Azimuth-52

38 / SET.2025 /Rumbo universitario CONCLUSIONES A través de esta metodología de trabajo fue posible evidenciar la practicidad de estas técnicas para ob- tener representaciones virtuales muy acercadas a la realidad de edificaciones existentes. Esto puede ser una herramienta sumamente útil para la gestión de estructuras institucionales, permitiendo a los usuarios realizar revisiones sin necesidad de constantes visitas al sitio. De esta forma, se podrá observar si las estruc- turas requieren mantenimiento en zonas deterioradas o desplomadas. Por otro lado, también será útil si se desea realizar una remodelación, ya que se tiene a la mano la geometría real del edificio, facilitando la ta- rea de consultar la medición de estructuras y objetos. De la mano con esto, la metodología BIM facilita enormemente el trabajo colaborativo entre usuarios gracias a la sincronización entre versiones de un mis- mo proyecto. Esto ahorra tiempo de trabajo, ya que un usuario no debe esperar a que otro comparta su versión para poder trabajar la suya, sino que ambos podrían estar trabajando simultáneamente para agi- lizar el proceso de modelado. Figura 3. Render de las fachadas del edificio. REFERENCIAS [1] R. Wehbe and I. Shahrour, “Use of BIM and Smart Monitoring for buildings’ Indoor Comfort Control,” MATEC web of conferences , vol. 295, p. 2010, 2019, doi: 10.1051/matec- conf/201929502010. [2] L. Li et al. , “Point2Roof: End-to-end3Dbuil- dingroofmodelingfromairborneLiDARpoint- clouds,” ISPRS journal of photogrammetry and remote sensing , vol. 193, pp. 17–28, 2022, doi: 10.1016/j.isprsjprs.2022.08.027. [3] M. Pepe et al. , “From Point Cloud to BIM: A New Method Based on Efficient Point Cloud Simplification by Geometric Feature Analysis and Building Parametric Objects in Rhinoce- ros/Grasshopper Software,” Remote sensing (Ba- sel, Switzerland) , vol. 16, no. 9, p. 1630, 2024, doi: 10.3390/rs16091630. [4] K. Barlish and K. Sullivan, “How to measure the benefits of BIM—A case study approach,” Automation in construction, vol. 24, pp. 149– 159, 2012, doi: 10.1016/j.autcon.2012.02.008. [5] M. Rakotosaona, V. la Barbera, P. Guerrero, N. J. Mitra, and M. Ovsjanikov, “PointClean- Net: Learning to Denoise and Remove Out- liers from Dense Point Clouds,” Computer graphics forum, vol. 39, no. 1, pp. 185–203, 2020, doi: 10.1111/cgf.13753.