English
German
Spanish
Japanese
Korean
对于许多人来说，移动制图一词可能有许多不同的含义。它涵盖了广泛的学科，既可以指空中活动，也可以指陆地活动。不过，不管是使用无人机绘制基础设施地图，还是使用陆基车辆定位资产，有一点始终不变，那就是需要不间断的轨迹数据。
工程师倾向于使用 全球导航卫星系统辅助惯性导航系统（INS） 为他们提供这些信息。INS 设备将来自 全球导航卫星系统通过 IMU 的方位数据，可输出其在地球上的位置估计值。这些数据可用于一系列地理参照活动。
在开阔天空环境中，INS 输出的轨迹数据通常精确到厘米级，这对大多数人来说已经足够精确了。 地理坐标 使用案例。但是，就其本质而言，移动测绘并不总是完全在开阔天空条件下进行。事实上，移动测绘是在长基线上进行的，其中包含多种环境条件和定期的全球导航卫星系统中断。因此，如今移动测绘的大部分价值都来自于收集精确数据的能力、 不间断 在一系列不同的环境中，在有和没有全球导航卫星系统位置更新的情况下，获取轨迹数据。
城市峡谷中的不间断轨迹数据
对于基础设施监控和资产管理这两种最广为人知的移动测绘应用来说，能够在城市峡谷等环境中提供不间断的轨迹数据不仅是 "不错的选择"，而且是必不可少的，这可能是赢得项目还是输给竞争对手的关键所在。
要想在建筑密集区实现一致、准确的数据采集，测绘车队必须能够抵御全球导航卫星系统信号中断或停电，因为停电会导致严重的位置漂移误差，使数据失去效用。
确保全球精确、不间断轨迹数据的最佳解决方案始终是全球导航卫星系统和 INS 数据的组合，并且应尽可能利用这种组合。但如果无法使用全球导航卫星系统，则需要在系统中集成额外的冗余。
利用传感器融合实现冗余
在全球导航卫星系统不可靠的情况下，应使用其他传感器（如激光雷达或照相机）提供的辅助数据，但这可能会带来一系列集成方面的挑战。
这些系统的数据与 IMU 数据正确融合后，可帮助替换丢失或错误的 GNSS 数据，稳定位置漂移，确保在没有 GNSS 的情况下也能获得准确的轨迹数据。
这对任何在城市峡谷中进行的项目都特别有用，因为在峡谷中，GNSS 信号会不断被高楼、桥梁和隧道反射或中断。例如，在这种使用情况下，只要 GNSS 信号丢失，就可以用激光雷达传感器（LiDAR 惯性轨迹测量或 LIO）的速度更新来补充丢失的 GNSS 更新。LIO 数据可在后处理中添加，也可实时添加（用于主动导航）。 WayFinder 导航系统。
在资产高度集中的地方，通常也是全球导航卫星系统中断高度集中的地方。对于像大型资产测绘这样通常在广阔区域和建筑环境中进行的项目，获取不间断的轨迹数据至关重要。如果没有这些数据，资产识别和定位就会变得不准确，从而引发更多问题。生成并融合来自其他传感器的导航更新可增加轨迹输出的弹性，这意味着可以在更长的时间内获得更准确的定位数据。
正如我们在本博客前面提到的，在任何项目中，都应尽可能使用全球导航卫星系统和 INS 数据，因为这将为您提供最准确的数据，但在更具挑战性的环境中（如城市峡谷），融合其他传感器模式是保持轨迹准确性的一种经济有效的方法。此外，在 GNSS 和非 GNSS 定位方法之间智能切换的能力可以提高生产率，加快项目交付。
对于许多移动地图绘制者来说，从这些额外的传感器模式生成和融合导航更新所需的时间和技能可能是个挑战。这就是 WayFinder 的到来。作为一款可随时部署的多传感器融合设备，GNSS、IMU、LiDAR 和相机数据的集成和传感器融合均由我们为您完成。由于广泛支持来自各种勘测级激光扫描仪的地理参照数据，并且能够在使用全球导航卫星系统和激光雷达/相机进行定位之间切换，因此您可以放心地将部署所花费的时间和资金重新分配到发展上，并确信您的数据收集系统能够收集准确、不间断的轨迹数据。
