Skip to content
Bulent Yusuf mar., févr. 16, '21 3 min read

Prochaine étape: numérisation robotique alimentée par SLAM

NavVis entrevoit un avenir prometteur pour la numérisation robotique et explore activement des modèles de preuve de concept, à la fois indépendamment et en collaboration avec ses partenaires.

Dans les coulisses de NavVis, certains des plus brillants esprits en matière de technologies spatiales sont pleinement engagés dans les derniers développements de leur domaine. Nous sommes des visionnaires mais aussi des pragmatiques, enthousiasmés par les innovations de pointe tout en envisageant leurs applications les plus viables.

Et sur la base de nombreuses années de recherche et de développement - menées à la fois indépendamment et en collaboration avec des partenaires du monde entier - nous pensons que la numérisation robotique approche rapidement un point d'inflexion.

Lorsque nous parlons de numérisation robotique, nous faisons référence à un type de numérisation mobile qui est autonome et capable de fonctionner sans intervention humaine. Des entreprises comme Boston Dynamics ont fait de grands progrès dans ce sens, notamment avec leur robot quadrupède "Spot" et la possibilité de monter un dispositif de numérisation laser sur son dos.

La promesse de ce concept est qu'il offre de faibles coûts de numérisation et des données fiables, mises à jour à haute fréquence, ainsi qu'un accès illimité au site. Un exemple de cette approche pourrait être l'inspection d'installations éloignées, où les robots remplacent les personnes pour effectuer les contrôles de sécurité routiniers.

À l'heure actuelle, nos calculs montrent que la numérisation autonome n'est ni plus rapide ni moins chère par numérisation individuelle. Des facteurs tels que le coût et l'entretien du robot, la réalisation d'essais pratiques et l'installation d'infrastructures telles que des balises et la formation d'itinéraires constituent une configuration complexe.

Mais le véritable avantage vient de la répétition. Plus une zone est numérisée souvent, moins le coût de la numérisation au mètre carré est élevé ; de même, plus les données sont actuelles, plus elles ont de la valeur. En d'autres termes, la numérisation robotisée est extrêmement intéressante pour les entreprises qui ont besoin de numérisations quotidiennes pour prendre des décisions fondées sur des données, ou dans les cas où il existe un danger ou un problème de sécurité pour les humains.

 

210208_robotic_mapping_key_visual3

Numérisation robotique grâce à la technologie SLAM de NavVis

Des temps passionnants, hein ? Mais un tel progrès ne se produit pas dans le vide. Dans le contexte de la capture de la réalité et de l'intelligence spatiale, la numérisation robotique s'inscrit dans une lignée qui remonte aux stations totales, qui ont ensuite cédé la place aux scanners laser terrestres (TLS), qui ont ensuite conduit à la numérisation mobile.

Et il se trouve que les chevauchements technologiques entre la numérisation robotisée et la numérisation mobile ne sont pas seulement importants, ils sont aussi mutuellement bénéfiques.

Les algorithmes SLAM (localisation et cartographie simultanées) qui confèrent aux systèmes de numérisation mobile NavVis M6 et NavVis VLX leur avantage concurrentiel constituent une technologie de base parfaite pour la numérisation robotique.

Notre SLAM est basé sur les mêmes idées que celles qui animent l'industrie de la voiture autonome, après tout. Grâce à notre technologie, les opérateurs d'un dispositif de numérisation robotisée n'auront jamais à s'inquiéter de la qualité des données de nuages de points capturées, ni de leur polyvalence pour les applications en aval.

La collaboration avec nos clients et partenaires est continue et permanente, et très productive. Si quelqu'un d'autre souhaite s'engager dans la voie de la numérisation robotisée, nous lui conseillons d'investir dans un système de numérisation NavVis basé sur le SLAM, qui réduit déjà considérablement les coûts de numérisation par rapport à un système TLS.

Et pour la prochaine étape de la numérisation autonome ? Nous serions ravis de discuter avec vous de votre cas d'utilisation spécifique et de la manière dont nous pouvons vous aider à le concrétiser. 

210208_robotic_mapping_key_visual2

 

avatar

Bulent Yusuf

Bulent is the Content Marketing Manager at NavVis. He loves technology, writing, and above all speaking about himself in the third person.