Se ne sente parlare da qualche tempo e la possibilità di un ritorno al posizionamento utilizzando cartografia e punti di riferimento del territorio che ci circonda è sempre più vicina.
Il VPS è una funzionalità di Google Maps che aiuta a superare le sfide del Global Positioning System (GPS) e fornisce posizioni più precise, nell’ambito del posizionamento per la navigazione.
E’ dal 2018 che Google sperimenta soluzioni per risolvere il problema delle carenze del GPS ove i segnali dei satelliti non arrivano o arrivano disturbati, utilizzando una tecnica chiamata localizzazione globale, che combina VPS, Street View e machine learning per identificare posizione e orientamento in modo più accurato. E di recente, nel dicembre 2022, l'azienda ha incorporato esperienze AR coinvolgenti basate sulla posizione con l'API geospaziale ARCore.
VPS è una tecnologia che consente a un dispositivo, come uno smartphone o un drone, di determinare la propria posizione e orientamento nel mondo fisico utilizzando segnali visivi. I sistemi VPS utilizzano algoritmi di visione artificiale per analizzare le immagini provenienti da una telecamera o da un altro sensore ottico e confrontarle con un database di posizioni o caratteristiche note.
Google Maps utilizza VPS per fornire servizi di localizzazione e navigazione per gli utenti della sua funzione AR "Live View". Questa funzione utilizza la fotocamera dello smartphone di un utente per fornire in tempo reale istruzioni di navigazione e informazioni sulla posizione migliorate dalla realtà aumentata.
Il sistema VPS elabora le immagini catturate dalla fotocamera dello smartphone per determinare la posizione e l'orientamento dell'utente e quindi sovrappone elementi AR, come segni e frecce virtuali, alla vista della fotocamera per fornire indicazioni e altre informazioni.
Nel complesso, la tecnologia VPS svolge un ruolo cruciale in molte delle funzionalità di localizzazione e navigazione offerte da Google Maps, contribuendo a fornire informazioni sulla posizione precise e accurate in vari ambienti.
Il funzionamento alla base è quello molto simile alla costruzione di triangoli coi vertici su punti noti e ben conosciuti all’interno di un sistema di riferimento tridimensionale. Uno dei vertici dei molti triangoli che vengono generati è sempre la posizione dell’operatore di cui si vuol calcolare la posizione. Una specie di intersezione inversa topografica multipla.
Ovviamente il sistema si basa sulla scansione di una banca dati che contiene milioni di immagini della realtà come quelle rilevate, ad esempio da Street View di Google in tutto il mondo da oltre 15 anni, per paragonarle a quelle che vengono riprese dal cellulare.
Ovviamente l’accuratezza del sistema è vincolata alla qualità delle immagini dell’indice base e a quella della fotocamera utilizzata.
Una delle utilizzazioni di questo tipo, in corso di sperimentazione, sono quelle ad esempio per il volo autonomo utilizzando una mappa per localizzarsi all'interno di un frame di coordinate globali. Questa mappa comprende descrittori di caratteristiche visive che sono riconosciute nelle immagini da una telecamera di bordo durante il volo.
Ma è ovvio che non ci si può localizzare su una mappa senza che questa non si preventivamente rilevata. Le mappe che possono essere determinate preventivamente a questo scopo non contengono necessariamente caratteristiche evidenti all'occhio umano. Invece, queste sono caratteristiche che il computer può distinguere in modo affidabile da uno sfondo spesso rumoroso.
E chi realizza queste mappe? Oltre ai tradizionali metodi preventivi basati sui rilievi aerofotogrammetrici, si usano ortofoto, oppure rilievi preventivi delle zone utilizzando particolari camere. Il risultato è spesso una mappa non utile alla visualizzazione su un classico display di una cabina di pilotaggio, bensì un sistema che può essere letto da un computer per guidare un aeromobile in un ambiente anche senza il posizionamento satellitare.
Chiaramente i voli di pre-rilevamento sono costosi, ma la simulazione viene in soccorso utilizzando varie fonti di terreno e altri dati geografici tra cui anche motori di simulazione di paesaggi e ortofoto reali. Ci sono società come la DAEDALEAN (daedalean.ai) che stanno lavorando per coprire le aree di interesse con mappe sintetiche sempre più dettagliate. E grazie a questo, stanno aumentando la capacità di creare mappe da un vasto database della realtà, ricavato in modo altamente scalabile per l'intero pianeta.
Tutto quanto sopra descritto sembra complicato rispetto alla navigazione GNSS che arriva, vista da un utente, senza alcuno sforzo. E, probabilmente, il processo è associato ai costi e ai relativi vantaggi.
I ricevitori GNSS dipendono dalla sua vasta infrastruttura di satelliti e stazioni terrestri. Ma la base dell'infrastruttura di qualsiasi sistema GNSS probabilmente non fa parte dell'unità certificata (ILS sarà diverso a questo riguardo) e si presume che i dati GNSS siano corretti. Bene... Torniamo con la mente al 2019, quando "l'intero sistema Galileo ha subito un'interruzione del segnale inaspettata e finora inspiegabile, a partire dall'11 luglio".
Inoltre, se esaminiamo i costi di gestione del GNSS, non sono trascurabili. Il 15 marzo 2022, il presidente Biden ha firmato il Consolidated Appropriations Act, 2022, una misura di finanziamento omnibus che include oltre 2 miliardi di dollari per il programma GPS del Dipartimento della Difesa (DOD), La gestione dell'infrastruttura GPS, quindi, costa ai contribuenti statunitensi oltre 2 milioni di dollari al giorno, esclusi i 12 miliardi iniziali utilizzati per mettere in orbita i primi satelliti e l’intero sistema. E un prezzo similare, forse anche più alto, è quello speso finora per il sistema Galileo.
Copia qui lo "short link" a questo articolo
www.geoforall.it/{sh404sef_shurl}
