NavVis是如何评估数据精度的?

news2024/11/14 13:49:16

以下文章来源于内芬兹NavVis ,作者NavVis

NavVis VLX作为移动扫描领域的标杆产品,其数据精度一直是客户关注的重点,今天我们就一起来看看NavVis是如何评估VLX的数据精度的。

评价一款测绘设备的精度时,我们总是将其与业内公认的更高精度的设备的测量值做比较,在传统测绘领域,全站仪是业内公认精度最高的设备;在三维激光扫描领域,架站式扫描仪(TLS)的数据被认为是高于移动式扫描仪的。那么我们就将全站仪和TLS的测量数据作为精度的参考基准,通过对比来评价VLX的扫描数据。

需要说明的是,移动扫描仪的数据精度与测量环境有关,所以声称某移动扫描设备达到了一个通用的精度是不负责任的。NavVis则通过不同的场景进行精度分析。

与全站仪的对比分析
早在2020年VLX 1发布之后,NavVis就对VLX 1在室内的扫描精度做了全面的分析,针对一个小型办公室场景,我们使用高精度全站仪测量并制作了CAD模型,然后在CAD模型中进行手动测量(在下方图中用黑色数字表示测量值),然后在点云模型中测量同一位置(在下方图中用蓝色数字表示测量值);并标注两组数据的偏差(在下方图中用红色数字表示)。

考虑局部(一个房间内)精度时,如图1所示, 在24个测量值中,22个测量值的偏差小于5mm;2个测量值的偏差在6-10mm之间。
在这里插入图片描述
图1 局部精度对比

考虑全局(多个房间或整体模型)精度时,如图2所示,7个测量值中,3个偏差小于5mm,2个偏差在6-10mm之间,2个在11-15mm之间。
在这里插入图片描述

图2 全局精度对比

表1统计了所有的测量值对比结果,这样的对比方式非常直观,在既有建筑的平面图制作或者模型创建时可以提供准确的尺寸参考。例如,如果建模人员根据点云建立了一个5米乘5米的房间模型,他们可以很有把握的说,这个模型的误差在5mm以内。
在这里插入图片描述
表1 局部和全局测量分析表

然而,在点云和CAD模型中
手动测量的方式未能充分利用到所有的点
其测量值的数量较少
也就是说采样率较低

要知道,一个点云模型可是由
几千万到几亿甚至几十亿个点组成
我们能不能利用更多的数据
做更全面的分析呢?

当然可以!我们可以利用
与TLS的点云数据做云对云的对比
↓↓↓

与TLS的对比分析

01:室内场景

对比之前,我们有必要介绍一下TLS是如何表述精度的,当我们提到TLS的精度时,我们指的是单个位置离散测量值的精度。对于一个站点的扫描,TLS的规格表通常会提到与标准偏差相关的置信度,通常是1西格玛,即置信度为68%,有时是2西格玛,即置信度为95%。

我们可以举个例子来帮助大家理解,如果说标准偏差为5毫米,置信度为1西格玛或68%,这意味着在所有的测量结果中,68%的测量必须在5毫米的精度范围内。

在对VLX 1和VLX 2的精度分析中,均使用了业内领先的TLS对同一室内场景进行了扫描,本文中我们着重讲解VLX 2的精度分析方法。针对VLX 2扫描的同一个数据集,我们采取了两种不同的处理方式:

➡️一种是使用控制点(CP)将点云注册到指定坐标系但是不做精度优化;
➡️另一种使用控制点将点云注册到指定坐标系的同时优化了点云精度;

然后将TLS扫描的点云模型作为精度基准来进行全面的计算对比,对比结果代表了VLX 2的绝对精度。

在分别使用TLS和VLX 2对图3的办公室进行扫描获取点云模型后,我们使用一个内部工具对比点云模型。
在这里插入图片描述
图3. 办公室点云模型

图5表示了TLS点云与NavVis VLX 2点云之间偏差的累积分布情况。可以看到,在不使用控制点优化精度的情况下,68%的测量值是低于5.1mm的,95%的测量值是低于12.9mm的;在使用了控制点优化精度后,68%的测量值低于4.5mm, 95%的测量值低于12.7mm。
在这里插入图片描述
图5

相比与手动的测量对比,点云与点云的对比更加全面,从图5的对比结果来看,以TLS的数据作为精度基准时,我们可以说:

在不使用控制点优化精度的情况下,VLX 2的绝对精度在68%的可信度下是小于5.1mm的;在95%的可信度下是小于12.9mm的。

在使用控制点优化精度后,VLX 2的绝对精度在68%的可信度下是小于4.5mm的;在95%的可信度下是小于12.7mm的。
在这里插入图片描述
表 2

值得注意的是,在这样一个室内办公室场景中,即使不使用控制点优化,VLX 2的绝对精度与使用了控制点优化的精度也相差无几,所以我们有理由相信,在类似的环境中,NavVis VLX 2完全可以在无控制点的情况下为客户提高精度的数据。

02:室外场景
在这里插入图片描述
尽管VLX 2的设计初衷是数字化室内空间,随着技术发展和客户需求增加,VLX 2也针对室外环境优化了扫描算法,我们一起来看看其在室外扫描的精度表现,选择一个建筑的外立面,长31.3m,高20.3m。同样以高精度TLS扫描点云作为精度基准,与VLX 2扫描的点云做全局对比。结果如图7所示:
在这里插入图片描述
图7 外立面全局点云对比

在扫描外立面时,越高的地方离扫描仪越远,获取的点数量越少,精度也随之下降。所以我们可以更深入地分析不同高度区间内VLX 2的精度表现。为了排除地面移动物体的干扰,我们将外立面分为三个高度区间,1.55m-7.8m,7.8m-14.05m, 14.05m-20.3m, 结果如下:
在这里插入图片描述
在这里插入图片描述
从分区的对比结果来看,VLX 2在外立面低区的精度与室内的扫描精度相当,在中区和高区略为衰减,这样的精度表现在移动扫描领域无疑是领先的,为既有建筑BIM建模提供坚实的基础。

本文介绍了NavVis在分析自身产品(VLX 1, VLX 2)精度时采用的分析方法和在不同场景下达到的精度。更多的分析细节,大家可以查阅NavVis官网提供的精度白皮书,今后,我们将继续对其他建筑环境进行研究测量,并从长远来看,我们将把这种精度评估的范围扩展到具有挑战性的户外场景,如森林、公园和人工结构较少的开放区域。

资料参考:
VLX 1 精度白皮书:NavVis VLX 1精度白皮书
VLX 2 精度白皮书:NavVis VLX 2精度白皮书

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2119179.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

局域网文件分发如何实现?掌握这4个秘籍,文件一键分发破次元!

局域网文件分发是许多企业和组织在日常工作中常见的需求, 有效的文件分发可以显著提高工作效率。 以下是四种实现局域网文件一键分发的秘籍: 1.使用终端监控软件的文件分发功能 软件示例:安企神等。 步骤简述: 安装软件&…

数学建模笔记——熵权法(客观赋权法)

数学建模笔记——熵权法[客观赋权法] 熵权法(客观赋权法)1. 基本概念2. 基本步骤3. 典型例题3.1 正向化矩阵3.2 对正向化矩阵进行矩阵标准化3.3 计算概率矩阵P3.4 计算熵权3.5 计算得分 4. python代码实现 熵权法(客观赋权法) 1. 基本概念 熵权法,物理学名词,按照信息论基本原…

大数据之Flink(四)

11、水位线 11.1、水位线概念 一般实时流处理场景中,事件时间基本与处理时间保持同步,可能会略微延迟。 flink中用来衡量事件时间进展的标记就是水位线(WaterMark)。水位线可以看作一条特殊的数据记录,它是插入到数…

Linux系统【RockyLinux9.4】下K8S集群【1.31.0】安装部署指南

1.概述 公司之前一直使用的是CentOS系统作为测试、开发、生产环境的基础系统镜像,由于最近的CentOS的镜像彻底终止维护之后,我们在为后续项目的基础系统镜像选型进行的调研, 最好是可以平替的进行类似系统的移植, 经过多番对比&a…

基于锁相环闭环控制AD2S1210旋转变压器测速原理及仿真

旋转变压器通过在转子施加高频励磁信号,通过电磁感应方式在两定子上输出正交的包含转子角度信号,数学建模公式如下: E为幅值,sinwt为转子输入的高频励磁信号,、为电机角度信号 AD2S1210 测角度原理是通过自动控制原理…

进程之间的通信方式

前言 每个进程的用户地址空间都是独立的,一般而言是不能互相访问的,但内核空间是每个进程都共享的,所以进程之间要通信必须通过内核。 Linux提供了以下进程通信方式: 一、管道 所谓的管道,就是内核里面的一串缓存。…

Iceberg与SparkSQL写操作整合

前言 spark操作iceberg之前先要配置spark catalogs,详情参考Iceberg与Spark整合环境配置。 有些操作需要在spark3中开启iceberg sql扩展。 Iceberg使用Apache Spark的DataSourceV2 API来实现数据源和catalog。Spark DSv2是一个不断发展的API,在Spark版…

12. GIS地图制图工程师岗位职责、技术要求和常见面试题

本系列文章目录: 1. GIS开发工程师岗位职责、技术要求和常见面试题 2. GIS数据工程师岗位职责、技术要求和常见面试题 3. GIS后端工程师岗位职责、技术要求和常见面试题 4. GIS前端工程师岗位职责、技术要求和常见面试题 5. GIS工程师岗位职责、技术要求和常见面试…

Mac强制删除文件,碰上“拖拽到废纸篓”无法删除时怎么办?

我们都特别喜欢Mac,不仅是因为它漂亮的外观,还有它的运行顺畅、界面友好。然而,就像所有技术产品一样,有时它也会让我们头疼——比如,当某个文件无论如何都删不掉时。你可能遇到过这样的情况:尝试删除一个文…

亿道三防AI加固平板电脑首亮相,工业级AI PC开启行业新纪元!

8月28日至30日,亿道三防在第22届国际物联网展深圳站上隆重发布了多款AI加固平板电脑和户外三防新品,首次亮相便赢得了现场观众的热烈好评。此外,还有三防平板电脑、工业平板电脑、车载平板电脑以及防爆平板等众多行业类明星产品也悉数登场&am…

【Leetcode算法面试题】-1. 两数之和

文章目录 算法练习题目思路参考答案算法1算法2算法3 算法练习 面试经常会遇到算法题目,今天开启算法专栏,常用算法解析 题目 ** 给定一个整数数组 nums 和一个整数目标值 target,请你在该数组中找出 和为目标值 target 的那 两个 整数&…

【服务器第一期】Xshell、Xftp下载及连接

服务器环境配置 1 Xshell 和 Xftp 的下载安装与使用2 连接服务器2.1. Xshell 连接服务器2.2 文件传输 参考 1 Xshell 和 Xftp 的下载安装与使用 进入 Xshell 下载页面,点击下载 官网-XSHELL-NetSarang Website 选择免费授权页面: 直接下载即可。 PS&…

目标检测从入门到精通——常见iou及变体算法介绍

目标检测中的 IoU 算法及其变体 绪论 在计算机视觉领域,目标检测是一个重要的研究方向,广泛应用于自动驾驶、安防监控、图像搜索等多个场景。为了评估目标检测模型的性能,Intersection over Union(IoU)作为一种常用的…

SpringBoot OAuth2自定义登陆/授权页

背景 5 月份的时候,我实践并整理了一篇博客:SpringBoot搭建OAuth2,该博客完成之后,很长一段时间里我都有种意犹未尽的感觉。诚然,我把OAuth2搭起来了,各种场景的用例也跑通了,甚至源码也看了&am…

HTTP请求⽅法

HTTP请求⽅法 1. GET :申请获取资源,不对服务器产⽣影响 2. POST : POST 请求通常⽤于发送数据,例如提交表单数据、上传⽂件等,会影响服务器,服务器可能动态创建新的资源或更新原有资源。 3. HEAD &#…

GPU 计算 CMPS224 2021 学习笔记 02

并行类型 (1)任务并行 (2)数据并行 CPU & GPU CPU和GPU拥有相互独立的内存空间,需要在两者之间相互传输数据。 (1)分配GPU内存 (2)将CPU上的数据复制到GPU上 &…

UE4_后期处理_后期处理材质四—场景物体描边

一、效果如下图: 二、分析: 回顾复习:在后期处理材质三中,我们通过计算开启自定义深度通道物体的像素点上下左右4个像素SceneTextureCustomDepth深度之和来判断物体的外部(包含物体的边)和内部&#xff0c…

【漏洞利用】2018年-2024年HVV 6000+个漏洞 POC 合集分享

此份poc 集成了Zabbix、用友、通达、Wordpress、Thinkcmf、Weblogic、Tomcat等 下载链接: 链接: https://pan.quark.cn/s/1cd7d8607b8a

Java小白一文讲清Java中集合相关的知识点(七)

LinkedHashSet LinkedHashSet是HashSet的子类 LinkedHashSet底层是一个LinkedHashMap,底层维护了一个数组双向链表 而在之前讲的HashSet中的链表是单向的哈,注意区分! LinkedHashSet根据元素的hashcode值来决定元素的存储位置,同时使用链表…

从搜索热度上看Arcgis的衰退

Arcgis已被qgis快速赶上 google trends是一个google综合了每日的搜索情况的统计网站,可以追踪从2004年开始各个关键字的搜索热度。 我用arcgis和qgis作为对比,简单探索了arcgis和qgis的全球相关热度。 假设,搜索arcgis越高的区域&#xff…