Cómo obtener la máxima precisión y mejorar la exactitud de las nubes de puntos

Los topógrafos utilizan la física más avanzada, con décadas de experiencia, en cada componente. El GPS utiliza cálculos de tiempo a partir de relojes atómicos y señales enviadas desde órbita. Esta tecnología es ahora omnipresente en la vida cotidiana. O cómo LiDAR debe realizar miles de cálculos por segundo sobre el tiempo que ha tardado un haz de luz en volver a él. Por consiguiente, en sistemas tan complejos hay muchas fuentes de error. Por suerte, podemos hablar de ellas en términos generales para comprender mejor la precisión de nuestra topografía. En este artículo se analizan algunos puntos importantes para obtener la precisión de los levantamientos topográficos y las nubes de puntos desde la perspectiva de un topógrafo.

Una IMU (unidad de medición inercial) mide el movimiento intrínseco al que está sometida. Normalmente, la IMU utiliza instrumentos giroscópicos y acelerómetros para determinar su aceleración y los cambios en su orientación. Para los topógrafos, por tanto, una IMU es extremadamente importante. Esto se debe a que la topografía suele consistir en la observación de objetos a cierta distancia de uno mismo para mayor comodidad, pero cuanto más lejos esté un objeto, menos precisa será su posición. Considere el diagrama siguiente; para todas las mediciones existe un error intrínseco, incluido en los cambios de ángulo medidos por la IMU.

Tomando una aproximación de ángulo pequeño, el error en la posición de un objeto es simplemente el error angular x distancia al objeto. Esto significa que un error angular minúsculo puede provocar fácilmente una discrepancia muy grande en la posición de un objeto topografiado al encontrarse a gran distancia. Una IMU típica para topografía como la OXTS NAV650 La IMU puede tener una precisión de medio grado.

La IMU también es muy importante para la navegación. Intrínsecamente, la IMU mide el movimiento. Esto significa que los topógrafos pueden utilizarla como un dispositivo de navegación rudimentario para saber cómo se mueve la IMU. Por lo tanto, es posible utilizar una IMU de alta calidad para obtener la información de orientación esencial, pero también la información de dónde se encuentra la IMU. Sin embargo, todos los instrumentos muestran un recorrido aleatorio o una deriva en sus mediciones que afectará negativamente a la precisión de la nube de puntos. Por lo tanto, una IMU por sí sola se alejará rápidamente de su posición real, ya que mide el movimiento y no localiza la posición.

A GNSS (sistema mundial de navegación por satélite) localiza su posición en la Tierra gracias a las constelaciones de satélites en órbita. Gracias a la gran precisión de las señales de estos satélites, un receptor GNSS puede determinar su posición con una precisión de menos de un metro sobre la superficie terrestre. Utilizando un segundo receptor, a menudo denominado estación base, se pueden calcular las correcciones de la distorsión de las señales de los satélites en la atmósfera, lo que puede aumentar la precisión del dispositivo hasta un centímetro.

Existen otros sistemas que pueden utilizarse para localizar la posición, pero la mayoría de ellos se limitan a entornos de grandes infraestructuras para actuar como sustitutos cuando no pueden recibirse señales GNSS; por ahora, no hay ningún competidor real del GNSS en entornos exteriores. El GNSS proporciona un posicionamiento absoluto muy exacto y preciso sobre la Tierra, mientras que muchos sustitutos sólo pueden ofrecer un posicionamiento relativo sin la ayuda del propio GNSS.

Existen cuatro constelaciones principales de satélites GNSS en uso hoy en día. Durante mucho tiempo, las constelaciones rusa y estadounidense, GLONASS y GPS, han sido omnipresentes, pero las constelaciones europea y china, Galileo y Beidou, están cada vez más extendidas (también hay otras, por ejemplo QZSS). En general, las precisiones de estas constelaciones individuales son similares, pero un sistema GNSS puede aprovechar al máximo todos los datos disponibles utilizando varias de estas constelaciones, o las cuatro, combinadas. En la imagen que se muestra a continuación, puede verse la trayectoria de un sistema INS. Se muestra la trayectoria de un trazado de posición sólo GPS (azul) y de un trazado GPS y GLONASS (rojo). Como el vehículo ha pasado por algunos árboles y edificios obstructivos, las señales de satélite se han perdido y se ha producido un desvío de la posición. En el postprocesado se observa un salto repentino en la posición de la línea azul, y parece que se desplaza por el carril equivocado. Sin embargo, en la línea roja no vemos tal salto, sino una trayectoria suave en el lugar correcto. Esto se debe a que los sistemas GNSS necesitan un número mínimo de satélites para ofrecer resultados óptimos. Cuantos más satélites, o más constelaciones, más fiable será la salida de posición, especialmente en entornos GNSS deficientes, como una ciudad o un pueblo. Hoy en día, los sistemas como el OXTS xNAV650 ofrecen de serie las cuatro constelaciones para obtener la solución más fiable.

Un sistema GNSS y un IMU combinan sus puntos fuertes y débiles para formar un sistema de navegación completo. El GNSS proporciona una posición precisa del sistema en la Tierra y la IMU determina su orientación. Juntos, el sistema proporciona una posición en 3D, una alta precisión cronometraje del reloj atómico del GNSS y la orientación 3D. Suele denominarse INS (sistema de navegación inercial).

Los dos flujos de datos también pueden combinarse de forma inteligente para obtener una estimación aún más precisa de la posición y la orientación, cotejando continuamente un flujo de datos con el otro. Por ejemplo, cuando hay obstrucciones en las señales de los satélites, los datos del GNSS pueden mostrar grandes errores en su posición, pero al compararlos con los datos del acelerómetro, un INS puede determinar la trayectoria más plausible. En esos casos, o cuando no hay ninguna señal de satélite visible, se pueden utilizar las aceleraciones medidas por la IMU para estimar la trayectoria del dispositivo. Esto no será ni mucho menos tan preciso como cuando se utiliza el GNSS, pero es una solución provisional decente para este tipo de situaciones.

En OXTS INS por ejemplo, podría mostrar alrededor de un metro de deriva en un minuto completo sin actualizaciones del GNSS. Cuando se recupera el GNSS, se utiliza la posición verdadera y los datos capturados pueden mejorarse en el postprocesado para obtener una trayectoria realista.

También se pueden incorporar otros instrumentos y utilizar sus flujos de datos para comprobar otros. Por ejemplo, un sensor de velocidad de las ruedas se utiliza habitualmente en aplicaciones de cartografía móvil. Este dispositivo simplemente mide el movimiento de las ruedas de un vehículo para obtener otra lectura de dónde podría estar el vehículo. En este caso, se mide una pseudovelocidad. Este flujo de datos, al igual que la IMU, está disponible incluso cuando las señales GNSS no lo están, por lo que puede ser un complemento muy útil en condiciones GNSS deficientes, como bosques o zonas urbanas, donde las señales pueden estar obstruidas o distorsionadas. En las imágenes comparativas que aparecen a continuación, se han bloqueado artificialmente las señales GNSS en un tramo de un barrio.

Los colores de la nube de puntos son estimaciones de la incertidumbre, siendo el azul el de mayor precisión, el verde oscuro, el verde claro, el amarillo y el naranja los de menor precisión, y el rojo el de menor precisión, con una gran desviación. En la primera imagen, se puede ver que la mayor parte del estudio es de color rojo, lo que significa que es de baja precisión, llegando hasta medio metro en la incertidumbre de la posición del punto. Sin embargo, en la segunda imagen, en la que se utilizó el mismo proceso pero además un sensor de velocidad de las ruedas, se observa que un mayor porcentaje de la medición alcanzó el nivel más alto de precisión. Si se observa de cerca, se aprecian mejoras sustanciales, ya que la velocidad de las ruedas evita el desplazamiento de partes de la nube de puntos en casi medio metro, con una borrosidad considerablemente menor. Esto hace que un sensor de velocidad de las ruedas sea una gran adición a las configuraciones de cartografía móvil en este tipo de entornos.

Como ya hemos mencionado, los datos topográficos son muy sensibles a los datos de orientación debido a su propagación a distancia. Pero existe otra fuente de error de orientación, que se produce entre la IMU y el dispositivo topográfico. Para combinar, o georreferenciar, los datos de navegación de un INS y los datos topográficos, por ejemplo de un LiDAR, debe conocerse la relación espacial entre ambos. Hay que medir los desplazamientos y rotaciones a lo largo de cada eje 3D. Y este error de orientación contribuirá al error de posición de los puntos. Este error se denomina desalineación de puntería.

Por desgracia, puede ser muy difícil medir estos ángulos con el grado de precisión necesario para obtener datos de calidad topográfica. Se pueden emplear varios métodos, por ejemplo, utilizar un soporte impreso en CAD para unir firmemente el INS y el LiDAR con una orientación y un desplazamiento conocidos, pero hay que recordar que las precisiones deben ser del orden de medio grado o mejores. Otro método, desarrollado por OXTS, consiste en utilizar una técnica basada en datos para calibrar los ángulos. Tiene varias ventajas, entre ellas que se realiza completamente por software y sólo lleva diez minutos.

En el diagrama siguiente se puede ver la importancia de conseguir que los ángulos de orientación sean lo más precisos posible. Vistos a distancia desde diferentes perspectivas, los objetos aparecerán en el lugar equivocado y empezarán a desdibujarse, especialmente cuando los fotogramas se combinan en una nube de puntos. Desgraciadamente, los topógrafos no pueden simplemente fijar sus dispositivos a un vehículo y realizar el levantamiento sin medir cuidadosamente la relación entre el INS y el LiDAR, es decir, sin una técnica de calibración basada en datos que sólo requiera que los dispositivos estén rígidamente montados juntos. Realizando un breve levantamiento de algunos objetivos reflectantes, Georreferenciador OXTS es capaz de calibrar la orientación relativa a puntos de un grado.

Utilizando los datos de la IMU y el GNSS, el INS puede calcular una amplia gama de información de diagnóstico y estimar las incertidumbres con las que emite los datos. Esta información puede ser muy útil para los topógrafos. OXTS utiliza una fórmula que combina la especificación de precisión de LiDAR común y las precisiones comunicadas por el INS para calcular una estimación de la incertidumbre en las posiciones de todos los puntos de una nube de puntos. Esta información se genera automáticamente al utilizar OXTS Georeferencer y rellena un campo escalar de valores para que los datos puedan visualizarse y analizarse en un software de visualización de nubes de puntos. Esto permite a los usuarios ver exactamente dónde pueden necesitar volver a realizar el levantamiento. Al ver puntos naranjas o rojos, se puede identificar una zona en la que la metodología de levantamiento podría mejorarse.

Por ejemplo Estudio de carreteras que se muestra a continuación. Cuando el vehículo se movió bajo la línea de árboles y las señales de satélite empezaron a perderse, la posición del INS empezó a desviarse dando como resultado puntos verdes más claros, luego amarillos y naranjas a medida que recuperaba la vista GNSS. El topógrafo podría decidir que se trata de una zona importante y que es necesario volver a topografiarla. El levantamiento podría mejorarse simplemente conduciendo el vehículo en la dirección opuesta por la carretera para que el levantamiento tenga puntos de alta precisión en esa zona.

Como alternativa, o además, el topógrafo podría decidir simplemente eliminar los puntos inexactos. Dado que estos valores se almacenan en un campo escalar, como la hora GPS o la intensidad, pueden eliminarse fácilmente en cualquier software de visualización de nubes de puntos o en el propio OXTS Georeferencer. OXTS Georeferencer ofrece a los usuarios la posibilidad de elegir una incertidumbre de posición exacta bajo la que no procesar los puntos. Por ejemplo, si sólo desea conocer los puntos con una precisión de cinco centímetros o superior. Esto sólo puede ser una estimación y el tipo específico de LiDAR y/o los errores en la configuración del hardware serían factores adicionales.