{"id":10026,"date":"2025-10-27T15:48:22","date_gmt":"2025-10-27T15:48:22","guid":{"rendered":"https:\/\/www.oxts.com\/?p=10026"},"modified":"2026-01-21T10:27:59","modified_gmt":"2026-01-21T10:27:59","slug":"uninterrupted-trajectory-data-unleashed","status":"publish","type":"post","link":"https:\/\/www.oxts.com\/de\/uninterrupted-trajectory-data-unleashed\/","title":{"rendered":"Ununterbrochene Flugbahndaten, die eine genaue Lokalisierung in jeder Umgebung erm\u00f6glichen"},"content":{"rendered":"
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n
Der Begriff \"Mobile Mapping\" kann f\u00fcr viele verschiedene Menschen viele verschiedene Bedeutungen haben. Er deckt ein breites Spektrum an Disziplinen ab und kann sich sowohl auf luft- als auch auf landgest\u00fctzte Aktivit\u00e4ten beziehen. Doch egal, ob Sie eine Drohne zur Kartierung von Infrastrukturen oder ein landgest\u00fctztes Fahrzeug zur Ortung von Objekten einsetzen, eines bleibt immer gleich - der Bedarf an ununterbrochenen Trajektorendaten.<\/h5>\n\n\n
\n

Ingenieure verwenden in der Regel GNSS-gest\u00fctzte Tr\u00e4gheitsnavigationssysteme (INS)<\/a> um sie mit diesen Informationen zu versorgen. Ein INS-Ger\u00e4t kombiniert Positionsdaten von GNSS<\/a>mit Orientierungsdaten von einer IMU, um eine Sch\u00e4tzung seiner Position auf der Erde auszugeben. Die Daten k\u00f6nnen dann f\u00fcr eine Reihe von Georeferenzierungsaktivit\u00e4ten verwendet werden.<\/p>\n

In einer Umgebung unter freiem Himmel gibt ein INS im Allgemeinen Flugbahndaten mit einer Genauigkeit von wenigen Zentimetern aus, was f\u00fcr die meisten Anwendungen ausreicht. Georeferenzierung<\/a> Anwendungsf\u00e4lle. Es liegt jedoch in der Natur der Sache, dass die mobile Kartierung nicht immer ausschlie\u00dflich unter freiem Himmel stattfindet. Vielmehr erfolgt sie \u00fcber lange Basislinien, die verschiedene Umweltbedingungen und regelm\u00e4\u00dfige GNSS-Unterbrechungen beinhalten. Daher liegt ein Gro\u00dfteil des Wertes der mobilen Kartierung heute in der F\u00e4higkeit, genaue Daten zu sammeln, ununterbrochene<\/strong> Flugbahndaten in verschiedenen Umgebungen, mit und ohne GNSS-Positionsaktualisierung.<\/p>\n

Ununterbrochene Flugbahndaten in st\u00e4dtischen Stra\u00dfenschluchten<\/span><\/h5>\n

F\u00fcr Aufgaben wie die \u00dcberwachung von Infrastrukturen und die Verwaltung von Verm\u00f6genswerten - zwei der bekanntesten Anwendungen f\u00fcr die mobile Kartierung - ist die F\u00e4higkeit, ununterbrochene Trajektorendaten in Umgebungen wie Stadtschluchten zu liefern, nicht nur \"nice to have\", sondern unverzichtbar und kann den Unterschied zwischen dem Gewinn oder dem Verlust eines Projekts an einen Mitbewerber ausmachen.<\/p>\n

Um eine konsistente, genaue Datenerfassung in bebauten Gebieten zu erm\u00f6glichen, m\u00fcssen die Kartierungsflotten gegen GNSS-Signalunterbrechungen oder -ausf\u00e4lle gewappnet sein, die zu erheblichen Positionsabweichungen f\u00fchren und die Daten unbrauchbar machen k\u00f6nnen.<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n

\"Uninterrupted
St\u00e4dtische Stra\u00dfenschluchten bieten schwierige GNSS-Bedingungen<\/figcaption><\/figure>\n\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n\n\n
\n

Die beste L\u00f6sung zur Sicherstellung global genauer, ununterbrochener Flugbahndaten wird immer eine Kombination aus GNSS- und INS-Daten sein, und diese Kombination sollte immer genutzt werden, wann immer dies m\u00f6glich ist. Wenn jedoch GNSS nicht verf\u00fcgbar ist, muss zus\u00e4tzliche Redundanz in das System integriert werden.<\/p>\n

Nutzung der Sensorfusion f\u00fcr Redundanz<\/span><\/h5>\n

Wenn GNSS unzuverl\u00e4ssig ist, sollten in dessen Abwesenheit Hilfsdaten von zus\u00e4tzlichen Sensoren wie LiDAR oder Kameras verwendet werden - obwohl dies mit einer Reihe von Integrationsproblemen verbunden sein kann.<\/p>\n

Die Daten dieser Systeme k\u00f6nnen, wenn sie korrekt mit den IMU-Daten fusioniert werden, dazu beitragen, fehlende oder fehlerhafte GNSS-Daten zu ersetzen, die Positionsdrift zu stabilisieren und genaue Flugbahndaten ohne GNSS sicherzustellen.<\/p>\n

Dies ist besonders n\u00fctzlich f\u00fcr alle Projekte, die in einer Stadtschlucht stattfinden, wo das GNSS-Signal st\u00e4ndig reflektiert oder durch hohe Geb\u00e4ude, Br\u00fccken und Tunnel unterbrochen wird. In diesem Anwendungsfall ist es zum Beispiel m\u00f6glich, dass fehlende GNSS-Updates durch Geschwindigkeits-Updates von einem LIDAR-Sensor (LiDAR Inertial Odometry oder LIO) erg\u00e4nzt werden, wenn das GNSS-Signal verloren geht. LIO-Daten k\u00f6nnen im Post-Processing oder in Echtzeit (bei aktiver Navigation) mit der Funktion WayFinder<\/a> Navigationssystem.<\/p>\n

Wo es eine hohe Konzentration von Anlagen gibt, gibt es normalerweise auch eine hohe Konzentration von GNSS-Unterbrechungen. F\u00fcr Projekte wie die gro\u00dffl\u00e4chige Kartierung von Objekten, die in der Regel \u00fcber weite Gebiete und in bebauten Umgebungen stattfinden, ist es entscheidend, ununterbrochene Trajektorendaten zu erhalten. Andernfalls kann die Identifizierung und Lokalisierung von Objekten ungenau werden, was im weiteren Verlauf zu Problemen f\u00fchrt. Die Generierung und Zusammenf\u00fchrung von Navigationsupdates von anderen Sensoren erh\u00f6ht die Stabilit\u00e4t der Trajektorienausgabe und sorgt f\u00fcr genauere Lokalisierungsdaten \u00fcber l\u00e4ngere Zeitr\u00e4ume.<\/p>\n

Wie wir bereits in diesem Blog erw\u00e4hnt haben, sollten f\u00fcr jedes Projekt nach M\u00f6glichkeit GNSS- und INS-Daten verwendet werden, da diese die genauesten Daten liefern. In schwierigeren Umgebungen, wie z. B. in H\u00e4userschluchten, kann die Kombination zus\u00e4tzlicher Sensormodalit\u00e4ten jedoch eine kosteneffiziente Methode sein, um die Genauigkeit der Flugbahn zu gew\u00e4hrleisten. Dar\u00fcber hinaus kann die M\u00f6glichkeit, intelligent zwischen GNSS- und Nicht-GNSS-Lokalisierungsmethoden zu wechseln, die Produktivit\u00e4t erh\u00f6hen und die Projektabwicklung beschleunigen.<\/p>\n

Die Herausforderung f\u00fcr viele mobile Kartographen besteht in der Zeit und den F\u00e4higkeiten, die erforderlich sind, um Navigationsaktualisierungen aus diesen zus\u00e4tzlichen Sensormodalit\u00e4ten zu generieren und zusammenzuf\u00fchren. Das ist der Punkt WayFinder<\/a> kommt herein. Als einsatzbereites Multisensor-Fusionsger\u00e4t wird die Integration und Sensorfusion von GNSS-, IMU-, LiDAR- und Kameradaten f\u00fcr Sie erledigt. Dank der umfassenden Unterst\u00fctzung f\u00fcr georeferenzierte Daten von einer Reihe von Laserscannern in Vermessungsqualit\u00e4t und der M\u00f6glichkeit, f\u00fcr die Lokalisierung zwischen GNSS und LiDAR\/Kamera umzuschalten, k\u00f6nnen Sie die Zeit und das Geld, die f\u00fcr die Bereitstellung aufgewendet werden, getrost dem Wachstum zuordnen, in der Gewissheit, dass Ihr Datenerfassungssystem in der Lage ist, genaue, ununterbrochene Trajektorendaten zu erfassen.<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n

\n
Kontakt<\/a><\/div>\n<\/div>\n\n\n\n

<\/p>\n\n\n\n\n

\n
<\/div>\n
\n
\n \n \n\n\n \n\n\n \n\n\n \n\n

Laden Sie das WayFinder-Datenblatt herunter<\/h3>\n\n \n\n\n \n\n

Erfahren Sie mehr \u00fcber die Spezifikationen der Positionsgenauigkeit, die Sie von WayFinder mit und ohne GNSS-Signal erwarten k\u00f6nnen<\/p>\n\n \n\n\n\n\n

\n \n\n\n \n \n Laden Sie das WayFinder-Datenblatt herunter<\/span>\n <\/a>\n\n <\/div>\n\n <\/div>\n <\/div>\n
<\/div>\n<\/div>\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n\n\n
\n \n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>","protected":false},"excerpt":{"rendered":"","protected":false},"author":5,"featured_media":10067,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[50,81,95],"tags":[82,70,64,65,76],"class_list":["post-10026","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-georeferencing","category-mobile-mapping","category-wayfinder","tag-georeferencing","tag-gnss","tag-imu","tag-ins","tag-wayfinder"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.oxts.com\/de\/wp-json\/wp\/v2\/posts\/10026","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.oxts.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.oxts.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.oxts.com\/de\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/www.oxts.com\/de\/wp-json\/wp\/v2\/comments?post=10026"}],"version-history":[{"count":34,"href":"https:\/\/www.oxts.com\/de\/wp-json\/wp\/v2\/posts\/10026\/revisions"}],"predecessor-version":[{"id":10069,"href":"https:\/\/www.oxts.com\/de\/wp-json\/wp\/v2\/posts\/10026\/revisions\/10069"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.oxts.com\/de\/wp-json\/wp\/v2\/media\/10067"}],"wp:attachment":[{"href":"https:\/\/www.oxts.com\/de\/wp-json\/wp\/v2\/media?parent=10026"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.oxts.com\/de\/wp-json\/wp\/v2\/categories?post=10026"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.oxts.com\/de\/wp-json\/wp\/v2\/tags?post=10026"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}