最新型の自律クレーンが、数センチメートルの系統的な位置決め誤差を伴いながらコンテナの荷降ろしを開始した。機械的およびソフトウェア的な故障を除外した後、エンジニアリングチームは過去の写真測量データに頼った。Pix4Dで生成された過去2年間の点群データを比較した結果、クレーンの走行エリアで4.7センチメートルの進行性の地盤沈下が特定され、機械の幾何学的キャリブレーションが狂っていたことが判明した。
港湾インフラにおける地盤沈下検出のためのワークフロー 🏗️
プロセスは、Global Mapperにおいて、遠方の建物上の固定されたコントロールポイントを安定した基準として使用し、過去のデジタルサーフェスモデルを位置合わせすることから始まった。サーフェス間の差異は変形メッシュとしてCivil 3Dにエクスポートされ、そこで地盤沈下のヒートマップが生成された。分析の結果、沈下は均一ではなく、水辺に向かって1メートルあたり0.8センチメートルの勾配を示していることが明らかになった。このデータはSketchUpに統合され、クレーンの運動学への幾何学的影響をモデル化し、位置決め誤差がレール高さの変化の直接的な結果であることを実証した。
予知保全ツールとしての地理参照デジタルツイン 🚁
この事例は、定期的な写真測量が体積測定や図面作成に役立つだけでなく、構造変形に対する早期警報システムとして機能することを示している。毎月のドローン飛行で更新され、Pix4Dで処理される地理参照デジタルツインは、沈下を初期段階で検出できたはずである。これらのデータを自律機械制御システムと統合することで、クレーンを動的に再調整し、計画外のダウンタイムを回避し、船舶の積み下ろしにおける精度を保証することが可能となる。
自律クレーンのキャリブレーションに影響を与える構造的なずれを補正するために、過去の写真測量データをリアルタイム制御システムにどのように統合できるでしょうか？
(追記: 3D測量は宝の地図を作るようなものですが、その宝とは正確なモデルです。)