Точность SLAM сканера без использования ГНСС

Добрый день, уважаемые посетители сайта НГК!

В этой статье мы поговорим о точностях SLAM-сканеров при работе без использования GNSS сигналов. 

В помещениях, под землей, а также часто и в отдаленных районах воспользоваться преимуществами использования спутникового сигнала бывает не возможно. Посмотрим какой точности можно достигнуть используя различные комбинации марок с известными координатами.

Мы представим результаты наших тестов, в которых мы определяли координаты марок на протяжённом объекте (около 840 метров).  Использовали SLAM-сканер без ГНСС RTK модуля и тахеометрический ход, то есть мы сравнивали координаты полученные двумя различными способами. 

Также дадим общую информацию о различных мобильных 3D сканерах и поделимся знаниями в целом о технологии SLAM, о её применении.

Технология SLAM

Эта технология уже несколько лет активно применяется для сканирования шахт, тоннелей, для подсчёта объёмов складов, для оцифровки различных сооружений, для сканирования лесных массивов и многих других задач. 

Отличие классического сканера от мобильного SLAM сканера 

Классический сканер (как вы видите на слайде ниже в правой части ) испускает лазерный луч на быстро вращающееся зеркало, за счёт этого, сканер позволяет снимать большое количество точек в секунду. 

Сканирующая головка SLAM-сканера устроена по-другому; в ней тоже есть вращающаяся часть, но измерение производится не одним лучом, а группой из нескольких лучей, расположенных так, как на  картинке ниже. 

В современных SLAM сканерах применяются как правило шестнадцати канальные сканирующие головки, то есть 16 лучей снимают одновременно. Бывают и тридцати двухканальные сканеры. Бывают и 128-канальные сканирующие головки, но они применяются для навигации беспилотной техники - для геодезии они не подходят из-за низкой точности. Соответственно, каждый канал — это отдельный импульс лазера, который сканирует и записывает информацию.

Преимущества и недостатки SLAM-сканеров

Основное отличие SLAM-сканеров от обычного классического наземного сканирования состоит в том, что с обычным сканером мы можем встать в точке стояния, установить его на штатив, отсканировать всё, что видно вокруг, потом переставить на следующую станцию и так далее. То есть мы выполняем сканирование на каждой станции отдельно. Если же мы работаем со SLAM-сканером, то мы запускаем его в одном месте, проходим вдоль или около интересующего нас объекта и снимаем непрерывный трек. С одной стороны, получение сразу готового массива данных это плюс. Но здесь же может возникнуть и проблема. Если с обычным классическим  сканером какая-то одна станция не получилась, то мы можем обработать всё остальное. И дополнительно можно переснять не получившуюся станцию. При работе со SLAM-сканером, если где-то посередине нашего трека что-то "вылетело" по какой-то причине, весь наш трек также "вылетит". И придется заново выполнять всю съемку. Т.е обработать какой-то отдельный кусок SLAM трека не возможно. 

Разновидности сканирующих головок

На сегодняшний день в России представлены в основном SLAM-сканеры на основе двух типов сканирующих головок. 

Первый тип — это Livox, слева на фото ниже. Второй  тип - сканирующая головка Hesai, на фото в центре. Соответственно мы имеем два типа сканеров: первый поменьше, второй чуть больше и тяжелее. Основное их отличие состоит в том, что скорость сканирования головки Livox составляет 200 000 точек в секунду, у Hesai — это 320 либо 640 тысяч точек в секунду в зависимости от количества каналов: 16 или 32. 

Особенности и дальность работы

Livox обычно снимает метров на 40, это реальная рабочая дальность, хотя заявлена в ТТХ дальность чуть больше. 

Hesai снимает метров на 60-80, хотя заявлена дальность также чуть больше. 

Но самое главное отличие состоит в том, что в лидаре Livox — крутящаяся часть спрятана под статичным защитным колпаком. В  Hesai есть вращающаяся часть внутри головки, она закрыта, но и сама головка тоже вращается. Соответственно, если мы работаем, например, где-нибудь в лесном массиве, есть вероятность намотать ветки и т.д.

Размеры и конструктивные решения

Кроме того, конечно, размеры отличаются существенно. На основе Livox создано большое количество сканеров, много разных брендов, есть даже отечественные разработки. В ближайшие несколько лет будет всё больше и больше появляться таких сканеров. Но что здесь важно отметить, что, если во всех этих сканерах одна и та же сканирующая головка Livox 360, это совершенно не означает, что качество собранных облаков точек также будет одинаковое у этих сканеров. Это проверено, и реально облака точек получаются разные несмотря на то, что сканирующая головка одна и та же. О чём это нам говорит? Это говорит о том, что в SLAM, помимо самой сканирующей головки, применяются ещё дополнительные технологии, которые влияют на качество получаемых облаков точек.

Камеры и дополнительные функции

Например, на сканере XGRIDS K1 в верхней части помимо сканирующей головки есть несколько камер. Две камеры у него для раскраски облака точек, чтобы получать раскрашенное в реальных цветах облако точек, и ещё две камеры для того, чтобы, так скажем, SLAM-технология правильно себя связывала, то есть чтобы весь наш трек "сидел" корректно. Поэтому, если мы будем использовать, например, SLAM-сканер без этих камер, у нас будут получаться разные данные, нежели если сравнивать со SLAM-сканерами, оснащенными камерами.

Популярные модели SLAM-сканеров

Если сравнивать основные модели, самые популярные, наверное, на сегодня в России модели SLAM-сканеров — это Lixel XGRIDS K1 на основе Livox и на основе RS10 CHC с головкой Hesai. 

То, что у них общего — что аккумулятор встроен в ручку, что уменьшает размер, есть встроенные камеры, нет никаких внешних проводов. Но если говорить про сканеры на основе Hesai, они чаще всего весят гораздо больше, нежели сканеры на основе Livox, и они требуют специальное устройство для переноски. Вот такое очень удобное устройство есть у RS10 - см фото ниже. Руки оператора полностью свободны, а туда же крепится планшет для управления сканером. Оператор может свободно ходить, перемещаться, и вес этого сканера не ощущается.

Применение при съёмке больших территорий

Сканеры с большой крутящейся головкой чаще применяют для съёмки больших площадных территорий, где нужно много и долго ходить, и в этом случае в руке носить его не всегда удобно, поэтому подобные системы сильно облегчают работу со сканером. 

Есть также сканеры с крутящейся головкой в раздельной компоновке. В этом случае какую-то часть вы носите в руке, и что-то ещё отдельно дополнительно прикрепляется к нашему сканеру в виде коробочки. В ней есть аккумуляторы, в ней же хранятся данные, в неё же пишутся данные.

Применение GPS и контрольных точек

Вместе со SLAM-технологией применяется и GPS-оборудование, это позволяет более точно сажать наш трек. GPS-оборудование позволяет исключить возможный дрейф, а также, если мы работаем и проходим с петлями, то есть несколько раз возвращаемся в те же места, где мы уже были, качество получаемого облака точек увеличивается. 

Также любой SLAM-сканер позволяет использовать контрольные точки, то есть если мы работаем, например, в помещениях без GPS-привязки, мы можем использовать заранее определённые марки и по этим маркам сажать наше облако точек на местную систему координат, либо просто уточнять, улучшать качество нашего облака.

Полевое программное обеспечение

У любого SLAM-сканера есть полевое программное обеспечение, хотя можно в принципе запустить работу сканера без полевого ПО, просто с кнопки, то есть сканер просто будет вписывать в себя всю сырую информацию. Но полевое ПО нам позволяет решать следующие задачи:

Рекогносцировка и планирование траектории

Обязательна рекогносцировка — то есть нужно понимать как мы пойдём, будем ли мы ходить петлями, какая будет траектория нашего движения со SLAM-сканером. Важно, с какой скоростью мы перемещаемся, потому что от этого будет зависеть плотность точек, потому что чем быстрее мы будем идти, тем менее плотное облако будем получать. Будем ли мы использовать замыкание или нет, с каким перекрытием мы будем заканчивать наш трек. 

Использование местной системы координат

Для посадки на местную СК можно использовать марки с известными координатами. Кроме того, у некоторых производителей есть возможность посадки в МСК в программе постобработки данных сканирования. Если какие-то места нам нужно подснять детально, то, наверное, имеет смысл в этом месте остановиться, поснимать его более долго. Также в комплекте любого сканера идёт офисное программное обеспечение. Ниже скриншот из одного из программных обеспечений: здесь мы можем подгрузить координаты контрольных марок, можем указать принципы, которые будут также использованы для оптимизации нашего SLAM, указываем, будем ли мы использовать раскраску или нет и удаление подвижных объектов — нужно нам это или нет. 

Когда мы сканируем в помещении или тем более на улице, неизбежно в наше облако будут попадать различны подвижные объекты (люди, машины и т.д.). Некоторые программы обработки такие подвижные объекты автоматически распознают и удаляют.

Функции офисного ПО

Как правило, офисное ПО позволяет ввести контрольные точки, выполнить трансформацию, посадку на местную систему координат, если это нам нужно, удалить подвижные объекты. В некоторых программах есть базовый функционал промеров по облакам точек, можно выполнять раскраску облаков на основе фотографий, можно уточнять траекторию движения, траекторию SLAM по спутниковым данным, если мы их использовали в поле. Также можем экспортировать данные в основные форматы, это, например, общий формат для обмена данными .las, либо формат может быть для проектировщиков, как он называется ptx. Некоторые софты позволяют строить цифровые модели местности, искать деревья автоматически, создавать сечения, чертежи и так далее. То есть это уже зависит от производителя.

Отчёт по качеству посадки облака на марки

Ниже показан пример того, как в офисном ПО мы можем посмотреть отчёт по качеству посадки нашего облака на контрольные марки: это может быть отчет в PDF как на фото ниже. 

Отчет может быть и в таком виде в самом офисном ПО:

Можно посмотреть минимальную ошибку, максимальную ошибку, среднюю ошибку. По каждому пункту можно посмотреть невязку по DX,DY, по высоте и так далее. 

Ниже показан пример, как происходит посадка в одном из софтов на контрольные марки: слева мы указываем контрольные марки, справа те же самые марки, которые были в поле нами измерены. Если они названы одинаково, программа автоматически их распознает и свяжет. 

Технологическая схема работы с данными

Итак, технологическая схема работы с данными SLAM-сканирования состоит в следующем: в поле мы должны убедиться в том, что у нас всё в порядке, если что-то не в порядке, возможно, что-то ещё раз переснять, если нужно. Далее мы чистим облака, удаляем шум, лишние объекты, подвижные объекты удаляем и получаем итоговое финальное готовое облако точек. Далее мы его можем экспортировать в нужный формат, и финальный результат получаем в одной из программ — это может быть CREDO, Нанокад, Leica Cyclone, и так далее. Это уже зависит от задач, под которые мы используем наш SLAM-сканер.

Ограничения SLAM-технологии

Скругление углов зданий

Особенность, которая характерна, наверное, для всех SLAM-сканеров — это скругление углов зданий: это внутренние и внешние углы, они немного скруглены. Об этом есть статьи в нашем блоге. Кому интересно, можете зайти почитать: там есть различные сравнения прямо со скриншотами, как это выглядит. 

Зависимость от скорости движения

Зависимость от скорости движения и потеря плотности. Чем быстрее мы будем бежать или ехать с нашим SLAM-сканером, тем ниже будет плотность получаемых облаков. Именно поэтому для работы на подвижных объектах применяются сканеры с более быстрой скоростью сканирования, например 32-канальные. 

Проверка точности SLAM-сканеров

Точность каждого SLAM-сканера прописана в руководстве пользователя. Да, у каких-то сканеров есть описание типа, где точность также указана, но вот чтобы эту точность получить, надо соблюсти много различных условий. Но как проверить реально достижимую точность SLAM на объекте? 

Методы проверки точности

Второй способ — мы прокладываем тахеометрический ход, определяем координаты марок. Координаты известных марок используем для привязки сканера. Некоторые марки можно не использовать в привязке сканера - просто скалываем их координаты с облака точек и сравниваем эти координаты с координамтами из тахеометрии. 

Имя	dX	dY	dH
12	0,001	0,006	0,022
13	0,010	0,009	0,020
17	0,016	0,006	0,015
18	0,040	0,071	0,302
20	0,052	0,069	0,424
19	0,048	0,089	0,606
5	0,026	0,113	0,902
23	0,007	0,125	1,312
24	0,129	0,036	2,274
25	0,140	0,040	2,285

Заметен дрейф до 18 см по высоте по середине маршрута: 

Имя	dX	dY	dH
12	0,001	0,006	0,025
13	0,010	0,001	0,011
17	0,016	0,002	0,019
18	0,059	0,064	0,104
20	0,082	0,055	0,141
19	0,097	0,080	0,175
5	0,101	0,082	0,098
23	0,120	0,114	0,185
24	0,003	0,014	0,002
25	0,004	0,019	0,017

Имя	dX	dY	dH
12	0,004	0,003	0,023
13	0,017	0,024	0,045
17	0,002	0,004	0,014
16	0,011	0,024	0,027
18	0,010	0,014	0,012
20	0,001	0,003	0,002
19	0,011	0,010	0,016
23	0,018	0,005	0,142
24	0,016	0,000	0,011
25	0,021	0,026	0,019

Дрейф по высоте более 2 метров на точках 24 и 25: 

Имя	dX	dY	dH
11	0,019	0,002	0,012
12	0,003	0,015	0,031
17	0,056	0,002	0,007
18	0,074	0,059	0,23
19	0,081	0,06	0,339
20	0,062	0,101	0,488
5	0,034	0,109	0,748
23	0,036	0,138	1,199
24	0,01	0,223	2,283
25	0,006	0,227	2,337
112	0,004	0,016	0,031
113	0,018	0,013	0,018

Имя	dX	dY	dH
11	0,011	0,005	0,005
12	0,002	0,005	0,027
16	0,094	0,038	0,023
17	0,052	0,042	0,018
18	0,118	0,009	0,008
19	0,139	0,037	0,017
20	0,136	0,001	0,011
22	0,091	0,059	0,128
5	0,104	0,037	0,168
23	0,117	0,065	0,087
24	0,011	0,023	0,018
25	0,015	0,026	0,022
112	0,002	0,005	0,027
113	0,02	0,014	0,022

Имя	dX	dY	dH
12	0,001	0,021	0,029
11	0,008	0,016	0,087
13	0,010	0,043	0,041
14	0,016	0,032	0,027
15	0,007	0,005	0,025
16	0,016	0,026	0,128
17	0,029	0,004	0,133
18	0,003	0,004	0,001
20	0,003	0,011	0,036
19	0,008	0,008	0,060
5	0,035	0,007	0,061
23	0,003	0,012	0,001
24	0,006	0,014	0,003
25	0,001	0,007	0,007

Имя	dX	dY	dH
25	0,002	0,001	0,000
5	0,006	0,026	0,019
19	0,021	0,006	0,049
16	0,012	0,011	0,026
17	0,003	0,006	0,016
13	0,017	0,014	0,013
12	0,002	0,023	0,026
11	0,016	0,001	0,019
14	0,013	0,030	0,013
15	0,010	0,008	0,007
18	0,001	0,058	0,014
20	0,002	0,018	0,020
23	0,002	0,007	0,020
124	0,004	0,012	0,011

Выводы по результатам теста:

Понравилась наша статья? Читайте другие статьи блога НГК по ссылке.