Artec Jet:高精度测绘级SLAM激光扫描仪,自主高效【巷尚UP3D】

Artec 3D于2026年4月正式发布Artec Jet,这是一款基于SLAM技术的高精度移动激光雷达系统,专为大范围三维数据采集而设计。

该产品的推出标志着Artec 3D生态现已实现全尺寸覆盖,从大型场景到微观零部件,均可采集高精度数字孪生。

Artec Jet是一款高速移动式LiDAR(激光雷达)测绘系统,不仅基于SLAM定位技术,还由AI驱动。即使在GPS信号受限的环境中也能在数分钟内(无需数小时)以测量级精度完成场地、设施及基础设施的数据采集。

SLAM算法与定位能力

Artec Jet采用业界领先的SLAM算法,利用采集的激光雷达数据进行实时位置追踪与地图构建。该系统不依赖GPS信号即可实现自主定位,适用于室内、地下、隧道、高架桥下等信号盲区环境。用户还可选配RTK附件,通过GNSS辅助实现地理参考并减少位置漂移,进一步提升全局精度。

多形态部署,突破空间限制

Artec Jet支持七种操作模式,涵盖手持、背包背负、无人机挂载、车载支架、防护笼、伸缩杆及机器人集成。这一设计使得单一设备可替代多种专用采集装备,显著降低用户的设备采购与维护成本。

手持:边走边扫,轻松捕获任意空间数据。Jet仅重1.57kg,在建筑物、设施及狭小空间内携带轻便。

背包背负:长时间测绘作业时解放双手。可搭配RTK或地面控制点(GCP)进行地上部分的地理配准,并在同一作业流程中进入GPS信号受限区域继续采集。

无人机挂载:作为空中测绘解决方案,可进入危险、高空或超视距区域。由AI驱动、自动提供避障与引导式探索,即便在完全黑暗的环境中亦可运行。

车载支架:以行驶速度捕获道路、隧道、大型设施及线性资产。集成RTK,可实现自动地理配准及长距离漂移校正。

防护笼:可将这台基于SLAM技术的LiDAR扫描仪下放至垂直竖井、空隙及封闭空间。其不锈钢框架可抵御冲击,滑动顺畅,避免卡滞。

伸缩杆:可触及吊顶内部、狭小空间及基础设施细部。伸缩杆可在不使用无人机的情况下延伸Artec Jet的作业范围,采集到难以扫描区域的密集点云数据。

机器人集成:可搭载于Boston Dynamics Spot等平台,进入密闭或危险空间进行测绘,避免人员暴露于风险环境中。

无人机自主作业能力

Artec Jet最具突破性的功能之一,是能够搭载于无人机上,在无需人工干预的情况下完全自主完成扫描任务。Artec Jet可独立规划飞行路径并执行自主避障,能够识别并避开小至2毫米的障碍物。系统具备低电量自动返航功能,当电池电量低于安全阈值时,无人机将自主返回起飞点,保障作业安全。

应对各类环境的数字化需求

恶劣条件下作业,深入难以触达区域。Artec Jet符合IP65防护等级,具备防尘与防水能力,可在-10°C至45°C的温度范围内稳定运行。其设计充分考虑矿山、工业厂区、户外基础设施等复杂作业场景的实际需求。

适配任意规模与复杂度

一次做好,准确无误

在不增加风险、成本或操作负担的前提下,全面提升生产力与效率。Artec Jet 及其扩展组件提供:

---实时点云流传输至配套应用

---现场扫描预览模式,确保100%场景覆盖

---360°×290°视场角------单次扫描全覆盖

---颜色采集:激光雷达+相机,呈现逼真效果

---可选RTK,支持地面以上GNSS地理定位

---本地数据存储,支持最长4小时扫描

---即用点云和网格,支持即时分析或导入第三方软件

Artec Twins:让数据为您所用

伴随Artec Jet的发布,Artec 3D同时推出了专用数据处理平台Artec Twins。专为大规模三维数据处理而设计,服务于Artec Jet全工作流,可将原始点云转化为可供分析的数据集。

---处理和可视化高密度点云

---采用高斯泼溅技术,实现高保真实时渲染

---合并Artec SLAM、TLS及近距离扫描数据

---支持截面、测量及偏差分析

---导出格式:LAS、E57、RCP、STL、OBJ

多种场景,随时待命

行业:地下采矿、建筑工程、国防安全、公共安全、民用基础设施、石油与天然气、文化遗产保护、林业

应用领域:数字孪生、场地规划、检验、竣工文档、体积测量、变化检测、状况评估、地形测量、资产管理

巷尚UP3D(上海巷尚)团队12年三维扫描领域项目经验,6大国际品牌中国区代理。为工业、工程、数字化设施、文化遗产、科学与教育等行业提供专业三维数字化解决方案。

巷尚三维主营:设备租赁、项目服务以及设备销售。

技术服务涵盖:逆向建模、质量检测、数字孪生、工程测绘、数字存档、形变监测、干涉分析等;参编三维激光扫描测量技术规程团体标准。

可上门,可演示,可预约咨询上海巷尚3D(021-55087262)。

相关推荐
加油JIAX2 天前
LIO-SAM Scan-to-Map退化检测
slam·lio-sam·退化检测
加油JIAX2 天前
LIO-SAM系统架构
slam·imu·lio-sam
加油JIAX4 天前
滑动窗口模型与边缘化
slam·边缘化·滑动窗口优化
加油JIAX4 天前
IMU预积分-旋转残差求雅可比
slam·imu·预积分
CS_Zero5 天前
Faster-LIO论文与代码笔记(1)
笔记·slam·lio
加油JIAX7 天前
IMU预积分(VINS)
slam·imu·预积分·vins
加油JIAX7 天前
贝叶斯滤波与卡尔曼滤波
概率论·slam·kf
kobesdu8 天前
FAST-LIO2 + 蓝海M300激光雷达:从建图到实时栅格图的完整流程
算法·机器人·ros·slam·fast lio
bryant_meng9 天前
【SLAM】Map Folding
计算机视觉·map·slam·激光雷达·回环检测