激光雷达后处理增强
- 0.218 m 位置 2D 60秒全球导航卫星系统中断
- 0.05° 标题 (60秒全球导航卫星系统中断)
- 0.02° 俯仰/滚转(60秒 GNSS 信号中断)
OXTS 惯性导航系统 激光雷达后处理增强
GNSS has its limits. Tunnels, urban canyons, underground environments – anywhere signal is weak or blocked is a gap in your localisation data. LiDAR Boost closes that gap.
What is LiDAR Boost Post-Process?
LiDAR Boost Post Process is a powerful Windows-based application designed to deliver high-accuracy navigation through advanced sensor fusion. By processing synchronised INS and LiDAR data logs, the software applies our innovative LiDAR Boost algorithms to generate additional navigation aiding directly from LiDAR measurements.
This LiDAR-derived aiding is seamlessly combined with GNSS and IMU data from the INS to produce a robust, precision navigation solution. Even in challenging or GNSS-denied environments, LiDAR Boost bridges gaps in satellite coverage, constraining IMU error growth and maintaining reliable positioning performance.
With support for both an intuitive graphical user interface and a flexible command-line interface, LiDAR Boost Post Process fits easily into a wide range of workflows. Automatic quality reports also provide at-a-glance performance analysis and simplify debugging.
As the offline counterpart to the real-time LiDAR Boost capability in our WayFinder Prime and WayFinder Hub systems, it enables detailed post-mission processing, validation, and performance optimisation of your INS, ensuring maximum insight and accuracy from your data.
工作原理
LiDAR Boost 后处理包含两种互补技术,可在您身处何地时都保持准确性:
激光雷达惯性测距仪 (LIO) 分析 LiDAR 扫描仪的点云数据。它能够检测平面和物体,并在帧之间跟踪运动以计算实时速度更新。这对于 GNSS 信号不稳定的区域,例如隧道中的临时中断,或者为了防止城市导航中常见的“多路径效应”错误,非常理想。.
激光雷达地图匹配(LMM) 更进一步——如果您已经拥有一个空间的已有点云,LMM 可以将其与实时 LiDAR 数据进行比较,以便在每次穿越该环境时都能提供准确、完全可重复的性能。.
问题:位置漂移
在开阔天空条件下,位置漂移很少成为一个问题。然而,在 GNSS 可见性差的环境中,例如城市峡谷,将漂移降至最低对于保持数据集的完整性至关重要。.
图中显示了激光雷达惯性里程计功能如何有效地约束位置漂移。.
显示的数据是在英国牛津收集的,这是一个具有代表性的城市峡谷环境。.
这是给谁的?
LiDAR Boost 有潜力为任何需要在严峻环境下获取精确本地化数据的陆基活动增加价值。汽车测试人员可以使用它来收集开放道路测试的一致精确数据,或创建一个不依赖基础设施的室内测试解决方案,而测量员则可以使用它来收集城市、室内或地下环境中后续用于地理参照活动的精确轨迹数据。.
兼容设备
LiDAR Boost 后处理与所有 OXTS GNSS/INS 设备兼容。该软件(包括 LiDAR 惯性里程计和地图匹配功能代码)可以添加到任何 OXTS GNSS/INS 设备上。.
它还内置于 WayFinder Prime 中——一个先进的传感器融合平台,可让您在任何环境中精确导航,即使 GNSS 信号间断或完全被阻挡。只需安装、配置、初始化,即可开始使用。无需复杂的集成,无需开发自定义算法。.
兼容性
兼容 激光雷达 传感器包括来自许多360°视场设备:
规格
测距精度 0.03 - 0.05 米/秒 测量速率 5-20 赫兹
这里的规格值是使用 Hesai XT32 激光雷达设备和 OXTS INS 统计获得的。
数据是使用 RTK 整数参考数据集在牛津市收集的。选择牛津是因为它与其他城市地区非常相似。请注意,根据您的激光雷达设置和环境,这些值可能会有所不同。
| 测量 | 全球导航卫星系统中断 | 均方根误差 |
|---|---|---|
| 位置 2D | 60 s | 0.218 m |
| 标题 | 60 s | 0.050° |
| 滚动/俯仰 | 60 s | 0.020° |
| Velocity 3D | 60 s | 0.037 米/秒 |
| 海拔高度 | 60 s | 0.128 m |
激光雷达后处理增强 特征
-
支持 Windows 操作系统。
-
启用 INS 上的功能代码。
-
在后期处理中运行的软件。
-
可通过命令行或图形用户界面运行。
-
处理完成后会自动生成质量报告,提供调试输出和性能指标。
测试数据
点云 - 多层停车场
英国比斯特 - 点云 - 多层停车场
- 全球导航卫星系统/INS - RT3000 v4
- 激光雷达 - Hesai XT32
- 软件 NAVsuite,激光雷达增强后处理
环境 在此示例中,LiDAR Boost 后处理在多层停车场内进行了测试。进入停车场后,OXTS 设备,即 RT3000 v4 GNSS/INS,自然无法获取 GNSS 更新。为了解决这个问题,使用了来自 Hesai XT32 LiDAR 传感器的更新来辅助导航引擎。.
结果是更准确的数据,持续时间更长。.
KML 路径 - 城市峡谷
英国伦敦 - KML 路径 - 城市峡谷
- 全球导航卫星系统/INS - RT3000 v4
- 激光雷达 - Hesai XT32
- 软件 NAVsuite,激光雷达增强后处理
环境 在此示例中,LiDAR Boost 在伦敦 ‘Sky Garden Quarter’ 城市峡谷这一 GNSS/INS 操作最困难的区域之一进行了测试。在数据采集过程中,GNSS 信号经常中断,并且存在严重的が多径干扰。LiDAR Boost 后处理用于改善位置漂移,使数据在每次数据采集圈中都准确且可重复。.
点云 - 隧道
美国旧金山 – 点云 – 隧道
- 全球导航卫星系统/INS - RT3000 v4
- 激光雷达 - Hesai XT32
- 软件 NAVsuite,激光雷达增强后处理
环境 即使是短隧道也是对 GNSS/INS 的重大考验。GNSS/INS 在没有 GNSS 信号更新的情况下,时间越长,位置漂移就会越明显。在此示例中,LiDAR Boost 被用于在整个隧道行程中保持导航解决方案的准确性。这不仅带来了改进的导航数据,还带来了更清晰的点云,正如您从下面的示例中查看立柱所见。.
KML 路径 - 多层停车场
美国旧金山 - KML 路径 - 多层停车场
- 全球导航卫星系统/INS - RT3000 v4
- 激光雷达 - Hesai XT32
- 软件 NAVsuite,LiDAR Boost
环境 如前所述,由于多层停车场会屏蔽 GNSS 信号更新, 因此 GNSS/INS 设备必须使用额外的辅助源来精确导航。在此示例中,使用了 LiDAR Boost 来改进导航输出。这导致了更一致的数据集。.
点云 - 城市峡谷
美国旧金山 - Pointcloud - 城市峡谷
- 全球导航卫星系统/INS - RT3000 v4
- 激光雷达 - Hesai XT32
- 软件 NAVsuite,LiDAR Boost
环境 美国旧金山商业街是一个被玻璃幕墙高层建筑环绕的街道,GNSS信号不断中断,存在多路径误差的风险。在使用RT3000 v4进行单独测试时,其精度非常高,然而当与LiDAR Boost后处理相结合时,几乎实现了无缝衔接。该功能使INS在城市中保持稳定一致的路径,从而能够滤除所有多路径信号。.
试用 LIO 测试版
OXTS 惯性导航系统的用户现在可以免费试用 LIO 测试版!
填写表格后,我们的开发人员将与您联系,为您提供软件!
或者,将您的数据发送至 [email protected],我们将为您处理!
English
German
Spanish
Japanese
Korean