Uma Abordagem para Detec????o Autom??tica de Planos em Modelos Digitais de Afloramentos Baseada em PCA

A coleta de dados espaciais tem sido intensamente empregada na ??rea geol??gica, atrav??s da t??cnica de LIDAR (Light Detection and Ranging). Este tipo de sensoriamento digital remoto de alta resolu????o e precis??o, resulta em modelos digitais 3D que permitem uma an??lise mais detalhada e quantitativa de estruturas heter??geneas, como afloramentos. Um dos estudos realizados pelos ge??logos s??o an??lises sobre a geometria da forma????o de rochas, onde a informa????o de orienta????o de um plano inclinado ?? um indicativo para a compreens??o global da estrutura. Este trabalho prop??e a utiliza????o da t??cnica de An??lise de Componentes Principais (PCA) para calcular e detectar automaticamente todos os planos em uma nuvem de pontos. Uma ferramenta foi constru??da para implementar a visualiza????o do modelo digital e apurar os melhores planos. Um estudo foi realizado a fim de validar as informa????es encontradas pelo m??todo proposto e dados medidos em campo.The use of LIDAR (Light Detection and Ranging) systems for gathering spatial data has been extensively used in geological studies. This type of digital remote sensing delivers high resolution and accuracy, resulting in 3D digital models which allow a more detailed and quantitative analysis of heterogeneous structures, as outcrops. One of the studies is based on analysis of the forming rocks geometry. The orientation of a slope plane is an indication for the overall undestanding of the structure. This work proposes a new method to automatically compute and detect all possible planes in a point cloud, based on Principal Component Analysis (PCA) technique. A software tool was constructed to implement the digital model visualization and compute the best planes. A study was conducted to compare and validate the results of the method and the field data collected