在复杂环境中提高精度
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
在完全无法使用 GNSS 的室内环境中，测绘依赖于惯性测量单元（IMU）与基于感知的算法（如同时定位与建图，即 SLAM）的结合。与传统的直接地理参考不同，这种方法不依赖于 GNSS，而是将 IMU 数据与激光雷达、相机或深度传感器结合使用，以保持准确的定位。
SLAM 的工作原理是连续测绘环境，同时估算系统在其中的位置。然而，仅靠 SLAM 可能会遭受漂移的影响，尤其是在特征较少的区域或动态环境中。高端 IMU 在稳定基于 SLAM 的测绘方面发挥着关键作用，即使在视觉输入不可靠的情况下也能确保持续的运动跟踪。通过集成高精度、低漂移的 IMU，可以提升测绘应用中的 SLAM 性能。
事实上，IMU 将减少漂移累积，在较长时间内保持准确的定位，并提高在低能见度条件下的可靠性（如暗室或无特征的走廊）。这种组合能够创建出空间保持一致且与外部数据集完美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同测绘工作，即使在完全没有 GNSS 的环境中也是如此。
了解我们的室内地图绘制解决方案
我们的运动和导航产品可与室内测绘系统无缝集成。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准确性和可靠性，即使在最具挑战性的环境中也是如此。
无论您使用的是移动机器人还是用于室内测绘的便携式系统，我们的产品都能提供生成准确地图所需的精度、性能和工作流程。我们的系统是各种应用的理想选择，包括工业检查、设施管理、应急响应等。
Quanta Plus
Qinertia GNSS-INS
地图应用手册
我们的宣传册将直接发送到您的收件箱！
案例研究
浏览我们的案例研究，了解全球团队如何将我们的惯性解决方案成功集成到各种室内测绘应用中。从在复杂设施中导航的仓储机器人到制作室内空间精确 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关键作用。
查看我们系统投入实际应用的实例。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
我们的客户从工业制造商到应急响应团队不等，他们依靠我们的惯性系统在 GNSS 不佳的环境中生成准确、可靠的地图。
加入我们满意客户的行列，进一步了解我们如何通过业界领先的解决方案满足您的室内测绘需求。
探索其他调查应用
借助我们先进的惯性导航解决方案，释放多样化测绘需求的强大潜力。它们支持陆地、空中和海上作业。我们的技术在所有环境中均可提供可靠的数据、高精度和稳定的性能。
你有问题吗？
对室内测绘系统的工作原理感到好奇？想更多地了解惯性系统如何促进在 GNSS 不佳的环境中进行准确测绘？我们的常见问题解答 (FAQ) 部分涵盖了关于室内测绘系统的最常见问题，包括有关相关技术、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）是一种专用技术，可准确识别建筑物等封闭空间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：利用多个接入点的信号强度和三角测量来估算位置。
- 蓝牙低功耗（BLE）：利用信标向附近设备发送信号以实现定位。
- 超声波：利用声波进行精确定位，通常配合移动设备传感器使用。
- RFID（射频识别）：指在物品上贴附标签以实现实时追踪。
- 惯性测量单元（IMU）：这些传感器监测运动和方位，在与其他方法结合使用时可提高定位精度。
要实现精确定位，一份详细的室内空间数字地图必不可少，而移动设备或专用设备则负责从定位基础设施中采集信号。
IPS 可以增强导航、追踪资产、协助紧急服务、分析零售行为并集成到智能建筑系统中，在传统 GNSS 失效的情况下显著提高运营效率。
SLAM 是什么意思？
SLAM 代表同时定位与建图（Simultaneous Localization and Mapping），是机器人学和计算机视觉中使用的计算技术，用于构建未知环境的地图，同时跟踪智能体在该环境中的位置。这在无法使用 GNSS 的场景（例如室内或密集的城市区域）中特别有用。
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（如相机、激光雷达或惯性测量单元 [IMU]）来收集有关环境的数据。将这些数据组合起来以提高定位和建图的准确性。
SLAM算法通过处理输入数据，持续更新地图和智能体的位置。这涉及复杂的数学计算，包括滤波和优化技术。
什么是摄影测量学？
摄影测量学是一门利用照片测量和绘制物体或环境的距离、尺寸及特征的科学与技术。通过分析从不同角度拍摄的重叠图像，摄影测量学能够生成精确的3D模型、地图或测量数据。该过程的原理是利用三角测量原理，识别多张照片中的共同点，并计算其在空间中的位置。
摄影测量学被广泛应用于各个领域，例如：
- 摄影测量地形测绘：制作景观和城区的三维地图。
- 建筑与工程：用于建筑图纸编制和结构分析。
- 考古学中的摄影测量学：遗址与文物的记录与重建。
- 航空摄影测量：用于土地测量和施工规划。
- 林业与农业：监测农作物、森林及土地利用变化。
当摄影测量技术与现代无人机（UAV，即无人驾驶飞行器）相结合时，便能够快速采集航拍图像，使其成为大规模测绘、建筑和环境监测项目中的一项高效工具。
什么是激光雷达？
LiDAR（激光雷达）是一种遥感技术，使用激光测量到物体或表面的距离。通过发射激光脉冲并测量光在击中目标后返回所需的时间，LiDAR 可以生成有关环境形状和特征的精确三维信息。它通常用于创建地表、结构和植被的高分辨率 3D 地图。
激光雷达系统被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。
- 自动驾驶激光雷达车辆：用于导航和障碍物检测。
- 农业：用于监测作物和田间状况。
- 环境监测：用于洪水建模、海岸线侵蚀等。
激光雷达传感器可安装在无人机、飞机或车辆上，从而实现大范围的快速数据采集。该技术之所以备受推崇，是因为它即使在密林或崎岖地形等复杂环境中，也能提供详细、准确的测量数据。
什么是 IMU？
惯性测量单元 (IMU) 是一种紧凑型传感器模块，通过捕获平台的线加速度和角旋转速率来测量平台的运动和方位。在其核心，IMU 集成了沿正交轴排列的三个加速度计和三个陀螺仪，以提供六个自由度的测量。
加速度计感测平台在空间中的加速度，而陀螺仪则追踪其旋转方式。通过将这些测量结果结合起来进行处理，IMU 无需依赖任何外部信号即可提供有关速度、姿态和航向变化的精确信息。这使得 IMU 对于 GPS 不可用、不可靠或被人为干扰的环境中的导航至关重要。它们的性能很大程度上取决于传感器质量、校准以及如何控制误差（例如偏置、噪声、比例因子和失准）。
高级别 IMU 包含先进的校准、热补偿、振动滤波和偏置稳定性机制，以确保误差不会随时间迅速积累。由于这些特性，IMU 被广泛应用于各种领域——从无人机、巡飞弹、自主车辆到 AUV、机器人以及工业稳定系统——即使在最恶劣的操作条件下，也能提供强大、持续的运动和方位感知。
什么是参考系？
参考坐标系本质上是一个用于描述物体位置、运动和方位的坐标系。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传感器（如加速度计、陀螺仪和磁力仪）的测量结果。
您使用的每一个向量（加速度、速度、姿态）都是相对于选定的坐标系定义的，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。
惯性参考系是指完全静止或以恒定速度运动、不受旋转或加速度影响的参考系；它允许直接应用牛顿定律。由于地球上不存在真正的惯性参考系，我们对其进行了近似处理——通常对于高空或太空应用，会使用地心惯性参考系 (ECI)。
对于大多数地面和海洋作业，我们依赖非惯性参考系，例如地心地固参考系 (ECEF) 或本地导航参考系，如北-东-地 (NED) 或东-北-天 (ENU)。这些参考系随地球旋转并包含重力，因此运动方程必须对科里奥利力和离心力效应进行补偿。
在 INS 中，附着在车辆上的机体坐标系是测量 raw IMU 数据的坐标系；导航坐标系是您希望表达速度、姿态和位置的坐标系；而惯性坐标系则凌驾于这些坐标系之上，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）允许系统传播方位并将加速度积分转换为速度和位置。最终，参考坐标系提供了共同的“语言”，将原始惯性测量数据转化为可用的导航信息。
