Skip to content
teaser-in-town

Voici pour vous le NavVis VLX 3 - la nouvelle pierre angulaire de la reality capture

how-slam-affects-the-accuracy-of-your-scan-and-how-to-improve-it
Sean Higgins21/07/20208 min read

Comment le SLAM impacte la précision de votre capture

Explorons la technologie SLAM : les bases de son fonctionnement, ainsi que des conseils concrets pour garantir des résultats d’une qualité supérieure.

Les avantages des systèmes mobiles sont bien connus dans le secteur de la numérisation. Par rapport aux scanners laser terrestres (TLS), ces outils offrent des flux de travail plus rapides et une meilleure portée, ce qui entraîne une réduction du temps passé sur site et une capture qui coûte moins cher pour le prestataire.

Cependant, pour les professionnels expérimentés de la 3D, les systèmes de numérisation mobile peuvent sembler être un moyen risqué de générer les données dont dépend leur entreprise. En effet, les systèmes de numérisation mobile reposent sur des algorithmes de cartographie et de localisation simultanées (SLAM), qui automatisent une grande partie du flux de travail de numérisation. Cette automatisation fait qu’il est plus difficile de comprendre comment un système de numérisation mobile génère un nuage de points final, ou la manière dont un technicien doit planifier son flux de travail sur le terrain pour garantir un produit livrable de la plus haute qualité.

Pour vous aider, cet article ouvrira la boîte noire pour explorer le SLAM en détail. Nous aborderons les principes de base de cette technologie, la manière dont elle peut avoir un impact sur la précision du nuage de points final et, enfin, nous vous donnerons quelques conseils concrets pour obtenir des résultats sur lesquels vous pouvez miser votre réputation.

Qu'est-ce que le SLAM ?

Le SLAM est un algorithme qui fusionne les données des capteurs de votre dispositif de numérisation (LiDAR, caméra RVB, centrale à inertie, etc) pour déterminer votre trajectoire lorsque vous vous déplacez.

Voici une explication simplifiée : Lorsque vous initialisez le système, l'algorithme SLAM utilise les données des capteurs et la technologie de vision par ordinateur pour observer l'environnement et estimer votre position actuelle.

Lorsque vous vous déplacez, le SLAM reprend l’estimation de votre position précédente, recueille de nouvelles données à partir des capteurs du dispositif, compare ces données aux observations précédentes et recalcule votre position.

En répétant ces étapes en permanence, le système SLAM suit votre trajectoire au fur et à mesure que vous vous déplacez.

Le SLAM est un processus complexe (même dans l'explication simplifiée ci-dessus) mais vous pouvez l'assimiler à la topographie polygonale : Un geomètre prend des mesures à partir d’un certain nombre de points le long d'une ligne de déplacement. Lorsque le géomètre se déplace pour mesurer chaque nouveau point, il utilise les points précédents comme base de ses calculs.

Un algorithme SLAM effectue ce type de calcul précis plusieurs fois par seconde. En d'autres termes, un algorithme SLAM est une technologie sophistiquée qui effectue automatiquement ces calculs pendant que vous vous déplacez.

MicrosoftTeams-image (9)

Comment le SLAM impacte la précision

Pour comprendre la précision d'un dispositif SLAM, vous devez comprendre une différence essentielle dans la façon dont les systèmes de numérisation capturent les données.

Un scanner laser terrestre capture un environnement en faisant tourner un capteur laser sur 360° pour prendre des mesures de son environnement. Comme il capture depuis un endroit fixe, chaque mesure du nuage de points qu'il capture est déjà alignée avec précision dans l'espace par rapport au scanner.

Un système de numérisation mobile fait également tourner un capteur laser à 360°, mais il n’est pas fixe. Comme vous marchez pendant que vous scannez, vous déplacez également le capteur. Cela entraîne des erreurs d'alignement et dégrade la précision du nuage de points final.

Un phénomène similaire se produit lorsque vous prenez une photo de nuit et que vous bougez l'appareil, ce qui la rend floue. De même, si vous regardez les données brutes d'un système de numérisation mobile avant qu'elles ne soient nettoyées par un algorithme SLAM, vous verrez que les points semblent être désordonnés, qu'ils sont étalés et doublés dans l'espace.

Un système de numérisation mobile est conçu pour corriger ces erreurs d'alignement et produire un nuage de points propre et précis. Pour ce faire, il utilise la trajectoire enregistrée par l'algorithme SLAM. Ces données lui permettent de déterminer l'emplacement du scanner au moment où chaque mesure a été prise, et d'aligner ces points avec précision dans l'espace.

Cela signifie que la précision d'un système de numérisation mobile doté de la technologie SLAM ne dépend pas uniquement de la précision du capteur lui-même. Elle dépend aussi beaucoup de la façon dont l'algorithme SLAM suit votre trajectoire.

Erreurs de précision commises par le SLAM

Pour développer des algorithmes SLAM qui suivent votre trajectoire avec précision et produisent un nuage de points de haute qualité, les fabricants ont dû corriger deux erreurs principales.

La première est appelée erreur de suivi. Les erreurs de suivi surviennent parce que les algorithmes SLAM peuvent avoir des difficultés dans certains environnements. Un long couloir, par exemple, ne présente généralement pas les caractéristiques sur lesquelles s'appuie le SLAM pour vous positionner, ce qui peut amener le système à perdre votre emplacement.

Blog_Post_Pics_drift-floor-1

Le deuxième type d'erreur est appelé dérive. La dérive se produit car l'algorithme SLAM utilise les données des capteurs pour calculer votre position, et tous les capteurs sont sujets à l’erreur lorsqu’ils mesurent. En raison du mode de fonctionnement des algorithmes SLAM (qui calculent chaque position à partir des positions précédentes) les erreurs s'accumulent au fur et à mesure de la capture. Cela entraîne une « dérive » de la précision de la trajectoire et dégrade la qualité de vos résultats finaux.

Si vous numérisez avec un ancien système de numérisation mobile, ces erreurs auront très probablement un impact sur la qualité de vos données finales.

Étapes du flux de travail pour garantir des résultats de haute précision

La bonne nouvelle est que la technologie de numérisation mobile a évolué considérablement depuis ses débuts. Les fabricants ont développé des algorithmes SLAM matures qui réduisent automatiquement les erreurs de suivi et la dérive. De plus, les dispositifs mobiles proposent désormais des processus fiables pour corriger les erreurs manuellement. Vous pouvez ainsi maximiser la précision de votre nuage de points final.

Le processus le plus populaire pour corriger les erreurs est appelé fermeture de boucle. Pour fermer une boucle, il suffit de revenir à un point qui a déjà été capturé, et le SLAM reconnaîtra les points qui se chevauchent. Il dispose ainsi de toutes les informations dont il a besoin pour calculer les éventuelles erreurs de dérive ou de suivi qui se sont produites et apporter les corrections nécessaires. Vous pouvez considérer la fermeture d'une boucle comme un processus qui automatise la fermeture de la polygonale.

Bien que la fermeture de boucle soit efficace dans les grands espaces comme les gymnases, les zones extérieures ou même les grands bureaux, certains environnements peuvent rendre la fermeture de la boucle difficile (par exemple, les longs couloirs).

Dans ce cas, les systèmes de numérisation mobile les plus avancés offrent une fonction permettant de verrouiller les données de numérisation avec des points de contrôle. Ce processus est également simple : Placez des points de contrôle qui ressemblent à des cibles en damier sur l'ensemble de l’actif que vous capturez. Ensuite, capturez leurs coordonnées à l'aide d'un système offrant un niveau de précision supérieur à celui du système de numérisation mobile (par exemple, une station totale).

Lorsque vous scannez, capturez les points de contrôle. Le système de numérisation mobile utilisera ces informations pour mettre en place le nuage de points mobile, réduire les erreurs et produire une précision de qualité topographique, même dans les environnements les plus difficiles. Lorsque la précision est de la plus haute importance, c'est la méthode à utiliser.

Loop-closure

L'algorithme SLAM est crucial

À ce stade, il est important de noter que chaque fabricant utilise un algorithme SLAM propriétaire dans ses systèmes de numérisation mobile. Ces algorithmes peuvent sembler similaires, mais leurs différences se feront sentir dans la qualité des données finales.

C'est pourquoi, pour garantir des résultats de qualité, vous devez faire des recherches sur les systèmes de numérisation mobile pendant votre processus d'achat, et en apprendre davantage sur leurs algorithmes SLAM.

Comment l'algorithme SLAM corrige-t-il les erreurs ? Peut-il utiliser la fermeture de boucle et les points de contrôle ? Ces méthodes fonctionnent-elles bien dans les environnements que vous allez capturer ? Comment le fabricant communique-t-il la précision relative et absolue que vous pouvez obtenir avec ces méthodes ?

Découvrez les performances de l'algorithme SLAM dans des situations difficiles. Quelle précision peut-il atteindre dans les couloirs longs et étroits ? Ou dans de grands espaces ouverts ? Comment gère-t-il les surfaces réfléchissantes ? Ou des objets en mouvement, tels que des personnes qui croisent votre chemin ? Est-ce qu'il réussit à niveler le scan dans une variété d’environnements ?

Les réponses à ces questions vous indiqueront la qualité des données produites par le scanner mobile et vous aideront à trouver un outil sur lequel vous pourrez compter dans les types d'environnements que vous scannez lors de votre travail quotidien.

Conclusion

Un algorithme SLAM utilise les données des capteurs pour suivre automatiquement votre trajectoire lorsque vous promenez votre scanner mobile dans un bâtiment. Le logiciel de cartographie utilise ces données pour aligner correctement votre nuage de points dans l'espace.

En raison du fonctionnement des algorithmes SLAM, la technologie de numérisation mobile est intrinsèquement sujette à certains types d'erreurs (notamment les erreurs de suivi et la dérive) qui peuvent dégrader la précision de votre nuage de points final.

Malgré cela, les utilisateurs peuvent contrôler la qualité du produit final. En investissant dans un système de numérisation mobile qui réduit efficacement les erreurs pendant le processus de numérisation, puis en effectuant les étapes du flux de travail nécessaires pour corriger les erreurs manuellement, les professionnels de la numérisation peuvent produire des résultats de haute qualité sur lesquels leurs entreprises peuvent compter.

Pour consulter nos données de test sur la précision du NavVis M6 et du NavVis VLX dans une variété d'environnements difficiles, et pour apprendre à quel point la fermeture de boucle et la fonctionnalité de point de contrôle de notre SLAM peuvent améliorer la qualité des résultats finaux, téléchargez notre livre blanc ici.

Sean Higgins est un écrivain indépendant spécialisé dans la technologie, ancien rédacteur en chef d'une publication spécialisée et passionné de plein air. Il estime que la rédaction d'articles clairs et sans buzzword sur les technologies 3D est un service public.

ARTICLES LIÉS