/home/oxtsmwb/releases/7c3359bd9eaf6f62d6b8ec31a3b714e81087851e/includes/MWB/Block/CONT/home/oxtsmwb/releases/7c3359bd9eaf6f62d6b8ec31a3b714e81087851e/includes/MWB/Block/FOOT/home/oxtsmwb/releases/7c3359bd9eaf6f62d6b8ec31a3b714e81087851e/includes/MWB/Block/FORM/home/oxtsmwb/releases/7c3359bd9eaf6f62d6b8ec31a3b714e81087851e/includes/MWB/Block/HEAD/home/oxtsmwb/releases/7c3359bd9eaf6f62d6b8ec31a3b714e81087851e/includes/MWB/Block/HERO/home/oxtsmwb/releases/7c3359bd9eaf6f62d6b8ec31a3b714e81087851e/includes/MWB/Block/MOBI/home/oxtsmwb/releases/7c3359bd9eaf6f62d6b8ec31a3b714e81087851e/includes/MWB/Block/SHOW/home/oxtsmwb/releases/7c3359bd9eaf6f62d6b8ec31a3b714e81087851e/includes/MWB/Block/SITE/home/oxtsmwb/releases/7c3359bd9eaf6f62d6b8ec31a3b714e81087851e/includes/MWB/CPT{"id":2634,"date":"2024-02-09T13:28:00","date_gmt":"2024-02-09T13:28:00","guid":{"rendered":"https:\/\/oxts.mwb.digital\/?p=2634"},"modified":"2025-04-30T21:51:57","modified_gmt":"2025-04-30T21:51:57","slug":"improving-navigation-data-in-san-francisco-with-oxts-lio","status":"publish","type":"post","link":"https:\/\/oxts.mwb.digital\/es\/improving-navigation-data-in-san-francisco-with-oxts-lio\/","title":{"rendered":"Mejora de los datos de navegaci\u00f3n en San Francisco con OXTS LIO"},"content":{"rendered":"

\n

\n

\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n

En septiembre de 2023, OXTS envi\u00f3 un equipo a San Francisco para cartografiar la ciudad y recopilar datos de nubes de puntos LiDAR.<\/h5>\n\n\n
\n
El objetivo de este viaje era probar el rendimiento del nuevo sistema de navegaci\u00f3n inercial (INS) RT3000 v4 y la eficacia del uso de la odometr\u00eda inercial LiDAR (LIO) de OXTS para mejorar los datos de navegaci\u00f3n.<\/p>\n
El RT3000 v4 es la \u00faltima tecnolog\u00eda GNSS\/INS de OXTS. Combina nuestra \u00faltima tecnolog\u00eda IMU10 con receptores GNSS de calidad topogr\u00e1fica para ofrecer una precisi\u00f3n de posici\u00f3n centim\u00e9trica. OXTS LIO es la \u00faltima innovaci\u00f3n de software de OXTS que utiliza LiDAR para limitar la deriva de posici\u00f3n en ca\u00f1ones urbanos.<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n
\u00bfPor qu\u00e9 San Francisco?<\/h5>\n\n\n
\n
San Francisco es uno de los campos de pruebas est\u00e1ndar para veh\u00edculos aut\u00f3nomos. Ofrece una combinaci\u00f3n \u00fanica de amplias calles suburbanas, pendientes extremas, ca\u00f1ones urbanos, t\u00faneles y puertos de monta\u00f1a rurales, lo que lo convierte en un excelente lugar de pruebas para la tecnolog\u00eda de navegaci\u00f3n que tradicionalmente se basa en GNSS.<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n \n
\n
\n
\n \n \n\n \n\n\n \n \n \n \n $\"\"\n$ \n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n\n\n
\n
\n
\n
Los edificios de gran altura que cubren todos los lados de la carretera y los numerosos obst\u00e1culos a\u00e9reos dificultan enormemente la recopilaci\u00f3n de datos de navegaci\u00f3n precisos y fiables. Gracias a OXTS LIO, el equipo pudo estabilizar y mejorar los datos de navegaci\u00f3n incluso en entornos sin GNSS.<\/p>\n
Para navegar con precisi\u00f3n por una zona urbanizada o crear una nube de puntos LiDAR de calidad topogr\u00e1fica en un ca\u00f1\u00f3n urbano, se necesitan los datos de navegaci\u00f3n m\u00e1s precisos posibles a lo largo de toda la trayectoria. Esto puede suponer un verdadero reto cuando hay una serie de dificultades GNSS, como edificios altos, superficies reflectantes u objetos elevados. En consecuencia, navegar por una ciudad utilizando GNSS s\u00f3lo con una precisi\u00f3n de cent\u00edmetros es casi imposible.<\/p>\n<\/div>\n
\n
<\/p>\n<\/div>\n<\/div>\n
\n
\n
\n
Los dispositivos INS utilizan una IMU para estabilizar la trayectoria calculada, pero en entornos urbanos especialmente dif\u00edciles, donde el GNSS se interrumpe constantemente, pueden utilizarse otras fuentes de ayuda para mejorar a\u00fan m\u00e1s el rendimiento. La incorporaci\u00f3n de LiDAR y OXTS LIO permite obtener datos de navegaci\u00f3n de calidad topogr\u00e1fica en los entornos m\u00e1s dif\u00edciles. El software utiliza actualizaciones de velocidad cero de un sensor LiDAR para limitar la deriva de la posici\u00f3n en ausencia de GNSS.<\/p>\n<\/div>\n<\/div>\n<\/div>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n
Configuraci\u00f3n de hardware y software<\/h5>\n\n\n
\n
Durante la prueba, el equipo utiliz\u00f3 los siguientes equipos: Un dispositivo OXTS INS (RT3000 v4) y un LiDAR (Hesai XT32). No hay nada especial en la configuraci\u00f3n f\u00edsica de los equipos para utilizar LIO, la configuraci\u00f3n es simplemente la misma que cualquier otra configuraci\u00f3n INS\/LiDAR. El algoritmo OXTS LIO optimiza los datos de navegaci\u00f3n y se ejecuta en el post-procesado.<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n \n
\n
\n
\n \n \n\n \n\n\n \n \n \n \n $\"\"\n$ \n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n
Mejora de los datos<\/h5>\n\n\n
\n
Durante la prueba, el equipo fue testigo de una mejora significativa del rendimiento de la navegaci\u00f3n en una serie de entornos tradicionalmente dif\u00edciles. Esto puede apreciarse en los siguientes ejemplos:<\/p>\n
Aparcamiento de varias plantas de Stonestown<\/h5>\n
No se dispone de GNSS en el interior de un aparcamiento de varias plantas. Tradicionalmente, esto significar\u00eda que est\u00e1n \"fuera de los l\u00edmites\" de los proyectos de cartograf\u00eda m\u00f3vil de alta precisi\u00f3n y relacionados con la navegaci\u00f3n. Esto se debe a que en menos de un minuto la trayectoria del dispositivo de navegaci\u00f3n tendr\u00e1 un error de posici\u00f3n de algunos metros, lo que hace que los datos sean in\u00fatiles. En la mayor\u00eda de los casos, habr\u00eda que recurrir a una cartograf\u00eda est\u00e1tica costosa y lenta.<\/p>\n
Sin embargo, utilizando LIO, junto con el RT3000 v4 la zona se convierte simplemente en una parte m\u00e1s del proyecto sin necesidad de tomar medidas especiales. Como se puede ver a continuaci\u00f3n, el RT3000 v4 hace un buen esfuerzo con la trayectoria y OXTS LIO restringe la deriva de posici\u00f3n a\u00fan m\u00e1s lo que lleva a un resultado de navegaci\u00f3n mejorado.<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n \n
\n
\n
\n \n \n\n \n\n\n \n \n \n \n $\"Stonestown$ \n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n \n
\n
\n
\n \n \n\n \n\n\n \n \n \n \n $\"Stonestown$ \n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n\n\n
\n
Adem\u00e1s de mejorar el rendimiento de la navegaci\u00f3n, el RT3000 v4, con OXTS LIO, tambi\u00e9n mejorar\u00e1 la precisi\u00f3n de la nube de puntos. En lugar de producir una nube de puntos repleta de borrosidad y visi\u00f3n doble, la nube de puntos resultante es n\u00edtida y limpia como cualquier otra parte del levantamiento gracias a la mejora de los datos de navegaci\u00f3n.<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n \n
\n
\n
\n \n \n\n \n\n\n \n \n \n \n $\"Stonestown$ \n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n \n
\n
\n
\n \n \n\n \n\n\n \n \n \n \n $\"Stonestown$ \n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n
Calle Misi\u00f3n<\/h5>\n\n\n
\n
Uno de los mayores retos a la hora de recopilar datos de navegaci\u00f3n precisos en un entorno urbano es la precisi\u00f3n y la coherencia en un marco global. El centro de San Francisco presenta todos los retos posibles, como t\u00faneles, edificios altos, superficies reflectantes, calles estrechas, pendientes extremas y objetos elevados. La interrupci\u00f3n constante del GNSS lo convierte en una prueba s\u00f3lida para las aplicaciones de conducci\u00f3n aut\u00f3noma y, del mismo modo, para la cartograf\u00eda m\u00f3vil.<\/p>\n
En este escenario, no son s\u00f3lo las actualizaciones intermitentes del GNSS y la deriva de la IMU las que causan errores de posici\u00f3n, sino que las superficies reflectantes plantean un riesgo significativo de error multitrayectoria en el que las se\u00f1ales de los sat\u00e9lites se han reflejado en los edificios causando grandes errores de posici\u00f3n. Esto podr\u00eda hacer que la trayectoria del INS fuera inestable e impredecible.<\/p>\n
Durante las pruebas el RT3000 v4 por s\u00ed mismo fue muy preciso, sin embargo cuando se acopl\u00f3 con OXTS LIO fue casi perfecto. OXTS LIO mantiene el INS en una ruta estable y consistente a trav\u00e9s de la ciudad que le permite filtrar todas las se\u00f1ales multitrayectoria.<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n \n
\n
\n
\n \n \n\n \n\n\n \n \n \n \n $\"Mission$ \n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n\n\n
\n
El resultado es una nube de puntos con una precisi\u00f3n centim\u00e9trica constante, sin zonas que deban volver a estudiarse:<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n \n
\n
\n
\n \n \n\n \n\n\n \n \n \n \n $\"Mission$ \n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n \n
\n
\n
\n \n \n\n \n\n\n \n \n \n \n $\"Mission$ \n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n
T\u00fanel de la calle Washington<\/h5>\n\n\n
\n
Al igual que ocurre con los aparcamientos de varias plantas, los t\u00faneles bloquean el acceso a las se\u00f1ales GNSS. Esto significa que, tradicionalmente, los t\u00faneles se miden con precisi\u00f3n, pero s\u00f3lo relativamente, y se acepta que la posici\u00f3n de las coordenadas globales de los puntos medidos diferir\u00e1 mucho de la realidad, pero hay poca forma de verificarlo. Sin embargo, con una combinaci\u00f3n de RT3000 v4 y OXTS LIO, la trayectoria se mantiene en la pista con un grado de precisi\u00f3n mucho mayor, mejorando no s\u00f3lo la claridad de las im\u00e1genes de la nube de puntos del t\u00fanel, sino tambi\u00e9n sus coordenadas georreferenciadas.<\/p>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n \n
\n
\n
\n \n \n\n \n\n\n \n \n \n \n $\"Tunnel$ \n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n \n
\n
\n
\n \n \n\n \n\n\n \n \n \n \n $\"Tunnel$ \n <\/picture>\n\n\n \n <\/div>\n <\/div>\n <\/div>\n\n\n
\n
\n
$\"\"$ <\/figure>\n\n\n\n
(Rojo con OXTS LIO, blanco sin. Procesamiento simulado (en tiempo real))<\/p>\n<\/div>\n\n\n\n
\n
$\"\"$ <\/figure>\n<\/div>\n<\/div>\n\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n
Datos de la prueba<\/h5>\n\n\n
\n
\n
\n
\n
Las amplias calles de San Francisco y otras ciudades similares pueden plantear retos alternativos para la navegaci\u00f3n. Los algoritmos de odometr\u00eda LiDAR a veces tienen dificultades para proporcionar actualizaciones precisas en estos entornos debido a la falta de elementos en los que se reflejen los haces de luz del LiDAR.<\/p>\n
Para entender el rendimiento del RT3000 v4 y OXTS LIO desactivamos manualmente las actualizaciones GNSS durante intervalos de 60 segundos y medimos la deriva de posici\u00f3n con y sin OXTS LIO activado.<\/p>\n
Se obtuvieron los siguientes resultados para la deriva sin GNSS durante un periodo de 60 segundos:<\/p>\n<\/div>\n<\/div>\n<\/div>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n
Medici\u00f3n<\/strong><\/th> Deriva (v4 + LIO)<\/strong><\/th> Derrape (s\u00f3lo v4)<\/strong><\/th><\/tr><\/thead>
Posici\u00f3n 3D<\/td> 0.263 m<\/td> 0.56 m<\/td><\/tr>
Posici\u00f3n 2D<\/td> 0.26 m<\/td> 0.538 m<\/td><\/tr>
R\u00fabrica<\/td> 0.099\u00b0<\/td> 0.132\u00b0<\/td><\/tr>
Velocidad 3D<\/td> 0,018 m\/s<\/td> 0,039 m\/s<\/td><\/tr>
Altitud<\/td> 0.066 m<\/td> 0.234 m<\/td><\/tr>
Porcentaje de error<\/td> 0.05%<\/td> 0.108%<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n\n\n
\n
\n
\n
\n
Mientras el GNSS estuvo ausente, el veh\u00edculo recorri\u00f3 una distancia de 500 m. Durante este tiempo, el RT3000 v4 funcion\u00f3 extraordinariamente bien, desvi\u00e1ndose s\u00f3lo 0,1% de la distancia recorrida. Esto equivale a una desviaci\u00f3n de la posici\u00f3n de s\u00f3lo 56 cm durante una interrupci\u00f3n del GNSS de 60 segundos en una distancia de 500 m. Si se incluye el OXTS LIO, la desviaci\u00f3n de la posici\u00f3n en la misma distancia se reduce a\u00fan m\u00e1s, a s\u00f3lo 26 cm, o 0,05% de la distancia total recorrida sin GNSS.<\/p>\n
La deriva de altitud tambi\u00e9n se reduce de 23 cm a s\u00f3lo 7 cm con OXTS LIO.<\/p>\n
Los ajustes de LIO utilizados durante la prueba eran en su mayor\u00eda predeterminados y no se han optimizado a la perfecci\u00f3n, por lo que cab\u00eda esperar resultados a\u00fan mejores. Esto indica que, incluso en condiciones muy duras en las que el GNSS se cae por completo durante un minuto, la tecnolog\u00eda de navegaci\u00f3n OXTS se mantendr\u00e1 en la pista permitiendo una navegaci\u00f3n y cartograf\u00eda de alta precisi\u00f3n casi en cualquier lugar.<\/p>\n<\/div>\n<\/div>\n<\/div>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n
Ejemplos de nubes de puntos...<\/h5>\n\n\n\n
\n
\n
$\"\"$ <\/figure>\n<\/div>\n\n\n\n
\n
$\"\"$ <\/figure>\n<\/div>\n<\/div>\n\n\n\n
\n
\n
$\"\"$ <\/figure>\n<\/div>\n\n\n\n
\n
$\"\"$ <\/figure>\n<\/div>\n<\/div>\n\n\n\n
\n
\n
\n \n \n \n \n\n\n \n\n\n \n\n\n \n\n
Conclusi\u00f3n<\/h5>\n\n\n
\n
\n
\n
\n
Los innumerables retos que plantea la navegaci\u00f3n precisa en San Francisco se ven superados por la precisi\u00f3n del RT3000 v4 y el algoritmo LIO de OXTS.<\/p>\n
Durante la prueba, fuimos testigos de que, gracias a una combinaci\u00f3n de los \u00faltimos desarrollos de hardware y software de OXTS, la deriva de la posici\u00f3n se limit\u00f3 significativamente durante una interrupci\u00f3n del GNSS de 60 segundos.<\/p>\n
Como ya se ha mencionado, con una optimizaci\u00f3n m\u00e1s estricta y la posible combinaci\u00f3n con otras funciones de la tecnolog\u00eda OXTS, como la tecnolog\u00eda de acoplamiento estrecho gx\/ix y la interfaz de datos gen\u00e9ricos de ayuda (GAD), el rendimiento podr\u00eda mejorar a\u00fan m\u00e1s.<\/p>\n
Estamos en camino de permitir a nuestros clientes navegar realmente en cualquier lugar.<\/p>\n<\/div>\n<\/div>\n<\/div>\n\n <\/div>\n\n <\/div>\n <\/div>\n \n \n <\/div>\n\n\n
\n \n\n
\n
\n
\n \n\n\n \n\n Contenidos cercanos<\/span>\n\n \n\n\n \n\n
M\u00e1s informaci\u00f3n en Leyendo..<\/b><\/h3>\n\n\n
\n \n \n\n\n\n\n\n <\/div>\n <\/div>\n <\/div>\n<\/div>\n\n\n \n
\n
\n
\n
\n \n \n \n\n \n\n\n \n \n $\"OXTS$ \n <\/picture>\n\n\n \n
\n
\n \n \n \n\n \n\n\n \n \n $\"OXTS$ \n <\/picture>\n\n\n \n
\n
\n \n \n \n\n \n\n\n \n \n $\"OXTS$ \n <\/picture>\n\n\n \n