Integración del escaneo láser terrestre, IA generativa y realidad mixta para la reconstrucción digital del patrimonio

Resumen

Este protocolo replicable demuestra un flujo de trabajo para la reconstrucción digital del patrimonio. Integra escaneo láser terrestre para capturar la geometría del sitio, IA generativa para reconstruir elementos culturales perdidos de fuentes archivísticas y realidad mixta para visualizar estos elementos sintetizados in situ.

Resumen

La rápida aceleración de la urbanización en las regiones en desarrollo ha precipitado una doble crisis para el patrimonio arquitectónico: la degradación física de las estructuras y la disipación intangible de la memoria cultural. Las metodologías tradicionales de conservación, que se basan predominantemente en documentación estática, como la fotografía y la topografía manual, son cada vez más insuficientes para captar las complejas dimensiones espaciales y temporales de estos sitios históricos. Este estudio introduce un marco metodológico combinatorio novedoso diseñado para salvar la brecha entre un archivo riguroso y la participación pública dinámica. Detallamos un flujo de trabajo que sinergiza tres tecnologías distintas: Escaneo Láser Terrestre (TLS) para capturar los atributos geométricos tangibles del edificio con precisión a nivel milimétrico; Inteligencia Artificial Generativa Condicional (CGAI) para generar representaciones visuales históricamente informadas de elementos culturales perdidos (específicamente, estructuras tradicionales de ferias de templos) basadas en referencias archivísticas; y Realidad Aumentada (RA) mediante cascos holográficos para superponer estas capas en una experiencia unificada de Realidad Mixta (RM). El protocolo describe toda la cadena de procesos desde las estrategias de adquisición de datos y el procesamiento en nubes de puntos hasta la generación de modelos impulsada por IA y su despliegue final. Este enfoque produce un simulacro digital dinámico que superpone con éxito datos espaciales de alta precisión con visualizaciones culturales interpretativas, ofreciendo un flujo de trabajo técnicamente factible y escalable para la preservación digital y la exposición aumentada de monumentos del patrimonio urbano.

Introducción

La preservación del patrimonio arquitectónico constituye un imperativo fundamental dentro del discurso contemporáneo de la planificación urbana y la sostenibilidad^{cultural 1,2}. A medida que las ciudades experimentan una rápida modernización y digitalización, la tensión entre desarrollo y conservación se vuelve cada vez más^{aguda 3}. Este fenómeno es especialmente evidente en las Llanuras Centrales de China, una región que sirve como cuna de la civilización pero que enfrenta la presión implacable de la expansión^{urbana 4,5}. La protección del patrimonio cultural va más allá del mero mantenimiento de reliquias físicas; Abarca la salvaguarda del contexto histórico, la transmisión de la importancia cultural y la preservación de la autenticidad del sitio^{patrimonial 6}. La conservación del patrimonio no es un acto pasivo de archivo, sino una estrategia activa de rejuvenecimiento cultural, moldeando la identidad de naciones y regiones mientras permite a las futuras generaciones mantener una conexión continua con su mundo espiritual^{ancestral 7}. Además, la preservación eficaz de estos sitios fomenta una ecología cultural multidimensional que interactúa dinámicamente con la economía global, mejorando la imagen de la región en el escenario^{internacional 8}.

A pesar de la reconocida importancia de la conservación del patrimonio, la investigación y la financiación actuales suelen favorecer de forma desproporcionada sitios monumentales prominentes como el Templo Shaolin o los centros históricos de Luoyang y^{Kaifeng 9}. Esto deja a monumentos de importancia regional pero menos visibles a nivel global, como el Templo del Dios de la Ciudad de Zhengzhou, en un estado de^{marginación 10}. Construido durante la dinastía Ming, el Templo del Dios de la Ciudad, como se muestra en la Figura 1, representa un ejemplo singular de arquitectura religiosa bien conservada en Zhengzhou. Históricamente, no funcionó solo como un santuario religioso, sino como un vibrante nexo de actividades sociales, económicas y populares—especialmente la Feria del^{Templo 11}. Estas ferias eran la savia del templo, integrando sacrificio, comercio y entretenimiento en una expresión cultural^{cohesionada 12}. Sin embargo, la invasión del comercialismo moderno y la rezonificación urbana han llevado al fin de estas ferias tradicionales, lo que ha generado un dilema de conservación. Aunque el esqueleto físico del templo permanece, el espíritu intangible—el ruido, la vitalidad visual y la interacción social—se ha disipado en gran medida. Esta pérdida de lugar (espacio más función social) subraya la urgente necesidad de métodos de conservación que puedan restaurar tanto la estructura tangible como la atmósfera^{intangible 13,14}. Por lo tanto, el protocolo detallado en este estudio está explícitamente diseñado y contemplado para sitios patrimoniales caracterizados por esta dicotomía específica: lugares donde las estructuras arquitectónicas físicas permanecen estructuralmente intactas, pero se han perdido el contexto cultural efímero asociado y los artefactos intangibles.

Figura 1. Fotografía del Templo del Dios de la Ciudad de Zhengzhou mostrando el estado actual de la fachada de entrada. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

El despliegue de la tecnología digital en la conservación del patrimonio cultural ofrece una solución transformadora a este dilema. El principio de conservación exige mantener el valor cronológico de la ontología^{material 6}. Los métodos analógicos tradicionales, como la medición manual y la fotografía 2D, a menudo no documentan de forma exhaustiva las complejas geometrías de la arquitectura antigua y son impotentes para restaurar escenas efímeras perdidas. En consecuencia, el campo se ha desplazado hacia el "Gemelo Digital", un concepto originalmente derivado de la ingeniería aeroespacial, que consiste en crear una réplica virtual de una entidad física que abarca su^{ciclo de vida 15}. En el contexto del patrimonio, un gemelo digital sirve como un archivo preciso e inalterable que apoya diagnóstico, predicción e^{interacción 16}.

El escaneo láser terrestre (TLS) se ha convertido en la tecnología fundamental para construir la capa geométrica de estos gemelos digitales. TLS utiliza LiDAR (Detección y Medición de Luz) para capturar millones de puntos de datos por segundo, creando una nube de puntos de alta densidad que registra cada fisura, inclinación y textura de un edificio con una precisión a nivel^{milimétrico 17}. Esta tecnología es sin contacto, lo que la hace ideal para estructuras frágiles, y altamente eficiente en comparación con la topografía de estación total. Aplicaciones recientes han demostrado la eficacia de TLS en escenarios complejos: Marsella et ^al.18 utilizaron TLS para evaluar la seguridad estructural de la Basílica de San Pedro en el Vaticano, identificando deformaciones mínimas invisibles a simple vista. De manera similar, Barontini et ^al.19 desarrollaron un marco de Modelización de Información de Edificios Históricos (HBIM) que integra datos TLS para la conservación preventiva. La capacidad del TLS para diagnosticar condiciones técnicas —como grietas en paredes, asentamientos de cimientos y deflexión del suelo— proporciona una base científica para las intervenciones de restauración física^20,21.

Sin embargo, aunque TLS destaca en registrar la realidad física existente, no puede restaurar la realidad histórica desaparecida. Una nube de puntos es precisa, pero es estática y carece de contexto histórico. Para reconstruir las escenas históricas ausentes—como el bullicioso ambiente de la feria del templo—este estudio se centra en el emergente campo de la Inteligencia Artificial Generativa Condicional (CGAI). A diferencia del modelado manual 3D tradicional, que requiere mucho trabajo y depende en gran medida de la interpretación subjetiva del modelador, CGAI (por ejemplo, Stable Diffusion o Tencent Huiyuan 3D) utiliza algoritmos de aprendizaje profundo para generar contenido visual basado en descripciones^{textuales 22}. Al analizar vastos conjuntos de datos de estilos y texturas arquitectónicas históricas, CGAI puede sintetizar o reconstruir elementos históricos plausibles—faroles, pancartas, puestos temporales—basándose en texto de archivo y datos visuales. Esto representa un cambio de paradigma de registrar únicamente lo que existe a simular lo que históricamente existía, utilizando lógica basada en datos para cubrir los vacíos en el archivo^{físico 23}.

El último reto radica en la difusión de este simulacro digital. Un gemelo digital almacenado en un servidor tiene un valor social limitado si no es accesible al público. Las tecnologías de Realidad Aumentada (AR) y Realidad Mixta (MR) conectan los mundos físico y virtual, permitiendo superponer el gemelo digital sobre el sitio^{físico 24}. A diferencia de la Realidad Virtual (VR), que aísla al usuario en un entorno completamente sintético, la RA mantiene la conexión con el sitio del patrimonio físico mientras lo enriquece con información digital. Plataformas como Fologram y dispositivos como el Microsoft HoloLens 2 permiten la proyección de modelos 3D de alta fidelidad en el sistema de coordenadas del mundo real, facilitando un diálogo directo entre el visitante y la historia^{reconstruida 25}. Se ha demostrado que este enfoque inmersivo mejora significativamente la implicación y la comprensión del visitante, transformando la visualización pasiva en exploración^{activa 26}.

Aunque la literatura actual suele tratar las tecnologías de conservación digital de forma aislada, el protocolo integrado propuesto en este artículo ofrece una novedad metodológica distintiva. Primero, a diferencia de los flujos de trabajo estándar de documentación TLS que producen archivos geométricos altamente precisos pero culturalmente estériles, nuestro método introduce un contexto semántico dinámico. En segundo lugar, aunque las reconstrucciones basadas en fotogrametría destacan por texturizar superficies físicas existentes, estructuralmente son incapaces de regenerar artefactos culturales completamente perdidos que carecen de restos físicos. Por último, a diferencia de los sistemas existentes de visualización de patrimonio de RA que dependen frecuentemente de activos 3D genéricos y elaborados manualmente o aislan a los usuarios en VR, este flujo de trabajo utiliza CGAI para generar visualizaciones específicas del sitio e informadas históricamente, ancladas directamente a datos TLS milimétricos y precisos. Esto cubre un vacío crítico al detallar un protocolo riguroso y reproducible. Para resolver ambigüedades conceptuales y establecer una justificación metodológica clara, definimos explícitamente los componentes centrales de este flujo de trabajo. La geometría documentada se refiere a la réplica espacial 3D estática y altamente precisa de la arquitectura física existente; Aquí se requiere TLS para capturar esta realidad empírica innegable con precisión sin contacto. En cambio, la reconstrucción interpretativa generada por IA denota las representaciones visuales de artefactos culturales perdidos (por ejemplo, decoraciones de festivales) derivadas de textos de archivo; Para este paso se requiere CGAI porque sintetiza interpretaciones probabilísticas y informadas históricamente en lugar de verdades físicas absolutas. Finalmente, la RM es necesaria para la visualización in situ, sirviendo como medio experiencial que superpone sin esfuerzo las capas culturales interpretativas sobre la geometría física documentada en el mundo real. Al estructurar nuestro enfoque en torno a estos conceptos definidos, este flujo de trabajo combinatorio no solo proporciona una vía técnica para la digitalización del patrimonio cultural urbano en las Llanuras Centrales, sino que también ofrece un nuevo modelo teórico sobre cómo definimos la "preservación" en la era digital—yendo más allá de la preservación de la materia hacia la revitalización de la^{memoria 27, 28}.

Protocolo

1. Recogida de datos históricos y análisis del sitio

1. Inicia el proyecto realizando una revisión archivística exhaustiva. Recupera registros históricos, fotografías, dibujos arquitectónicos y descripciones textuales relacionadas con el sitio patrimonial objetivo (en este caso, el Templo del Dios de la Ciudad de Zhengzhou) de los archivos locales, oficinas de gestión del templo y oficinas de patrimonio cultural relevantes.
2. Analizar los datos textuales específicamente para identificar descripciones de elementos efímeros perdidos, como decoraciones de ferias de templos, puestos temporales, estandartes y disposiciones específicas de iluminación (por ejemplo, "faroles rojos", "danzas de dragón").
3. Realizar una investigación preliminar de campo durante las horas de luz para comprender la topografía del sitio y documentar el estado actual de preservación arquitectónica (Figura 2). Documenta la disposición del complejo, anotando el eje central, la ubicación del Salón Principal, las Torres de Campanas y Tambores, y posibles obstáculos como árboles antiguos o pasillos estrechos que puedan obstruir las líneas de visión de escaneo láser.

Figura 2. Vista actual del patio del templo capturada durante la investigación preliminar del sitio. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

4. Desarrollar una estrategia detallada de estación de escaneo / plan de despliegue. Identificar ubicaciones específicas de coordenadas para el Escáner Láser Terrestre (TLS) para asegurar una cobertura de 360° de todas las estructuras. Planifica un mínimo de 12 estaciones, con la flexibilidad de ampliar a 18 estaciones según la complejidad del sitio.
5. Obtener los permisos administrativos necesarios para acceder al sitio durante el horario no público (normalmente temprano por la mañana de 07:00 a 08:30 o a última hora de la tarde de 17:00 a 18:30) para minimizar el ruido de datos causado por el tráfico peatonal.

2. Adquisición por escaneo láser terrestre (TLS)

1. Despliega un escáner láser terrestre de alta precisión con desplazamiento de fase. Verifica que la batería sea suficiente durante el escaneo y que la tarjeta SD tenga la capacidad adecuada.
2. Coloca el trípode del escáner en el primer punto de estación predeterminado (empieza por el Vestíbulo Principal/Zona A). Ajusta las patas del trípode para asegurar la estabilidad sobre el pavimento de piedra.
3. Nivela el escáner usando el nivel de burbuja incorporado o el inclinómetro digital en la interfaz del dispositivo. Asegúrese de que la inclinación sea inferior a 0,5° para garantizar la verticalidad de los datos de la nube de puntos.
4. Configura los parámetros de escaneo a través de la interfaz táctil integrada:
   1. Ajusta la resolución a 1/4 o 1/5 (dependiendo de las limitaciones de tiempo), asegurando un espaciado puntual de aproximadamente 6 mm a 10 m.
   2. Pon la calidad en 3x o 4x para reducir el ruido.
   3. Activa la captura de color (Cámara Integrada) para superponer texturas Rojo, Verde y Azul (RGB) sobre la geometría.
   4. Asegúrese de que el alcance de escaneo cubra de 0,6 m a 120 m con una precisión de alcance de ±2 mm.
5. Realizar un escaneo piloto de una pequeña sección (por ejemplo, la Torre del Campanario) para verificar las condiciones de iluminación. Consulta la vista previa para detectar sobreexposición en zonas exteriores o subexposición en aleros en sombra.
6. Procede con la secuencia completa de escaneo. Para cada estación, activa el escaneo y retrocede del campo de visión del escáner para evitar proyectar sombras o aparecer en los datos (ghosting).
7. Mueve el escáner a la siguiente estación, asegurando una superposición mínima del 30–40% con la estación anterior. Esta superposición es fundamental para el proceso de registro cloud a cloud más adelante.
8. Captura fotografías de referencia de alta resolución utilizando una cámara DSLR (Digital Single-Lens Reflex) externa en cada estación para complementar la cámara interna del escáner, especialmente para tallas detalladas o placas caligráficas.

3. Procesamiento de datos en nubes de puntos

1. Transfiere los datos de escaneo en bruto (formato .fls) de la tarjeta SD a una estación de trabajo de alto rendimiento que ejecute software de procesamiento.
2. Importa los escaneos en bruto al espacio de trabajo del proyecto de software.
3. Aplica filtros de preprocesamiento a los datos en bruto: Utiliza el Filtro de Punto Perdido para eliminar el polvo y los insectos voladores.
4. Utiliza el Filtro de Punto de Escaneo Oscuro para eliminar datos erróneos de superficies altamente reflectantes o absorbentes.
5. Ejecuta el registro automático. Permite que el software alinee los escaneos basándose en el reconocimiento de características geométricas y los datos GPS.
6. Inspecciona el informe de registro. Verifica que el error medio de tensión (distancia media entre puntos correspondientes) esté por debajo de 4 mm. Si el error supera el umbral, realiza el registro manual. Selecciona tres puntos comunes distintos (por ejemplo, esquinas de un edificio, pilares) en dos escaneos superpuestos para forzar la alineación.
7. Aplica el Filtro de Objetos en Movimiento para detectar y eliminar automáticamente ruidos transitorios como peatones o aves que se movieron por la escena durante el escaneo.
8. Realiza un Balance de Color (ajuste de múltiples exposiciones) para igualar el brillo entre el cielo brillante y el interior oscuro de los templos.
9. Crea una nube de puntos de proyecto y exporta el modelo final como un archivo estructurado . E57 o . Expediente objeccional. Asegúrate de que el tamaño del archivo sea manejable (por ejemplo, reducir el muestreo a un espaciado de cuadrícula de 5 mm si el archivo supera los 10 GB).

4. Modelado de IA generativa condicional (CGAI)

1. Identifica los elementos históricos específicos a reconstruir basándose en el análisis del Paso 1.2 (por ejemplo, los establos tradicionales de la feria del templo, faroles).
2. Utiliza una plataforma CGAI seleccionada.
3. Construye prompts de texto precisos traduciendo directamente descriptores semánticos y registros históricos encontrados en fuentes archivísticas (por ejemplo, los Anales del Condado de Zheng) en parámetros visuales. Por ejemplo, entrada: "Farol rojo tradicional de la dinastía Ming china, brillante, colgando de aleros, alto detalle" o "Puesto de madera del mercado, estilo antiguo, estandarte de tela, textura 3D."
4. Ejecuta el proceso de generación. Normalmente, se produce un lote de 20 a 30 iteraciones para cada elemento histórico para asegurar un tamaño de muestra suficiente de variaciones estilísticas y posibilidades estructurales.
5. Convocar un panel formal de validación compuesto por historiadores del patrimonio y expertos en el ámbito antes de integrar cualquier recurso generado en la visualización final de la RM. Selecciona resultados históricamente plausibles cruzando los lotes de IA con los archivos visuales supervivientes y el consenso histórico establecido.
6. Descarta cualquier resultado que muestre características anacrónicas o imposibilidades estructurales. Iterar las indicaciones de texto basándose en la retroalimentación explícita del panel de expertos para refinar la precisión histórica de los modelos.

5. Integración y construcción de gemelos digitales

1. Abre el entorno de modelado 3D.
2. Importa la nube de puntos TLS procesada (. OBJ) en el software de modelado 3D.
3. Importa los recursos generados por CGAI.
4. Alinear y posicionar manualmente los activos CGAI dentro del entorno de nube de puntos. Coloca las linternas bajo los aleros y coloca los establos en el patio según el análisis de la disposición histórica.
5. Utiliza las herramientas de modelado del software para limpiar cualquier intersección de malla o discrepancia de escala entre la nube de puntos y los modelos de IA.
6. Texturiza el modelo combinado. Aplica las imágenes de Alto Rango Dinámico (HDR) del escáner a la malla de nube de puntos y asegúrate de que los activos de IA tengan propiedades materiales adecuadas (rugosidad, metalicidad).
7. Exporta el modelo Digital Twin totalmente integrado como un . GLTF (Graphics Language Transmission Format). Este formato está optimizado para aplicaciones web y de realidad aumentada.

6. Despliegue de realidad aumentada (AR)

1. Instala el plugin de despliegue de MR para el software de modelado 3D en la estación de trabajo.
2. Instala la app complementaria en el casco de realidad mixta.
3. Conecta tanto la estación de trabajo como el auricular MR a la misma red Wi-Fi local de 5GHz para asegurar una transmisión de datos de baja latencia.
4. Lanza el plugin MR en el software de modelado para generar un código QR de sesión.
5. Ponte el auricular MR y abre la app complementaria. Escanea el código QR para sincronizar la sesión.
6. Evalúa las condiciones ambientales en el lugar antes del despliegue. Programar estrictamente las sesiones de visualización de RM a primera hora de la mañana o a última hora de la tarde para evitar fuertes interferencias infrarrojas del sol del mediodía, que degradan gravemente las capacidades de seguimiento espacial del casco y causan deriva del modelo.
7. Realizar alineación de modelos in situ y establecer estrategias de registro espacial:
   1. Despliega marcadores físicos de seguimiento (por ejemplo, marcadores ArUco o códigos QR) en puntos de anclaje estables en el mundo real, como la base de piedra del incensario principal. Recomendamos explícitamente el seguimiento basado en marcadores en lugar de cartografía puramente espacial para contrarrestar la interferencia infrarroja de la luz solar directa, asegurando la estabilidad del modelo bajo una iluminación diurna desafiante y actuando como un respaldo robusto si fallan los anclajes espaciales naturales.
   2. Utiliza los sensores ópticos del casco para detectar los marcadores y fijar automáticamente el modelo virtual en el sistema de coordenadas correcto, usando gestos manuales en el auricular solo para ajustes finos menores de rotación hasta que la nube de puntos digital se solape perfectamente con la estructura física.
8. Bloquea la posición del modelo.
9. Visita el sitio para verificar la estabilidad del registro. Asegurarse de que el umbral de precisión de alineación se mantenga estrictamente, tolerando una deriva visual máxima de solo 2–5 cm durante el movimiento activo del usuario para preservar la ilusión inmersiva.

Resultados

La campaña terrestre de escaneo láser, ejecutada en noviembre de 2024, utilizó 18 estaciones de escaneo para lograr una cobertura completa del Salón Principal, la Plaza de Entrada y las zonas del ábside. Como se detalla en la Tabla 1, los parámetros de escaneo estaban calibrados estrictamente —utilizando específicamente una resolución de 1/4 y una de calidad de 4x— para obtener una distancia puntual de aproximadamente 6,1 mm a una distancia de 10 metros. Esta calibración...

Discusión

Este estudio demuestra con éxito un marco metodológico combinatorio para el renacimiento digital del patrimonio arquitectónico. Al integrar el Escaneo Láser Terrestre (TLS), la IA Generativa Condicional (CGAI) y la Realidad Aumentada (AR), hemos establecido un flujo de trabajo que trasciende las limitaciones de la preservación estática tradicional, tal como se resume en el marco metodológico (Figura 8).

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
Cámara DSLR	Fotografía de referencia de alta resolución	N/A
FARO Focus3D S120	Escáner láser terrestre (TLS)	FARO Technologies
ESCENA FARO 2019	Software de procesamiento de datos en nubes de puntos	FARO Technologies
Fologram	Plugin de desarrollo de MR y aplicación para auriculares	Fologram
Estación de trabajo de alto rendimiento	Procesamiento y renderizado de datos	N/A
Microsoft HoloLens 2	Casco de Realidad Mixta (MR)	Microsoft
Rhino 8	Entorno de modelado 3D	Robert McNeel & Asociados
Tarjeta de almacenamiento SD	Almacenamiento de datos en bruto en escaneo	N/A
Difusión estable	Modelo de IA Generativa Condicional (CGAI)	IA de estabilidad
Tencent Huiyuan 3D	Plataforma de IA Generativa Condicional (CGAI)	Tencent