisajes superpuestos.

Figura 46. Visualización de la diferencia de cotas entre los dos paisajes (a) planta (b) perfil
Caso real
Una vez se ha comprobado que la aplicación realiza correctamente el algoritmo implantado para el
cálculo de volumen se procede hacer pruebas con datos reales.
Estos datos han sido facilitados por el departamento de topografía de la Autoritat Portuaria de
Barcelona. En concreto son dos batimetrías de la dársena de Sant Bertrán de distinta época una del
2009 y otra del 2012. La malla de puntos es de 1x1. Cada batimetría tiene alrededor de medio millón
de puntos.
Se ha programado una paleta de colores para visualizar la batimetría. Según el rango de valores de la
paleta es de -1.0 hasta la -32.0. Según el valor de z corresponde a un color determinado.
Cabe destacar que con esta cantidad de puntos la aplicación consigue moverlos, rotarlos y escalarlos
de una forma óptima.
La siguiente captura de pantalla muestra ambas batimetrías. Al tener tanta cantidad de datos la
visualización de los puntos pare que sea una superficie.
(a) (b)
Figura 47. Visualización de los puntos mediante la paleta de color de la dársena de San Bertrán del puerto de Barcelona (a)
2009 (b) 2012. Imagen disponible: Imagen disponible: capturas de pantalla de la aplicación desarrollada.
Al hacer el diferencial de la superficie aparece el problema que se observa a continuación donde hay
que delimitar los triángulos que tengan un lado mayor a una cierta distancia para poder realizar los
cálculos con la superficie que realmente nos interesa.
Figura 48. Diferencia de ambas batimetrías y muestra del problema de los límites de la batimetría.
16. Visualización
Segmentos y caras
A partir de la triangulación se obtiene un modelo de superficie que se puede visualizar mediante los
segmentos o mediante las caras triangulares de la triangulación.
Se ha creado una paleta de color especial para la batimetría como se ha visto en ejemplos anteriores y
otra para mostrar los diferenciales de la cota positivos en rojo y negativos en azul.
Iluminación
Se aplica iluminación con las funciones de OpenGL aunque previamente se tienen que calcular los
vectores normales de cada cara triangular de la triangulación. Anteriormente en el apartado de
interpolación se explica cómo obtener los vectores normales mediante la ecuación del plano. Con esta
herramienta de iluminación se da entender de una forma muy rápida la forma que tiene el fondo
marino en este caso.
Figura 49. Visualización de las caras de la triangulación con la iluminación activa de la dársena de San Bertrán. Imagen
disponible: captura de pantalla de la aplicación desarrollada.
Pendiente y Orientación
Es imprescindible conocer el vector normal de cada triangulo para poder realizar estas
representaciones. Para la clasificación de la pendiente se calcula para cada triangulo la pendiente y se
realiza una clasificación donde cada color representa un rango de pendientes. Para la clasificación de
orientación se calcula el azimut de cada triangulo y se realiza una clasificación donde cada color
representa una dirección.
(a) (b)
Figura 50. (a) Visualización por rango de pendientes (b) visualización por orientación. Imagen disponible: capturas de pantalla
de la aplicación desarrollada.
Fijar vista
Se ha realizado una herramienta que permite visualizar en planta es decir, observando el eje 𝒙 e 𝒚, en
alzado observando el eje 𝒛 o 𝒚, en perfil observando el eje 𝒛 y 𝒙.
(a) (b)
(c) (d)
Figura 51. Visualización desde distintos puntos de vista. (a) planta (b) órbita libre (c) alzado (d) perfil. Imagen disponible:
capturas de pantalla de la aplicación desarrollada.
17. Otras herramientas
Las siguientes herramientas están desarrolladas pero necesitan más dedicación para estar funcionando
al 100%. Se han probado con pequeños ejemplos y funcionan pero se necesitan realizar más pruebas
para que funcionen en todos los casos.
Delimitar
Se ha creado una función que delimite los triángulos con una distancia superior a un valor. Lo que se
consigue es identificar a esos triángulos con lados mayores para que no intervengan en los cálculos de
volumen o simplemente que no se dibujen. No se contempla la opción de eliminar triángulos porque
se estaría modificando la triangulación.
(a) (b)
Figura 52. Visualización de los segmentos de la triangulación de batimetría de la dársena de San Bertrán (a) segmentos sin
delimitar (b) Aplicando la función de delimitar segmentos. Imagen disponible: Captura de pantalla de la aplicación desarrollada.
Perfiles
Se ha creado una función que realice un dibujo de perfiles indicando la coordenada 𝒙 o 𝒚.

Herramienta que permite dibujar un perfil del eje 𝒚 fijando el valor de una coordenada 𝒙 y viceversa.
(b)
(a)
(c)
Figura 53. (a) Vista oblicua del perfil en el eje de las 𝒙 fijando coordenada 𝒚 (b) vista en planta (c) vista en alzado. Imagen
disponible: capturas de pantalla de la aplicación desarrollada.
Curvas de nivel
Es una herramienta muy útil en topografía. Se ha implantado en el programa aunque aún tiene ciertos
errores en según qué casos.
No es sencillo de programar al ser una superficie abierta con la envolvente convexa. Hay dos tipos de
curvas, las abiertas y las cerradas y hay que tratarlas de forma distinta en cada uno de los casos.
Se ha pensado el algoritmo como una lista de planos donde cada plano contiene una lista de curvas
(abiertas y cerradas), y cada curva está formada por una lista de puntos que la definen.
Lo primero es definir un cierto valor de cota. Se realiza una búsqueda en todos los triángulos de la
triangulación para encontrar los que cortan. Una vez identificado el triángulo que corta a esa cota se
calcula mediante la ecuación del vector director los dos puntos que están en dos de los tres
segmentos.
Después se llama a una función recursiva que lo que hace es ir buscando en los triángulos adyacentes
para ir introduciendo los puntos por orden en la lista de puntos que forma la curva.
Esta función continúa hasta que se repite el punto con lo que se detecta que es una curva cerrada o se
encuentra con la envolvente convexa lo que indica que es una curva abierta. A partir de aquí se ha de
programar pensando en todos los casos posibles.
También se incorpora una función para saber si el punto ya ha sido calculado previamente o si es un
punto nuevo.
(a) (b)
Figura 54. Representación de la curva de nivel en la cota 20.0 (a) vista en planta (b) vista en oblicuo
18. Conclusiones
El objetivo de este trabajo es programar una aplicación con interfaz gráfica para el procesado de datos
3D. La finalidad última es explorar el potencial de Computional Geometry Algorithms Library (CGAL)
en combinación con Open Graphic Library (OpenGL) y Microsoft Fundation Classes (MFC) para usos
relacionados con la topografía y la cartografía.
Para llevar a cabo este proyecto se han tenido que adquirir conocimientos nuevos y aprender el
funcionamiento de las librerías de programación, ya que cada una de ellas tiene funciones, estructuras
y sintaxis propias. El proceso de aprendizaje ha sido complicado en ciertos momentos pero se ha
solventado con constancia y dedicación.
La aplicación es capaz de procesar y analizar y representar gráficamente la información de una manera

óptima y eficiente. A partir de las estructuras de datos, la triangulación, los cálculos geométricos y
procesos de interpolación se desarrollan la mayoría de las herramientas topográficas.
La representación visual de los datos da un mejor entendimiento y aproximación a la realidad como,

por ejemplo, la introducción de la iluminación que da un aspecto más realista, la creación de paletas
de colores que indican de un vistazo la forma que tiene el terreno, la visualización de las pendientes,
la representación de la orientación y la opción de observar los modelos digitales del terreno desde
diferentes puntos de vista como el alzado, el perfil y la planta.
El usuario consigue la apreciación de la tercera dimensión cuando interactúa con la aplicación por
medio de los controles del teclado y el ratón gracias a las transformaciones geométricas de rotación,
translación y escalado.
Los algoritmos propios permiten la programación de herramientas útiles y eficientes para la

topografía mediante la explotación de los datos tridimensionales. Además se resuelven los diversos
problemas y errores que van apareciendo en el transcurso del proyecto.
Se han desarrollado las siguientes herramientas topográficas: triangulación, interpolación, creación de

estructura de datos regular, cálculo de volumen, análisis estadístico, cálculo de superficies y
exportación de los datos en diferentes formatos. Además se han desarrollado otras herramientas
como delimitación de triángulos y segmentos, creación de perfiles y cálculo de curvas de nivel.
19. Agradecimientos
Agradecer a familia, amigos y a todas las personas que han colaborado en este proyecto,
especialmente al tutor por su tiempo y dedicación.
20. Bibliografía
Libros
Comunity Developers. CGAL User and Reference Manual: All parts. ,2009
LI Z., Zhu Q., Gold C., Digital Terrain Modeling: Principles and Methodology. ,2005
Lipchak, B., Haemel, N., S. Wright, Jr., R. OpenGL SuperBible. Fourth Edition. ,2007
Prosise, J. Programming Windows with MFC. Second Edition. ,1999
Shreiner, D., Sellers, G., Kessenich, J., Licea-Kane, B. OpenGL Programming Guide. Eight Edition. ,2013
Sitio Web
CGAL, Computational Geometry Algorithms Library. [Consultada 2014/2015]. Disponible en:

http://www.cgal.org
Documentation online CGAL [Consultada 2014/2015]. Disponible en:

http://doc.cgal.org/latest/Manual/index.html
Forum Interface of CGAL. cgal-discuss [Consultada 2014/2015]. Disponible en:

http://cgal-discuss.949826.n4.nabble.com
Institut Cartogràfic i Geològic de Catalunya. [Consultada 2014/2015]. Disponible en:

http://www.icgc.cat
MSDN: Microsoft Developer Network. Documentation. [Consultada 2014/2015]. Disponible en:

https://msdn.microsoft.com/library
Stack Overflow: Question and answer site fir professional and enthusiast programmers.
[Consultada 2014/2015]. Disponible en: http://stackoverflow.com
21. Tabla de figuras
Figure 1. Visualization of surface defined by Gaussian equations. Image available:

http://www.math.utah.edu/lab/ms/matlab/matlab.html ..................................................................................... 8
Figure 2. Classification of closed and opened surfaces. Image available: http://en.wikipedia.org/wiki/Surface ... 8
Figure 3. Discontinuity finite scheme in a certain position (𝒙, 𝒚) containing two different values 𝒁𝟏 and 𝒁𝟐.
Image available: http://help.arcgis.com/es/arcgisdesktop/10.0/help/index.html#//00q80000002n000000 ....... 9
Figure 4. Difference between DTM and DMS (a) DTM (b) DMS. ........................................................................... 10
Figure 5. Different data structure of a DTM (a) raster data model (b) vector data with regular distribution (c)
vector data model with irregular distribution. Image available: Digital Terrain Modeling. .................................. 13
Figure 6 Delaunay triangulation of a set of 100 points 𝑻 randomly generated synthetically. Image available:
Screenshot of the application developed. .............................................................................................................. 18
Figure 7. a) Delaunay triangulation showing the circumscribed circles. (b) Voronoi diagram on Delaunay
triangulation. Image available: http://en.wikipedia.org/wiki/Delaunay_triangulation. ...................................... 18
Figura 8. Scheme of architecture and design of the developed application. ......................................................... 23
Figura 9. Ejes de coordenadas OpenGL (a) ejes de coordenadas donde el observador se encuentra en z+. (b) ejes
de coordenadas rectas (c) eje de coordenadas circulares. (d) ejes de coordenadas circulares y rectas. Imagen
disponible: captura de pantalla de la aplicación desarrollada. ............................................................................. 27
Figura 10. Espacios tridimensionales en OpenGL. (a) proyección perspectiva. (b) proyección ortográfica. Imagen
disponible en: http://www.labri.fr/perso/nrougier/teaching/opengl/ ................................................................. 27
Figura 11. Representación de un punto 𝒑𝒗. Imagen disponible: captura de pantalla de la aplicación
desarrollada........................................................................................................................................................... 28
Figura 12. (a) Representación del segmento formado por los vértices 𝒑𝒗 y 𝒑𝟎 (b) visualización del segmento 𝑺𝒗
mediante los tres vectores unitarios 𝒓, 𝒈 y 𝒃. Imagen disponible: capturas de pantalla de la aplicación
desarrollada........................................................................................................................................................... 29
Figura 13. (a) Representación de los vértices 𝒑𝒗, 𝒑𝟎 y 𝒑𝒓 (b) triángulo 𝑻𝒗 (c) triángulo 𝑻𝒗 aplicando una
rotación. Imagen disponible: capturas de pantalla de la aplicación desarrollada. ............................................... 30
Figura 14. Transformaciones geométricas (a) rotación (b) translación (c) escalado. Imagen disponible: OpenGL
Superbiblie. ............................................................................................................................................................ 31
Figura 15. (a) Conjunto de puntos aleatorios 𝑷 (b) envolvente convexa del conjunto 𝑷. Imagen disponible:
captura de pantalla de la aplicación desarrollada. ............................................................................................... 34
Figura 16. Representación de la estructura de datos de triangulación 2D de CGAL de un simplicial complex 2D.
Imagen disponible: http://doc.cgal.org/latest/TDS_2/index.html ........................................................................ 35
Figura 17. Representación de la estructura de datos de triangulación 3D de CGAL de un simplicial complex 3D.
Imagen disponible: http://doc.cgal.org/latest/TDS_3/index.html ........................................................................ 36
http://doc.cgal.org/latest/TDS_3/index.html ....................................................................................................... 37
Figura 21. Datos sintéticos tridimensionales creados mediante algoritmos propios (a) esfera de 10.000 puntos
(b) elipsoide de 20.000 puntos (c) ortoedro de 10.000 puntos. Imagen disponible: capturas de pantalla de la
aplicación desarrollada. ........................................................................................................................................ 40
Figura 22. Problema con la función 𝒈𝒍𝑶𝒓𝒕𝒉𝒐 estática. La misma zona de la pantalla no dibuja la totalidad del
objeto (a) esfera de radio uno (b) esfera de radio diez. Imagen disponible: capturas de pantalla de la aplicación
desarrollada........................................................................................................................................................... 41
Figura 23. Visualización del bounding box de la nube de puntos de un conejo. (Nube de puntos con
aproximadamente 360.000 puntos de Stanford University. Disponible en:
https://graphics.stanford.edu/data/3Dscanrep/) Imagen disponible: captura de pantalla de la aplicación
desarrollada........................................................................................................................................................... 42
Figura 24. (a) Ejemplo del problema de la nube de puntos sin centrar (b) nube de puntos centrada
correctamente. Nube de puntos con aproximadamente 5000 puntos. Imagen disponible: capturas de pantalla
de la aplicación desarrollada. ................................................................................................................................ 43
Figura 25. Representación de los diferentes tipos de triangulación 2D, 2.5D y 3D (a) conjunto de 100 puntos 𝑻
(b) triangulación 2D de 𝑻 (c) triangulación 2.5D de 𝑻 (d) triangulación 3D de 𝑻. Imagen disponible: capturas de
pantalla de la aplicación desarrollada. ................................................................................................................. 44
Figura 26. Visualización de mallas regulares con distinto paso de malla (a) conjunto de 1000 puntos 𝑴 (b)
creación malla regular con 441 puntos, 21 filas, 21columnas con un paso de malla de 5.0 (c) creación malla
regular con 1681 puntos, 41 filas, 41columnas con un paso de malla de 2.5 (d) creación malla regular con
10201 puntos, 101 filas, 101 columnas con un paso de malla de 1.0 Imagen disponible: capturas de pantalla de
la aplicación desarrollada...................................................................................................................................... 46
Figura 27. Proceso de interpolación de un punto 𝑷𝑰 mediante la ecuación vectorial del plano sobre el triángulo
(a) triángulo formado por los puntos 𝑷𝑨 , 𝑷𝑩 , 𝑷𝑪 y punto 𝑷𝑰 (b) interpolación del punto 𝑷𝑰 en el plano dando
lugar a 𝑷𝑰′ (c) punto interpolado 𝑷𝑰′ situado en el plano del triángulo (d) vista lateral. Imagen disponible:
capturas de pantalla de la aplicación desarrollada. .............................................................................................. 48
Figura 28. Ejemplo visual del proceso de interpolación (a) triangulación 𝑻𝑴 conjunto de 1000 puntos M con la
malla regular de un paso de 5.0 (b) los puntos verdes están dentro del ámbito de la triangulación mientras que
los rojos quedan fuera (c) visualización del proceso de interpolación que se encarga de dar la cota z a cada
punto de la malla regular (d) malla regular sin interpolar (e) malla regular interpolada. Imagen disponible:
Figura 29. (a) Primer archivo DTM_a (b) Segundo archivo DTM_b ....................................................................... 51
Figura 30. (a) Segmentos de la triangulación (𝑻𝒂) (b) segmentos de la triangulación (𝑻𝒃)............................... 51
Figura 31. (a) Malla regular diferencial 𝑴𝒄 (b) segmentos de la triangulación (𝑻𝑴𝒄) ....................................... 52
Figura 32. Visualización de las caras de la triangulación (𝑻𝑴𝒄) del DTM diferencial. ......................................... 52
Figura 33. Representación del cálculo del área de una función (a) cálculo del área de la función 𝑪𝒇 de 0 a 3 con
rectángulo de 0.5 (b) cálculo del área de la función 𝑪𝒇 de 0 a 3 con rectángulo de 0.3. Imagen disponible:
enciclopedia.us.es/index.php/Integral_y_función_primitiva ................................................................................ 53
Figura 34. Cálculo de la superficie de la prueba caso divino. ................................................................................ 54
Figura 35. Archivo de montañas gaussianas creadas sintéticamente 𝑮 (a) visualización del archivo 𝑮 (b)
visualización del archivo 𝑮 con un pequeño giro para poder apreciar el relieve del terreno. .............................. 56
Figura 36. (a) Datos de la triangulación del primer muestreo (b) Datos de la triangulación del segundo muestreo
............................................................................................................................................................................... 57
Figura 37. Creación de la estructura de datos regular .......................................................................................... 57
Figura 38. Triangulación de la estructura de datos regular. ................................................................................. 57
Figura 39. Análisis estadístico de los valores de la cota de la diferencia de modelos ........................................... 57
Figura 40. Calculo de volumen de dos muestreos distintos de la misma superficie .............................................. 58
Figura 41. Comparación del cálculo de volumen(a) 𝝈 = 𝟎. 𝟏 (b) 𝝈 = 𝟎. 𝟓 .......................................................... 59
Figura 42. Comparación del análisis estadístico (a) 𝝈 = 𝟎. 𝟏 (b) 𝝈 = 𝟎. 𝟓 ......................................................... 59
Figura 43. Visualización de las caras de la triangulación en los distintos casos de la misma zona (a) caso divino
(b) caso humano con 𝝈 = 𝟎. 𝟏 (c) caso humano con 𝝈 = 𝟎. 𝟓 ............................................................................. 60
Figura 44. Cálculo de volumen del caso teórico. ................................................................................................... 61
Figura 45. Visualización de los dos paisajes superpuestos. ................................................................................... 61
Figura 46. Visualización de la diferencia de cotas entre los dos paisajes (a) planta (b) perfil .............................. 62
Figura 47. Visualización de los puntos mediante la paleta de color de la dársena de San Bertrán del puerto de
Barcelona (a) 2009 (b) 2012. Imagen disponible: Imagen disponible: capturas de pantalla de la aplicación
desarrollada........................................................................................................................................................... 63
Figura 48. Diferencia de ambas batimetrías y muestra del problema de los límites de la batimetría. ................. 63
Figura 49. Visualización de las caras de la triangulación con la iluminación activa de la dársena de San Bertrán.
Imagen disponible: captura de pantalla de la aplicación desarrollada. ................................................................ 64
Figura 50. (a) Visualización por rango de pendientes (b) visualización por orientación. Imagen disponible:
Figura 51. Visualización desde distintos puntos de vista. (a) planta (b) órbita libre (c) alzado (d) perfil. Imagen
disponible: capturas de pantalla de la aplicación desarrollada. ........................................................................... 66
Figura 52. Visualización de los segmentos de la triangulación de batimetría de la dársena de San Bertrán (a)
segmentos sin delimitar (b) Aplicando la función de delimitar segmentos. Imagen disponible: Captura de
pantalla de la aplicación desarrollada. ................................................................................................................. 66
Figura 53. (a) Vista oblicua del perfil en el eje de las 𝒙 fijando coordenada 𝒚 (b) vista en planta (c) vista en
alzado. Imagen disponible: capturas de pantalla de la aplicación desarrollada. .................................................. 67
Figura 54. Representación de la curva de nivel en la cota 20.0 (a) vista en planta (b) vista en oblicuo ............... 68

Datos 3D PDF

Cargado por

Copyright:

Formatos disponibles

Datos 3D PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Datos 3D PDF

Cargado por

Copyright:

Formatos disponibles

GRADO EN INGENIERÍA EN GEOMÁTICA Y TOPOGRAFÍA

PROYECTO FINAL DE GRADO

UNA APLICACIÓN PARA EL PROCESADO DE DATOS 3D

Proyectista: Cristian García Díaz

Director: Albert Prades Valls

Convocatoria: Abril / Mayo 2015

Se han desarrollado las siguientes herramientas topográficas: triangulación, interpolación, creación de

3.2 Difference between 2,5D and 3D surfaces ...................................................................................................... 9

3.3 Representation of surfaces in cartography ..................................................................................................... 9

4. Digital terrain model ........................................................................................................................................................10

4.1 Definition and terminology ................................................................................................................................10

4.4 Structure .....................................................................................................................................................................11

4.6 DTM classification ...................................................................................................................................................12

4.7 Data capture methods ..........................................................................................................................................13

4.8 DTM applications ....................................................................................................................................................14

4.9 Quality of DTM .........................................................................................................................................................14

5.2 Topographic profile ...............................................................................................................................................15

Volume computation ............................................................................................................................................................15

6.1 Delaunay conditions ..............................................................................................................................................17

6.2 Voronoi diagram .....................................................................................................................................................18

6.3 N-dimensional Delaunay triangulation ..........................................................................................................19

7.1 Interpolation by triangulation ...........................................................................................................................20

PRACTICE PART 1 ........................................................................................................................................................................21

8. Application requirements ..............................................................................................................................................21

9. Microsoft Visual Studio ...................................................................................................................................................21

10. Design and architecture implementation ..........................................................................................................22

10.1 MFC ...............................................................................................................................................................................23

10.2 OpenGL .......................................................................................................................................................................23

11. Linking programming libraries ...............................................................................................................................25

12.1 Creación proyecto MFC ........................................................................................................................................26

12.3 Implementación de CGAL ....................................................................................................................................33

DESARROLLO DE HERRAMIENTAS PARA EL ÁMBITO TOPOGRÁFICO ...................................................................39

13. Implementación de algoritmos propios .............................................................................................................39

13.1 Creación de datos sintéticos 3D .......................................................................................................................39

13.3 Triangulación 2D, 2.5D y 3D ...............................................................................................................................44

13.5 Interpolación de la triangulación en la malla regular ..............................................................................47

13.6 Diferencia de modelos ..........................................................................................................................................50

17. Otras herramientas ......................................................................................................................................................66

19. Agradecimientos ..........................................................................................................................................................70

21. Tabla de figuras ............................................................................................................................................................71

API Application Programming Interface.

CGAL Computational Geometry Algorithms Library.

DEM Digital Elevation Model.

DTM Digital Terrain Model.

DSM Digital Surface Model.

GIS Geographic Information System.

IDE Integrated Develoment Enviroment.

GNSS Global Navigation Satellite System.

GUI Graphic User Interface.

GIS Geographic Information System.

MDI Multiple Document Interface.

MFC Microsoft Fundation Classes.

MSVC Microsoft Visual Studio.

OOP Object-Oriented Programming

OpenGL Open Graphic Library.

LiDAR Light Detection and Ranging.

RGB Red Green Blue.

RGBA Red Green Blue Alpha intensity.

STL Standard Template Library.