Rilievo con UAVAerospaziale e navale

Rilievo LiDAR con UAV ad Al-Batinah

Pianifica e ottimizza un rilievo LiDAR con una flotta di droni su un sito di 500 × 500 m in Oman — adatta la missione alle specifiche della tua flotta, del drone e del sensore, poi guida una missione ottimale su una flotta UAV simulata su una mappa animata.

DjiniousLabModellazione e simulazione

Una mappa animata della missione di tre UAV che eseguono un rilievo LiDAR su un quadrato di 500 metri vicino alla costa di Al-Batinah in Oman, con le loro rotte di volo e una base mobile segnate su una mappa di base OpenStreetMap

area del rilievo (Al-Batinah, Oman): 500 × 500 marea del rilievo (Al-Batinah, Oman)
flotta concorrente all’ottimo: 3 UAVflotta concorrente all’ottimo
durata totale ottimale della missione: 5,8 mindurata totale ottimale della missione
obiettivi selezionabili: 3obiettivi selezionabili
durata totale, da 1 a 6 droni: −34%durata totale, da 1 a 6 droni
transito base-area (addebitato all’autonomia): ~2,3 kmtransito base-area (addebitato all’autonomia)

Pianifica la missione. Ottimizza la flotta. Falla volare — in simulazione.

Un rilievo LiDAR su un sito di 500 × 500 m vicino ad Al-Batinah South, Oman, portato da un brief a una missione ottimale e volabile interamente in DjiniousLab. Le specifiche di drone, LiDAR e flotta guidano un piano di copertura; un ottimizzatore adatta quota, velocità e allocazione della flotta a ciò che conta per te — la più veloce, il minor numero di cambi batteria, o la risoluzione più alta; una missione Python comanda poi una flotta UAV simulata, riprodotta su una mappa animata. Sei notebook, un unico workflow, tutto sul worker.

Dal brief del sito a una missione volabile, in sei passi.

Ogni passo è un notebook Python eseguito sul worker di DjiniousLab — numpy/scipy per la matematica di pianificazione, Plotly e Leaflet per le mappe. Niente è codificato in modo fisso: cambia una specifica e l’intera missione viene ripianificata.

Sito e datum

Il riquadro di rilievo di 500 m e una base di lancio mobile sono ancorati in WGS-84 sulla costa reale di Al-Batinah. Un sistema di riferimento locale est-nord in metri (equirettangolare alla latitudine del sito) porta tutta la geometria; il transito base-area risulta di ~2,3 km — ed è addebitato all’autonomia di ogni sortita.

Modello delle specifiche di drone e LiDAR

Velocità di crociera/scansione, autonomia della batteria e tempo di turnaround per il drone; campo visivo, frequenza dei punti e quota minima per il LiDAR. Larghezza di banda a terra = 2·h·tan(FOV/2) e densità di punti = frequenza / (larghezza banda · velocità) derivano direttamente — quindi quota e velocità scambiano copertura contro risoluzione.

Percorso di copertura

Un percorso a serpentina (boustrofedico) copre il riquadro con una spaziatura della fascia implicata dalla quota e dalla sovrapposizione scelte. A 60 m e con il 20% di sovrapposizione la fascia è di 84 m, ~8 linee e un percorso di scansione di 4,5 km — il lavoro grezzo che la flotta deve spartirsi.

Allocazione della flotta e ottimizzazione

Le strisce sono suddivise in fasce contigue volate contemporaneamente, quindi aggiungere droni riduce davvero la durata totale. Una scansione su quota, velocità, sovrapposizione e dimensione della flotta trova l’ottimo per l’obiettivo scelto — e mostra il compromesso: la durata totale scende del 34% passando da un drone a sei.

Missione Python → flotta simulata

Il piano ottimale diventa un programma di waypoint per ogni drone. Un driver in puro Python comanda una flotta remota simulata — arma, decollo, vai-a, scansiona, ritorna — trasmettendo telemetria in tempo reale e una barra di avanzamento. Il collegamento radio è simulato; la struttura dei comandi si legge esattamente come quella reale.

Mappa animata della missione

La timeline della telemetria viene riprodotta su una mappa di base OpenStreetMap: tre UAV decollano dalla base, transitano, scansionano le proprie fasce contemporaneamente e rientrano, con un pulsante di riproduzione e un cursore temporale su 48 frame. L’artefatto principale che un pianificatore può davvero guardare.

Un notebook di DjiniousLab che renderizza una mappa Leaflet in scala di grigi della costa di Al-Batinah, con il quadrato di rilievo di 500 metri, la base mobile e la linea di transito tra di essi — Passo 1 — il sito. Il riquadro di rilievo di 500 × 500 m e la base mobile ancorati sulla costa reale di Al-Batinah South, con la tratta di transito di ~2,3 km che la flotta paga a ogni sortita.

Specifiche in ingresso, missione in uscita — cambia un numero e ripianifica.

La missione è una funzione dell’hardware, non un piano fisso. L’autonomia del drone stabilisce quanta parte del rilievo entra in una sortita; il campo visivo e la frequenza dei punti del LiDAR stabiliscono quanto è larga ogni passata e quanto sono densi i ritorni; quota e velocità scambiano l’una contro l’altra. Poiché ogni passo a valle legge queste specifiche, sostituire un drone o un sensore diverso — o allentare la sovrapposizione — ricalcola automaticamente la fascia, il percorso, il numero di sortite e la flotta ottimale. I grafici sotto sono le leve che un pianificatore aziona davvero.

La larghezza di banda a terra cresce linearmente con la quota; la densità di punti diminuisce con quota e velocità.

L’autonomia meno il transito andata-ritorno di ~2,3 km stabilisce il budget di scansione per sortita.

Sovrapposizione, quota e velocità sono le manopole continue che l’ottimizzatore esplora.

Due grafici Plotly: la larghezza di banda a terra che aumenta linearmente con la quota, e la densità di punti LiDAR che diminuisce con la velocità di volo — Passo 2 — il modello delle specifiche. La fascia si allarga con la quota (sinistra); la densità di punti si assottiglia quando il drone vola più veloce (destra). Queste curve sono i compromessi che l’ottimizzatore esplora.

Un grafico Plotly di un percorso di volo a serpentina che copre il quadrato di rilievo di 500 metri in metri est-nord — Passo 3 — il percorso di copertura. Un percorso a serpentina copre il riquadro con la spaziatura di fascia — ~8 linee e un percorso di 4,5 km a 60 m di quota con il 20% di sovrapposizione.

Un modello. Tre obiettivi. Scegli tu cosa significa “ottimale”.

Lo stesso piano può essere ottimizzato in tre modi: minimizzare il tempo di missione (durata totale), minimizzare le sortite a batteria, o massimizzare la risoluzione LiDAR entro un budget di tempo. La flotta vola in contemporanea — le strisce sono suddivise in fasce contigue — quindi l’obiettivo di durata totale premia davvero più droni, mentre l’obiettivo di risoluzione spinge la quota verso il basso a costo del tempo. Una scansione di sensibilità su dimensione della flotta e quota rende visibile il compromesso, così la scelta è una decisione ingegneristica, non un’ipotesi.

Suddivisione in fasce concorrenti: la durata totale = il tempo reale del drone più impegnato, quindi una flotta più grande finisce prima.

La durata totale scende da 8,0 min (1 drone) a 5,3 min (6 droni) alla quota ottimale per il tempo.

Dare priorità alla risoluzione spinge la quota al suo minimo — densità di punti più alta, missione più lunga.

Due grafici Plotly: la durata totale della missione che diminuisce al crescere della flotta da uno a sei droni, e la durata totale in funzione della quota — Passo 4 — la scansione. Durata totale in funzione della dimensione della flotta (sinistra, in diminuzione all’aggiungersi di droni) e della quota (destra) — le leve che trasformano una flotta e un sensore in una missione ottimale.

Tre obiettivi, tre missioni.

Lo stesso rilievo di 500 m, ottimizzato in tre modi per la flotta di classe UR predefinita. Minimizzare il tempo vola alto e veloce; massimizzare la risoluzione vola basso e lento. (Qui, il minor numero di sortite e la migliore risoluzione coincidono alla quota minima.)

Minimizza il tempo di missione

Quota: 75 m · Tempo di missione: 5,8 min · Densità LiDAR: ≈159 pt/m²

Minor numero di sortite a batteria

Quota: 30 m · Tempo di missione: 13,0 min · Densità LiDAR: ≈1.322 pt/m²

Massimizza la risoluzione (≤ 90 min)

Quota: 30 m · Tempo di missione: 13,0 min · Densità LiDAR: ≈1.322 pt/m²

Una mappa animata Plotly su OpenStreetMap che mostra tre rotte di volo UAV da una base mobile attraverso il quadrato di rilievo, con un pulsante di riproduzione e un cursore temporale — Passo 6 — vola. La missione ottimale riprodotta su una mappa animata: tre UAV decollano dalla base, scansionano le proprie fasce contemporaneamente e rientrano, con un pulsante di riproduzione e un cursore temporale a 48 frame.

Un gemello digitale di pianificazione, non un sistema di volo.

Qui tutto è simulazione. La flotta UAV è simulata — non c’è collegamento radio né autopilota; il driver Python imita una vera interfaccia di comando vai-a/telemetria ma dialoga con uno stub. Il modello di volo è di livello pianificazione: terreno piatto, niente vento, un budget energetico semplificato, e un ottimo trovato entro gli intervalli di parametri esplorati. Ciò per cui è utile è esattamente ciò di cui un pianificatore di missione ha bisogno prima che chiunque voli: dimensionare la flotta, scegliere quota e velocità, e vedere il compromesso tempo/risoluzione — su un sito reale, con i tuoi numeri di drone e sensore, in pochi minuti.