La tecnología LiDAR se ha convertido en una de las herramientas clave para capturar información del terreno y de los objetos con una precisión que hace unos años sonaba a ciencia ficción. Hoy la encontramos en proyectos cartográficos, en estudios ambientales, en arqueología o incluso ayudando a moverse a coches autónomos y robots domésticos. Todo ello gracias a un sistema que dispara pulsos de luz y mide, con una exactitud brutal, cuánto tarda esa luz en ir y volver.
Al mismo tiempo, el LiDAR ha logrado desbancar a métodos de medición más tradicionales en muchos sectores, porque permite generar modelos 2D y 3D detalladísimos de grandes superficies en muy poco tiempo. En esta guía vamos a ver qué es exactamente el LiDAR, cómo funciona, qué tipos de sistemas existen, cómo se procesan sus datos, qué formatos de archivo se usan y en qué campos se está aprovechando al máximo todo su potencial.
Qué es el LiDAR y por qué es tan importante
LiDAR es el acrónimo de Light Detection and Ranging (detección y medición mediante luz), una técnica de teledetección activa que funciona emitiendo pulsos de luz láser y captando sus retornos. A diferencia de los sistemas pasivos (como muchas cámaras satelitales), el LiDAR envía su propia señal y no depende de la iluminación solar, lo que le permite trabajar tanto de día como de noche.
El principio físico que hay detrás es sencillo: se lanza un pulso de luz y se mide el tiempo que tarda en volver después de reflejarse en un objeto o en el terreno. Con ese tiempo y conociendo la velocidad de la luz, el sistema calcula la distancia recorrida por el pulso. Repetido cientos de miles o millones de veces por segundo, se obtienen millones de puntos con coordenadas X, Y, Z que forman lo que se conoce como nube de puntos 3D.
Una de las características más potentes del LiDAR es su capacidad de penetrar parcialmente la vegetación. Dependiendo de la longitud de onda, la frecuencia de disparo y la energía de los pulsos, parte de la señal puede atravesar las copas de los árboles y llegar al suelo. Esto permite no solo conocer la forma del terreno, sino también la estructura vertical del bosque (copas, troncos, sotobosque…), algo vital para silvicultura y estudios ecológicos.
Cuando un pulso láser llega al terreno, impacta una pequeña zona conocida como huella. Dentro de esa huella puede haber varias superficies reflectantes: hojas, ramas, tejados, suelo desnudo, agua… Cada una de esas superficies genera un eco de retorno. Por eso, un mismo pulso puede producir un único retorno o varios retornos secuenciales. El número de ecos y su intensidad dependen del tipo de superficie y de cómo esté distribuida la vegetación o la infraestructura.
Frente a otras tecnologías de detección remota, LiDAR ofrece una resolución espacial y una precisión altimétrica muy elevadas, con errores de unos pocos centímetros cuando el sistema está bien calibrado. Esta capacidad para mapear el relieve y los objetos con tanto detalle ha impulsado su uso en cartografía de alta resolución, planificación urbana, gestión de infraestructuras y aplicaciones de movilidad avanzada.
Componentes básicos y principio de funcionamiento del LiDAR
Todo sistema LiDAR se construye alrededor de un conjunto de componentes electrónicos y de navegación muy bien coordinados. El objetivo es conocer, con enorme precisión, tanto la posición del sensor como la dirección en la que apunta cada pulso y el tiempo exacto que tarda en regresar.
En esencia, un equipo LiDAR integra un emisor láser, una unidad de medida inercial (IMU), un receptor GPS de alta precisión y una interfaz de control conectada a un ordenador. El láser emite pulsos en el rango ultravioleta, visible o, muy habitualmente, en el infrarrojo cercano (por ejemplo, en torno a 1064 nm). En algunos sistemas especiales se emplea la banda verde para poder penetrar en el agua y medir la batimetría (profundidad) y las características del fondo marino o fluvial.
El funcionamiento se basa en el conocido método del tiempo de vuelo (Time of Flight, ToF). El sensor registra el instante en que se emite el pulso y el instante en que vuelve el eco. La distancia se calcula con una fórmula muy simple: distancia al objeto = (velocidad de la luz × tiempo de vuelo) / 2. El factor 2 viene de que el pulso recorre la ida y la vuelta.
Mientras el láser dispara pulsos, el receptor GPS determina la posición del sistema en coordenadas X, Y, Z, y la IMU mide su orientación (inclinación, guiñada, balanceo). Combinando todos estos datos se consigue saber, para cada pulso, desde dónde se emitió, hacia dónde apuntaba y a qué distancia se produjo cada retorno; es decir, la posición tridimensional de cada punto de la nube.
Los sistemas LiDAR modernos son capaces de disparar centenares de miles o incluso cerca de un millón de pulsos por segundo. Repitiendo el proceso una y otra vez mientras el sensor avanza (en un avión, un dron, un coche, un trípode rotatorio, etc.), se construye un modelo 3D de alta definición del entorno, con una densidad de puntos que permite detectar detalles muy finos.
En el ámbito de la movilidad y la robótica, esta velocidad de adquisición, unida a la precisión de unos pocos centímetros, hace que el LiDAR sea ideal para detectar obstáculos y calcular distancias en tiempo real. Es la base para que un vehículo autónomo pueda anticipar curvas, peatones o elementos de la vía, o para que un robot pueda moverse por una vivienda sin ir chocando con muebles y paredes.
Clasificación de puntos en nubes LiDAR
Una vez capturada, la nube de puntos LiDAR no es más que una enorme colección de millones de puntos 3D sin interpretar. Cada punto puede y debe etiquetarse según el tipo de superficie que ha reflejado el pulso: suelo, edificaciones, vegetación baja, media o alta, agua, etc. Este proceso de etiquetado se denomina clasificación de puntos.
En los archivos estándar de LiDAR, cada punto puede llevar asociado un código de clasificación numérico que indica a qué categoría pertenece. Estos códigos están normalizados por la American Society for Photogrammetry & Remote Sensing (ASPRS) para el formato LAS, de manera que distintos programas y organismos pueden intercambiar datos conservando la misma lógica de clasificación.
En proyectos cartográficos reales, como los realizados sobre comunidades autónomas, la clasificación suele comenzar con la separación entre puntos de suelo y puntos que pertenecen a elementos elevados (edificios, arbolado, infraestructuras, etc.). A partir de ahí, se pueden refinar categorías para obtener modelos digitales del terreno (solo el suelo) y modelos digitales de superficie (suelo más todos los objetos sobre él).
Este trabajo de clasificación se hace, en su mayor parte, mediante algoritmos automáticos de análisis que aplican filtros y reglas geométricas (por ejemplo, identificando superficies continuas y suaves como suelo, o bloques verticales como edificios). Sin embargo, en zonas complejas o con errores automáticos, todavía es habitual recurrir a la edición manual, revisando y corrigiendo puntos uno a uno o por grupos.
Para que la clasificación sea fiable, hay que tener muy presentes los parámetros de captura: altura de vuelo del sensor, ángulo y dirección de escaneado, eje de las líneas de vuelo, solapes entre pasadas, densidad de pulsos por metro cuadrado, etc. Todo ello condiciona la densidad y distribución de la nube de puntos y, por tanto, la calidad final de los modelos generados.
Formatos de archivo LiDAR: LAS y LAZ
En el mundo profesional, casi todos los sistemas y aplicaciones LiDAR trabajan con el formato LAS como estándar de facto. LAS es una especificación pública desarrollada por la ASPRS específicamente para el intercambio de nubes de puntos tridimensionales provenientes de sensores LiDAR.
El formato LAS es un archivo binario diseñado para conservar toda la información relevante del sistema LiDAR, manteniendo tanto las coordenadas de cada punto (X, Y, Z) como un conjunto de atributos adicionales. Al ser binario y normalizado, permite manejar grandes volúmenes de datos de forma eficiente y con compatibilidad entre software de diferentes fabricantes.
Para cada punto almacenado en un archivo LAS, es posible guardar no solo su posición, sino también información como la intensidad del retorno, el número de retorno (primero, segundo, último…), el número total de retornos generados por ese pulso, el valor de clasificación, el identificador de la pasada de vuelo, el color (componentes rojo, verde y azul), la marca de tiempo GPS, el ángulo de escaneo y la dirección de escaneo, entre otros campos.
Cuando los volúmenes de datos son enormes, algo muy habitual en vuelos regionales o nacionales, se recurre a LAZ, que no es más que una versión comprimida del LAS. LAZ mantiene el contenido lógico de LAS pero en un archivo binario comprimido sin pérdidas, lo que reduce considerablemente el tamaño de los ficheros y facilita su almacenamiento, transmisión y descarga.
En proyectos oficiales, como los que cubren miles de kilómetros cuadrados, es frecuente organizar los datos LAS/LAZ en una malla de teselas regulares (por ejemplo, cuadriculas de 2 × 2 km), de forma que sea sencillo localizar, procesar y actualizar zonas concretas sin tener que trabajar siempre con un único archivo gigantesco.
Ejemplo real: vuelo LiDAR y características de captura
Para entender mejor cómo se planifica una campaña, podemos fijarnos en el caso de un vuelo LiDAR realizado sobre una comunidad autónoma española, donde se combinó la captura láser con fotografía aérea oblicua tanto en color RGB como en infrarrojo cercano.
En ese proyecto, la cobertura abarcaba algo más de 5.000 km², correspondientes a todo el territorio autonómico. La densidad media de captura se fijó en unos 2 pulsos por metro cuadrado, suficiente para aplicaciones cartográficas y de análisis del terreno a escala regional.
El vuelo se ejecutó en un periodo concreto (por ejemplo, durante el mes de septiembre de 2016), buscando condiciones atmosféricas adecuadas (cielos despejados o con nubosidad muy alta, baja presencia de niebla o polvo, etc.) para maximizar la calidad de los retornos. El sistema geodésico de referencia empleado fue ETRS89, con altitudes elipsoidales referidas al elipsoide GRS80, lo que facilita la integración con otras fuentes geoespaciales europeas.
La precisión lograda fue notable: se manejaban valores de RMSE (error cuadrático medio) horizontal en torno a 20 cm en X e Y, y una precisión altimétrica global en Z del orden de 15 cm. Además, se tomó fotografía aérea con resolución de 0,50 m y bandas rojo, verde, azul e infrarrojo cercano, información muy útil para complementar el análisis LiDAR.
Los datos se organizaron en bloques de 2 × 2 km en formato LAS, lo que permite tratar cada zona de forma independiente, lanzar procesados por lotes y ajustar recursos de cálculo. Esta estructura en teselas es ya un estándar de facto en muchos proyectos nacionales y regionales de teledetección.
Metodología de procesado y generación de modelos digitales
El trabajo no termina cuando el avión o el dron deja de volar; de hecho, una parte crítica del proyecto es el procesado de los archivos LiDAR para generar productos finales útiles: modelos digitales del terreno, modelos de superficie, mapas de vegetación, análisis de cambios, etc.
En muchos flujos de trabajo profesionales se utilizan herramientas especializadas como LAStools, un conjunto de utilidades de Rapidlasso GmbH que funcionan en línea de comandos y están optimizadas para aprovechar múltiples núcleos de CPU. Estas utilidades permiten limpiar, filtrar, clasificar, fusionar y convertir nubes de puntos de forma muy eficiente, y son ideales para montarse en scripts de procesado masivo.
Para coordinar tareas y automatizar procesos complejos, es habitual integrar estas herramientas dentro de plataformas ETL (Extract, Transform and Load) como FME, de Safe Software. En ese tipo de entornos se pueden diseñar flujos de trabajo visuales, lanzar comandos de LAStools, llamar a scripts en Python y controlar la gestión de grandes cantidades de archivos de manera estructurada.
En un caso típico, la información inicial está en alturas elipsoidales referidas a ETRS89, y a partir de ahí se pueden aplicar transformaciones para obtener alturas ortométricas (relativas al geoide) o para adaptar los datos a otros sistemas de referencia si el proyecto lo requiere. Es también en esta fase donde se ejecuta la clasificación automática de puntos (suelo, vegetación, edificaciones, agua, etc.) siguiendo un esquema de tareas prefijado.
El resultado del procesado suele materializarse en modelos digitales del terreno (MDT) y modelos digitales de superficie (MDS), además de otros productos derivados como mapas de pendientes, sombreado de relieve, modelos 3D de edificios o análisis de visibilidad. Todos ellos se apoyan en la nube de puntos LiDAR debidamente filtrada, clasificada y transformada.
Ventajas técnicas del LiDAR frente a otros sensores
Una de las razones por las que el LiDAR se ha popularizado tanto es que, trabajando en la banda óptica, ofrece una resolución muy superior a la de muchos radares de microondas. La frecuencia de operación del láser es entre dos y tres órdenes de magnitud mayor, lo que se traduce en una resolución en alcance, angular y de velocidad extremadamente alta.
Además, el haz láser tiene una longitud de onda corta y un ángulo de divergencia muy pequeño, lo que implica que puede concentrar su energía en una zona muy reducida y minimizar los efectos de trayectorias múltiples (esas reflexiones indeseadas que pueden confundir a los sensores de microondas o de ondas milimétricas). Gracias a ello, el LiDAR es capaz de detectar con fiabilidad objetivos situados a baja o muy baja altitud y en entornos urbanos complejos.
Otro punto fuerte es que el LiDAR no depende de la iluminación ambiental para funcionar. El sistema emite su propio rayo láser y obtiene información del objetivo a partir de la señal de eco de ese mismo rayo. Eso le permite operar las 24 horas del día, tanto con sol como en plena noche, y con independencia de cambios de luz que sí afectarían a cámaras ópticas convencionales.
En términos de diseño, los sistemas de radar de microondas tradicionales suelen ser voluminosos, con antenas que pueden alcanzar varios metros de diámetro y masas de equipo que se miden en toneladas. En comparación, muchos sensores LiDAR son mucho más compactos y ligeros, con tamaños que pueden bajar a unos pocos centímetros, lo que facilita su integración en drones, vehículos, robots o incluso dispositivos portátiles.
A todo esto se suma que la arquitectura interna del LiDAR es relativamente sencilla en comparación con otros sistemas de radar complejos, lo que se traduce en un mantenimiento más llevadero y en una operación más simple desde el punto de vista del usuario final. Todo ello hace que sea una herramienta muy atractiva para aplicaciones industriales y de campo.
Tipos de sistemas LiDAR según la plataforma
LiDAR no es una única tecnología cerrada, sino un conjunto de sistemas que se adaptan a diferentes plataformas. De forma general, se distinguen tres grandes tipos de sistemas según dónde se monta el sensor: aéreos, terrestres y satelitales o espaciales.
El LiDAR aéreo se instala en aviones, helicópteros o drones. Es el más utilizado para cartografía regional y nacional porque permite cubrir grandes extensiones en relativamente poco tiempo. Desde el aire se pueden obtener modelos del terreno de alta resolución, detectar cambios en la orografía, analizar la vegetación o planificar infraestructuras con un nivel de detalle muy alto.
El LiDAR terrestre se monta en vehículos en movimiento (coches, furgonetas, ferrocarriles) o en trípodes estáticos. En modo móvil se utiliza, por ejemplo, para escanear calles, líneas de ferrocarril o túneles, mientras que en modo estático es ideal para documentar fachadas, interiores de edificios, yacimientos arqueológicos o infraestructuras con altísima resolución.
Por último, el LiDAR satelital o espacial se coloca a bordo de satélites o plataformas en órbita. Este tipo de sistemas cubren áreas muy extensas, a escala continental o global, aunque con menor resolución que los sistemas aerotransportados o terrestres. Aun así, son fundamentales para estudios climáticos, análisis de biomasa a gran escala o monitorización de cambios globales.
En todos los casos, la filosofía es la misma: generar nubes de puntos que describan la geometría del entorno, adaptando la resolución, la densidad de puntos y la plataforma de captura a las necesidades concretas del proyecto y a la escala de trabajo deseada.
Aplicaciones del LiDAR en distintos sectores
La lista de aplicaciones del LiDAR es larga y crece cada año. En el ámbito de la cartografía y la geografía, se utiliza para crear mapas altimétricos de alta resolución, generar modelos del terreno para obra civil, analizar riesgos de inundación, evaluar movimientos de ladera y estudiar la dinámica fluvial.
En arqueología, el LiDAR se ha ganado una fama especial porque permite “ver” bajo la vegetación densa, revelando estructuras, caminos antiguos y asentamientos que pasan desapercibidos en fotografías aéreas tradicionales. En bosques tropicales, por ejemplo, ha sido clave para descubrir antiguas ciudades ocultas bajo la selva.
La silvicultura y la gestión de recursos naturales también se benefician mucho de esta tecnología: con LiDAR se puede estimar altura de los árboles, volumen de biomasa, estructura de copas y densidad del bosque, lo que ayuda a la planificación de aprovechamientos, la prevención de incendios y la conservación de hábitats.
En disciplinas como la sismología, la minería, la geología o la optimización de parques eólicos, los modelos 3D precisos que proporciona LiDAR facilitan el estudio de fallas, estructuras del subsuelo aflorante, taludes, canteras y condiciones del terreno. También es una herramienta de referencia para estudios de impacto ambiental y para proyectos de restauración paisajística.
En física atmosférica, se usan sistemas LiDAR específicos para analizar aerosoles, nubes y capas de la atmósfera, midiendo, por ejemplo, perfiles de concentración de partículas o alturas de capas de inversión térmica. Esto resulta muy útil para meteorología, control de contaminación y estudios climáticos.
LiDAR, robótica y conducción autónoma
Durante años, el LiDAR fue una tecnología muy presente en geociencias pero relativamente desconocida para el gran público. Eso cambió con la expansión de la robótica de consumo y el auge de los vehículos autónomos, que pusieron este tipo de sensores en primera línea mediática.
En robótica móvil, el LiDAR es una pieza fundamental porque permite que la máquina perciba su entorno en 3D: detectar paredes, muebles, personas u otros obstáculos, calcular distancias y generar mapas internos del espacio. Esto se conecta con algoritmos de SLAM (Simultaneous Localization and Mapping), que permiten a un robot ubicarse a sí mismo mientras construye el mapa del lugar por el que se mueve.
En el campo de la conducción autónoma, los sistemas LiDAR montados en coches y otros vehículos ofrecen un escaneo constante de la carretera y sus alrededores. Detectan otros vehículos, peatones, bordillos, señales, medianas y cualquier obstáculo potencial, proporcionando al sistema de control un mapa 3D de alta definición sobre el que tomar decisiones en fracciones de segundo.
Más allá de los coches, la tecnología LiDAR ha ido encontrando su hueco en ámbitos como la realidad virtual y aumentada (VR/AR), el transporte inteligente, la exploración oceánica, el monitoreo de recursos pesqueros o incluso la impresión 3D, donde la precisión geométrica es clave para capturar o recrear objetos y entornos con fidelidad.
Sensores LiDAR avanzados y nuevas soluciones dToF
La evolución de los componentes electrónicos ha dado lugar a soluciones LiDAR de tiempo de vuelo directo (direct Time of Flight, dToF) muy compactas y específicas para aplicaciones de medición puntual, detección de colisiones o pequeñas escenas 3D.
Un ejemplo representativo lo encontramos en kits de desarrollo basados en tecnología de fotomultiplicador de silicio (SiPM). Estos kits integran en un solo dispositivo el diodo láser de infrarrojo cercano, el sensor SiPM, la óptica y el procesado digital necesario para transformar la señal de eco en tiempos de vuelo y, posteriormente, en distancias.
Los sensores SiPM aportan altísima eficiencia de detección y tiempos de respuesta muy cortos, superando algunas de las limitaciones de soluciones basadas en fotodiodos convencionales. El dispositivo genera histogramas de tiempos de llegada de los fotones, lo que permite discriminar mejor las señales útiles del ruido y medir con precisión en rangos de entre unos 10 cm y más de 20 m, según el diseño concreto.
Este tipo de plataformas dToF se emplea en aplicaciones como medidores de distancia, sistemas anticolisión, sensores de aparcamiento y mapeo 3D de corto alcance. Suelen venir acompañadas de interfaces gráficas (GUI) dedicadas para configurar parámetros, visualizar los datos y experimentar con diferentes escenarios de uso.
El rápido avance de estas tecnologías, sumado a la demanda creciente en sectores como automoción, industria 4.0, robótica o electrónica de consumo, hace que el mercado del LiDAR esté en plena expansión. Cada vez aparecen más variantes de sensores adaptados a necesidades concretas, desde grandes sistemas aerotransportados hasta módulos miniaturizados integrables en dispositivos compactos.
Perspectivas y papel del LiDAR en los próximos años
Con todo lo que hemos visto, no es extraño que el LiDAR se haya consolidado como una tecnología casi imprescindible para mapear, monitorizar y evaluar superficies y objetos con gran precisión. Sus ventajas frente a otros sensores —alta resolución, gran precisión, capacidad de operar día y noche, buena respuesta en entornos complejos— hacen que sea una opción muy sólida para multitud de proyectos.
Los casos de uso en cartografía, arqueología, silvicultura, biología de la conservación, atmósfera, minería, geología o energías renovables han demostrado sobradamente su valor práctico. A la vez, la irrupción de la robótica y la movilidad autónoma lo ha popularizado entre el gran público, extendiendo su presencia mucho más allá del entorno académico o institucional.
Todo apunta a que en los próximos años seguiremos viendo cómo los sensores LiDAR se abaratan, se miniaturizan y se integran en más dispositivos, lo que multiplicará sus aplicaciones. Desde pequeños robots domésticos hasta grandes programas de observación terrestre, la detección y medición mediante luz va camino de convertirse en una pieza estándar del ecosistema tecnológico.
