Die Erfolgsgeschichte von GRYFN: Präzision und Effizienz mit Quanta Micro erzielen
GRYFN, ein Pionier für multimodale Fernerkundungslösungen für Forschungsmärkte, hat bemerkenswerte betriebliche Verbesserungen durch die Integration unseres Quanta Micro (Inertialnavigationssystem) in seine UAV-Lösungen und die Nachbearbeitung der Daten durch unsere Software Qinertia erzielt.
Diese Zusammenarbeit hat dem Endbenutzer eine Zentimetergenauigkeit, eine Kostenreduzierung von 10 % über fünf Jahre und eine optimierte Workflow-Integration ermöglicht.
“Auf einer Skala von 0 bis 5 erfüllen oder übertreffen das Produkt, die Software, der Support und die Kosten die Erwartungen – eine 5.” | Matt Bechdol, CEO von GRYFN.
Kern des Unternehmens: Multimodale Fernerkundung
GRYFN ist spezialisiert auf forschungsbereite, hochpräzise, multimodale Fernerkundungs-UAV-Lösungen, die gleichzeitig hochauflösende RGB-, LiDAR- und hyperspektrale Daten erfassen.
Ihre Vorzeige-Gobi-Sensorplattform stellt einen umfassenden Ansatz für die multimodale Datenerfassung dar, der speziell für Forscher entwickelt wurde, die unternehmenstaugliche Datensätze und Analysen benötigen, um fundierte Entscheidungen in den Bereichen Landwirtschaft, Umweltüberwachung, natürliche Ressourcen oder überall dort zu treffen, wo eine genaue aktive und passive Fernerkundung erforderlich ist.
Und all diese qualifizierte Nachfrage führte sie zu unseren Lösungen, damit sie ihre Plattform verbessern und gleichzeitig die betriebliche Komplexität und die Kosten für die Kunden reduzieren konnten.
Die Anforderungen, die zu unseren Lösungen passen
Die anspruchsvollen Anwendungen von GRYFN erforderten eine Trägheitsnavigationslösung, die in der Lage ist, Präzision und Genauigkeit im Zentimeterbereich für Echtzeit- (RTK) und nachbearbeitete (PPK) Trajektoriendaten zu liefern.
Die Integration von hyperspektraler Bildgebung, LiDAR- und RGB-Sensoren auf UAV-Plattformen stellt einzigartige technische Herausforderungen dar.
Jede Sensormodalität erfasst Daten mit unterschiedlichen Raten und erfordert präzise Positionsinformationen, um eine genaue Datenfusion und -analyse zu ermöglichen.
Es überrascht nicht, dass die Anforderungen von GRYFN auch Folgendes umfassen mussten:
- Hochwertige GNSS-INS-Daten mit einer Genauigkeit von mindestens 2 cm oder besser für eine zuverlässige direkte Georeferenzierung.
- Leicht zu integrierende Software mit Befehlszeilenschnittstelle und SDK-Unterstützung für Post-Processing-Workflows.
- Offene Lizenzinfrastruktur zur Reduzierung der Bereitstellungskomplexität für verteilte Forschungskunden.
- Kosteneffiziente Lösungen, besonders wichtig für Forschungseinrichtungen mit mehreren Einsatzszenarien.
- Reaktionsschneller technischer Support, um Integrationsherausforderungen schnell zu bewältigen.
- Kompakter Formfaktor mit Optimierung von Genauigkeit, Zuverlässigkeit, Größe und Gewicht.
“Im Jahr 2023 evaluierten wir Optionen basierend auf Formfaktor, Hardware-Leistung und -Integration, Kosten und Wert für den Kunden. Unsere Branchenrecherchen führten uns zu 4 Hauptanbietern, und SBG setzte sich für unsere neueste Gobi-Sensorplattform-Integration durch”, erklärt Matt.
Quanta Micro Integration und Leistung
Wir erfüllten die Anforderungen von GRYFN durch unsere Quanta Micro Lösung, ein ultrakompaktes, hochleistungsfähiges GNSS-gestütztes Trägheitsnavigationssystem, das speziell für Drohnen-Fernerkundungsanwendungen entwickelt wurde, bei denen Präzision und Platzbeschränkungen entscheidend sind.
- GRYFN integrierte das Quanta Micro Navigationssystem, das im Dual-Antennen-Modus arbeitet und in eine kundenspezifische Leiterplatte integriert ist. Diese Konfiguration ermöglicht es dem System, GNSS-INS-Daten gleichzeitig an mehrere Sensoren auszugeben und so die multimodalen Sensoranforderungen von GRYFN zu unterstützen.
- Hier erwies sich der Formfaktor des Quanta Micro als ausgezeichnet geeignet für die kompakten, multimodalen Sensorintegrationsanforderungen von GRYFN.
- Die Dual-Antennen-Konfiguration verbesserte die Kursgenauigkeit und die Systemzuverlässigkeit, was entscheidende Faktoren für die präzise Trajektorienbestimmung in Forschungsanwendungen sind.
- Der Hardware-Integrationsprozess wurde durch unseren Designansatz optimiert, sodass sich GRYFN auf seine Kernkompetenzen im Bereich der Fernerkundung konzentrieren konnte, anstatt auf die Komplexität des Navigationssystems.
Einer der Höhepunkte, den wir in jeder Partnerschaft wie dieser gerne hervorheben, ist unser Engagement für einen engeren Support, insbesondere in Phasen, in denen das Unternehmen noch testet und den besten Weg zur Integration der Technologie ermittelt.
“Die SBG-Teams beantworteten Fragen und führten technische Diskussionen, als wir erste Vergleiche und Tests durchführten, und der Support war ausgezeichnet”, bestätigt Matt.
Der benutzerfreundliche X-Faktor von Qinertia
Darüber hinaus führte die Integration unserer Post-Processing-Software Qinertia mit der GRYFN Processing Tool Software zu erheblichen Workflow-Verbesserungen für die Abläufe von GRYFN.
Das Team empfand Qinertia als benutzerfreundlich und unkompliziert, mit einer umfassenden Dokumentation, die prägnante Anweisungen und Erklärungen für jeden Verarbeitungsschritt und jede Einstellung bietet.
Dieser Softwareansatz machte den Download von RINEX-Daten überflüssig, anders als bei Konkurrenzlösungen, was den Verarbeitungsworkflow rationalisierte. Sie lobten auch die Qualität der API-Dokumentation und stellten fest, dass sie nur minimalen Support für die softwareseitige Integration benötigten. Diese Self-Service-Funktion reduzierte die Implementierungszeit und den laufenden Supportbedarf.
Messbare Ergebnisse und Leistungsverbesserungen
Die Integration von GRYFN mit unseren Systemen hat zu messbaren betrieblichen Verbesserungen in verschiedenen Dimensionen geführt.
“Die einfache Akzeptanz für die Kunden hat den Supportbedarf reduziert und Zeit und Fokus gespart”, betont Matt.
Zusammenfassend lässt sich sagen, dass signifikante positive Auswirkungen in Bezug auf Kostensenkung, Verarbeitungseffizienz und Kundenzufriedenheit beobachtet wurden, wodurch auch ihr Budget für andere wesentliche Bedürfnisse freigesetzt wurde.
Das erwies sich als besonders wertvoll für Forschungseinrichtungen, die mit begrenzten Budgets arbeiten. GRYFN stellte auch insbesondere erhebliche Einsparungen bei Software-Abonnements in Verbindung mit einer erhöhten Trajektorienqualität fest.
Fazit: Entwicklung von Wettbewerbsvorteilen
Quanta Micro und Qinertia haben die Wettbewerbsposition von GRYFN durch Folgendes gestärkt:
- Verbesserte Kostenstruktur.
- Erweiterte Leistungsfähigkeit.
- Optimierte Kundenerfahrung.
Es ist wichtig zu betonen, dass diese Verbesserungen sich direkt in einer höheren Kundenzufriedenheit und -bindung niederschlagen.
Die Fallstudie von GRYFN bestätigt, dass präzise Navigationstechnologie sowohl technische Leistung als auch wirtschaftlichen Mehrwert bieten kann, wenn sie ordnungsgemäß in hochentwickelte Fernerkundungsplattformen integriert wird.
Durch diese Partnerschaft haben wir eine überzeugende Referenz für die Erzielung von Operational Excellence bei der UAV-basierten Datenerfassung geschaffen.
Quanta Micro
Quanta Micro ist ein kompaktes, hochleistungsfähiges, GNSS-gestütztes Trägheitsnavigationssystem, das für Anwendungen mit begrenztem Platzangebot entwickelt wurde, die außergewöhnliche Genauigkeit und Zuverlässigkeit erfordern.
Es integriert eine IMU in Vermessungsqualität mit einem Multi-Frequenz-, Quad-Konstellations-GNSS-Empfänger und fortschrittlichen Sensorfusionsalgorithmen, um eine Positionierung auf Zentimeterebene und eine präzise Orientierung in anspruchsvollen Umgebungen zu ermöglichen.
Das System verfügt über eine Dual-Antennen-Funktion für optimale Kursleistung bei niedrigen dynamischen Bedingungen, während der außergewöhnliche Einzelantennenbetrieb für UAV-Nutzlasten und Anwendungen mit Einschränkungen erhalten bleibt.
Fordern Sie ein Angebot für Quanta Micro an
Haben Sie Fragen?
Willkommen in unserem FAQ-Bereich! Hier finden Sie Antworten auf die häufigsten Fragen zu den Anwendungen, die wir vorstellen. Wenn Sie nicht finden, wonach Sie suchen, können Sie sich gerne direkt an uns wenden!
Was ist der Unterschied zwischen IMU und INS?
Der Unterschied zwischen einer Inertial Measurement Unit (IMU) und einem Inertial Navigation System (INS) liegt in ihrer Funktionalität und Komplexität.
Eine IMU (Inertial Measurement Unit) liefert Rohdaten über die lineare Beschleunigung und Winkelgeschwindigkeit des Fahrzeugs, gemessen durch Beschleunigungsmesser und Gyroskope. Sie liefert Informationen über Rollen, Nicken, Gieren und Bewegung, berechnet aber keine Positions- oder Navigationsdaten. Die IMU wurde speziell entwickelt, um wesentliche Daten über Bewegung und Orientierung zur externen Verarbeitung weiterzuleiten, um Position oder Geschwindigkeit zu bestimmen.
Auf der anderen Seite kombiniert ein INS (Inertial Navigation System) IMU-Daten mit fortschrittlichen Algorithmen, um die Position, Geschwindigkeit und Orientierung eines Fahrzeugs im Laufe der Zeit zu berechnen. Es beinhaltet Navigationsalgorithmen wie Kalman-Filterung für Sensorfusion und -integration. Ein INS liefert Echtzeit-Navigationsdaten, einschliesslich Position, Geschwindigkeit und Orientierung, ohne auf externe Positionierungssysteme wie GNSS angewiesen zu sein.
Dieses Navigationssystem wird typischerweise in Anwendungen eingesetzt, die umfassende Navigationslösungen erfordern, insbesondere in GNSS-verweigerten Umgebungen, wie z. B. militärische UAVs, Schiffe und U-Boote.
Wie werden Drohnen für landwirtschaftliche Zwecke eingesetzt?
Drohnen werden in der Landwirtschaft zunehmend eingesetzt, um das Pflanzenmanagement zu verbessern und die Produktivität zu steigern. Ausgestattet mit hochauflösenden Kameras und Sensoren liefern landwirtschaftliche Drohnen Luftaufnahmen und Daten über den Zustand der Pflanzen, die Bodenbedingungen und die Feldvariabilität. Dies ermöglicht es Landwirten, große Flächen schnell zu überwachen und Probleme wie Schädlingsbefall, Nährstoffmangel und Wasserstress präzise zu erkennen.
Drohnen werden in der Landwirtschaft für die präzise Ausbringung von Betriebsmitteln wie Düngemitteln, Pestiziden und Herbiziden eingesetzt. Durch die gezielte Bearbeitung bestimmter Bereiche reduzieren Drohnen den Abfall und minimieren die Umweltbelastung. Darüber hinaus unterstützen sie die Kartierung und Planung von Feldern mit landwirtschaftlichen Drohnen sowie die Überwachung des Pflanzenwachstums und der Erträge im Laufe der Zeit.
Insgesamt bieten landwirtschaftliche Drohnen eine kostengünstige und effiziente Möglichkeit, kritische Informationen zu sammeln, fundierte Entscheidungen zu treffen und gezielte Maßnahmen umzusetzen, was zu einem verbesserten Pflanzenmanagement und einer verbesserten Ressourcennutzung führt.
Was ist Georeferenzierung in der Luftvermessung?
Georeferenzierung ist der Prozess, geografische Daten (wie Karten, Satellitenbilder oder Luftaufnahmen) an einem bekannten Koordinatensystem auszurichten, sodass sie präzise auf der Erdoberfläche platziert werden können.
Dies ermöglicht die Integration der Daten mit anderen räumlichen Informationen und ermöglicht so eine präzise ortsbezogene Analyse und Kartierung.
Im Rahmen der Vermessung ist die Georeferenzierung von entscheidender Bedeutung, um sicherzustellen, dass die von Werkzeugen wie LiDAR, Kameras oder Sensoren auf Drohnen erfassten Daten exakt auf reale Koordinaten abgebildet werden.
Durch die Zuweisung von Breiten-, Längengrad und Höhe zu jedem Datenpunkt stellt die Georeferenzierung sicher, dass die erfassten Daten die genaue Position und Ausrichtung auf der Erde widerspiegeln, was für Anwendungen wie geospatiale Kartierung, Umweltüberwachung und Bauplanung von entscheidender Bedeutung ist.
Die Georeferenzierung umfasst typischerweise die Verwendung von Kontrollpunkten mit bekannten Koordinaten, die häufig durch GNSS oder наземная съемка gewonnen werden, um die erfassten Daten mit dem Koordinatensystem abzugleichen.
Dieser Prozess ist entscheidend für die Erstellung von genauen, zuverlässigen und brauchbaren Geodatensätzen.
Was ist der Unterschied zwischen RTK und PPK?
Real-Time Kinematic (RTK) ist eine Positionierungstechnik, bei der GNSS-Korrekturen nahezu in Echtzeit übertragen werden, typischerweise unter Verwendung eines RTCM-Format-Korrekturdatenstroms. Es kann jedoch Herausforderungen bei der Sicherstellung der GNSS-Korrekturen geben, insbesondere hinsichtlich ihrer Vollständigkeit, Verfügbarkeit, Abdeckung und Kompatibilität.
Der Hauptvorteil von PPK gegenüber RTK-Nachverarbeitung besteht darin, dass die Datenverarbeitungsaktivitäten während der Nachverarbeitung optimiert werden können, einschließlich Vorwärts- und Rückwärtsverarbeitung. Bei der Echtzeitverarbeitung führen Unterbrechungen oder Inkompatibilitäten bei den Korrekturen und ihrer Übertragung zu einer geringeren Positionsgenauigkeit.
Ein erster wesentlicher Vorteil der GNSS-Nachverarbeitung (PPK) gegenüber Echtzeit (RTK) besteht darin, dass das im Feld verwendete System keine Datenverbindung/Funkverbindung benötigt, um die RTCM-Korrekturen von den CORS in das INS/GNSS-System einzuspeisen.
Die Haupteinschränkung bei der Einführung der Nachbearbeitung ist die Anforderung, dass die endgültige Anwendung auf die Umgebung reagiert. Wenn Ihre Anwendung jedoch die zusätzliche Verarbeitungszeit verkraften kann, die erforderlich ist, um eine optimierte Trajektorie zu erstellen, wird dies die Datenqualität für alle Ihre Ergebnisse erheblich verbessern.