Wir erklären einige grundlegende technische Begriffe, die Unternehmen in Artikeln und technischen Datenblättern verwenden, um die Leistung ihrer mobiles Mapping Systeme zu beschreiben.
Wenn Sie neu sind bei mobiles Mappingsind, sind Sie vielleicht nicht mit den technischen Begriffen vertraut, die Unternehmen in Artikeln und technischen Datenblättern verwenden, um die Leistung ihrer Systeme zu beschreiben. Da es dadurch schwierig sein kann, zu verstehen, wie sich ein Werkzeug von einem anderen in Bereichen wie Genauigkeit und Arbeitsablauf unterscheidet, soll dieser Artikel helfen, indem er einige grundlegende Begriffe erklärt.
Wir befassen uns mit den beiden Arten von Genauigkeit, die zum Benchmarking eines mobiles Mapping Systems verwendet werden, mit den Genauigkeitsfehlern, die bei mobiles Mapping Geräten üblich sind, und untersuchen abschließend die Arten der Fehlerkorrektur, die in mobiles Mapping Arbeitsabläufen verwendet werden. (Wir haben auch ein paar Links zu Artikeln eingefügt, in denen diese Themen ausführlicher erläutert werden).
Die Genauigkeit einer Punktwolke auf einer lokalen Skala. Bei einem mobilen Scanner ist dies die Genauigkeit einer Messung zwischen Punkten an einem einzigen Ort wie einem Raum.
Die Metrik ist wichtig, um die Zuverlässigkeit eines Scanners zu bestimmen, da sie zeigen kann, wie genau die Abmessungen eines Raums sind - ein wichtiger Faktor für Anwendungen wie Scan-toBIM oder die Erstellung von Grundrissen.
Die Genauigkeit der Punktwolke auf einer globalen Skala. Bei einem mobilen Scanner ist dies die Genauigkeit einer Messung zwischen zwei Punkten, die vom Scanner nicht an einem einzigen Ort erfasst wurden. Zum Beispiel der Abstand zwischen gegenüberliegenden Ecken eines Gebäudes.
globale Genauigkeit ist für die Bestimmung der Zuverlässigkeit eines mobilen Scanners von entscheidender Bedeutung, da sie den Umfang des Drift Fehlers aufzeigt, der sich bei großen oder komplexen Kartierungsprojekten ansammelt. Mit anderen Worten, sie gibt einen Hinweis auf die Genauigkeit des Scanners im gesamten Gebäude.
Sie wird auch als absolute Genauigkeit bezeichnet, da sie die Genauigkeit der Punktwolkenmessungen im Vergleich zu ihrer "wahren" Position in einem absoluten Koordinatensystem angibt, das durch eine Methode höherer Ordnung, wie GPS oder Vermessung, bestimmt wurde.
Genauere Definitionen für diese Begriffe und weitere Einzelheiten darüber, wie NavVis diese Metrik für seine eigenen Scanner gemessen hat, finden Sie im White PaperNavVis VLX Accuracy.
Wenn der Algorithmus zur gleichzeitigen Lokalisierung und Kartierung (SLAM ) im mobilen Scanner Ihre Position falsch berechnet, während er Ihre Flugbahn aufzeichnet. Dies ist am wahrscheinlichsten, wenn ein Raum nicht die physischen Merkmale aufweist, die die Computer-Vision-Technologie von SLAMfür die Positionsbestimmung verwendet. Ein Beispiel: Lange, gerade Korridore sind die häufigste Ursache für diesen Fehler, da sie keine Türen, Fenster und Ecken aufweisen.
Nachverfolgungsfehler sind bei weniger robusten SLAM Algorithmen häufiger, können aber auch bei den fortschrittlichsten Systemen eine Herausforderung darstellen. Sie können mit der Optimierung Loop Closure oder Kontrollpunkt korrigiert werden, sofern verfügbar.
Tracking-Fehler sind eine der Hauptursachen für Drift. (Siehe unten.)
Wenn die von Ihrem SLAM Algorithmus generierten Trajektorendaten beim Scannen von Ihrem wahren Pfad abweichen. Dies resultiert aus der Ansammlung kleinerer Fehler, wie z. B. Tracking-Fehler oder Positionierungsfehler, die durch den Sensor Rauschen entstehen.
Drift ist bei kurzen Scans selten ein Problem, wird aber wahrscheinlicher, je länger man scannt. In den Daten ist es leicht zu erkennen, wenn z. B. ein gerader Korridor gekrümmt aussieht oder eine Treppe verdreht ist.
Dieser Fehler kann durch robustere Algorithmen zur gleichzeitigen Lokalisierung und Kartierung (SLAM) reduziert werden, ist aber ohne zusätzliche Maßnahmen kaum zu beseitigen. Daher bieten viele Anbieter Workflow-Funktionen wie Loop Closure oder Passpunkte zur Korrektur von Drift an.
Weitere Informationen darüber, wie Tracking-Fehler und Drift entstehen und was Sie dagegen tun können, finden Sie in diesem Beitrag.
Eine Workflow-Funktion, die für Drift korrigiert. Sie wird von den meisten mobiles Mapping Systemen angeboten.
Um eine Loop Closure durchzuführen, kehren Sie zu einem Bereich zurück, den Sie bereits gescannt haben. Der Algorithmus für die gleichzeitige Lokalisierung und Kartierung (SLAM) erkennt die Position und berechnet daraus, wie stark die Flugbahn seit der letzten Erfassung gedriftet ist. Damit verfügt der Algorithmus über alle Informationen, die er benötigt, um die Drift zu entfernen und die Qualität der endgültigen Punktwolke zu verbessern.
Eine Workflow-Funktion, die Fehler bei der Verfolgung oder Drift korrigiert. Sie ist vor allem bei größeren Projekten nützlich, bei denen Drift wahrscheinlicher ist. Nur die fortschrittlichsten Systeme auf dem Markt bieten diese Funktion.
Die gängigste Implementierung der Kontrollpunkt -Optimierung besteht darin, Vermessungsziele um die Bereiche herum zu platzieren, in denen Fehler auftreten können, und diese Punkte mit einer Totalstation zu vermessen. Wenn Sie die Koordinaten für diese Ziele in die Nachbearbeitung Software des Scanners eingeben, werden diese Daten als Kontrolle verwendet, um die Punktwolke zu optimieren und Fehler zu reduzieren.
Sie können zum Beispiel schachbrettartige Vermessungsziele an beiden Enden eines langen Korridors aufstellen, um Trackingfehler zu korrigieren. Oder Sie platzieren eine Reihe von Zielen in einem größeren Scan-Projekt, um Drift zu korrigieren.
NavVisDie einzigartige Implementierung verwendet auch Kontrollpunkte, um die globale (absolute) Genauigkeit beim Scannen zu überprüfen. Um diese Funktion zu nutzen, platzieren Sie einen Kontrollpunkt, vermessen ihn und berühren ihn mit dem Scanner, während Sie ihn passieren. Auf der Oberfläche wird das Delta zwischen den Vermessungskoordinaten und der Positionsschätzung des Systems angezeigt, so dass Sie erkennen können, was während des Scanvorgangs schief gelaufen sein könnte.
Erfahren Sie mehr über SLAM und was Sie tun können, um diese Fehler zu korrigieren.
Vermessungsziele wie Schachbrett-Aufkleber oder Kugeln.
Am häufigsten werden sie beim Scannen verwendet, um Punktwolken zu registrieren, die mit verschiedenen Methoden erzeugt wurden, z. B. mit mobilen Scannern, terrestrischen Laserscannern und UAVs. Für diese Anwendung erfassen Sie die Kontrollpunkt in zwei oder mehr Datensätzen in dem Bereich, in dem sie sich überschneiden. Dadurch erhält die Software Nachbearbeitung während des Registrierungsprozesses eine Kontrolle, um sicherzustellen, dass alle Datensätze präzise kombiniert werden.
Eine zweite Verwendung von Kontrollpunkten ist die Fehlerkorrektur in mobilen Scan-Workflows (weitere Informationen zu dieser Anwendung finden Sie oben unter Kontrollpunkt ).
Dies sind einige der grundlegenden Ideen, die Sie verstehen müssen, um eine fundierte Entscheidung beim Kauf eines mobiles Mapping Systems zu treffen.
Sie sollten nun in der Lage sein, die Genauigkeit eines Scanners sowohl in einer lokalen Umgebung als auch für das gesamte Projekt zu bestimmen. Sie werden auch darauf vorbereitet sein, Fragen dazu zu stellen, wie sich Drift und Tracking-Fehler auf die Genauigkeit eines Scanners auswirken, und welche Hilfsmittel der Hersteller zur Korrektur dieser Fehler anbietet.
Mit anderen Worten: Sie sollten in der Lage sein, die Leistung eines mobiles Mapping Systems mit der eines anderen zu vergleichen und ein System zu wählen, auf das Sie sich verlassen können.
Sean Higgins ist ein unabhängiger Technologieautor, ehemaliger Redakteur von Fachzeitschriften und Outdoor-Enthusiast. Er ist der Meinung, dass klares, schlagwortfreies Schreiben über 3D-Technologien ein öffentlicher Dienst ist.