Strona główna Słownik pojęć Chmura punktów

Znajdź odpowiedni model INS do swojego projektu mapowania mobilnego →
Quanta Extra INS Mini Unit Right
Quanta Extra
INS Wewnętrzna podwójna antena geodezyjna 0,03 ° Heading 0.008 ° Roll & Pitch
Odkryj
Quanta Extra
Quanta Micro INS Mini Unit Right
Quanta Micro
INS Wewnętrzny GNSS jedno-/dwuantenowy 0,06 ° Heading 0.015 ° Roll & Pitch RTK
Odkryj
Quanta Micro
Quanta Plus INS Mini Unit Non Background Right
Quanta Plus
INS Wewnętrzna podwójna antena geodezyjna 0,03 ° Heading 0.015 ° Roll & Pitch RTK
Odkryj
Quanta Plus

Chmura punktów

Powrót do słownika
Wynik pomiaru chmury punktów za pomocą LiDAR

Chmura punktów odnosi się do zbioru punktów 3D reprezentujących kształt i strukturę otoczenia. Punkty te są zazwyczaj generowane przez systemy LiDAR lub skanowania 3D, a każdy punkt zawiera współrzędne przestrzenne (X, Y, Z), czasami wraz z dodatkowymi atrybutami, takimi jak intensywność czy kolor. O ile czujnik LiDAR przechwytuje surowe dane przestrzenne, o tyle to inercyjny system nawigacyjny (INS) zapewnia precyzyjną pozycję i orientację czujnika w każdym momencie. Jest to kluczowe, ponieważ aby dokładniej umieścić każdy punkt w globalnym układzie odniesienia, system musi dokładnie wiedzieć, gdzie znajdował się skaner i jak był zorientowany w chwili wykonywania każdego pomiaru.

System INS, który łączy dane z akcelerometrów i żyroskopów (a często także odbiorników GNSS), stale śledzi ruch platformy, niezależnie od tego, czy jest to statek powietrzny, pojazd, dron czy jednostka pływająca. LiDAR rejestruje miliony punktów na sekundę, podczas gdy INS jednocześnie dostarcza informacje o pozycji i orientacji w czasie rzeczywistym, co umożliwia systemowi poprawne georeferencjonowanie każdego punktu. Proces ten skutkuje powstaniem wysoce dokładnej i spójnej przestrennie chmury punktów.

Dzięki integracji danych inercyjnych z technologią LiDAR użytkownicy mogą generować szczegółowe reprezentacje 3D złożonych środowisk, nawet na obszarach pozbawionych sygnału GNSS lub podczas szybkiego ruchu. Jest to szczególnie ważne w mobilnym mapowaniu, precyzyjnych pomiarach geodezyjnych, nawigacji autonomicznej i modelowaniu środowiskowym. Na przykład bezzałogowy statek powietrzny wyposażony w system INS i LiDAR może odwzorować koronę drzew w lesie lub korytarz linii energetycznej z dokładnością do centymetra, nawet lecząc nad trudnym lub odległym terenem.

Podobnie pojazd mobilnego mapowania może skanować środowiska miejskie w czasie rzeczywistym, a system INS dba o to, aby powstała chmura punktów pozostała spójna i wyrównana pomimo zmian prędkości, kierunku lub terenu.

Chmura punktów działa poprzez przechwytywanie gęstego zbioru pojedynczych punktów w przestrzeni 3D, aby reprezentować powierzchnię obiektów lub środowisk. Każdy punkt w chmurze zawiera współrzędne przestrzenne — X, Y i Z — które określają jego położenie.

Czujniki, takie jak LiDAR (Light Detection and Ranging) lub kamery 3D, zazwyczaj generują te punkty, skanując otoczenie za pomocą impulsów laserowych lub wykorzystując obrazowanie stereoskopowe do pomiaru odległości do powierzchni. W miarę zbierania danych przez czujnik, oblicza on czas powrotu sygnału, co pozwala mu określić dokładną pozycję każdego punktu w przestrzeni.

Gdy czujnik się porusza — na pojeździe, UAV lub urządzeniu ręcznym — stale zbiera nowe punkty danych z różnych kątów. System rejestruje znacznik czasu każdego punktu i wykorzystuje pozycję oraz orientację czujnika w momencie przechwytywania do rekonstrukcji dokładnego modelu 3D.

Właśnie w tym miejscu wkraczają inercyjne systemy nawigacyjne (INS) lub integracje GNSS/INS. System śledzi ruch czujnika w czasie rzeczywistym, umożliwiając georeferencję danych chmury punktów i ich dokładne dopasowanie do rzeczywistego układu współrzędnych.

Po przechwyceniu i przetworzeniu, chmura punktów stanowi bogatą, szczegółową cyfrową replikę zeskanowanego środowiska. Użytkownicy mogą wykorzystywać te zestawy danych do tworzenia map 3D, wykonywania pomiarów, modelowania budynków i terenu, analizowania zmian strukturalnych oraz umożliwiania nawigacji w systemach autonomicznych. Im gęstsza chmura punktów, tym bardziej szczegółowy i dokładny będzie wynikowy model 3D.

Zasadniczo, chmury punktów działają poprzez łączenie pomiarów laserowych lub obrazowych z danymi pozycjonowania w czasie rzeczywistym, aby stworzyć szczegółowy i przestrzennie dokładny widok 3D świata.

Opowiedz nam o swoim projekcie