Tratando fluctuaciones de cámaras IR en mapas térmicos de edificios

Autores/as

  • Eduardo Adán Dpto. de Ingeniería E. E. Automática y Comunicaciones, Universidad de Castilla La Mancha. Paseo de la Universidad 4,13071, Ciudad Real, España.
  • Javier Campos Dpto. de Ingeniería E. E. Automática y Comunicaciones, Universidad de Castilla La Mancha. Paseo de la Universidad 4,13071, Ciudad Real, España
  • Adolfo Sánchez Dpto. de Ingeniería E. E. Automática y Comunicaciones, Universidad de Castilla La Mancha. Paseo de la Universidad 4,13071, Ciudad Real, España.
  • Antonio Adan Oliver Dpto. de Ingeniería E. E. Automática y Comunicaciones, Universidad de Castilla La Mancha. Paseo de la Universidad 4,13071, Ciudad Real, España.

DOI:

https://doi.org/10.17979/ja-cea.2025.46.12061

Palabras clave:

Percepción y sensores, Navegación robótica, Programación y visión, Integración de sensores y percepción

Resumen

La temperatura proporcionada por las cámaras de infrarrojo sólo es una temperatura aparente que debería ser corregida de múltiples factores, entre otros, la radiación reflejada o la emisividad del material captado. Sin embargo, la mayor fuente de error procede de la propia precisión (o repetitividad) de la cámara. Este factor habitualmente situado entre el 2% y 5% del valor medido hace que sea el mayor factor de error en el proceso de medida. Aunque ya existen algunas soluciones de carácter estadístico para corregir este error, estas son de muy alto costo computacional y temporal. En este artículo se propone una metodología que reduce significativamente este error residente y aleatorio de las cámaras térmicas, lo que repercute directamente en la calidad y coherencia de los mapas térmicos formados por múltiples imágenes térmicas. Este método ha sido experimentado con éxito en una plataforma digitalizadora térmica compuesta por un LIDAR 3D de larga distancia y dos cámaras infrarrojas.

Referencias

Adán, A., Pérez, V., Ramón, A., and Castilla F. J. Correction of Temperature from Infrared Cameras for More Precise As-Is 3D Thermal Models of Buildings. Applied Sciences (Switzerland), vol. 13, no. 11, p. 6779, 2023. https://doi.org/10.3390/app13116779.

Adán, A., López-Rey, A. and Ramón, A.. Robot for thermal monitoring of buildings. Automation in Construction, vol. 154, p. 105009, oct 2023. https://doi.org/10.1016/j.autcon.2023.105009.

Daakir, M.; Zhou, Y.; Pierrot Deseilligny, M.; Thom, C.; Martin, O.; Rupnik, E. Improvement of photogrammetric accuracy by modeling and correcting the thermal effect on camera calibration. ISPRS J. Photogramm. Remote Sens. 2019, 148, 142–155. https://doi.org/10.1016/j.isprsjprs.2018.12.012.

Lin, D.; Maas, H.G.; Westfeld, P.; Budzier, H.; Gerlach, G. An advanced radiometric calibration approach for uncooled thermal cameras. Photogramm. Rec. 2018, 33, 30–48. https://doi.org/10.1111/phor.12216.

Lin, D.; Jarzabek-Rychard, M.; Tong, X.; Maas, H.G. Fusion of thermal imagery with point clouds for building façade thermal attribute mapping. ISPRS J. Photogramm. Remote Sens. 2019, 151, 162–175. https://doi.org/10.1016/j.isprsjprs.2019.03.010.

Malmivirta, T.; Hamberg, J.; Lagerspetz, E.; Li, X.; Peltonen, E.; Flores, H.; Nurmi, P. Hot or not? robust and accurate continuous thermal imaging on FLIR cameras. In Proceedings of the 2019 IEEE International Conference on Pervasive Computing and Communications, PerCom 2019, Kyoto, Japan, 11–15 March 2019; Institute of Electrical and Electronics Engineers Inc.: Piscataway, NJ, USA, 2019.

Amanda Ramón, Antonio Adán, Francisco Javier Castilla, Thermal point clouds of buildings: A review, Energy and Buildings, Volume 274, 2022, 112425, ISSN 0378-7788, https://doi.org/10.1016/j.enbuild.2022.112425.

Xing, L.; Dai, W.; Zhang, Y. Improving displacement measurement accuracy by compensating for camera motion and thermal effect on camera sensor. Mech. Syst. Signal Process. 2022, 167, 108525. https://doi.org/10.1016/j.ymssp.2021.108525.

Teledyne Flir. https://www.flir.es/discover/rd-science/infrared-camera-accuracy-and-uncertainty-in-plain-language/. Consultada 12/04/2024.

Wan, Q.; Brede, B.; Smigaj, M.; Kooistra, L. Factors influencing temperature measurements from miniaturized thermal infrared (Tir) cameras: A laboratory-based approach. Sensors 2021, 21, 8466. https://doi.org/10.3390/s21248466.

Zhou, H.F.; Li, Z.Y.; Lu, L.J.; Ni, Y.Q. Mitigating thermal-induced image drift for videogrammetric technique in support of structural monitoring applications. Struct. Control Health Monit. 2021, 29, e2869. https://doi.org/10.1002/stc.2869.

Descargas

Publicado

01-09-2025

Número

Sección

Visión por Computador