ในโครงการสำรวจรางรถไฟหรือการสแกน LiDAR ที่ติดตั้งบนยานพาหนะ ยานพาหนะมักจะเดินทางด้วยความเร็วสูงผ่านสภาพแวดล้อมที่ซับซ้อนและเปลี่ยนแปลง: อุโมงค์ สะพานยกระดับ ป่าทึบ หรืออาคารสูงในเมือง จุดเหล่านี้สามารถทำให้สัญญาณดาวเทียม (GNSS) อ่อนลงหรือถูกปิดกั้นอย่างสมบูรณ์ได้ง่าย ทำให้การวางตำแหน่ง GNSS แบบสแตนด์อโลน "กระโดด" หรือเลื่อนไปมา ซึ่งนำไปสู่กลุ่มจุด 3 มิติที่บิดเบือนและพารามิเตอร์แทร็กที่ไม่ถูกต้อง
นั่นคือที่มาของINS (ระบบนำทางเฉื่อย)และส่วนประกอบหลักของมันIMU (หน่วยวัดความเฉื่อย)เข้ามาเป็นตัวช่วยสำคัญ ลองนึกภาพ IMU เป็น "ไจโรสโคป + มาตรวัดความเร่ง" ในตัวของยานพาหนะ—มันวัดความเร่งและการหมุนหลายร้อยครั้งต่อวินาที (โดยทั่วไป 200–1000 Hz) แม้ว่าสัญญาณ GNSS จะขาดหายไปเป็นเวลาหลายวินาทีหรือนานกว่านั้น IMU จะใช้ "หน่วยความจำเฉื่อย" เพื่อประมาณตำแหน่งและการวางแนวต่อไป
การผสมผสานที่ลงตัว: GNSS + IMU (เวอร์ชันง่ายสุด)
- GNSS: เหมือนกับ "ตา GPS ทั่วโลก" มันให้ตำแหน่งสัมบูรณ์ในระดับเซนติเมตร—แต่มันถูกปิดกั้นได้ง่าย
- IMU: เหมือนกับความรู้สึกสมดุลของหูชั้นในของคุณ มันบันทึกทุกการสั่นสะเทือนและการหมุนด้วยความถี่สูง เมื่อสัญญาณหายไป มันจะ "เดา" การเคลื่อนไหวครั้งต่อไปตามหลักฟิสิกส์
- การหลอมรวม (โดยปกติผ่านอัลกอริทึมเช่นการกรองแบบ Kalman): GNSS จะแก้ไขข้อผิดพลาดเล็กๆ น้อยๆ ที่สะสมของ IMU เป็นประจำ ในขณะที่ IMU จะเติมช่องว่างในช่วงจุดบอดของสัญญาณ
ผลลัพธ์? GNSS จัดการเสถียรภาพในระยะยาว, IMU เชื่อมช่องว่างในระยะสั้น—สร้างวิถีที่ต่อเนื่องและเชื่อถือได้ซึ่งตรึงกลุ่มจุด LiDAR ไว้ในตำแหน่งที่ถูกต้อง ป้องกันการเบลอหรือการวางแนวที่ไม่ถูกต้อง
สถานการณ์การใช้งานจริงในการสำรวจทางรถไฟ
- การตรวจสอบรูปทรงเรขาคณิตและรูปร่างผิดปกติของรางรถไฟความเร็วสูง / ทั่วไป ยานพาหนะตรวจสอบวิ่งด้วยความเร็ว 80–120 กม./ชม. ไปตามราง พร้อมการสแกน LiDAR หลายเส้นราง สายไฟเหนือศีรษะ ฯลฯ
- INS/IMU + GNSS ส่งออกตำแหน่ง ความเร็ว และทัศนคติ (ทิศทาง, พิช, โรล) แบบเรียลไทม์ที่มากกว่า 200 Hz
- LiDAR จับภาพจุดหลายล้านจุดต่อวินาที ฉายภาพเหล่านั้นอย่างแม่นยำไปยังพิกัดแผนที่โดยใช้วิถีที่แม่นยำ
- แม้จะข้ามอุโมงค์หลายกิโลเมตร กลุ่มจุดก็เชื่อมต่อกันได้อย่างราบรื่นในกรณีส่วนใหญ่ ประสิทธิภาพทั่วไปของอุตสาหกรรม: ในส่วนอุโมงค์ที่ยาวขึ้น ระบบระดับไฮเอนด์ควบคุมการดริฟท์ให้อยู่ในระดับต่ำกว่าเมตรหรือดีกว่า ทำให้สามารถวิเคราะห์พารามิเตอร์ราง (เกจ, การยกตัว, ข้อบกพร่อง) ในระดับมิลลิเมตรได้
- การสร้างแบบจำลองเต็มรูปแบบของอุโมงค์รถไฟใต้ดิน / รถราง อุโมงค์ไม่มีสัญญาณ GNSS วิธีการแบบดั้งเดิมอาศัยมาตรวัดระยะทางหรือเครื่องหมายด้วยตนเอง—ประสิทธิภาพต่ำ ข้อผิดพลาดใหญ่
- เริ่มต้นด้วยการเริ่มต้น GNSS + IMU ในส่วนเปิดเพื่อจุดเริ่มต้นที่มีความแม่นยำสูง
- ภายในอุโมงค์ IMU จะเข้าควบคุมเพื่อรักษาเส้นทางที่ต่อเนื่อง
- LiDAR สแกนผนังอุโมงค์ ราง เคเบิล เพื่อสร้างแบบจำลอง 3 มิติที่สมบูรณ์ ผลลัพธ์จริง: กลุ่มจุดแบบเต็มการวิ่งมักจะมีความแม่นยำโดยรวมดีกว่า 5–10 ซม. โดยมีการตรวจสอบการเสียรูปถึงระดับมิลลิเมตร—ลดระยะเวลาการปิดระบบและลดต้นทุนแรงงานลงอย่างมาก
- การลาดตระเวนและตรวจจับการบุกรุกของรางรถไฟบรรทุกสินค้า สายระยะไกลที่มีพืชพรรณหนาแน่นมักจะปิดกั้น GNSS ภายใต้ร่มไม้
- IMU ให้ทัศนคติแบบไดนามิกสูง ทำให้เส้นทางราบรื่นแม้ในระหว่างการโยกเยกของรถไฟ
- วิถีที่หลอมรวมจะลบการเบลอของการเคลื่อนไหวของ LiDAR ทำให้เสาและทางลาดที่อยู่ห่างไกลคมชัดและชัดเจน ผลลัพธ์: การตรวจจับการบุกรุก ความเสี่ยงต่อการพังทลายของทางลาดที่เชื่อถือได้ ทำให้สามารถแจ้งเตือนการบำรุงรักษาเชิงรุกได้
ทำไมผลิตภัณฑ์ INS ที่เชื่อถือได้จึงมีความสำคัญมาก
- ความสามารถในการเชื่อมต่อที่แข็งแกร่ง: จัดการการหยุดทำงานของ GNSS เป็นเวลานานได้อย่างเสถียร (ประสิทธิภาพแตกต่างกันไปตามเกรด IMU—ไฟเบอร์ออปติกหรือ MEMS ระดับไฮเอนด์ทำได้ดีในอุโมงค์ที่ยาวกว่า)
- เอาต์พุตความถี่สูง: ตรงกับการสแกน LiDAR อย่างสมบูรณ์แบบเพื่อคุณภาพกลุ่มจุดที่เหนือกว่า
- การรวมที่ง่าย: อินเทอร์เฟซมาตรฐาน (อนุกรม/อีเธอร์เน็ต/การซิงค์เวลา) เหมาะกับ LiDAR และยานพาหนะสำรวจกระแสหลัก
- ความน่าเชื่อถือระดับราง: ทนต่อการสั่นสะเทือน ทนต่ออุณหภูมิสำหรับการใช้งานภาคสนามในระยะยาว
กล่าวโดยสรุป: ในการทำแผนที่ LiDAR ทางรถไฟ ตำแหน่งที่ไม่เสถียร = ข้อมูลที่สูญเปล่า การตั้งค่า INS/IMU + GNSS ที่แข็งแกร่งจะเปลี่ยนโครงการของคุณจาก "แทบใช้งานไม่ได้" เป็น "มีประสิทธิภาพ แม่นยำ และกันอุโมงค์ได้"
หากคุณกำลังทำงานเกี่ยวกับการสำรวจรางรถไฟความเร็วสูง การสร้างแบบจำลองอุโมงค์รถไฟใต้ดิน หรือการลาดตระเวนเส้นทาง โปรดแสดงความคิดเห็นหรือติดต่อเรา! แบ่งปันรายละเอียดของคุณ (ความยาวอุโมงค์ ความต้องการความเร็ว งบประมาณ) และเราจะแนะนำโซลูชัน INS ที่เหมาะสมที่สุด
