提高复杂环境中的精度
虽然直接地理参考 (DG) 是室外环境中制作地图的主要方法，但它很少用于室内或 GNSS 信号严重受限的环境。DG 通过将 INS 数据（位置和姿态）与传感器数据（如 LiDAR 或相机图像）相结合，以精确确定观测物体的位置，而无需依赖大量的预先测量的地面控制点 (GCP)。
然而，由于室内无法获取 GNSS 信号，传统的直接地理参考无法应用于完全封闭的空间。在许多情况下，测绘以混合方式进行，涵盖室内和室外环境。
虽然大多数人在此类场景中依赖传统测绘技术，但选择合适的 INS 和后处理软件可以将直接地理参考的优势扩展到这些应用场景。通过集成高精度、低漂移的 INS 与先进的后处理软件，可以在较长时间内保持精确的直接地理参考解决方案。基于感知的算法，如 SLAM，可以直接利用这种精确的定位以进一步提高测绘精度。
这种方法创建的室内地图与绝对定位解决方案和坐标参考框架（基准）完全对齐。因此，它通过确保室内外数据集之间的空间一致性，提高了工作流程并改善了协作。
用于室内测绘解决方案的惯性系统
在完全室内且 GNSS 不可用的环境中，测绘依赖于惯性测量单元 (IMU) 以及基于感知的算法，例如同步定位与地图构建 (SLAM)。与传统的直接地理参考不同，这种方法不依赖于 GNSS，而是使用 IMU 数据以及 LiDAR、相机或深度传感器来保持精确定位。
SLAM 的工作原理是持续绘制环境地图，同时估计系统在其中的位置。但是，仅靠 SLAM 可能会受到漂移的影响，尤其是在特征匮乏的区域或动态环境中。高端 IMU 在稳定基于 SLAM 的测绘中起着至关重要的作用，即使在视觉输入不可靠时，也能确保一致的运动跟踪。通过集成高精度、低漂移的 IMU，可以提高 SLAM 在测绘应用中的性能。
事实上，IMU 将减少漂移累积，在更长的时间内保持精确定位，并提高在低能见度条件下的可靠性，例如黑暗的房间或没有特征的走廊。这种组合能够创建空间上一致且与外部数据集良好对齐的精确室内地图。
因此，该系统简化了工作流程并改进了协作测绘工作，即使在完全 GNSS 受限的环境中也是如此。
探索我们的室内地图绘制解决方案
我们的运动和导航产品与室内地图绘制系统无缝集成。我们最先进的惯性系统可提供您生成高质量室内地图所需的精度和可靠性，即使在最具挑战性的环境中也是如此。
无论您是使用移动机器人还是便携式系统进行室内地图绘制，我们的产品都能提供生成精确地图所需的精度、性能和工作流程。我们的系统非常适合各种应用，包括工业检测、设施管理、应急响应等。
Quanta Plus
Qinertia GNSS-INS
Pulse-40
测绘应用手册
直接在您的收件箱中收到我们的宣传册！
案例分析
请浏览我们的案例研究，了解全球各地的团队如何成功地将我们的惯性解决方案集成到各种室内测绘应用中。从在复杂设施中导航的仓库机器人，到生成精确的室内空间 3D 地图的无人机，我们的产品在提高测绘项目的效率和准确性方面发挥了重要作用。
查看我们的系统在实际应用中的真实案例。阅读我们的案例研究，了解 SBG Systems 如何为您的测绘解决方案带来精度和可靠性。
他们在谈论我们
我们的客户范围从工业制造商到应急响应团队，他们依靠我们的惯性系统在 GNSS 受限环境中生成准确、可靠的地图。
加入我们满意客户的行列，了解更多关于我们如何通过行业领先的解决方案来支持您的室内测绘需求。
探索其他测量应用
利用我们先进的惯性导航解决方案，满足各种不同的测量需求。它们支持陆地、空中和海上作业。我们的技术可在各种环境中提供可靠的数据、高精度和一致的性能。
您有疑问吗？
是否对室内测绘系统的工作原理感到好奇？是否想了解更多关于惯性系统如何在无 GNSS 环境中帮助实现精确测绘的信息？我们的常见问题解答部分涵盖了关于室内测绘系统最常见的问题，包括所涉及的技术、最佳实践以及如何将我们的产品集成到您的解决方案中的信息。
什么是室内定位系统？
室内定位系统 (IPS) 是一种专门的技术，可以准确识别封闭空间（如建筑物）内物体或个人的位置，在这些空间中，GNSS 信号可能较弱或不存在。IPS 采用各种技术在购物中心、机场、医院和仓库等环境中提供精确的定位信息。
IPS 可以利用多种技术进行定位，包括：
- Wi-Fi：利用来自多个接入点的信号强度和三角测量进行位置估计。
- 低功耗蓝牙 (BLE)：采用信标向附近设备发送信号以进行跟踪。
- 超声波：使用声波进行精确定位检测，通常与移动设备传感器配合使用。
- RFID（射频识别）：涉及放置在物品上的标签，用于实时跟踪。
- 惯性测量单元 (IMU)：这些传感器监控运动和方向，与其他方法结合使用时，可提高定位精度。
详细的室内空间数字地图对于精确定位至关重要，而移动设备或专用设备则从定位基础设施收集信号。
IPS 增强了导航功能，跟踪了资产，协助了紧急服务，分析了零售行为，并集成到智能建筑系统中，从而显著提高了传统 GNSS 无法实现的运营效率。
SLAM 是什么意思？
SLAM，代表 Simultaneous Localization and Mapping（同步定位与地图构建），是一种用于机器人技术和计算机视觉的计算技术，用于构建未知环境的地图，同时跟踪代理在该环境中的位置。这在 GNSS 不可用的情况下特别有用，例如在室内或在密集的城市区域。
SLAM 系统实时确定载体的位置和姿态。这涉及跟踪机器人或设备在环境中导航时的运动。在载体移动时，SLAM 系统会创建环境地图。这可以是 2D 或 3D 表示，捕捉周围环境的布局、障碍物和特征。
这些系统通常利用多个传感器，例如摄像头、LiDAR 或惯性测量单元 (IMU)，来收集有关环境的数据。此数据组合在一起可提高定位和绘图的准确性。
SLAM 算法处理传入的数据，以持续更新地图和代理的位置。这涉及到复杂的数学计算，包括滤波和优化技术。
什么是摄影测量？
摄影测量是使用照片测量和绘制物体或环境的距离、尺寸和特征的科学技术。通过分析从不同角度拍摄的重叠图像，摄影测量可以创建精确的 3D 模型、地图或测量结果。此过程的工作原理是识别多个照片中的共同点，并使用三角测量原理计算它们在空间中的位置。
摄影测量法广泛应用于各个领域，例如：
- 摄影测量地形测绘：创建景观和城市区域的 3D 地图。
- 建筑和工程：用于建筑文档和结构分析。
- 考古学中的摄影测量：记录和重建遗址和文物。
- 航空摄影测量：用于土地测量和施工规划。
- 林业和农业：监测作物、森林和土地利用变化。
当摄影测量与现代无人机或 UAV（无人飞行器）结合使用时，它可以快速收集航空图像，使其成为大规模测量、建筑和环境监测项目的高效工具。
什么是 LiDAR？
LiDAR（激光探测与测距）是一种遥感技术，它使用激光来测量到物体或表面的距离。通过发射激光脉冲并测量光线击中目标后返回所需的时间，LiDAR 可以生成关于环境形状和特征的精确三维信息。它通常用于创建地球表面、结构和植被的高分辨率 3D 地图。
LiDAR系统广泛应用于各个行业，包括：
- 地形测绘：用于测量地貌、森林和城市环境。
- 自主激光雷达车辆：用于导航和障碍物检测。
- 农业：用于监测作物和农田状况。
- 环境监测：用于洪水建模、海岸线侵蚀等。
LiDAR 传感器可以安装在无人机、飞机或车辆上，从而可以在大范围内快速收集数据。 该技术因其即使在具有挑战性的环境（例如茂密的森林或崎岖的地形）中也能提供详细、准确的测量而备受赞誉。
什么是 IMU？
惯性测量单元 (IMU) 是一种紧凑型传感器模块，通过捕获平台的线性加速度和角旋转速率来测量平台的运动和方向。IMU 的核心是集成了三个加速度计和三个陀螺仪，它们沿正交轴排列，以提供六个自由度的测量。
加速度计感知平台在空间中的加速度，而陀螺仪跟踪平台的旋转方式。通过一起处理这些测量数据，IMU 可以提供关于速度、姿态和航向变化的精确信息，而无需依赖任何外部信号。这使得 IMU 对于在 GPS 不可用、不可靠或被有意拒绝的环境中进行导航至关重要。它们的性能在很大程度上取决于传感器质量、校准以及对误差（如偏差、噪声、比例因子和未对准）的控制程度。
高级 IMU 包括先进的校准、温度补偿、振动过滤和偏置稳定性机制，以确保误差不会随着时间的推移而快速累积。 由于这些特性，IMU 被广泛应用于各种应用中——从无人机、巡飞弹药和自动驾驶车辆到 AUV、机器人和 工业稳定系统——即使在最恶劣的运行条件下，也能提供强大、持续的运动和方向感知。
什么是参考坐标系？
参考坐标系本质上是一个坐标系统，您可以使用它来描述物体的位置、运动和方向。在惯性导航中，它提供了数学基础，使您能够以一致且有意义的方式表达来自传感器（如加速度计、陀螺仪和磁力计）的测量值。
您使用的每个向量（加速度、速度、姿态）都是相对于所选坐标系定义的，因此选择和理解这些坐标系至关重要。在实践中，我们处理两大类：惯性坐标系和非惯性坐标系。
惯性系是指完全静止或以恒定速度移动，没有旋转或加速的坐标系；它允许直接应用牛顿定律。由于真正的惯性系在地球上不存在，我们对其进行近似——通常通过使用以地球为中心的惯性 (ECI) 坐标系用于高空或太空应用。
对于大多数陆地和海洋作业，我们依赖于非惯性坐标系，如地心地固 (ECEF) 坐标系或局部导航坐标系，如东北天 (NED) 或东-北-上 (ENU)。这些坐标系随地球旋转并包含重力，因此必须对运动方程进行科里奥利和离心效应补偿。
在 INS 中，附着在车辆上的本体坐标系是测量原始 IMU 数据的地方；导航坐标系是您想要表达速度、姿态和位置的地方；惯性坐标系位于这些之上，作为理想的数学参考。这些坐标系之间的转换（通过旋转矩阵、四元数或方向余弦矩阵处理）允许系统传播方向并将加速度积分到速度和位置中。最终，参考坐标系提供了一种共享的“语言”，将原始惯性测量转换为可用的导航信息。
