{"id":10026,"date":"2025-10-27T15:48:22","date_gmt":"2025-10-27T15:48:22","guid":{"rendered":"https:\/\/www.oxts.com\/?p=10026"},"modified":"2026-07-06T10:39:24","modified_gmt":"2026-07-06T10:39:24","slug":"uninterrupted-trajectory-data-unleashed","status":"publish","type":"post","link":"https:\/\/www.oxts.com\/es\/uninterrupted-trajectory-data-unleashed\/","title":{"rendered":"Datos de trayectoria ininterrumpidos y localizaci\u00f3n precisa en cualquier entorno"},"content":{"rendered":"
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n
El t\u00e9rmino cartograf\u00eda m\u00f3vil puede significar muchas cosas diferentes para muchas personas diferentes. Abarca una amplia gama de disciplinas y puede referirse tanto a actividades a\u00e9reas como terrestres. Sin embargo, tanto si se utiliza un dron para cartografiar infraestructuras como un veh\u00edculo terrestre para localizar activos, hay algo que permanece constante: la necesidad de disponer de datos de trayectoria ininterrumpida.<\/h5>\n\n\n
\n

Los ingenieros tienden a utilizar Sistemas de navegaci\u00f3n inercial asistidos por GNSS (INS)<\/a> para proporcionarles esta informaci\u00f3n. Un dispositivo INS combina datos de posici\u00f3n procedentes de GNSS<\/a>con los datos de orientaci\u00f3n de una IMU, para obtener una estimaci\u00f3n de su posici\u00f3n en la Tierra. Los datos pueden utilizarse para diversas actividades de georreferenciaci\u00f3n.<\/p>\n

En un entorno de cielo abierto, un sistema de navegaci\u00f3n por sat\u00e9lite suele proporcionar datos de trayectoria con una precisi\u00f3n centim\u00e9trica, lo que es suficiente para la mayor\u00eda de las aplicaciones. georreferenciaci\u00f3n<\/a> casos de uso. Pero, por su propia naturaleza, la cartograf\u00eda m\u00f3vil no siempre tiene lugar exclusivamente en condiciones de cielo abierto. De hecho, se lleva a cabo en largas l\u00edneas de base que incorporan m\u00faltiples condiciones ambientales e interrupciones regulares del GNSS. Por lo tanto, gran parte del valor de la cartograf\u00eda m\u00f3vil actual reside en la capacidad de recopilar datos precisos, sin interrupciones<\/strong> datos de trayectoria en distintos entornos, con y sin actualizaciones de posici\u00f3n GNSS.<\/p>\n

Datos de trayectorias ininterrumpidas en ca\u00f1ones urbanos<\/span><\/h5>\n

Para tareas como la supervisi\u00f3n de infraestructuras y la gesti\u00f3n de activos -dos de las aplicaciones de cartograf\u00eda m\u00f3vil m\u00e1s publicitadas-, disponer de la capacidad de proporcionar datos de trayectoria ininterrumpida en entornos como los ca\u00f1ones urbanos no es s\u00f3lo algo \"agradable de tener\", sino esencial, y puede suponer la diferencia entre ganar o perder un proyecto a manos de un competidor.<\/p>\n

Para poder recopilar datos precisos y coherentes en zonas urbanizadas, las flotas de cartograf\u00eda deben ser resistentes a las interrupciones o apagones de la se\u00f1al GNSS, que pueden provocar importantes errores de posici\u00f3n e inutilizar los datos.<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n

\"Uninterrupted
Los ca\u00f1ones urbanos presentan condiciones dif\u00edciles para el GNSS<\/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

La mejor soluci\u00f3n para garantizar datos de trayectoria precisos e ininterrumpidos a escala mundial ser\u00e1 siempre una combinaci\u00f3n de datos GNSS e INS, y esta combinaci\u00f3n deber\u00eda utilizarse siempre que sea posible. Pero cuando el GNSS no est\u00e1 disponible, es necesario integrar una redundancia adicional en el sistema.<\/p>\n

Fusi\u00f3n de sensores para aumentar la redundancia<\/span><\/h5>\n

Cuando el GNSS no es fiable, en su ausencia deben utilizarse datos de ayuda procedentes de sensores adicionales, como LiDAR o c\u00e1maras, aunque esto puede plantear sus propios problemas de integraci\u00f3n.<\/p>\n

Los datos de estos sistemas, cuando se fusionan correctamente con los datos de la IMU, pueden ayudar a sustituir los datos del GNSS que falten o sean err\u00f3neos, estabilizando la deriva de la posici\u00f3n y garantizando datos precisos de la trayectoria sin GNSS.<\/p>\n

Esto es especialmente \u00fatil para cualquier proyecto que tenga lugar en un ca\u00f1\u00f3n urbano, donde la se\u00f1al GNSS se refleja o se interrumpe continuamente por edificios altos, puentes y t\u00faneles. Por ejemplo, en este caso de uso, es posible que las actualizaciones de GNSS que falten puedan complementarse con actualizaciones de velocidad de un sensor LIDAR (odometr\u00eda inercial LiDAR o LIO), siempre que se pierda la se\u00f1al GNSS. Los datos LIO pueden a\u00f1adirse en post-proceso, o en tiempo real (para navegaci\u00f3n activa) con la funci\u00f3n WayFinder Prime<\/a> sistema de navegaci\u00f3n.<\/p>\n

Donde hay una alta concentraci\u00f3n de activos, suele haber tambi\u00e9n una alta concentraci\u00f3n de interrupciones del GNSS. Para proyectos como la cartograf\u00eda de activos a gran escala, que suelen tener lugar en vastas \u00e1reas y en entornos urbanizados, es crucial obtener datos de trayectoria ininterrumpidos. Sin ellos, la identificaci\u00f3n y localizaci\u00f3n de activos puede resultar imprecisa y causar problemas m\u00e1s adelante. La generaci\u00f3n y fusi\u00f3n de actualizaciones de navegaci\u00f3n procedentes de otros sensores a\u00f1ade resistencia a los resultados de la trayectoria, lo que se traduce en datos de localizaci\u00f3n m\u00e1s precisos durante per\u00edodos m\u00e1s largos.<\/p>\n

Como hemos mencionado anteriormente en este blog, para cualquier proyecto deben utilizarse datos GNSS e INS siempre que sea posible, ya que as\u00ed se obtienen los datos m\u00e1s precisos. Sin embargo, en entornos m\u00e1s dif\u00edciles, como los ca\u00f1ones urbanos, la fusi\u00f3n de otras modalidades de sensores puede ser una forma rentable de mantener la precisi\u00f3n de la trayectoria. Adem\u00e1s, tener la capacidad de cambiar de forma inteligente entre m\u00e9todos de localizaci\u00f3n GNSS y no GNSS puede aumentar la productividad y acelerar la entrega del proyecto.<\/p>\n

El reto para muchos cart\u00f3grafos m\u00f3viles puede estar en el tiempo y los conocimientos necesarios para generar y fusionar las actualizaciones de navegaci\u00f3n de esas modalidades de sensores adicionales. Ah\u00ed es donde WayFinder Prime<\/a> viene. Como dispositivo de fusi\u00f3n multisensor listo para su despliegue, la integraci\u00f3n y fusi\u00f3n de sensores de GNSS, IMU, LiDAR y datos de c\u00e1mara se realiza por usted. Gracias a la amplia compatibilidad con datos georreferenciados de una amplia gama de esc\u00e1neres l\u00e1ser de calidad topogr\u00e1fica y a la posibilidad de alternar entre el uso de GNSS y LiDAR\/c\u00e1mara para la localizaci\u00f3n, puede reasignar con confianza el tiempo y el dinero invertidos en el despliegue al crecimiento, con la seguridad de que su sistema de recopilaci\u00f3n de datos es capaz de recoger datos de trayectoria precisos e ininterrumpidos.<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n

\n
P\u00f3ngase en contacto con nosotros<\/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

Descargar la hoja de datos de WayFinder Prime<\/h3>\n\n \n\n\n \n\n

Learn more about the position accuracy specifications you can expect from WayFinder Prime both with and without GNSS signal<\/p>\n\n \n\n\n\n\n

\n \n\n\n \n \n Descargar la hoja de datos de WayFinder Prime<\/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\/es\/wp-json\/wp\/v2\/posts\/10026","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.oxts.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.oxts.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.oxts.com\/es\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/www.oxts.com\/es\/wp-json\/wp\/v2\/comments?post=10026"}],"version-history":[{"count":36,"href":"https:\/\/www.oxts.com\/es\/wp-json\/wp\/v2\/posts\/10026\/revisions"}],"predecessor-version":[{"id":12519,"href":"https:\/\/www.oxts.com\/es\/wp-json\/wp\/v2\/posts\/10026\/revisions\/12519"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.oxts.com\/es\/wp-json\/wp\/v2\/media\/10067"}],"wp:attachment":[{"href":"https:\/\/www.oxts.com\/es\/wp-json\/wp\/v2\/media?parent=10026"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.oxts.com\/es\/wp-json\/wp\/v2\/categories?post=10026"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.oxts.com\/es\/wp-json\/wp\/v2\/tags?post=10026"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}