Simultaneous Localization and Mapping (SLAM)-technologie is naar voren gekomen als een transformerende kracht in het domein van LiDAR-scanning, en heeft een aanzienlijke invloed op de nauwkeurigheid en precisie van gegevensverzamelingsprocessen. Door sensorgegevens en geavanceerde algoritmen naadloos te integreren, speelt SLAM een cruciale rol bij het verbeteren van de betrouwbaarheid en efficiëntie van LiDAR-scansystemen. Laten we dieper ingaan op hoe SLAM-technologie de nauwkeurigheid van LiDAR-scanning beïnvloedt en welke belangrijke mechanismen hierbij een rol spelen.

Draagbare SLAM LiDAR

Wat is SLAM?

Simultaneous Localization and Mapping (SLAM) is een geavanceerd algoritme dat gegevens van de ingebouwde sensoren van uw kaartsysteem, waaronder LiDAR, RGB-camera's, IMU's en meer, integreert om uw traject te bepalen terwijl u door een omgeving navigeert.

Hieronder ziet u een vereenvoudigde uitleg van hoe SLAM werkt: bij de initialisatie van het systeem maakt het algoritme gebruik van sensorgegevens en computer vision-technologie om de omgeving te analyseren en uw huidige positie nauwkeurig te schatten.

Naarmate u vordert, gebruikt SLAM de initiële positieschatting, verzamelt nieuwe gegevens van de sensoren van het systeem, vergelijkt deze met eerdere observaties en berekent uw positie opnieuw in realtime.

Door deze stappen iteratief uit te voeren, volgt het SLAM-systeem voortdurend en nauwkeurig uw bewegingen in de omgeving.

Een SLAM-algoritme voert deze ingewikkelde berekeningen meerdere keren per seconde uit en automatiseert zo effectief het proces van het in kaart brengen van uw traject terwijl u door de ruimte reist.

Welke invloed heeft SLAM op de scannauwkeurigheid?

Om de precisie van een SLAM-apparaat te begrijpen, is het noodzakelijk om een ​​fundamenteel verschil te begrijpen in de methoden voor gegevensverzameling die worden gebruikt door kaartsystemen.

In een terrestrische laserscanner (TLS) legt het apparaat zijn omgeving vast door een lasersensor 360° te draaien en metingen te registreren vanaf een vaste positie. Bijgevolg is elk punt in de vastgelegde puntenwolk inherent nauwkeurig uitgelijnd in de ruimte ten opzichte van de scanner.

Omgekeerd roteert een mobiel mappingsysteem ook een lasersensor 360°, maar niet vanaf een vast punt. Terwijl u door de omgeving beweegt tijdens het scannen, beweegt de sensor met u mee, wat voor elke meting uitlijningsverschillen introduceert en de nauwkeurigheid van de uiteindelijke puntenwolk in gevaar brengt.

Dit scenario is vergelijkbaar met het effect van camerabewegingen bij het maken van een nachtfoto, wat resulteert in wazigheid. Op dezelfde manier onthult het inspecteren van de onbewerkte gegevens van een mobiel kaartsysteem vóór verfijning van het SLAM-algoritme verspreide en gedupliceerde punten, wat wijst op uitlijningsproblemen.

Een mobiel mappingsysteem is ontworpen om deze uitlijningsfouten te corrigeren en een nauwkeurige, ordelijke puntenwolk te genereren. Het bereikt dit door gebruik te maken van de trajectgegevens die zijn vastgelegd door het SLAM-algoritme. Deze informatie stelt het systeem in staat om de positie van de scanner op het moment van elke meting vast te stellen, wat nauwkeurige ruimtelijke uitlijning van de punten mogelijk maakt.

De nauwkeurigheid van een mobiel kaartsysteem dat werkt met SLAM, hangt dus niet alleen af ​​van de precisie van de sensor, maar ook in belangrijke mate van de doeltreffendheid van het SLAM-algoritme bij het volgen van uw traject.

SLAM-nauwkeurigheidsuitdagingen

Het ontwikkelen van SLAM-algoritmen die trajecten nauwkeurig volgen en puntenwolken van hoge kwaliteit genereren, vormde een grote uitdaging voor fabrikanten. Zij moesten rekening houden met twee belangrijke soorten fouten.

Problemen met SLAM-tracking

Het eerste type fout, bekend als tracking error, ontstaat wanneer SLAM-algoritmen problemen ondervinden in bepaalde omgevingen. Bijvoorbeeld, in lange gangen waar kenmerkende omgevingskenmerken schaars zijn, kunnen SLAM-systemen moeite hebben om nauwkeurige locatietracking te behouden.

In veeleisendere omgevingen kunnen SLAM-systemen storingen ervaren. Dit gebeurt wanneer er onnauwkeurigheden in de mapping optreden tijdens het scannen, vaak vanwege een gebrek aan onderscheidende kenmerken in de omgeving of hoge ruisniveaus. In dergelijke gevallen lost het gebruik van controlepunten het probleem niet effectief op.

Hoewel sommige gevallen van SLAM-storingen kunnen worden hersteld tijdens de nabewerking, kunnen extreme gevallen onherstelbaar blijven. In deze scenario's verhindert de afwezigheid van gegevens over hoe verschillen in afstanden tussen controlepuntcoördinaten en gescande controlepuntcoördinaten moeten worden verdeeld, de correctie van trajectstoringen.

SLAM Drift-fouten

Het tweede type fout, drift genoemd, komt voort uit de inherente meetfouten die worden geproduceerd door sensoren die worden gebruikt in SLAM-algoritmen om posities te berekenen. Omdat SLAM-algoritmen iteratief posities berekenen op basis van eerdere datapunten, hopen sensorfouten zich op tijdens het scannen, wat leidt tot onnauwkeurigheden in de trajecten en een afname van de kwaliteit van de uiteindelijke resultaten.

Drifting SLAM-fouten komen vaker voor in buitenomgevingen vanwege het grotere ruimtelijke gebied, in tegenstelling tot binnenomgevingen. Drift resulteert in scans die correct zijn afgestemd op de kaart, maar vervormingen vertonen vanwege sensorimperfecties, waardoor fouten zich in de loop van de tijd ophopen. Het gebruiken van onderzochte controlepunten tijdens de nabewerking helpt doorgaans om datasets te corrigeren die zijn beïnvloed door drift.