[Video] SLAM “in & out”

Ti condivido un altro video in cui ho usato lo SLAM per creare una nuvola di punti 3D di spazi interni ed esterni di un capannone industriale.

Perchè SLAM

La scelta dello SLAM è stata dettata da tre motivi principali:

• Efficienza negli spazi interni: A differenza della fotogrammetria, lo SLAM si è rivelato molto più rapido e preciso per acquisire dati in ambienti chiusi.
• No-flight zone: Purtroppo, l’area in questione era una no-flight zone, il che mi ha impedito di usare il drone per i rilievi interni. Non c’era tempo per fare richieste di sblocco tramite ATM 09.
• Precisione: Avevo bisogno di quote del terreno con precisione centimetrica, e lo SLAM si è dimostrato perfetto per questo scopo.

Foto aeree di un po’ di tempo fa

In realtà avevo a disposizione delle fotografie aeree scattate da drone durante un rilievo di un’area piuttosto ampia all’interno della quale rientrava anche l’oggetto del rilievo.

Le ho processate in un progetto fotogrammetrico ma poi dovevo far sì che le cose tornassero (come posizione) con la nuvola SLAM

Mi sono aiutato con un’antenna GNSS in modalità RTK, misurando vari punti a terra come segnaletica orizzontale, pozzetti, presenti in entrambe i rilievi, e dei target.
Questi target li ho posizionati all’esterno dei capannoni, vicino alle uscite, in modo che lo SLAM li rilevasse entrando e uscendo.

SLAM come una “torcia”

Per il rilievo SLAM, ho utilizzato l’Emesent Hovermap ST in modalità “torcia”, tenendolo in mano.
In questo modo, ho avuto un controllo maggiore, specialmente vicino alle pareti e agli ostacoli.

Per aiutare l’algoritmo dello SLAM, ho creato un loop chiuso, iniziando e finendo l’acquisizione nello stesso punto.
Dentro il loop principale ho fatto dei mini-loop interni per migliorare la precisione.

Elaborazione dati

Per l’elaborazione ho usato diversi software: Aura per i dati SLAM, Agisoft Metashape per le foto da drone e CloudCompare per allineare e pulire le nuvole di punti. Alla fine, ho ottenuto una nuvola di punti 3D georeferenziata, con un’accuratezza di circa 2-3 cm. Poi, ho classificato i punti per estrarre solo quelli del terreno, utili per il CAD.

Grazie a Skycrab Academy (sponsor del video)

Grazie ai ragazzi di SkyCrab Academy per aver supportato questo video.

Usa il link qui sotto ed il codice sconto 3DMETRICA5 per avere uno sconto del 5% sulla formazione in ambito UAV/droni https://shorturl.at/KAyOs