지원 센터 방문 지원 센터 방문 대리점 찾기 대리점 찾기 문의 문의

최고의 정밀도를 얻고 포인트 클라우드 정확도를 향상시키는 방법

2021년 6월 16일 산업기사

우리는 거의 현대 측량 기술이 얼마나 복잡한지 이해하기 위해 멈추지 않습니다. 측량은 모든 구성 요소에서 수십 년의 경험을가진 가장 진보 된 물리학을사용합니다. GPS가 궤도에서 전송된 원자 시계 및 신호의 타이밍 계산을 사용하는 방법을 고려하십시오. 이 기술은 이제 일상 생활에서 유비쿼터스입니다. 또는 LiDAR가 라이트 빔이 다시 돌아오기 까지 얼마나 오래 걸렸는지에 대해 몇 초 동안 수천 개의 계산을 해야 하는 방법. 따라서 이러한 복잡한 시스템에는 많은 오류 소스가 있습니다. 그러나 다행히도, 우리는 우리의 측량의 정확성을 더 잘 이해하기 위해 매우 광범위하게 이것에 대해 이야기 할 수 있습니다. 이 문서에서는 측량자의 관점에서 설문조사 및 포인트클라우드 정확도를 얻기 위한 몇가지 중요한 사항을 더 논의합니다.

 

포인트 클라우드와 함께 촬영 Hesai XT LiDAR 및 xNAV650 기능
포인트 클라우드와 함께 촬영 Hesai 팬더 XT LiDAR 및 OxTS xNAV650 기능

 

IMU 정확도

IMU(관성 측정 부)는 적용되는 본질적인 움직임을 측정합니다. 일반적으로 자이로스코픽 계측기와 가속도계를 사용하면 IMU가 방향의 가속과 변화를 결정합니다. 따라서 측량자의 경우 IMU가 매우 중요합니다. 이는 일반적으로 측량은 가장 편리하기 위해 물체와 멀리 떨어져 있는 물체의 관찰이지만, 물체가 멀리 떨어져 있을수록 그 위치가 덜 정확하게 알 수 있기 때문이다. 아래 다이어그램을 고려하십시오. 모든 측정에 대해 IMU에 의해 측정된 각도 변화를 포함하여 본질적인 오류가 있습니다.

작은 각도 근사치를 취하면 오브젝트 위치의 오차는 단순히 개체에 대한각도 오류 x 거리입니다. 즉, 작은 각도 오류로 인해 조사된 개체의 위치에서 장거리에 있어 매우 큰 불일치가 발생할 수 있습니다. 조사용 전형적인 IMU는 OxTS NAV650 IMU의 정확도는 절반정도가 될 수 있습니다.

 

각 오류
방향 불확실성으로 인한 설문조사의 위치 오류

 

IMU는 탐색을 위해 매우 중요합니다. 본질적으로 IMU는 움직임을 측정합니다. 즉, 측량사들은 IMU가 이동하는 방식을 추적하기 위해 초보적인 탐색 장치로 사용할 수 있습니다. 따라서 고급 IMU를 사용하여 필수 방향 정보뿐만 아니라 IMU가 위치한 곳의 정보도 출력할 수 있다. 그러나 모든 계측기는 포인트클라우드 정확도에 부정적인 영향을 미치는 측정에서 임의의 도보 또는 드리프트를 나타낸다. 따라서 IMU만으로는 모션을 측정하고 위치를 현지화하지 않으므로 실제 위치에서 빠르게 표류합니다.

 

GNSS 지역화

GNSS (글로벌 네비게이션 위성 시스템) 시스템은 궤도에 있는 위성의 별자리를 사용하여 지구상의 위치를 현지화합니다. 이러한 위성 신호에서 매우 정확한 타이밍 정보를 사용하여 GNSS 수신기는 지구 표면에서 미터 미만의 위치를 결정할 수 있습니다. 종종 기지국이라고도 하는 제2 수신기를 사용하면 위성의 신호가 대기 중으로 왜곡된 방식에 대해 보정을 계산할 수 있으며 이로 인해 장치의 정확도가 센티미터까지 도내로 증가할 수 있습니다.

위치를 현지화하는 데 사용할 수 있는 다른 시스템이 있지만, 대부분은 GNSS 신호를 수신할 수 없을 때 대체 역할을 하는 대형 인프라 환경으로 제한되어 있으며, 현재로서는 실외 환경에서 GNSS에 대한 실제 경쟁자가 없습니다. GNSS는 지구상에서 매우 정확하고 정확한 절대 포지셔닝을 제공하는 반면, 많은 대체물들은 GNSS 자체의 도움 없이는 상대적인 포지셔닝만 제공할 수 있습니다.

GNSS 별자리

오늘날 사용 중인 GNSS 위성의 네 가지 주요 별자리가 있습니다. 오랫동안 러시아와 미국의 별자리, GLONASS 및 GPS는 유비쿼터스로 사용되었지만 유럽과 중국의 별자리인 갈릴레오와 베이두(Beidou)도 점점 더 널리 보급되고 있습니다(예를 들어 QZSS와 같은 다른 항목도 있습니다). 일반적으로 이러한 개별 별자리를 사용하는 정확도는 유사하지만 GNSS 시스템은 이러한 별자리의 여러 또는 4개 모두를 사용하여 사용 가능한 모든 데이터를 최대한 활용할 수 있습니다. 아래 그림에서 INS 시스템의 궤적을 볼 수 있습니다. GPS 전용(파란색) 위치 추적 및 GPS 및 GLONASS(빨간색) 추적의 궤적이 표시됩니다. 차량이 일부 폐쇄형 나무와 건물에 의해 통과됨에 따라 위성 신호가 손실되고 위치 표류가 발생했습니다. 후처리에서는 파란색 선의 위치가 급격히 점프하여 볼 수 있으며 잘못된 차선에서 이동하는 것으로 보입니다. 그러나, 레드 라인에서 우리는 올바른 장소에서 부드러운 궤도하지만 이러한 점프를 볼 수 없습니다. 이는 GNSS 시스템이 최적의 결과를 제공하기 위해 최소 수의 위성이 필요하기 때문입니다. 위성이 많을수록, 또는 별자리가 많을수록 위치 출력이 특히 도시 나 마을과 같은 열악한 GNSS 환경에서 있을 것입니다. 요즘과 같은 시스템 OxTS xNAV650 가장 신뢰할 수 있는 솔루션에 대한 표준으로 이러한 네 가지 별자리를 모두 제공하는 쪽으로 이동하고 있습니다.

GNSS 추적
GPS(파란색) 위치 추적 및 GPS+글로나스(빨간색)

관성 네비게이션 시스템

GNSS와 IMU 시스템은 서로의 강점과 약점을 함께 재생하여 완전한 탐색 시스템을 만듭니다. GNSS는 지구상의 시스템의 정확한 위치를 제공하며 IMU는 방향을 결정합니다. 이 시스템은 함께 GNSS 및 3D 방향에서 3D 위치, 매우 정확한 원자 시계 타이밍을 제공합니다. 이것은 종종 INS (관성 탐색 시스템)로 알려져 있습니다.

또한 두 데이터 스트림을 지능적으로 결합하여 한 데이터 스트림을 다른 데이터 스트림에 대해 지속적으로 확인하여 위치 및 방향을 보다 정확하게 추정할 수 있습니다. 예를 들어, 위성 신호에 장애물이 있을 때 GNSS 데이터는 위치 출력에 큰 오류를 나타낼 수 있지만 이를 가속도계 데이터와 비교하여 INS가 가장 그럴듯한 궤적을 결정할 수 있습니다. 이러한 시간에, 또는 모든 위성 신호에 보기가 없는 경우, IMU의 측정 된 가속도는 장치의 궤적을 추정하는 데 사용할 수 있습니다. 이것은 GNSS가 사용될 때만큼 정확하지 는 않지만 그러한 상황에 대해 괜찮은 스톱갭을 만듭니다.

xNAV650 INS 장착 Hesai 팬더 XT
xNAV650 INS 및 Hesai XT LiDAR는 모바일 매핑을 위해 자동차에 장착

OxTS 예를 들어 INS는 GNSS 업데이트 없이 1분 만에 약 1미터의 드리프트를 나타낼 수 있습니다. GNSS가 회복되면 실제 위치가 사용되고 캡처된 데이터는 처리 후 에서 개선되어 사실적인 궤적을 얻을 수 있습니다.

다른 계측기를 통합할 수도 있고 데이터 스트림을 사용하여 다른 기기를 확인할 수 있습니다. 예를 들어 휠스피드 센서는 모바일 매핑 애플리케이션에서 일반적으로 사용됩니다. 이 장치는 단순히 차량의 바퀴 움직임을 측정하여 차량이 어디에 있는지 다시 판독합니다. 이 경우 의사 속도가 측정됩니다. 이 데이터 스트림은 GNSS 신호가 없는 경우에도 IMU를 사용할 수 있으므로 신호가 막히거나 왜곡될 수 있는 숲이나 도시 지역과 같은 열악한 GNSS 조건에서 매우 유용하게 추가할 수 있습니다. 아래 비교 사진에서, 이웃의 스트레칭은 인위적으로 완전히 차단 GNSS 신호를했다.

포인트클라우드의 색상은 파란색이 가장 높은 정확도인 불확실성의 추정치이며, 어두운 녹색, 노란색, 주황색은 정확도가 좋지 않고 많은 양의 드리프트로 가장 낮은 빨간색입니다. 첫 번째 그림에서는 대부분의 설문조사가 빨간색이라는 것을 알 수 있는데, 이는 정확도가 떨어지므로 지점 위치 불확실성에서 최대 반 미터까지 얻는 것입니다. 그러나 동일한 프로세스를 사용하지만 휠스피드 센서를 사용한 두 번째 그림은 가장 높은 수준의 정확도를 달성한 조사 비율이 더 큰 것으로 나타났습니다. 휠 스피드가 포인트클라우드 의 일부 부분의 이동을 거의 절반 정도 덜 흐리게 하여 방지하므로 가까이서 보면 상당한 개선이 이루어질 수 있습니다. 따라서 휠스피드 센서는 이러한 환경에서 모바일 매핑 설정에 큰 도움이 됩니다.

이웃 설문 조사. GNSS가 포인트 포지션 불확실성에 의해 응고된 지역을 가로막는 가운데
GNSS가 없는 동네 섹션에 대한 설문 조사, 포인트 위치 불확실성에 의해 착색
GNSS가 있는 이웃 조사는 지점 위치 불확실성에 의해 응고된 지역을 방해했습니다 - 휠 속도 데이터
동일한 설문 조사이지만 현재 휠 스피드 데이터를 활용합니다.

회전량 보정

앞서 언급했듯이, 데이터를 측량하는 것은 거리 보다 전파로 인해 방향 데이터에 매우 민감합니다. 그러나 IMU와 측량 장치 사이에는 방향 오류의 또 다른 소스가 있습니다. INS의 내비게이션 데이터 또는 측량 데이터를 결합하려면 LiDAR와 같은 데이터 측량데이터를 결합하려면 둘 사이의 공간 관계를 알 수 있어야 합니다. 각 3D 축을 따라 변위 및 회전을 측정해야 합니다. 그리고 이 방향 오류는 포인트의 위치 오류에 기여합니다. 이 오류를 지루시 오정렬이라고 합니다.

안타깝게도 이러한 각도를 설문조사 등급 데이터에 필요한 정확도 정도까지 측정하는 것은 매우 어려울 수 있습니다. 예를 들어 CAD 인쇄 마운트를 사용하여 알려진 방향 및 변위에서 INS 및 LiDAR를 함께 단단히 묶는 여러 가지 방법을 사용할 수 있지만 accuracies는 절반 정도의 순서여야 합니다. 또 다른 방법, 하나는 에 의해 개발 OxTS , 각도를 보정하기 위해 데이터 기반 기술을 사용하는 것입니다. 이 소프트웨어에 의해 전적으로 수행 되 고 10 분 만 복용 등 몇 가지 이점이 있다.

OxTS 보어사이트 교정
하드웨어 설정 보기에서 OxTS Georeferencer

아래 다이어그램에서 방향 각도를 가능한 한 정확하게 얻는 것의 중요성을 확인할 수 있습니다. 다른 관점에서 멀리 서 볼 때 개체가 잘못된 위치에 나타나고 특히 프레임이 포인트 클라우드에서 결합될 때 흐리기 시작합니다. 안타깝게도 측량사들은 INS와 LiDAR 간의 관계를 신중하게 측정하지 않고도 단순히 장치를 차량및 측량에 고정할 수 없으며, 즉 장치가 단단히 함께 장착되어 있어야 하는 데이터 기반 교정 기술 없이는 됩니다. 일부 반사 목표에 대한 짧은 설문 조사를 수행함으로써, OxTS Georeferencer 상대 방향을 어느 정도로 보정할 수 있습니다.

지루시 오정렬
지루시 오정렬의 효과의 다이어그램

정확도 계산

INS는 IMU 및 GNSS 데이터를 사용하여 광범위한 진단 정보를 계산하고 데이터를 능가하는 불확실성을 추정할 수 있습니다. 이 정보는 측량사에게 매우 강력할 수 있습니다. OxTS 일반 LiDAR의 정확도 사양과 INS에서 보고한 정확도 사양을 결합하여 포인트 클라우드의 모든 지점의 위치에서 불확실성의 추정치를 계산하는 수식을 사용합니다. 이 문제는 사용 시 자동으로 생성됩니다. OxTS Georeferencer 포인트클라우드 보기 소프트웨어에서 데이터를 보고 분석할 수 있도록 값의 스칼라 필드를 채웁니다. 이를 통해 사용자는 재조사해야 할 위치를 정확하게 확인할 수 있습니다. 주황색 또는 빨간색 점을 확인하면 측량 방법론이 개선될 수 있는 영역이 식별될 수 있습니다.

예를 들어 아래 표시된 도로 설문조사를 고려하십시오. 차량이 나무 선 아래로 이동하고 위성 신호가 손실되기 시작했을 때 INS 위치가 표류하기 시작하여 GNSS 보기를 되찾으면서 녹색과 노란색 및 주황색 점이 더 밝기 시작했습니다. 측량사는 이것이 중요한 영역이며 재조사가 필요하다고 결정할 수 있습니다. 이 조사는 차량을 도로 아래로 반대 방향으로 운전하여 단순히 개선될 수 있으므로 해당 영역에 대한 정확도가 높습니다.

또는 측량사는 부정확한 점을 제거하기로 결정할 수 있습니다. 이러한 값은 GPS 시간 이나 강도와 같은 스칼라 필드에 저장되므로 모든 포인트 클라우드 보기 소프트웨어에서 쉽게 제거할 수 있습니다. OxTS Georeferencer 자체. OxTS Georeferencer 사용자에게 포인트를 처리하지 않는 정확한 위치 불확실성을 선택할 수 있습니다. 예를 들어 5센티미터 이상으로 알려진 점만 원하면 됩니다. 이는 추정치일 뿐이며 하드웨어 설정의 특정 LiDAR 유형 및/또는 오류는 추가 요인이 될 수 있습니다.

포인트클라우드 정확도 진단
포인트 클라우드에 의해 착색 OxTS ' 불확실성 추정

위의 예에서 휠스피드 센서에 표시된 예제에서는 이 기능을 사용하여 설문조사의 정확도를 비교할 수 있는 방법을 보았습니다. 또한 부정확한 점을 제거하는 데 사전에 사용할 수도 있습니다. 예를 들어 가장 정확하지 않은 빨간색 점을 모두 제거하고 녹색과 파란색만 남길 수 있습니다. 이것은 GNSS가없는 영역은 거의 설문 조사 등급 데이터를 가지고 있지 않지만 휠 스피드를 사용하면 대부분의 지역이 필요한 높은 정확도를 유지할 수 있으며 여러 번의 패스가 유지됩니다.

결론적으로

우리는 여러 소스에서 포인트 위치의 최종 오류에 대한 기여와 이를 방지하는 몇 가지 방법을 확인했습니다. 특히, 우리는 IMU 사양과 신뢰성을 매우 중요하게 하고 또한 측량 장비 사이의 측정 된 관계를 만드는 장거리 조사 할 때 측량 데이터가 각 오류에 매우 민감하다는 것을 보았다. 이러한 기여를 줄이는 데 얼마나 많은 고려사항이 있더라도 항상 잔여 오류가 있을 것입니다. 그렇기 때문에 설문 조사 전반에 걸쳐 오류를 추정하고 분석하여 주의가 필요한 위치를 파악하는 것이 좋습니다. 또한 최적의 조건에서 가져온 점만 포함하여 최종 데이터를 자동으로 개선하는 데 사용할 수 있습니다.

제이콥 아매커
제품 엔지니어, OxTS

포인트 클라우드 정확도에 우리의 웨비나보기 ...

2021년 초, 제품 엔지니어인 제이콥 아마커 OxTS 최고의 포인트클라우드 정밀도를 얻고 정확도를 향상시키는 방법에 대해 논의했습니다.

웨비나 동안 야곱은 다음과 같은 몇 가지 주요 주제를 다루었습니다.

• 포인트클라우드 정밀도에 IMU 및 GNSS 정확도가 중요한 이유
• Boresight 교정을 사용하면 포인트클라우드 결과에 상당한 이점이 있을 수 있습니다.
• 정확도 진단을 사용하여 포인트클라우드 포인트 정밀도의 불확실성을 추정하는 것이 설문조사 의사 결정의 핵심인 이유

이것은 무료로 참석할 수 있었고, 여기에서 녹음을 다시 볼 수 있습니다...

 

녹음 보기

포인트클라우드 정확도 웨비나

접촉 OxTS 관성 내비게이션 시스템이 LiDAR 측량 개선에 어떻게 도움이 되는지 자세히 알아보십시오.

또는, 우리의 LiDAR 측량보어 시력 교정 브로셔를 다운로드하여 자세히 알아보십시오...

LiDAR 측량 브로셔브로셔 읽기

보어사이트 교정 브로셔브로셔 읽기

정상으로 돌아가기

위로 가기

,