优化扫描的pdf功能(无法在本文档上运行扫描图像优化)

　　　　移动扫描的优点在扫描领域是众所周知的。与传统的TLS相比，移动扫描设备可以更好地覆盖扫描范围，加快工作流程，也意味着可以减少服务供应商在现场的工作时间，降低扫描成本。　　

　　

　　　　但对于有经验的3D扫描“老司机”，移动扫描系统提供的数据似乎被视为“不可靠”，尤其是当你的业务需要非常精确的数据准确性时。　　

　　

　　　　这是因为系统的移动扫描依赖于SLAM，这将使执行，自动的扫描工作流程的很大一部分　　

　　

　　　　这种自动化过程使得传统扫描专家难以理解移动扫描系统如何生成最终的点云，或者现场技术人员应该如何规划他们的工作流程以确保高质量的可交付成果。　　

　　

　　　　但是移动扫描的数据质量如何呢？　　

　　

　　　　SLAM到底是什么？　　

　　

　　　　Slam(同时定位和地图绘制)，也称为CML(并发地图绘制和定位)，用于即时定位和地图构建，或者并发地图绘制和定位。　　

　　

　　　　问题可以描述为：　　

　　

　　　　如果一台扫描仪器被放置在一个未知的环境，的一个未知的位置，有什么方法可以让扫描仪器移动并逐渐画出一张完整的环境？地图一致的地图指的是毫无障碍地行进到房间的每个角落。　　

　　

　　　　回答：　　

　　

　　　　SLAM是一种融合传感器(激光雷达、RGB相机，惯性测量单元等)采集的数据的算法。)你的手机扫描系统，最后确定你在建筑移动产生的扫描轨迹　　

　　

　　　　简而言之，当你初始化系统， SLAM算法时，它将使用传感器数据和计算机视觉技术来观察周围的环境并准确估计你的当前位置。　　

　　

　　　　在扫描过程中，使用纳维斯设备实时查看扫描区域　　

　　

　　　　当你移动时，SLAM将通过比较你先前位置的估计值和系统传感器返回的数据来重新计算你的当前位置。重复这个过程，SLAM系统将最终追踪你在建筑的足迹　　

　　

　　　　SLAM是一个非常复杂的过程——即使上面提到的简化解释有些复杂，你也可以把它想象成测绘方法中常用的“穿越法”。　　

　　

　　　　交叉法　　

　　

　　　　导线法是指测量人员沿观测路线测量许多点。测量员在测量每一点时，都会用前一点作为测量的基准。　　

　　

　　　　SLAM算法和这个方法有些类似，只是每秒可以做很多精确的计算。换句话说，SLAM算法是一种前沿技术，一边移动一边穿越自动-执行路线。　　

　　

　　　　SLAM对扫描精度的影响　　

　　

　　　　NavVis　　

　　

　　　　为了了解基于SLAM算法的设备扫描精度，您需要知道移动扫描系统如何捕获数据。　　

　　

　　　　当捕获环境，时，通过激光传感器的360旋转，热释光传感器测量其周边环境。因为它从一个固定的点收集数据，所以它捕获的点云中的每个测量值都与空间中的扫描仪精确对齐。　　

　　

　　　　地面激光扫描仪　　

　　

　　　　移动测绘系统也依赖于激光传感器的360旋转，但不是从固定位置。移动(行走)时扫描，旋转时移动传感器。这将导致每次测量的对准误差，降低最终点云的精度。　　

　　

　　　　纳维斯移动扫描设备： vlx M6　　

　　

　　　　当我们在晚上拍照时，当你不小心移动相机，时，照片会变模糊，这实际上是一个非常相似的现象。　　

　　

　　　　同样的道理，当你看到移动扫描仪器捕捉到的原始数据没有经过SLAM算法的处理时，你会发现这些点非常杂乱，而且在空间上是分散的、双重的。　　

　　

　　　　SLAM的精度误差　　

　　

　　　　NavVis　　

　　

　　　　开发SLAM算法来精确记录你的扫描轨迹，生成高质量的点云，厂商一直面临着一个具体的大挑战，那就是如何纠正两个主要错误。　　

　　

　　　　循迹误差　　

　　

　　　　循迹误差　　

　　

　　　　当SLAM算法遇到一些问题时，会出现一些环境，跟踪误差。例如，长走廊通常缺乏SLAM所依赖的环境特征，这可能导致扫描系统失去对您位置的跟踪。　　

　　

　　　　偏移误差　　

　　

　　　　漂移误差　　

　　

　　　　因为SLAM算法使用传感器数据计算你的位置，所有传感器都会产生测量误差，所以产生偏移误差。由于SLAM算法的计算方法——基于之前的位置计算每个位置，比如“交叉法”——传感器产生的误差会在你的扫描过程中累积。最终，它会导致扫描轨迹精度的“偏移误差”，从而影响最终扫描结果的质量。　　

　　

　　　　如果您使用的是早期的移动扫描系统，这些错误可能会影响您最终数据的质量。　　

　　

　　　　工作流程确保高质量的结果　　

　　

　　　　NavVis　　

　　

　　　　好消息是，移动扫描系统自进入市场以来已经逐渐成熟。制造商已经发展成熟　　

的SLAM 算法来自动减少跟踪误差及偏移误差。并且移动扫描员可以遵循可靠的工作流程来手动更正误差，做到最大程度地提高最终获取的点云质量。

　　

　　　　最为流行的工作流程叫做“闭环扫描”。执行“闭环扫描”，只需要简单地回到一个之前扫描过的点，然后SLAM 将会识别这个重叠点。此步骤提供了其所需的信息来计算已发生地任何偏移误差或跟踪误差并进行纠正。

　　

　　　　尽管闭环扫描在大型空间中（譬如健身房、室外区域、甚至大型办公室）是有效的，但某些环境会使闭环扫描变得异常困难，譬如上述所说的长走廊。

　　

　　　　对于这些情况，更先进的移动扫描系统提供了一个功能及利用控制点来锁定扫描数据。

　　

　　　　两种方式确保扫描精度：控制点 & 闭环扫描

　　

　　　　这个过程也非常简单：即在整个要扫描的建筑物中放置测量控制点（靶点坐标）。

　　

　　　　利用一个比移动扫描系统精准度更高的系统譬如说全站仪捕捉其坐标。

　　

　　　　在您扫描建筑物的同时，捕捉这些控制点。移动扫描系统会利用这些信息将捕捉的点云进行处理，减少误差，并确保在异常困难的环境中也可以生成测绘级精度的点云。当精度至关重要的时候，扫描者可以使用这个方式。

　　

　　　　SLAM 算法至关重要

　　

　　　　NavVis

　　

　　　　需要注意的是，每个制造商在其移动扫描系统中都有自己专有的SLAM算法。每一个算法在表面上看起来都非常相似，但它们之间的差异可能意味着最终数据的质量会有巨大的差异。

　　

　　　　这也是为什么，为确保高质量的扫描结果，您在购买过程中需要研究每个移动扫描系统，并了解背后的SLAM算法的具体细节；了解其SLAM算法支持哪些方法来更正误差。

　　

　　　　了解SLAM 算法支持哪些误差修正方式：是否支持“闭环扫描”，或者“控制点”？这些方式在您扫描的环境下的工作表现如何？制造商如何宣传通过这些方式您可以达到的局部精度和全局精度？

　　

　　　　了解在特殊环境下，SLAM 算法的性能如何：例如在长走廊这种情况下所获得的精度如何？又譬如在大型开放区域？其算法是如何处理反射表面的？或相对于移动物体，譬如说路过的行人的处理又是如何？在不同的环境下表现都会很好吗？

　　

　　　　此类问题的答案，将会告诉您在使用其移动扫描设备时所能期望的数据质量，并帮助您找到一种适应您日常工作中不同环境下可以使用的设备。

　　

　　　　编辑：jq

　　

　　　　打开APP阅读更多精彩内容