A história de sucesso da GRYFN: Alcançando precisão e eficiência com o Quanta Micro
A GRYFN, pioneira em soluções de sensoriamento remoto multimodal para mercados de pesquisa, obteve melhorias operacionais notáveis ao integrar nosso Quanta Micro (sistema de navegação inercial) em suas soluções de UAV e pós-processar os dados por meio de nosso software, o Qinertia.
Essa colaboração proporcionou ao usuário final uma precisão centimétrica, uma redução de custos de 10% em cinco anos e uma integração simplificada do fluxo de trabalho.
"Em uma escala de 0 a 5, o produto, o software, o suporte e os custos atendem ou superam as expectativas - nota 5." | Matt Bechdol, CEO da GRYFN.
O núcleo da empresa: Sensoriamento remoto multimodal
A GRYFN é especializada em soluções de UAV de sensoriamento remoto multimodal de alta precisão, prontas para pesquisa, que adquirem simultaneamente dados RGB, LiDAR e hiperespectrais de alta resolução.
Sua principal plataforma de sensoriamento Gobi representa uma abordagem abrangente para a coleta de dados multimodais, projetada especificamente para pesquisadores que precisam de conjuntos de dados e análises prontos para uso corporativo para tomar decisões acionáveis em agricultura, monitoramento ambiental, aplicações de recursos naturais ou onde quer que seja necessário um sensoriamento remoto ativo e passivo preciso.
E toda essa demanda qualificada os levou às nossas soluções para que pudessem aprimorar sua plataforma e, ao mesmo tempo, reduzir a complexidade operacional e os custos para os clientes.
Os requisitos que correspondem às nossas soluções
As aplicações exigentes da GRYFN requeriam uma solução de navegação inercial capaz de fornecer precisão e exatidão em nível centimétrico para dados de trajetória em tempo real(RTK) e pós-processados(PPK).
A integração de sensores de imagem hiperespectral, LiDAR e RGB em plataformas UAV apresenta desafios técnicos exclusivos.
Cada modalidade de sensor captura dados em taxas diferentes e requer informações precisas de posicionamento para permitir a fusão e a análise precisas dos dados.
Não é de surpreender que os requisitos da GRYFN também precisassem incluir:
- Dados INS de alta qualidade com precisão de pelo menos 2 cm ou melhor para georreferenciamento direto confiável.
- Software fácil de integrar com interface de linha de comando e suporte a SDK para fluxos de trabalho de pós-processamento.
- Infraestrutura de licenciamento aberto para reduzir a complexidade da implementação para clientes de pesquisa distribuída.
- Soluções econômicas, especialmente importantes para instituições de pesquisa com vários cenários de implantação.
- Suporte técnico ágil para resolver rapidamente os desafios de integração.
- Fator de forma compacto com otimização de precisão, confiabilidade, tamanho e peso.
"Em 2023, estávamos avaliando as opções com base no fator de forma, no desempenho e na integração do hardware, nos custos e no valor para o cliente. Nossas pesquisas no setor nos levaram a quatro fornecedores importantes, e a SBG venceu para nossa mais nova integração da plataforma de detecção Gobi", explica Matt.
Integração e desempenho Quanta Micro
Atendemos aos requisitos da GRYFN por meio de nosso Quanta Micro um sistema de navegação inercial GNSS ultracompacto e de alto desempenho, projetado especificamente para aplicações de sensoriamento remoto de drones em que a precisão e as restrições de espaço são fundamentais.
- O sistema de navegação Quanta Micro integrado da GRYFN, operando no modo de antena dupla e integrado em uma PCB personalizada. Essa configuração permite que o sistema emita dados INS para vários sensores simultaneamente, dando suporte aos requisitos de detecção multimodal da GRYFN.
- Nesse caso, o formato do Quanta Microse mostrou excelente para os requisitos de integração de sensores compactos e multimodais da GRYFN.
- A configuração de antena dupla aumentou a precisão da direção e a confiabilidade do sistema, fatores essenciais para a determinação precisa da trajetória em aplicações de pesquisa.
- O processo de integração de hardware foi simplificado por nossa abordagem de projeto, permitindo que a GRYFN se concentrasse em seus principais recursos de sensoriamento remoto em vez de nas complexidades do sistema de navegação.
Um dos destaques que temos orgulho de enfatizar em cada parceria como essa é o nosso compromisso de fornecer suporte mais próximo, especialmente durante as fases em que a empresa ainda está testando e determinando a melhor maneira de integrar a tecnologia.
"As equipes da SBG responderam às perguntas e discussões técnicas enquanto realizávamos comparações e testes iniciais, e o suporte foi excelente", atesta Matt.
O fator X de fácil utilização da Qinertia
Além disso, a integração do nosso software de pós-processamento, o Qinertia, com o software GRYFN Processing Tool proporcionou melhorias significativas no fluxo de trabalho das operações da GRYFN.
A equipe considerou Qinertia fácil de usar e direto, com documentação abrangente que fornece instruções e explicações concisas para cada etapa e configuração de processamento.
Essa abordagem de software eliminou a necessidade de fazer download de dados RINEX, ao contrário das soluções da concorrência, simplificando o fluxo de trabalho de processamento. Eles também elogiaram a qualidade da documentação da API, observando que precisavam de suporte mínimo para a integração do lado do software. Esse recurso de autoatendimento reduziu o tempo de implementação e os requisitos de suporte contínuo.
Resultados mensuráveis e melhorias no desempenho
A integração da GRYFN com nossos sistemas proporcionou melhorias operacionais mensuráveis em várias dimensões.
"A facilidade de adoção pelos clientes reduziu os requisitos de suporte, economizando tempo e foco", destaca Matt.
Em resumo, foram observados impactos positivos significativos na redução de custos, na eficiência do processamento e na satisfação do cliente, liberando também o orçamento para outras necessidades essenciais.
Isso se mostrou particularmente valioso para organizações de pesquisa que operam com orçamentos limitados. A GRYFN também observou especificamente uma economia significativa nas assinaturas de software, juntamente com o aumento da qualidade da trajetória.
Conclusão: Desenvolvimento de vantagens competitivas
Quanta Micro e Qinertia fortaleceram a posição competitiva da GRYFN por meio de:
- Melhoria da estrutura de custos.
- Recursos de desempenho aprimorados.
- Experiência do cliente simplificada.
É sempre importante destacar que essas melhorias se traduzem diretamente em maior satisfação e retenção do cliente.
O estudo de caso da GRYFN valida que a tecnologia de navegação de precisão pode oferecer desempenho técnico e valor comercial quando integrada adequadamente a plataformas sofisticadas de sensoriamento remoto.
Com essa parceria, fornecemos uma referência convincente para alcançar a excelência operacional na coleta de dados baseada em VANT.
Quanta Micro
Quanta Micro é um sistema de navegação inercial compacto e de alto desempenho GNSS, projetado para aplicações com restrições de espaço que exigem precisão e confiabilidade excepcionais.
Ele integra uma IMU de grau de pesquisa com um receptor GNSS multifrequencial de constelação quádrupla e algoritmos avançados de fusão de sensores para oferecer posicionamento em nível de centímetro e orientação precisa em ambientes desafiadores.
O sistema apresenta capacidade de antena dupla para desempenho ideal de direção em condições de baixa dinâmica, enquanto mantém uma operação excepcional de antena única para cargas úteis de UAV e aplicações restritas.
Solicite uma cotação para o Quanta Micro
Você tem perguntas?
Bem-vindo à nossa seção de FAQ! Aqui, você encontrará respostas para as perguntas mais comuns sobre as aplicações que apresentamos. Se você não encontrar o que procura, sinta-se à vontade para nos contatar diretamente!
Qual é a diferença entre IMU e INS?
A diferença entre uma Unidade de Medição Inercial (IMU) e um Sistema de Navegação Inercial (INS) reside em sua funcionalidade e complexidade.
Uma IMU (unidade de medição inercial) fornece dados brutos sobre a aceleração linear e a velocidade angular do veículo, medidos por acelerômetros e giroscópios. Ela fornece informações sobre roll, pitch, yaw e movimento, mas não calcula dados de posição ou navegação. A IMU é projetada especificamente para transmitir dados essenciais sobre movimento e orientação para processamento externo para determinar a posição ou velocidade.
Por outro lado, um INS (sistema de navegação inercial) combina dados da IMU com algoritmos avançados para calcular a posição, velocidade e orientação de um veículo ao longo do tempo. Ele incorpora algoritmos de navegação como a filtragem de Kalman para fusão e integração de sensores. Um INS fornece dados de navegação em tempo real, incluindo posição, velocidade e orientação, sem depender de sistemas de posicionamento externos como o GNSS.
Este sistema de navegação é normalmente utilizado em aplicações que exigem soluções de navegação abrangentes, particularmente em ambientes com GNSS negado, como UAVs militares, navios e submarinos.
Como os drones são usados para fins agrícolas?
Os drones são cada vez mais utilizados na agricultura para melhorar o manejo das culturas e aumentar a produtividade. Equipados com câmeras e sensores de alta resolução, os drones agrícolas fornecem imagens aéreas e dados sobre a saúde das culturas, as condições do solo e a variabilidade do campo. Isso permite que os agricultores monitorem grandes áreas rapidamente e identifiquem problemas como infestações de pragas, deficiências de nutrientes e estresse hídrico com precisão.
Os drones na agricultura são usados para a aplicação precisa de insumos como fertilizantes, pesticidas e herbicidas. Ao direcionar áreas específicas com precisão, os drones reduzem o desperdício e minimizam o impacto ambiental. Além disso, eles auxiliam no mapeamento com drones agrícolas e no planejamento do layout do campo, e no monitoramento do crescimento e rendimento das culturas ao longo do tempo.
No geral, os drones agrícolas oferecem uma maneira econômica e eficiente de coletar informações críticas, tomar decisões informadas e implementar intervenções direcionadas, levando a uma melhor gestão de colheitas e uso de recursos.
O que é georreferenciação em levantamentos aéreos?
Georreferenciar é o processo de alinhar dados geográficos (como mapas, imagens de satélite ou fotografias aéreas) a um sistema de coordenadas conhecido, para que possam ser posicionados com precisão na superfície da Terra.
Isso permite que os dados sejam integrados com outras informações espaciais, permitindo análises e mapeamentos precisos baseados na localização.
No contexto do levantamento topográfico, o georreferenciamento é essencial para garantir que os dados coletados por ferramentas como LiDAR, câmeras ou sensores em drones sejam mapeados com precisão para coordenadas do mundo real.
Ao atribuir latitude, longitude e elevação a cada ponto de dados, o georreferenciamento garante que os dados capturados reflitam a localização e orientação exatas na Terra, o que é crucial para aplicações como mapeamento geoespacial, monitoramento ambiental e planejamento de construção.
O georreferenciamento normalmente envolve o uso de pontos de controle com coordenadas conhecidas, frequentemente obtidas através de GNSS ou levantamento topográfico, para alinhar os dados capturados com o sistema de coordenadas.
Este processo é vital para criar conjuntos de dados espaciais precisos, confiáveis e utilizáveis.
Qual é a diferença entre RTK e PPK?
A Cinemática em Tempo Real (RTK) é uma técnica de posicionamento onde as correções GNSS são transmitidas quase em tempo real, normalmente usando um fluxo de correção de formato RTCM. No entanto, pode haver desafios para garantir as correções GNSS, especificamente sua integridade, disponibilidade, cobertura e compatibilidade.
A maior vantagem do PPK sobre o pós-processamento RTK é que as atividades de processamento de dados podem ser otimizadas durante o pós-processamento, incluindo o processamento para frente e para trás, enquanto no processamento em tempo real, qualquer interrupção ou incompatibilidade nas correções e sua transmissão levará a um posicionamento de menor precisão.
Uma primeira vantagem fundamental do pós-processamento GNSS (PPK) vs. tempo real (RTK) é que o sistema usado no campo não precisa ter um datalink/rádio para alimentar as correções RTCM vindas do CORS no sistema INS/GNSS.
A principal limitação para a adoção do pós-processamento é a exigência de que a aplicação final atue sobre o ambiente. Por outro lado, se sua aplicação puder suportar o tempo de processamento adicional necessário para produzir uma trajetória otimizada, isso melhorará muito a qualidade dos dados para todas as suas entregas.