主页 案例分析 与 Quanta Micro 集成的最先进的遥感技术

GRYFN 的成功案例:通过 Quanta Micro 实现精度和效率

GRYFN 是研究市场多模式遥感解决方案的先驱,通过将我们的 Quanta Micro(惯性导航系统)集成到他们的 UAV 解决方案中,并通过我们的软件 Qinertia 后处理数据,实现了卓越的运营改进。

此次合作已为最终用户提供了厘米级精度、五年内降低 10% 的成本简化的工作流程集成。

“在 0 到 5 的范围内,产品、软件、支持和成本达到或超过预期 – 5。” | Matt Bechdol,GRYFN 首席执行官。

地理空间INS软件
带有 GOBI 传感器和起落架的四轴无人机

GRYFN 专注于研究型、高精度、多模式遥感 UAV 解决方案,可同时获取高分辨率 RGB、LiDAR 和高光谱数据。

他们的旗舰 Gobi 传感平台代表了一种全面的多模式数据收集方法,专为需要企业级数据集和分析的研究人员而设计,用于推动农业、环境监测、自然资源应用或任何需要精确主动和被动遥感的领域中可操作的决策。

在植被附近户外调整 GOBI 设备的人员
GRYFN 专家正在为实际应用配置 GOBI 设备。

所有这些合格的需求使他们选择了我们的解决方案,以便他们能够增强其平台,同时降低客户的运营复杂性和成本。

GRYFN 的严苛应用需要一种惯性导航解决方案,该解决方案能够为实时 (RTK) 和后处理 (PPK) 轨迹数据提供厘米级精度

在高光谱成像、LiDAR 和 RGB 传感器在 UAV 平台上的集成提出了独特的技术挑战。

每个传感器模式以不同的速率捕获数据,并且需要精确定位信息以实现精确的数据融合和分析。

毫不奇怪,GRYFN 的要求还需要包括:

  • 高质量 GNSS-INS 数据,至少具有 2 厘米或更高的精度,以实现可靠的直接地理参考。
  • 易于集成的软件,具有命令行界面和 SDK 支持,可用于后处理工作流程。
  • 开放式许可基础设施,以降低分布式研究客户的部署复杂性。
  • 经济高效的解决方案,对于具有多种部署场景的研究机构而言,这一点尤其重要。
  • 响应迅速的技术支持,可快速解决集成挑战。
  • 紧凑的外形尺寸,具有精度、可靠性、尺寸和重量优化。

“2023 年,我们根据外形尺寸、硬件性能和集成、成本以及对客户的价值来评估方案。我们的行业搜索使我们找到了 4 家主要供应商,而 SBG 在我们最新的 Gobi 传感平台集成中胜出”,Matt 解释道。

我们通过我们的 Quanta Micro 解决方案满足了 GRYFN 的要求,这是一种超紧凑、高性能的 GNSS 辅助惯性导航系统,专为无人机遥感应用而设计,在这些应用中,精度空间限制至关重要。

  1. GRYFN 集成了 Quanta Micro 导航系统,该系统以双天线模式运行并集成到定制 PCB 中。此配置使系统能够同时将 GNSS-INS 数据输出到多个传感器,从而支持 GRYFN 的多模式传感要求。
  2. Quanta Micro 的外形尺寸非常适合 GRYFN 紧凑的多模式传感器集成要求。
  3. 双天线配置提高了航向精度和系统可靠性,这是研究应用中精确轨迹确定的关键因素。
  4. 我们的设计方法简化了硬件集成过程,使 GRYFN 能够专注于其核心遥感功能,而不是导航系统的复杂性。

我们为每次这样的合作感到自豪的一点是,我们致力于提供更紧密的支持,尤其是在公司仍在测试和确定集成技术的最佳方式的阶段。

“当我们进行初步比较和测试时,SBG 团队对问题和技术讨论反应迅速,并且支持非常出色”,Matt 证明道。

此外,我们的后处理软件 Qinertia 与 GRYFN Processing Tool 软件的集成显着改进了 GRYFN 运营的工作流程。

该团队发现 Qinertia 用户友好且简单易懂,其全面的文档为每个处理步骤和设置提供了简洁的说明和解释。

与竞争解决方案不同,这种软件方法无需下载 RINEX 数据,从而简化了处理工作流程。他们还称赞了 API 文档的质量,并指出他们只需要最少的软件端集成支持。这种自助服务能力缩短了实施时间和持续支持需求。

SBG Systems Quanta Micro 在 GRYFN GOBI 中的概念图
SBG Systems 组件为 GRYFN 的技术提供支持。

GRYFN 与我们系统的集成在多个维度上实现了可衡量的运营改进。

“客户易于采用,降低了支持要求,节省了时间和精力,” Matt 强调说。

简而言之,通过为其他基本需求释放预算,在成本降低处理效率客户满意度方面观察到了显着的积极影响。

这对于预算有限的研究机构来说尤其有价值。GRYFN 还特别指出,在软件订阅方面显着节省了成本,同时提高了轨迹质量

Quanta Micro 和 Qinertia 通过以下方式加强了 GRYFN 的竞争地位:

  • 改进的成本结构。
  • 增强的性能。
  • 简化的客户体验。
在玉米地附近无人机旁跪着的人
现场技术人员正在准备用于农业遥感的无人机。

始终重要的是要强调这些改进直接转化为更高的客户满意度和保留率。

GRYFN 的案例研究证实,当精确导航技术正确集成到复杂的遥感平台中时,可以提供技术性能和商业价值。

通过此次合作,我们为在基于 UAV 的数据采集中实现卓越运营提供了一个引人注目的参考。

+ 12
我们提供卓越的用户体验,这得益于过去12年中不断改进的先进算法。
164
使用 Qinertia 直接访问 164 个国家/地区的所有基站。
+ 12 000
从 Qinertia 中的全球 CORS 网络下载最新的基站数据。
+ 5 400
探索我们广泛的预配置坐标参考系统 (CRS)。

Quanta Micro

Quanta Micro 是一款紧凑型、高性能的 GNSS 辅助惯性导航系统,专为需要卓越精度和可靠性的空间受限应用而设计。

它集成了测量级 IMU 与多频、四星 GNSS 接收器和先进的传感器融合算法,可在具有挑战性的环境中提供厘米级定位和精确的姿态定向。

该系统具有双天线功能,可在低动态条件下实现最佳航向性能,同时为 UAV 负载和受限应用保持出色的单天线操作。

发现 all features
Quanta Micro INS 单元 Checkmedia

Quanta Micro 询价

您有疑问吗?

欢迎访问我们的常见问题解答 (FAQ) 专区!在这里,您可以找到关于我们展示的应用的最常见问题的答案。如果您找不到您要查找的内容,请随时直接与我们联系!

IMU 和 INS 之间有什么区别?

惯性测量单元 (IMU) 和惯性导航系统 (INS) 之间的区别在于它们的功能和复杂性。
IMU(惯性测量单元)提供有关车辆线性加速度和角速度的原始数据,这些数据由加速度计和陀螺仪测量。它提供有关横滚、俯仰、偏航和运动的信息,但不计算位置或导航数据。IMU 专门设计用于中继有关运动和方向的基本数据,以进行外部处理以确定位置或速度。
另一方面,INS(惯性导航系统)将 IMU 数据与高级算法相结合,以计算车辆随时间推移的位置、速度和方向。它包含导航算法,如卡尔曼滤波,用于传感器融合和集成。INS 提供实时导航数据,包括位置、速度和方向,而无需依赖外部定位系统(如 GNSS)。
此导航系统通常用于需要全面导航解决方案的应用中,尤其是在 GNSS 受限的环境中,例如军用无人机、船舶和潜艇。

无人机如何用于农业目的?

无人机越来越多地应用于农业,以加强作物管理并提高生产力。配备高分辨率相机和传感器后,农业无人机可提供关于作物健康状况、土壤条件和地块变异性的航空图像和数据。这使农民能够快速监测大面积区域,并精确识别诸如虫害、养分不足和水分胁迫等问题。

 

农业无人机用于精准施用肥料、杀虫剂和除草剂等投入品。通过精确定位特定区域,无人机可以减少浪费并最大限度地减少对环境的影响。此外,它们还有助于农业无人机测绘和规划地块布局,并监测作物生长和长期产量。

 

总的来说,农业无人机提供了一种经济高效的方式来收集关键信息、做出明智的决策和实施有针对性的干预措施,从而改进作物管理和资源利用。

航空测量中的地理配准是什么?

地理配准是将地理数据(例如地图、卫星图像或航空照片)与已知的坐标系对齐的过程,以便可以将其准确地放置在地球表面上。

 

这使得数据能够与其他空间信息集成,从而实现精确的基于位置的分析和测绘。

 

在测量方面,地理参考对于确保无人机上的LiDAR、相机或传感器等工具收集的数据能够准确地映射到真实世界的坐标至关重要。

 

通过为每个数据点分配纬度、经度和海拔,地理参考可确保捕获的数据反映地球上的确切位置和方向,这对于地理空间测绘、环境监测和施工规划等应用至关重要。

 

地理配准通常涉及使用具有已知坐标的控制点,这些坐标通常通过 GNSS 或地面测量获得,以将捕获的数据与坐标系对齐。

 

此过程对于创建准确、可靠和可用的空间数据集至关重要。

RTK 和 PPK 之间有什么区别?

实时动态 (RTK) 是一种定位技术,其中 GNSS 校正以近乎实时的方式传输,通常使用 RTCM 格式的校正流。但是,在确保 GNSS 校正(特别是其完整性、可用性、覆盖范围和兼容性)方面可能存在挑战。

 

与 RTK 后处理相比,PPK 的主要优势在于可以在后处理期间优化数据处理活动,包括正向和反向处理,而在实时处理中,校正及其传输中的任何中断或不兼容都会导致较低的定位精度。

 

GNSS 后处理 (PPK) 与实时 (RTK) 的第一个关键优势是,现场使用的系统不需要数据链路/无线电来将来自 CORS 的 RTCM 校正馈送到 INS/GNSS 系统 中。

 

后处理应用的主要限制是最终应用程序需要对环境做出反应。另一方面,如果您的应用程序可以承受生成优化轨迹所需的额外处理时间,它将大大提高所有交付的数据质量。