如何获得最佳精度并提高点云精度

测量人员利用最先进的物理学，并凭借数十年的经验，在每一个组件中进行测量。考虑一下全球定位系统是如何利用原子钟和从轨道发送的信号进行定时计算的。这项技术如今在日常生活中无处不在。或者说 激光雷达 必须在一秒钟内对光束返回的时间进行数千次计算。因此，在如此复杂的系统中，误差来源有很多。不过，幸运的是，我们可以从广义上讨论这些误差，以便更好地了解测量精度。本文将从测量师的角度进一步讨论获得测量和点云精度的一些要点。

惯性测量单元（IMU）可测量其所承受的固有运动。通常，IMU 使用陀螺仪和加速度计来确定加速度和方向变化。因此，对于测量人员来说，IMU 极其重要。这是因为测量通常是在距离自己较远的地方观察物体，以获得最大的便利，但物体距离越远，其位置的准确性就越低。请看下图；所有测量都存在内在误差，包括 IMU 测量的角度变化。

用小角度近似法计算，物体位置的误差仅为 角误差 x 物距.这意味着，微小的角度误差很容易导致测量对象的位置因距离较远而出现很大的偏差。典型的测量用 IMU 如 OXTS NAV650 IMU 的精度可能只有半度。

IMU 对于导航也非常重要。从本质上讲，IMU 测量的是运动。这意味着测量人员可以将其用作基本的导航设备，跟踪 IMU 的移动情况。因此，使用高级 IMU 不仅可以输出基本的方向信息，还可以输出 IMU 所在位置的信息。不过，所有仪器的测量都会出现随机走动或漂移，这将对点云精度产生负面影响。因此，单靠 IMU 将很快偏离其真实位置，因为它测量的是运动而不是定位。

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确定其在地球上的位置。利用这些卫星信号提供的高精度定时信息，全球导航卫星系统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（通常称为基站），可以计算出卫星信号在大气中的失真情况，从而将设备的精确度提高到甚至一厘米。

也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，在无法接收到全球导航卫星系统信号时充当替代品，目前在室外环境中还没有全球导航卫星系统的真正竞争对手。全球导航卫星系统可在地球上提供高度精确的绝对定位，而许多替代系统只能在没有全球导航卫星系统本身辅助的情况下提供相对定位。

有 四大星座 目前使用的全球导航卫星系统卫星种类繁多。长期以来，俄罗斯和美国的全球轨道导航卫星系统（GLONASS）和全球定位系统（GPS）被广泛使用，但欧洲和中国的伽利略（Galileo）和北斗（Beidou）星座也日益普及（还有其他星座，如 QZSS）。一般来说，使用这些单个星座的精确度都差不多，但全球导航卫星系统可以通过使用多个或全部四个星座的组合来充分利用所有可用数据。在下图中，您可以看到 INS 系统的轨迹。图中显示的是仅 GPS 定位轨迹（蓝色）和 GPS 与 GLONASS 定位轨迹（红色）。当飞行器经过一些树木和建筑物时，卫星信号丢失，位置发生漂移。在后处理过程中，我们可以看到蓝线位置突然跳变，似乎行驶在错误的车道上。但在红线上，我们看不到这种跳跃，而是在正确的位置上平稳地移动。这是因为全球导航卫星系统需要最少数量的卫星才能提供最佳结果。卫星越多或星座越多，位置输出就越可靠，尤其是在城市或乡镇等全球导航卫星系统环境较差的情况下。如今，OXTS xNAV650 等系统正逐步将所有四个星座作为最可靠解决方案的标准配置。

全球导航卫星系统和 IMU 系统相互取长补短，共同组成一个完整的导航系统。全球导航卫星系统提供系统在地球上的准确位置，而 IMU 则确定系统的方向。这两个系统共同提供 3D 定位、高精度的 原子钟计时 这通常被称为 INS（惯性导航系统）。这通常被称为 INS（惯性导航系统）。

这两个数据流还可以智能地结合在一起，通过不断检查一个数据流和另一个数据流，对位置和方向进行更精确的估计。例如，当卫星信号受到阻碍时，全球导航卫星系统数据的位置输出可能会出现较大误差，但通过将其与加速度计数据进行比较，INS 可以确定最合理的轨迹。在这种情况下，或者根本看不到卫星信号时，可以使用 IMU 测量的加速度来估计设备的轨迹。这虽然不如使用 GNSS 那样精确，但在这种情况下确实是一种不错的权宜之计。

一个 OXTS INS 例如，在没有全球导航卫星系统更新的情况下，在整整一分钟内可能会出现大约一米的漂移。恢复全球导航卫星系统后，将使用真实位置，并在后期处理中改进捕获的数据，以获得真实的轨迹。

还可以加入其他仪器，用它们的数据流来检查其他仪器。例如，轮速传感器通常用于移动测绘应用。这种设备只需测量车辆车轮的运动，即可获得车辆可能所在位置的另一个读数。在这种情况下，测量的是伪速度。这种数据流与 IMU 一样，即使在没有 GNSS 信号的情况下也能使用，因此在 GNSS 信号不佳的情况下，如森林或城市地区，信号可能受阻或失真，这种数据流是非常有用的补充。在下面的对比图片中，有一段街区的 GNSS 信号被人为地完全屏蔽。

点云中的颜色是对不确定性的估计，蓝色代表最高精度，然后是深绿色、浅绿色、黄色和橙色，代表较低精度，红色代表最低精度和大量漂移。在第一张图片中，您可以看到大部分勘测区域为红色，这意味着勘测精度较低，点位置不确定性最高可达半米。然而，第二张图片采用了相同的流程，但增加了轮速传感器，显示有更大比例的测量达到了最高精度。从近距离观察，可以看到显著的改进，因为轮速可以防止点云的部分位置移动近半米，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重要补充。

如前所述，测量数据对方位数据高度敏感，因为方位数据是远距离传播的。但还有另一个方向误差源，即 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（例如来自激光雷达的数据）结合起来，或进行地理参考，必须知道两者之间的空间关系。必须测量每个三维轴的位移和旋转。这种方位误差将导致点的位置误差。这种误差被称为孔径偏差。

遗憾的是，测量这些角度很难达到测量级数据所需的精确度。有几种方法可以使用，例如，使用 CAD 打印支架将 INS 和激光雷达按已知方向和位移紧密结合在一起，但请记住，精度必须达到半度或更高。另一种由 OXTS 开发的方法是使用数据驱动技术来校准角度。这种方法有几个优点，包括完全由软件完成，只需十分钟。

在下图中，您可以看到尽可能精确定位角度的重要性。从不同的角度观察远处，物体会出现在错误的位置，并开始变得模糊，尤其是当帧组合在一起形成点云时。遗憾的是，如果不仔细测量 INS 和激光雷达之间的关系，即不采用数据驱动的校准技术，只要求将设备牢固地安装在一起，勘测人员就无法简单地将设备固定在车辆上进行勘测。通过对一些反射目标进行简短勘测、 OXTS Georeferencer 能够将相对方向校准到一度点。

利用 IMU 和 GNSS 数据，INS 能够计算出大量诊断信息，并估算出输出数据的不确定性。这些信息对测量人员来说非常有用。OXTS 使用一个公式，结合普通激光雷达的精度规格和 INS 报告的精度，计算出点云所有点位置的不确定性估计值。使用 OXTS Georeferencer 时会自动生成该估计值，并填充一个标量值域，以便在点云查看软件中查看和分析数据。这样，用户就能准确地看到他们可能需要重新勘测的位置。看到橙色或红色的点，就可以确定勘测方法可以改进的区域。

例如 道路调查 如下图所示。当车辆行驶到树丛下，卫星信号开始丢失时，INS 的位置开始漂移，当重新获得 GNSS 视图时，绿色点变浅，然后是黄色和橙色点。勘测人员可能会认为这是一个重要区域，需要重新勘测。只需将车辆驶向道路的相反方向，即可改进勘测工作，从而在该区域获得高精度的勘测点。

此外，勘测人员还可以决定直接删除不准确的点。由于这些值存储在标量字段中，就像 GPS 时间或强度一样，因此可以在任何点云查看软件或 OXTS Georeferencer 本身中轻松删除。OXTS Georeferencer 可让用户选择不在其下处理点的确切位置不确定性。例如，如果您只想要 5 厘米或更精确的点。这只能是一个估计值，具体的激光雷达类型和/或硬件设置中的误差将是额外的因素。