Caso de sucesso da GRYFN: Alcançando precisão e eficiência com a Quanta Micro
A GRYFN, pioneira em soluções de sensoriamento remoto multimodal para mercados de pesquisa, alcançou melhorias operacionais notáveis ao integrar nossa Quanta Micro (sistema de navegação inercial) em suas soluções UAV e pós-processar os dados por meio de nosso software, Qinertia.
Essa colaboração proporcionou ao usuário final precisão em nível de centímetro, redução de custos de 10% em cinco anos e uma integração de fluxo de trabalho otimizada.
“Em uma escala de 0 a 5, o produto, software, suporte e custos atendem ou superam as expectativas – nota 5.” | Matt Bechdol, CEO da GRYFN.
Núcleo da empresa: Sensoriamento remoto multimodal
A GRYFN é especializada em soluções UAV de sensoriamento remoto multimodal, de alta precisão e prontas para pesquisa, que adquirem simultaneamente dados RGB, LiDAR e hiperespectrais de alta resolução.
Sua plataforma de sensoriamento Gobi, carro-chefe, representa uma abordagem abrangente para a coleta de dados multimodal, projetada especificamente para pesquisadores que exigem conjuntos de dados e análises prontos para empresas para impulsionar decisões acionáveis em agricultura, monitoramento ambiental, aplicações de recursos naturais ou onde quer que o sensoriamento remoto ativo e passivo preciso seja exigido.
E toda essa demanda qualificada os levou às nossas soluções para que pudessem aprimorar sua plataforma, reduzindo a complexidade operacional e os custos para os clientes.
Os requisitos que correspondem às nossas soluções
As aplicações exigentes da GRYFN exigiam uma solução de navegação inercial capaz de fornecer precisão em nível de centímetro para dados de trajetória em tempo real (RTK) e pós-processados (PPK).
A integração de imagens hiperespectrais, LiDAR e sensores RGB em plataformas UAV apresenta desafios técnicos únicos.
Cada modalidade de sensor captura dados em taxas diferentes e requer informações de posicionamento precisas para permitir a fusão e análise de dados precisas.
Não surpreendentemente, os requisitos da GRYFN também precisavam incluir:
- Dados GNSS-INS de alta qualidade com precisão de pelo menos 2 cm ou melhor para georreferenciação direta confiável.
- Software de fácil integração com interface de linha de comando e suporte SDK para fluxos de trabalho de pós-processamento.
- Infraestrutura de licenciamento aberta para reduzir a complexidade de implantação para clientes de pesquisa distribuídos.
- Soluções econômicas, particularmente importantes para instituições de pesquisa com múltiplos cenários de implantação.
- Suporte técnico responsivo para resolver rapidamente os desafios de integração.
- Formato compacto com otimização de precisão, confiabilidade, tamanho e peso.
“Em 2023, estávamos avaliando opções com base no formato, desempenho e integração de hardware, custos e valor para o cliente. Nossas pesquisas no setor nos levaram a 4 fornecedores principais, e a SBG venceu para a integração da nossa mais nova plataforma de sensoriamento Gobi”, explica Matt.
Integração e desempenho da Quanta Micro
Atendemos aos requisitos da GRYFN por meio de nossa solução Quanta Micro, um sistema de navegação inercial auxiliado por GNSS ultracompacto e de alto desempenho, projetado especificamente para aplicações de sensoriamento remoto com drones, onde precisão e restrições de espaço são críticas.
- A GRYFN integrou o sistema de navegação Quanta Micro, operando no modo de antena dupla e integrado a um PCB personalizado. Essa configuração permite que o sistema forneça dados GNSS-INS para vários sensores simultaneamente, suportando os requisitos de sensoriamento multimodal da GRYFN.
- Aqui, o formato da Quanta Micro provou ser excelente para os requisitos de integração de sensores multimodais compactos da GRYFN.
- A configuração de antena dupla aprimorou a precisão do rumo e a confiabilidade do sistema, fatores críticos para a determinação precisa da trajetória em aplicações de pesquisa.
- O processo de integração de hardware foi simplificado por nossa abordagem de design, permitindo que a GRYFN se concentrasse em seus principais recursos de sensoriamento remoto, em vez de complexidades do sistema de navegação.
Um dos pontos altos que nos orgulhamos de enfatizar em cada parceria como esta é o nosso compromisso de fornecer um suporte mais próximo, especialmente durante as fases em que a empresa ainda está testando e determinando a melhor forma de integrar a tecnologia.
“As equipes da SBG responderam prontamente às perguntas e discussões técnicas enquanto realizávamos comparações e testes iniciais, e o suporte foi excelente”, atesta Matt.
O fator de usabilidade da Qinertia
Além disso, a integração do nosso software de pós-processamento, Qinertia, com o software GRYFN Processing Tool proporcionou melhorias significativas no fluxo de trabalho para as operações da GRYFN.
A equipe considerou a Qinertia amigável e direta, com documentação abrangente, fornecendo instruções concisas e explicações para cada etapa e configuração de processamento.
Essa abordagem de software eliminou a necessidade de baixar dados RINEX, ao contrário de soluções concorrentes, simplificando o fluxo de trabalho de processamento. Eles também elogiaram a qualidade da documentação da API, observando que necessitaram de suporte mínimo para a integração do lado do software. Essa capacidade de autoatendimento reduziu o tempo de implementação e os requisitos de suporte contínuo.
Resultados mensuráveis e melhorias de desempenho
A integração da GRYFN com nossos sistemas proporcionou melhorias operacionais mensuráveis em várias dimensões.
“A facilidade de adoção para os clientes reduziu os requisitos de suporte, economizando tempo e foco”, destaca Matt.
Em resumo, foram observados impactos positivos significativos na redução de custos, eficiência do processamento e satisfação do cliente, liberando também o orçamento para outras necessidades essenciais.
Isso provou ser particularmente valioso para organizações de pesquisa que operam com orçamentos limitados. A GRYFN também notou especificamente economias significativas em assinaturas de software juntamente com o aumento da qualidade da trajetória.
Conclusão: Desenvolvimento de vantagem competitiva
Quanta Micro e Qinertia fortaleceram a posição competitiva da GRYFN por meio de:
- Estrutura de custos aprimorada.
- Capacidades de desempenho aprimoradas.
- Experiência do cliente simplificada.
É sempre importante destacar que essas melhorias se traduzem diretamente em maior satisfação e retenção de clientes.
O estudo de caso da GRYFN valida que a tecnologia de navegação de precisão pode oferecer desempenho técnico e valor comercial quando integrada adequadamente em plataformas sofisticadas de sensoriamento remoto.
Com esta parceria, fornecemos uma referência convincente para alcançar a excelência operacional na coleta de dados baseada em UAV.
Quanta Micro
Quanta Micro é um sistema de navegação inercial compacto e de alto desempenho auxiliado por GNSS, projetado para aplicações com restrição de espaço que exigem excepcional precisão e confiabilidade.
Ele integra uma IMU de nível topográfico com um receptor GNSS multifrequência e de quatro constelações e algoritmos avançados de fusão de sensores para fornecer posicionamento em nível de centímetro e orientação precisa em ambientes desafiadores.
O sistema apresenta capacidade de dupla antena para desempenho de heading ideal em condições de baixa dinâmica, mantendo a operação excepcional de antena única para cargas úteis de UAV e aplicações restritas.
Solicite uma cotação para o Quanta Micro
Você tem perguntas?
Bem-vindo à nossa seção de FAQ! Aqui, você encontrará respostas para as perguntas mais comuns sobre as aplicações que apresentamos. Se você não encontrar o que procura, sinta-se à vontade para nos contatar diretamente!
Qual é a diferença entre IMU e INS?
A diferença entre uma Unidade de Medição Inercial (IMU) e um Sistema de Navegação Inercial (INS) reside em sua funcionalidade e complexidade.
Uma IMU (unidade de medição inercial) fornece dados brutos sobre a aceleração linear e a velocidade angular do veículo, medidos por acelerômetros e giroscópios. Ela fornece informações sobre roll, pitch, yaw e movimento, mas não calcula dados de posição ou navegação. A IMU é projetada especificamente para transmitir dados essenciais sobre movimento e orientação para processamento externo para determinar a posição ou velocidade.
Por outro lado, um INS (sistema de navegação inercial) combina dados da IMU com algoritmos avançados para calcular a posição, velocidade e orientação de um veículo ao longo do tempo. Ele incorpora algoritmos de navegação como a filtragem de Kalman para fusão e integração de sensores. Um INS fornece dados de navegação em tempo real, incluindo posição, velocidade e orientação, sem depender de sistemas de posicionamento externos como o GNSS.
Este sistema de navegação é normalmente utilizado em aplicações que exigem soluções de navegação abrangentes, particularmente em ambientes com GNSS negado, como UAVs militares, navios e submarinos.
Como os drones são usados para fins agrícolas?
Os drones são cada vez mais utilizados na agricultura para melhorar o manejo das culturas e aumentar a produtividade. Equipados com câmeras e sensores de alta resolução, os drones agrícolas fornecem imagens aéreas e dados sobre a saúde das culturas, as condições do solo e a variabilidade do campo. Isso permite que os agricultores monitorem grandes áreas rapidamente e identifiquem problemas como infestações de pragas, deficiências de nutrientes e estresse hídrico com precisão.
Os drones na agricultura são usados para a aplicação precisa de insumos como fertilizantes, pesticidas e herbicidas. Ao direcionar áreas específicas com precisão, os drones reduzem o desperdício e minimizam o impacto ambiental. Além disso, eles auxiliam no mapeamento com drones agrícolas e no planejamento do layout do campo, e no monitoramento do crescimento e rendimento das culturas ao longo do tempo.
No geral, os drones agrícolas oferecem uma maneira econômica e eficiente de coletar informações críticas, tomar decisões informadas e implementar intervenções direcionadas, levando a uma melhor gestão de colheitas e uso de recursos.
O que é georreferenciação em levantamentos aéreos?
Georreferenciar é o processo de alinhar dados geográficos (como mapas, imagens de satélite ou fotografias aéreas) a um sistema de coordenadas conhecido, para que possam ser posicionados com precisão na superfície da Terra.
Isso permite que os dados sejam integrados com outras informações espaciais, permitindo análises e mapeamentos precisos baseados na localização.
No contexto do levantamento topográfico, o georreferenciamento é essencial para garantir que os dados coletados por ferramentas como LiDAR, câmeras ou sensores em drones sejam mapeados com precisão para coordenadas do mundo real.
Ao atribuir latitude, longitude e elevação a cada ponto de dados, o georreferenciamento garante que os dados capturados reflitam a localização e orientação exatas na Terra, o que é crucial para aplicações como mapeamento geoespacial, monitoramento ambiental e planejamento de construção.
O georreferenciamento normalmente envolve o uso de pontos de controle com coordenadas conhecidas, frequentemente obtidas através de GNSS ou levantamento topográfico, para alinhar os dados capturados com o sistema de coordenadas.
Este processo é vital para criar conjuntos de dados espaciais precisos, confiáveis e utilizáveis.
Qual é a diferença entre RTK e PPK?
A Cinemática em Tempo Real (RTK) é uma técnica de posicionamento onde as correções GNSS são transmitidas quase em tempo real, normalmente usando um fluxo de correção de formato RTCM. No entanto, pode haver desafios para garantir as correções GNSS, especificamente sua integridade, disponibilidade, cobertura e compatibilidade.
A maior vantagem do PPK sobre o pós-processamento RTK é que as atividades de processamento de dados podem ser otimizadas durante o pós-processamento, incluindo o processamento para frente e para trás, enquanto no processamento em tempo real, qualquer interrupção ou incompatibilidade nas correções e sua transmissão levará a um posicionamento de menor precisão.
Uma primeira vantagem fundamental do pós-processamento GNSS (PPK) vs. tempo real (RTK) é que o sistema usado no campo não precisa ter um datalink/rádio para alimentar as correções RTCM vindas do CORS no sistema INS/GNSS.
A principal limitação para a adoção do pós-processamento é a exigência de que a aplicação final atue sobre o ambiente. Por outro lado, se sua aplicação puder suportar o tempo de processamento adicional necessário para produzir uma trajetória otimizada, isso melhorará muito a qualidade dos dados para todas as suas entregas.