我们很少停下来欣赏现代测量技术是多么的复杂。测量人员在每个组件中都使用了最先进的物理学，并拥有几十年的经验。考虑一下GPS是如何利用原子钟和从轨道上发出的信号进行计时计算的。这项技术现在在日常生活中无处不在。或如何 LiDAR在一秒钟内必须对一束光的返回时间进行成千上万次的计算。因此，在这样复杂的系统中，有许多错误的来源。然而幸运的是，我们可以相当广泛地谈论这些，以更好地了解我们测量的准确性。这篇文章将进一步讨论从测量者的角度获得测量和点云精度的一些重要观点。
IMU精度
一个IMU（惯性测量单元）测量它所承受的内在运动。通常使用陀螺仪和加速计，IMU将确定其加速度和方向的变化。因此，对于测量人员来说，IMU是非常重要的。这是因为测量通常是在离自己很远的地方观察物体，以获得最大的便利，但物体越远，就越不能准确地知道其位置。请看下图；对于所有的测量来说，都有一个内在的误差，包括IMU所测量的角度变化。
以小角度近似计算，物体位置的误差只是角度误差x与物体的距离。这意味着一个微小的角度误差很容易导致被测物体的位置因处于远距离而产生非常大的差异。一个典型的用于测量的IMU，如 OxTS NAV650IMU可能有半度的精度。
IMU对于导航目的也非常重要。从本质上讲，IMU测量运动。这意味着测量人员可以把它作为一个基本的导航设备，跟踪IMU的运动情况。因此，有可能使用高等级的IMU来输出基本的方向信息，同时也输出IMU所在的位置信息。然而，所有的仪器在其测量中都会表现出随机行走或漂移，这将对点云的准确性产生负面影响。因此，单靠IMU会很快偏离其真实位置，因为它测量的是运动而不是定位。
全球卫星定位系统
A 全球导航卫星系统全球导航卫星系统）系统利用轨道上的卫星群来确定其在地球上的位置。利用来自这些卫星信号的高度精确的时间信息，GNSS接收器能够确定其在地球表面不到一米的位置。通过使用第二个接收器，通常被称为基站，可以计算出来自卫星的信号在大气层中被扭曲的修正，这可以将设备的精确度提高到甚至一厘米。
还有其他系统可用于定位，但大多数仅限于大型基础设施环境，在无法接收到GNSS信号时作为替代品，目前，在户外环境中还没有GNSS的真正竞争对手。GNSS在地球上提供高度准确和精确的绝对定位，而许多替代系统只能提供相对定位，没有GNSS本身的帮助。
全球导航卫星系统的星座
目前有 四大星座今天，全球导航卫星系统的卫星正在使用。长期以来，俄罗斯和美国的星座，GLONASS和GPS，一直被普遍使用，但欧洲和中国的星座，伽利略和北斗，也变得越来越广泛（还有其他的，例如QZSS）。一般来说，使用这些单独的星座的精度是相似的，但一个GNSS系统可以通过使用多个或所有四个星座的组合来最好地利用所有可用的数据。在下面的图片中，你可以看到一个INS系统的轨迹。图中显示了只有GPS（蓝色）的位置轨迹和GPS和GLONASS（红色）的轨迹。当车辆经过一些有障碍的树木和建筑物时，卫星信号已经丢失，出现了位置漂移。在后处理中，可以看到蓝线的位置突然跳动，似乎在错误的车道上移动。然而，在红线中，我们看到没有这样的跳跃，而是在正确的地方有一个平滑的轨迹。这是因为GNSS系统需要最低数量的卫星，以提供最佳的结果。卫星越多，或越多的星座，位置输出就越可靠，特别是在恶劣的GNSS环境中，如城市或城镇。现在的系统，如OxTS xNAV650 ，正朝着提供所有这四个星座作为标准的最可靠的解决方案的方向发展。
惯性导航系统
一个GNSS和一个IMU系统共同发挥彼此的优势和劣势，构成一个完整的导航系统。GNSS提供系统在地球上的准确位置，IMU确定其方向。该系统一起提供三维位置，高度精确 原子钟计时从全球导航卫星系统和三维方向来看，该系统提供了三维位置，高度精确。这通常被称为INS（惯性导航系统）。
这两个数据流也可以被智能地结合起来，通过不断地检查一个数据流和另一个数据流，以提供更准确的位置和方向估计。例如，当卫星信号有障碍物时，GNSS数据在其位置输出中可能表现出很大的误差，但通过与加速度计数据相比较，INS可以确定最合理的轨迹。在这种情况下，或者在完全看不到卫星信号的情况下，IMU测量的加速度可以用来估计设备的轨迹。这不会像使用GNSS时那样准确，但它确实是这种情况下的一个不错的权宜之计。
一个 OxTS INS例如，在没有GNSS更新的情况下，在整整一分钟内可能表现出大约一米的漂移。当GNSS恢复时，就会使用真实的位置，并且可以在后处理中改进捕获的数据，以获得一个真实的轨迹。
其他仪器也可以被纳入，其数据流可用于检查其他仪器。例如，轮速传感器通常用于移动地图应用。这个设备简单地测量车辆上车轮的运动，以获得车辆可能在哪里的另一个读数。在这种情况下，测量的是一个伪速度。这种数据流，像IMU一样，即使在GNSS信号不存在的情况下也是可用的，因此，在GNSS条件差的地方，如森林或城市地区，信号可能被阻挡或扭曲，它可以成为非常有用的补充。在下面的对比图片中，有一段街区的GNSS信号被人为地完全阻断了。
点云中的颜色是对不确定性的估计，蓝色是最高的精度，然后是深绿色，然后是浅绿色，黄色，橙色是代表较差的精度，红色是最低的，有大量的漂移。在第一张图片中，你可以看到大部分的调查是红色的，这意味着它的精度很差，得到的点位不确定度高达半米。然而，第二张图片使用了同样的过程，但增加了一个轮速传感器，显示出更大比例的勘测达到了最高的精度水平。从近处看，可以看到实质性的改进，因为轮速可以防止点云的部分偏移，几乎是半米，而且模糊程度大大降低。这使得轮速传感器成为此类环境中移动测绘设置的一个重要补充。
视轴校准
正如我们之前提到的，测量数据对方向数据非常敏感，因为它是通过距离传播的。但是还有一个方向误差的来源，那就是IMU和测量设备之间的误差。为了将来自INS的导航数据和测量数据（例如来自LiDAR的数据）结合起来，或进行地理参照，必须知道这两者之间的空间关系。必须测量沿每个三维轴的位移和旋转。而这个方向误差将有助于点的位置误差。这种误差被称为孔径错位。
不幸的是，要测量这些角度，使其达到测量级数据所需的精确程度，可能非常困难。有几种方法可以使用，例如，使用CAD打印的支架将INS和LiDAR紧紧地捆绑在一起，在一个已知的方向和位移上，但请记住，精确度必须是半度或更好。另一种方法，由OxTS ，是使用数据驱动的技术来校准角度。这有几个好处，包括完全由软件完成，而且只需要十分钟。
在下图中，你可以看到让你的方向角度尽可能准确的重要性。从不同的角度看，物体会出现在错误的位置，它们会开始模糊，特别是当帧被组合在一起的点云。不幸的是，测量人员不能简单地将他们的设备固定在车辆上进行测量，而不仔细测量INS和LiDAR之间的关系，也就是说，没有一个数据驱动的校准技术，只要求设备刚性地安装在一起。通过对一些反射性目标进行简短的勘测。 OxTS Georeferencer能够将相对方向校准为一度的点数。
准确度计算
利用IMU和GNSS数据，INS能够计算出大量的诊断信息，并估计其输出数据的不确定性。这些信息对测量人员来说是非常强大的。OxTS 使用一个公式，结合普通LiDAR的精度规格和INS报告的精度，计算出点云中所有点的位置的不确定性估计。这在使用OxTS Georeferencer 时自动生成，并填补了一个标量值域，以便在点云查看软件中查看和分析数据。这使用户能够准确地看到他们可能需要重新勘测的地方。通过看到橙色或红色的点，可以确定一个地区的测量方法可以得到改善。
例如，考虑到 道路调查如下图所示。当车辆在树线下移动时，卫星信号开始丢失，INS的位置开始漂移，导致浅绿色，然后是黄色和橙色的点，因为它重新获得了GNSS视图。测量人员可能会决定，这是一个重要的区域，需要重新测量。勘测可以简单地通过将车辆沿着道路的相反方向行驶来改进，这样勘测就有了该地区的高精确度点。
另外，或者除此之外，测量者可以决定简单地删除不准确的点。由于这些值存储在一个标量字段中，就像GPS时间或强度一样，它们可以在任何点云查看软件中或在OxTS Georeferencer 本身中轻松地被删除。OxTS Georeferencer 让用户能够选择一个准确的位置不确定性，不在其下处理点。例如，如果你只想知道五厘米或更好的点。这只能是一个估计，具体的LiDAR类型和/或硬件设置的误差将是额外的因素。
在上面的例子中，显示的是轮速传感器，我们看到这个功能如何被用来比较调查的准确性。它也可以主动地用于移除不准确的点。例如，你可以删除所有最不准确的红色点，只留下绿色和蓝色的点。这将意味着没有GNSS的地区几乎没有勘测等级的数据，但有了轮速，大部分地区可以保持所需的高精确度，通过几次测量，大部分的勘测都可以保持。
综上所述
我们已经确定了一些来源对点位置的最终误差的贡献，以及一些消除这些误差的方法。特别是，我们已经看到，在远距离测量时，测量数据对角度误差非常敏感，这使得IMU的规格和可靠性非常重要，也使得测量设备之间的测量关系非常重要。无论我们如何考虑减少这些贡献，总会有一些残留的误差。这就是为什么利用我们拥有的信息来估计和分析整个测量过程中的误差，以了解哪里可能需要额外的关注，是一个好主意。此外，这可以用来自动改善最终数据，只包括在最理想的条件下拍摄的点。
雅各布-阿玛克尔
产品工程师。OxTS
观看我们关于pointcloud准确性的网络研讨会...
2021年早些时候，OxTS 的产品工程师Jacob Amacker讨论了如何获得最佳点云精度并提高精度。
在网络研讨会上，雅各布涵盖了几个关键主题，包括。
- 为什么IMU和GNSS的精度对点云精度很重要。
- 使用孔径校准如何能对点云结果产生显著的好处。
- 为什么使用精度诊断法来估计点云点精度的不确定性是勘测决策的关键。
这是免费参加的，你可以在这里观看录像。
