当前位置: 首页 > article >正文

NavVis VLX3的精度怎么去进行验证?【上海沪敖3D】

在这里插入图片描述

01、精度评价现状
三维捕捉行业还没有建立一个用于估算或验证移动激光扫描系统精度的统一标准。因此,需要高精度交付成果的专业人士很难相信设备所标注的精度规格,也就很难知道基于SLAM的移动激光扫描系统是否适合当前的项目。

NavVis将通过展示一种严格、可靠和基于测量的方法来验证移动激光扫描系统产生的点云的准确性,从而解决这一问题。

02、精度验证基准点
评价测绘设备的精度时,通常与行业认可的高精度设备进行比较。本次实验采用激光跟踪仪作为参考系统,该系统专为亚毫米级精度的工业应用设计,数据平均偏差仅为0.08毫米。验证过程要求测试仪器的精度是扫描仪本身的三倍,因此激光跟踪仪的99.7%(3σ)参考测量值精度应高于NavVis VLX3的5毫米(1σ)精度。由于RAITEC的测量结果超出要求,因此这些参考数据可作为无误的基准点。
在这里插入图片描述

03、如何验证移动激光扫描点云的精度

相对方法(无GCPs)
使用处理软件在没有地面控制点(GCP)的情况下完成点云的最终处理,从而省去将点云转换为指定坐标系和优化轨迹的额外步骤。此时生成的点云缺乏参照,轨迹优化也不依赖于GCP提供的数据。

具体流程
在现场随机分布43个棋盘式目标。
利用激光跟踪仪对目标中心进行高精度测量。将任意两目标中心作为一个目标对,计算这两点之间的距离,一共产生903个距离值,以此作为参考值。
使用NavVis VLX 3扫描现场(不使用地面控制点),计算点云中所有目标对的点对点距离。
使用另外的11台VLX3重复上一步骤,得到12个点云模型和其目标对中点对点距离测量值。
将每个点云中的点对点距离测量值与参考值进行比较,从而获得偏差数据,进而说明未参照(相对)点云的精度。

绝对方法(GCPs)
使用GCP完成点云的后处理,将点云模型转换到基准点坐标系。在此过程中,SLAM算法利用GCP的已知位置优化移动轨迹进而提升点云模型精度。
具体流程
使用与前述相对方法中相同的NavVis VLX 3原始数据,处理点云时采用激光跟踪仪测量的GCP,确保与目标坐标系一致。

数据的精度验证可以通过多种方式进行:
提取点云中每个棋盘式目标的中心坐标,并与参考坐标进行比较。
进行相对点云的比较,提取所有可能目标对中的点对点距离,并将结果与参考值进行对比。

确定控制点的影响
在验证NavVis VLX 3成果点云的精度时,针对同一原始数据,分别进行了使用GCP和不使用GCP的两种处理方法,这使得生成的最终点云具有可比性,我们可以量化使用GCP对点云精度的积极影响。

04、评估NavVis VLX3精度的操作流程

1、确定测试地点
测试地点为办公楼的地下室,该地点墙壁坚固固定、环境温度稳定、人流量极少、目标不太可能被破坏或磨损,在这里我们可以控制各种变量以获得可重复的结果,是一个理想的测试环境。
在这里插入图片描述

2、目标位置和分布
为创建可被激光跟踪仪和NavVis VLX 3捕捉的参考标记,使用了标准为15厘米x15厘米的棋盘式目标,并在环境中随机放置43个目标,每个目标用3毫米厚的DIBOND铝板固定在墙上以防移动。
在这里插入图片描述

棋盘目标

在这里插入图片描述

用于精度估算的棋盘式目标位置

3、扫描
操作员使用NavVis VLX 3扫描场景大约需12分钟,过程包括捕捉全景图像和GCP。该采集过程快速高效,4个不同的操作员使用12台VLX 3,共扫描12次进行测试,以评估VLX3对不同操作员的准确性。

4、目标和线条提取
使用三维数据处理软件从目标中提取中心点。当技术人员选取接近目标中心的点时,软件会使用可靠的行业标准算法计算出真正的中心点并提供坐标。
在这里插入图片描述

一共43个目标,任意两点连成一条线段,我们可以提取出903条点对点线段。计算得出的目标之间的距离从10厘米到50米不等。
在这里插入图片描述

俯视图 - 点距离线条
在这里插入图片描述

三维视图 - 点距离线条
在这里插入图片描述

不同距离的线条数量

5、检查异常值
手动检查距离测量值,剔除异常值或修改软件操作误差。

05、验证结果

相对方法(无GCPs)的结果
直方图显示每个点对点测量距离与参考值的偏差,其中红线表示68%的误差为3.1毫米,意味着68%的距离测量值与参考值的偏差在3.1毫米或以下;绿线表示NavVis VLX 3的5毫米精度,显示87%的距离测量值与参考值的偏差在5毫米以内。

在这里插入图片描述

绝对方法(GCPs)的结果
在绝对方法中,我们使用NavVis VLX 3的GCP功能处理所有点云数据,值得注意的是,我们并没有考虑操作员扫描时手动对准 GCP 的准确性和精确度,即便如此,NavVis VLX 3依然呈现了高精度的点云模型。

点对点比较:绝对点与参考点
下图说明了点云中的目标中心与基准点的偏差程度。所有异常值均已去除。

在478个观测值中,平均偏差为2.8毫米,中位数为2.5毫米。
在这里插入图片描述

各个NavVis VLX 3测得的目标中心的3D偏差

绝对方法中的测量距离与参考值的比较
直方图显示每个点对点测量距离与参考值的偏差,其中红线表示68%的误差为2.1毫米,意味着68%的距离测量值与参考值的偏差在2.1毫米或以下;绿线表示NavVis VLX 3的5毫米精度,显示97%的距离测量值与参考值的偏差在5毫米以内。

在这里插入图片描述

06、结论

经测试,所有12个NavVis VLX3 设备的性能均优于规格表中的说明。

即使不使用GCP,在这种测试环境中,68%( ~1σ)的可信度下, 精度也可达到 3.2 毫米。下表汇总了上文描述的距离测量结果。
在这里插入图片描述

沪敖3D是一家致力于三维数字化行业解决方案的技术型企业,拥有丰富的三维项目经验,公司以行业应用为出发点,为客户提供三维数字化采集、三维数据处理、三维数据管理等一系列应用服务。目前主要服务于制造业(汽车、航空航天、船舶、模具、铸造以及各种机械)、建筑业(建筑设计、施工、装修等)、文化遗产(博物馆、古建筑、考古等)、数字化工厂、警用公共安全、影视制作、教育等行业。提供质量检测、三维建模、逆向工程、数字存档、GD/T分析、有限元分析、虚拟安装、干涉分析、工程测绘、形变监测、3D打印等技术方案。


http://www.kler.cn/a/398935.html

相关文章:

  • ES6笔记
  • 《C++设计模式:重塑游戏角色系统类结构的秘籍》
  • DB Type
  • Vue2教程002:Vue指令
  • 【jvm】HotSpot中方法区的演进
  • 【项目开发】URL中井号(#)的技术细节
  • 前端框架 详解遍历数组为何需要加Key
  • 简单的爬虫脚本编写
  • 每日计划-1117
  • 拓扑学与DNA双螺旋结构的奇妙连接:从算法到分子模拟
  • 【MySQL-1】MySQL数据库的基本操作
  • 如何在 Spring MVC 中使用 `@PostMapping`? 如何在 Spring MVC 中使用 `@PutMapping`?
  • Linux:版本控制器git和调试工具cgdb
  • react+hook+vite项目使用eletron打包成桌面应用+可以热更新
  • 使用 Python 和 Selenium 解决 hCaptcha:完整指南
  • fastadmin常用操作
  • 推荐一款功能强大的光学识别OCR软件:Readiris Dyslexic
  • YOLO-SLD: An Attention Mechanism-ImprovedYOLO for License Plate Detection
  • 大三学生面试经历(2)
  • K8s学习笔记之了解k8s的网络模型
  • Vue2教程001:初识Vue
  • C 语言Union 结构
  • Docker compose部署RocketMQ(单机版)
  • 解剖了一个Github 5k Star项目
  • Android笔记(三十六):封装一个Matrix从顶部/底部对齐的ImageView
  • C#获取指定文件夹下所有文件的两种方式(使用Directory.GetFiles()和Directory.EnumerateFiles()函数)及其区别