Aplicación de Tecnología Lidar para Caracterización de Macizos Rocosos Pre-Tronadura AUTOR: Kemeny John, University of Arizona, Tucson, Arizona, USA COAUTOR: Rodríguez S. Cristian, Fuentealba T. Rodrigo, Split Engineering Chile, Santiago, Chile RESUMEN : Hemos estado investigando el uso de la Tecnología Lidar para la caracterización de macizo rocoso Pre-tronadura. La Tecnología Lidar (Laser Imaging Detection and Ranging) consiste de un instrumento compacto que lanza pulsos láser rápidamente y calcula la posición tridimensional de los objetos reflejados. Un escáner típico tarda entre 10-15 minutos y el resultado es una nube de puntos de 1 – 1.5 millones de puntos. El escáner tiene un rango de alcance de más de 1 km y una precisión de ± 3-10 mm. Junto con las mediciones láser, se toma una imagen digital de alta resolución del mismo escenario. El procesamiento de la nube de puntos consiste de a) seleccionar una región de interés en la nube de puntos b) mallado de la superficie, c) encontrar superficies de fractura, d) plotear la información de la orientación de la fractura en red estereográfica, y e) extraer la información estadística de la orientación de la fractura. El procesamiento de la imagen digital consiste de a) selección de la región de interés, b) delineamiento de trazas de fractur a en la imagen, c) extracción de información estadística de la orientación, espaciamiento, largo, rugosidad y otros parámetros de la traza. La información de la nube de puntos y la información de la imagen digital, puede ser combinada y utilizada en un sin numero de formas para la optimización de tronaduras y estabilidad de taludes. La investigación que ha sido desarrollada incluye estudios de casos en terreno, el desarrollo de un software computacional, y comparaciones entre la información generada por la Tecnología Lidar y los métodos tradicionales. PALABRAS CLAVE: Tecnología LIDAR, nube de puntos, mallado de la superficie. 1 INTRODUCCION La mecánica de rocas incluye el diseño y mantenimiento de túneles, taludes, puentes y cimientos de represas, minas subterráneas y a rajo abierto, y otros tipos de excavaciones de rocas. La base del diseño de estas estructuras es desarrollar con un cuidado especial la caracterización del macizo rocoso, antes de llevar a cabo cualquier excavación. Los resultados de la caracterización del macizo rocoso serán usados en el diseño de tronaduras y excavación, determinación de los requerimientos de soporte, análisis de costos, modelamiento numérico, y muchos otros aspectos de los procesos de diseño. Como mínimo, la caracterización del macizo rocoso generalmente involucra muestreo de las perforaciones, ensayos de laboratorio, y mapeo y colección de datos en terreno. Debido a los problemas de acceso, conceptos de seguridad, y temas de tiempo y costos, hay muchas incertidumbres y riesgos asociados con el mapeo y colección de datos en terreno en proyectos de caracterización de macizo rocoso.
Transcript
Aplicación de Tecnología Lidar para Caracterización de Macizos Rocosos Pre-Tronadura
AUTOR: Kemeny John, University of Arizona, Tucson, Arizona, USA COAUTOR: Rodríguez S. Cristian, Fuentealba T. Rodrigo, Split Engineering Chile, Santiago, Chile
RESUMEN: Hemos estado investigando el uso de la Tecnología Lidar para la caracterización de macizo rocoso Pre-tronadura. La Tecnología Lidar (Laser Imaging Detection and Ranging) consiste de un instrumento compacto que lanza pulsos láser rápidamente y calcula la posición tridimensional de los objetos reflejados . Un escáner típico tarda entre 10-15 minutos y el resultado es una nube de puntos de 1 – 1.5 millones de puntos. El escáner tiene un rango de alcance de más de 1 km y una precisión de ± 3-10 mm. Junto con las mediciones láser, se toma una imagen digital de alta resolución del mismo escenario. El procesamiento de la nube de puntos consiste de a) seleccionar una región de interés en la nube de puntos b) mallado de la superficie, c) encontrar superficies de fractura, d) plotear la información de la orientación de la fractura en red estereográfica, y e) extraer la información estadística de la orientación de la fractura. El procesamiento de la imagen digital consiste de a) selección de la región de interés, b) delineamiento de trazas de fractur a en la imagen, c) extracción de información estadística de la orientación, espaciamiento, largo, rugosidad y otros parámetros de la traza. La información de la nube de puntos y la información de la imagen digital, puede ser combinada y utilizada en un sin numero de formas para la optimización de tronaduras y estabilidad de taludes. La investigación que ha sido desarrollada incluye estudios de casos en terreno, el desarrollo de un software computacional, y comparaciones entre la información generada por la Tecnología Lidar y los métodos tradicionales.
PALABRAS CLAVE: Tecnología LIDAR, nube de puntos, mallado de la superficie.
1 INTRODUCCION
La mecánica de rocas incluye el diseño y mantenimiento de túneles, taludes, puentes y
cimientos de represas, minas subterráneas y a rajo abierto, y otros tipos de excavaciones de
rocas. La base del diseño de estas estructuras es desarrollar con un cuidado especial la
caracterización del macizo rocoso, antes de llevar a cabo cualquier excavación. Los
resultados de la caracterización del macizo rocoso serán usados en el diseño de tronaduras
y excavación, determinación de los requerimientos de soporte, análisis de costos,
modelamiento numérico, y muchos otros aspectos de los procesos de diseño. Como mínimo,
la caracterización del macizo rocoso generalmente involucra muestreo de las perforaciones,
ensayos de laboratorio, y mapeo y colección de datos en terreno. Debido a los problemas
de acceso, conceptos de seguridad, y temas de tiempo y costos, hay muchas
incertidumbres y riesgos asociados con el mapeo y colección de datos en terreno en
proyectos de caracterización de macizo rocoso.
Nuevas tecnologías geotécnicas/análisis están aumentando su importancia para la
caracterización de macizo rocoso en terreno. Estas tecnologías incluyen GPS, métodos
digitales para análisis en terreno y colección de datos, el uso de cámaras digitales de video,
y la utilización de GIS y software asociados para procesamiento de datos y visualización.
Las Imágenes en tres dimensiones obtenidas en terreno son una nueva y emergente
tecnología para la caracterización de macizo rocoso. Aquí definimos las imágenes en tres
dimensiones a incluir en los análisis de la Tecnología Lidar (también llamados escáner láser
3D), cámaras digitales de alta resolución, y un software para procesamiento, interpretación y
visualización de datos. Los escáneres láser trabajan recolectando un arreglo de altas
resoluciones basadas en mediciones de posición. Los escáneres láser son capaces de
colectar datos a tasas de 20.000 puntos por segundo, con una precisión en la posición de
menos de 5 mm a distancias superiores de 800 metros. Los resultados de un análisis de
escáner láser es una “nube de puntos”, la cual consiste de millones de puntos de reflexión
que representan la superficie 3D que fue escaneada. Luego de alguna limpieza de los datos,
se puede generar una superficie triangular a partir de los datos de la nube de puntos, y
subsecuentemente se pueden hacer muchos cálculos y visualizaciones usando la superficie
3D. Las técnicas descritas arriba están siendo utilizadas en aplicaciones de ingeniería,
incluyendo diseño arquitectónico y civil, modelamiento, reconstrucción de escenarios,
evaluación de estados y daños, etc. Un ejemplo de una nube de puntos de la cara de una
roca es mostrado en la Figura 1 (tomada a lo largo de una autopista en el sur de Ouray,
Colorado). Esta nube de puntos tiene alrededor de 1.5 millones de puntos y fue obtenida en
15 minutos por el escáner.
Figura 1. Nube de puntos tomada a lo largo de una autopista en el sur de Ouray, Colorado
2 SOFTWARE DE PROCESAMIENTO AUTOMATIZADO DE NUBE DE PUNTOS
Esta sección describe el uso de un software automatizado para la extracción de la
información de la caracterización de macizo rocoso Pre-tronadura. El software de
procesamiento de nubes de puntos es capaz de extraer automáticamente información
valiosa de discontinuidades, incluyendo orientación 3D, espaciamiento, tamaño, rugosidad y
tamaño de bloque. El software de procesamiento de nube de puntos puede utilizar
información a partir de imágenes digitales, así como de las nubes de puntos, y plotear la
información en redes estereográficas e histogramas para finalmente exportar estos datos en
varios formatos. Nosotros mostramos ejemplos específicos del software Split-FX que está
siendo actualmente desarrollado por Split Engineering LLC. Sin embargo, características
similares pueden ser encontradas en otros programas de procesamiento de nube de puntos.
Algunas características claves del software automatizado de procesamiento de imágenes
son descritas abajo.
2.1 Registro de nube de puntos
El primer paso en el procesamiento de nube de puntos es orientar la nube de puntos en un
sistema de coordenadas reales basadas en los datos que fueron tomados en el terreno. El
software de nube de puntos generalmente incluye varios métodos para le registro de nube de
puntos. El método más común es registrar la nube de puntos basándose en tres referencias
de posición conocida (método de registro de tres puntos). Sin embargo, para algunas
aplicaciones (tales como la estabilidad de talud), solo el registro de la orientación es
requerido. En estas instancias, son posibles métodos más simples. Tales como solo medir
la orientación del escáner (orientado por el método de escáner) sin ningún análisis de
posición.
2.2. Generación malla triangulada
El segundo paso en el procesamiento de la nube de puntos es crear una malla de superficie
a partir de los datos de la nube de punto. En el proceso de creación de una malla de
superficie, datos de puntos erróneos en la nube de puntos pueden ser filtrados. La Figura 2
muestra una malla triangulada correspondiente a una parte de la nube de puntos mostrada
en la Figura 1.
Figura 2. Malla triangulada de una superficie de la nube de puntos mostrada en la Figura 1
2.3 Encontrar Parches
El paso de procesamiento más importante es la delineación de los parches de fractura
desde la superficie de la malla triangulada. El término parche es usado sustituyendo el
termino fractura, dado que una fractura larga puede ser delineada a partir de varios parches
pequeños, dependiendo de lo plano y rugoso de la fractura. Las fracturas son detectadas
usando la propiedad básica de que ellas son planas. Las superficies planas son
automáticamente encontradas en la malla triangulada mediante el calculo de la normal de
cada triangulo, y luego encontrando grupos de triángulos adyacentes que satisfagan el
criterio de que ellas son planas. Este criterio tiene parámetros que pueden ser ajustados por
el usuario. La Figura 3 muestra los parches que fueron encontrados en la nube de puntos
mostrada en la Figura 1, usando el criterio que debe tener al menos 5 triángulos, y los
triángulos vecinos al parche no debe desviar su orientación en mas de 10 grados. Los
parches son contorneados en amarillo y las zonas donde se no se encontraron parches en
rojo. En términos generales este simple criterio genera una buena delineación de la fractura
mayor en el sitio. Los parches pueden ser también manualmente agregados, borrados y
editados.
Figura 3. Delineación automática de los parches de fractura desde una malla triangulada
2.4 Ploteo en Redes Estereográficas
Una vez que los parches han sido encontrados, sus orientaciones promedio pueden ser
ploteadas en una Red Estereográfica. Cada parche plotea un punto en la red estereográfica.
Sin embargo el tamaño del punto puede ser ajustado en base a parámetros tales como el
área del parche o su rugosidad. En diversos estudios se ha encontrado que los grandes
parches no son una buena indicación de fracturas y de conjuntos de fracturas importantes.
Por otro lado, pequeños parches, pueden no ser realmente una fractura. Por lo tanto es útil el
ponderar los puntos por área, y plotear las fracturas más pequeñas como un solo punto. La
Figura 4 es un ploteo de parches de la Figura 3. En la Figura 4a los puntos no han sido
ponderados por el área del parche. La Figura 4b muestra los mismos puntos ponderados por
el área del parche. La Figura 4b es mucho mas útil en la identificación de conjuntos de
fractura.
Figura 4. Ploteo en la Red Estereográfica de los parches mostrados en la Figure 3. a) Puntos no ponderados (cada ploteo representa un parche), y b) Puntos ponderado por el área del parche
Una característica particularmente útil del software de procesamiento de nube de puntos es
la interacción que permite entre la nube de puntos y la red estereográfica. Delinear un
conjunto de estructuras a partir de los datos de la red estereográfica es difícil y requiere de
un gran expertise profesional. Normalmente los datos son tomados en terreno y la
delineación de los conjuntos de estructuras es completada posteriormente en otro lugar. Por
lo tanto, cualquier dificultad con la interpretación de los datos no puede ser resuelta sin
trabajo en terreno adicional. Con acceso a la nube de puntos, sin embargo, el análisis
adicional puede ser llevado a cabo fuera del sitio. Por ejemplo, un grupo de parches puede
ser seleccionado en la red estereográfica y luego visualizado en la nube de puntos, como lo
muestran las figuras 5a y 5b. Esto permite al usuario regresar a la red estereográfica y
determinar con un gran nivel de precisión la delineación de importantes fracturas y conjuntos
de fracturas. La Figura 6 muestra los 5 conjuntos de estructuras que fueron encontrados de
esta manera en la nube de puntos de la Figura 1. La Figura 6 muestra también la información
estadística que es calculada para cada conjunto de estructuras. El tiempo total gastado para
producir estos resultados, comenzado desde el archivo de nube de puntos en bruto, fue
alrededor de 1 o 2 horas.
Figura 5. Selección de un grupo de fracturas en la Red Estereográfica, seguido por una investigación de estas fracturas en la nube de puntos
El número de puntos láser que impacten en la superficie de una fractura dependerá de
muchos factores, incluyendo la resolución del láser, el tamaño de la fractura, la distancia a la
fractura y la orientación de la fractura relativa a la orientación del escáner. Las fracturas que
sean sub-paralelas a la dirección del escáner pueden tener una baja representatividad en la
red estereográfica, ya que solo unos pocos puntos del láser impactarán en aquellas
superficies. Sin embargo, una cuidadosa evaluación de la nube de puntos y de la red
estereográfica, pueden revelar aquellas áreas de baja representatividad en la red
estereográfica, para si poder agregar parches que no fueron representados usando las
herramientas de edición manual en el software de procesamiento de nube de puntos. El
escáner solo puede detectar superficies en la línea de visibilidad del escáner, y la porción de
la superficie que no esta en la línea de visibilidad del escáner es referida como una “zona de
sombras” del escáner. En algunas circunstancias, un conjunto de estructuras puede estar en
la zona de sombras, y en estos casos varios escaneos deben ser tomados a diferentes
ángulos de la cara con el fin de representar adecuadamente las condiciones estructurales en
el sitio (ver Donovan et al., 2005b).
Figura 6. Delineación de un conjunto de estructuras e información estadística de cada una de ellas
2.5 Procesamiento de Imágenes Digitales
Las discontinuidades aparecen de dos formas en las rocas, como trazas de fracturas en dos
dimensiones y como superficies de fracturas de tres dimensiones. La tecnología LIDAR hace
un excelente trabajo de captura de superficies de fractura, y como se demostró
anteriormente, ésta tecnología junto con el procesamiento de nubes de puntos puede ser
usada para extraer información fidedigna de la orientación de las fracturas. Sin embargo,
utilizando solo la tecnología LIDAR, no necesariamente entregará información fidedigna de
otras informaciones usadas en la caracterización del macizo rocoso, incluyendo el
espaciamiento de la fractura, tamaño de la fractura, y tamaño de bloque. Esto es porque las
fracturas pueden aparecer como trazas de fracturas y no tener una expresión de superficie
que pueda ser capturada por dicha tecnología. Este es el caso en la imagen digital mostrada
en la Figura 7, tomada de una cantera de caliza en Bélgica. El espaciamiento de las fracturas
presentes en la caliza pueden ser fácilmente vistas en la imagen, pero las superficies
grandes que serán capturadas por LIDAR no reflejarán este espaciamiento. De manera
similar, los tamaños de la superficie de las fracturas que serian capturados por LIDAR no son
representativos de la gran extensión vista en la imagen digital.
Figura 7. Cantera de caliza en Bé lgica
El primer paso es delinear las trazas de fractura en la imagen digital. Esto puede ser hecho
automáticamente o usando las herramientas de edición manual del programa. La Figura 8
muestra la delineación automática de las trazas de fractura usando un algoritmo de
detección de bordes (automáticamente extrae las trazas en rojo). A partir de la información
de las trazas de fractura se puede calcular los histogramas de orientación de las trazas,
largo, espaciamiento y rugosidad, y se pueden plotear histogramas con esta información.
Figura 8. Delineación automática de trazas de fracturas en una imagen digital. Esta imagen fue tomada en una zona adyacente al lugar donde a nube de puntos de la Figura 1 fue obtenida
La información de la nube de puntos y de la imagen digital puede ser combinada de varias
formas. Por ejemplo, las trazas que han sido vistas en la Figura 8, puede ser comparada con
las trazas proyectadas a partir de las fracturas 3D encontradas en la nube de puntos. La
Figura 9 muestra un simple ejemplo de esto, en donde un histograma de las orientaciones
de las trazas del afloramiento mostrado en la Figura 8 es comparado con las proyecciones
de los 5 conjuntos de fracturas encontradas en la nube de puntos mostrados en la Figura 6.
Esta figura indica que las trazas que poseen ángulos cercanos a los 45 grados son de los
conjuntos de fracturas 2 y 4, y los ángulos de traza de 135 grados son debidos a los otros
tres conjuntos de fracturas. La información combinada entre la imagen y la nube de puntos
también puede ser usada para identificar los posibles conjuntos omitidos en la nube de
puntos, y proporcionar un medio para combinar la información generada por la imagen y la
nube de puntos.
Figura 9. Comparación de las orient aciones de las trazas mostradas en la Figura 8 con la proyección de los 5 sets de fracturas encontradas en la nube de puntos mostrada en la Figura 6
2.6 Fuentes de Error
Un importante aspecto del uso de los escáner láser 3D para la caracterización del macizo
rocoso es el entendimiento de los errores asociados con a) los instrumentos, b) los
procedimientos para el escaneo en terreno, y c) el procesamiento de las nubes de puntos
resultantes. Primero que todo, hay un significativo rango de precisiones asociados con
diferentes escáner láser 3D. Una revisión de los más importantes escáner láser 3D es dada
por Poboline (2005). En términos de precisión de escaneo, hay tres parámetros importantes:
distancia, posición y diámetro del haz de luz. Todos estos parámetros varían con la
distancia, por lo tanto ellos están generalmente declarados para una distancia dada o se da
una formula para su variación con la distancia. A una distancia de 50 metros, la distancia
declarada y la precisión de posición varían desde 4 a sobre 10 mm (±) entre los escáner
revisados. A una distancia de 30 metros, el rango de diámetros del haz de luz va desde 3
mm a sobre 30 mm. Otra diferencia importante entre escáner es el rango máximo. El rango
máximo varía desde 2 a 2000 metros entre escáner. El rango máximo real para un escáner
en particular depende de la reflexividad del material a ser escaneado. En general la mayoría
de las caras de rocas pueden ser escaneadas a distancias por sobre la mitad del rango
máximo. Un parámetro que puede ser modificado por el usuario es la resolución del escáner,
la cual es la distancia o ángulo entre cada rayo láser. El mínimo incremento varia de 0.001
a 0.07 grados, entre los escáner revisados.
Para la extracción de la información de la fractura desde la nube de puntos, una medición
clave de precisión es el error en la estimación del rumbo y el dip de la fractura (dip y dip
direction). Para un escaneo típico de la cara de una roca, a menudo sobre 1000 puntos láser
intercectarán grandes superficies de fractura, mientras que al menos unos 50 puntos
podrían intersectar superficies pequeñas. Es importante entender como el número de puntos
láser que intersectan la superficie de una fractura y el error del láser, impactan en la
precisión de la estimac ión del rumbo y el dip del plano. Para este caso, un modelo
computacional de Monte-Carlo ha sido desarrollado para determinar el error en el calculo del
rumbo del dip, basado en un escáner láser con una precisión de distancia y posición dadas,
y un plano de fractura con un tamaño dado y distancia del escáner dado. Este modelo es
descrito en Kemeny et al. (2003). En general los resultados son muy prometedores e
indican que los errores en el rumbo y dip son menores que 0.5 grados deberían ser
obtenidos con fracturas que contengan 20 intersecciones láser y usando cualquiera de los
escáner láser disponibles en la actualidad. Se debería notar que el modelo no considera
algunas importantes posibles fuentes de error, incluyendo los causados por efecto
atmosférico y de temperatura. Tampoco incluye el error asociado con el registro de la nube
de puntos al sistema de coordenadas reales. Dependiendo del método de registro, pueden
ocurrir errores en la estimación del rumbo y dip de la fractura de 2 a 4 grados (ver Kemeny et
al., 2003).
Una forma de evaluar el error en la estimación del rumbo y dip es comparar las mediciones
de orientación extraídas desde la nube de puntos, con mediciones hechas usando una
brújula o mapeo de celda. Las Figuras 10 y 11 muestran tal comparación hecha en terreno
en las montañas al noreste de Tucson, Arizona. Como se muestra en la Figura 11, se
hicieron 50 mediciones manuales y se extrajeron 441 fracturas de la nube de puntos. Los
resultados mostrados en la Figura 11 son los resultados típicos de este tipo de
comparaciones. En general, hay una buena correlación entre las orientaciones medidas y las
extraídas.
Figura 10. Campo cercano a Tucson, Arizona, donde mediciones manuales y análisis con la
Tecnología LIDAR fueron llevados a cabo
Figura 11. Comparación entre los resultados generados en campo y por la Tecnología LIDAR en el sitio mostrado en la Figura 7.
3 CONCLUSIONES
La Tecnología LIDAR es una nueva tecnología para la caracterización de macizos rocosos
Pre-tronaduras. Como se muestra en este artículo, se pueden obtener datos de alta calidad
con sólo unas pocas horas de trabajo en terreno. La nube de puntos mostrada en la Figura 1
fue obtenida sin ningún punto de muestreo en la cara de la roca (usando el método de
escáner para orientar), eliminando muchos de los riesgos de seguridad asociados con la
caracterización tradicional en terreno. Los programas automatizados de procesamiento de
nube de puntos permiten la obtención, con gran precisión, de una gran cantidad de
información de caracterización de rocas y con sólo unas pocas horas de tiempo de
procesamiento. En general, se ha notado que los análisis con la Tecnología LIDAR junto con
el procesamiento automatizado de las nubes de puntos, son efectivos en términos de costos
y puede ahora ser usado rutinariamente en proyectos de ingeniería.
Hay aun muchos temas pendientes asociados con la utilización de análisis LIDAR para la
caracterización de macizo rocoso. Algunos de estos temas pendientes son listados a
continuación. Estos temas pendientes formarán la base para futuras investigaciones y
desarrollos.
1. Un número amplio de diferentes unidades LIDAR son fabricadas y están comercialmente
disponibles para compra o arriendo. Las diferentes unidades tienen similares, pero no
idénticas, capacidades. Mientras que los fabricantes publican las especificaciones de sus
unidades, se ha desarrollado una pequeña guía en base a estas especificaciones (rango
de resolución, otras características) para aplicaciones en terreno particulares.
2. Hay un número de software disponibles para el procesamiento de los datos LIDAR.
Muchos de estos software son creados por los fabricantes de los escáner. Se ha
desarrollado una pequeña guía concerniente a la elección del software para una
aplicación específica.
3. Hasta ahora, se ha puesto poca atención a la compatibilidad de los datos de entrada y
salida de los diferentes software.
4. Es necesaria una guía en la aplicación de procedimientos específicos y apropiados a la
hora de llevar a cabo un análisis LIDAR, así como también con la validación de datos y
los procedimientos de procesamiento y manejo. En terreno, se deben especificar
procedimientos en base a) a la factibilidad de un sitio para hacer el análisis LIDAR, b) los
procedimientos de escaneo (número de escaneos, espaciamiento de puntos, resolución,
etc.), c) establecimiento de puntos de control del análisis, d) toma de imágenes digitales,
y e) colección de información del tipo no-digital. Luego que el análisis es llevado a cabo,
el procesamiento y manejo de los datos incluye a)los pasos específicos que deberían ser
dados para procesar los datos usando varios software para obtener salidas de datos
específicos (p.ej. calcular el riesgo del talud en un lugar particular), y b) los estándares y
formatos apropiados para varios tipos de datos a obtener a partir del análisis LIDAR,
incluyendo los archivos brutos del escáner, archivos de nubes de puntos, superficies, y
cálculos e interpretaciones hechas de estos datos.
5. Finalmente, se esperan para el futuro mejoras técnicas en el hardware de la Tecnología
LIDAR y del software de procesamiento de nube de puntos, y dado que estas mejoras
apuntan a aplicaciones específicas se hace necesaria una guía para direccionar y dar
lineamientos de tiempo a estas mejoras.
Referencias que describen detalles adicionales del software de procesamiento de nube de
puntos y en la utilización de la Tecnología LIDAR, para la caracterización de macizo rocoso
se incluyen en Donovan et al. (2005a, 2005b), Kemeny et al. (2003), Kemeny et al. (2004),
Nasrallah et al. (2004), and Slob et al. (2004, 2005). Adicionalmente, una versión beta del
programa Split FX, junto con tutoriales, están disponibles sin costo en www.spliteng.com
4 REFERENCIAS
Donovan, J., Handy, J., Kemeny, J. and G. O’Brien. 2005a. Automatic acquisition and determination of
rock discontinuity properties using three-dimensional laser scanning. Proceedings of Aplications of
Computers and Operations Research in the Mineral Industry (APCOM 2005), S. Dessureault Editor,
Tucson, AZ.
Donovan, J., Kemeny, J., and J. Handy. 2005b, The Application of Three-Dimensional Imaging to Rock
Discontinuity Characterization, Alaska Rocks 2005: The 40th U.S. Symposium on Rock Mechanics,
Anchorage, AL.
Kemeny, J., Monte, J., Handy, J. and S. Thiam. 2003. The use of digital imaging and laser scanning
technologies in rock engineering. International Symposium on the Fusion Technology of Geosystem
Engineering, Rock Engineering and Geophysical Exploration, Seoul, Korea, Nov. 18-19.
Kemeny, J., Handy, J., Donovan, J. and S. Thiam. 2004. Automatic Discontinuity Characterization of
Rock Faces Using 3D Laser Scanners and Digital Imaging, Gulf Rocks 2004 (ARMA 2004 Rock
Mechanics Symposium and the 6th NARMS), Houston, TX.
Nasrallah, J., Monte, J. and J. Kemeny, 2004. Rock mass characterization for slope/catch bench
design using 3D laser and digital imaging, Gulf Rocks 2004 (ARMA 2004 Rock Mechanics
Symposium and the 6th NARMS), Houston, TX.
Poboline. 2005. 2005 3D Laser Scanner Hardware & Software Surveys,
