×

Роботизированные платформы, оборудование и ПО для автоматизации строительного контроля

Май 2020 года

Аналитический Отчет (полная версия)

Запросить стоимость полной версии исследования: news@json.tv

Аналитический Отчет (полная версия)

Роботизированные платформы, оборудование и ПО для автоматизации строительного контроля
Роботизированные платформы, оборудование и ПО для  автоматизации строительного контроля
Май 2020

Роботизированные платформы, оборудование и ПО для автоматизации строительного контроля

Май 2020 года

Зарегистрируйтесь или войдите, чтобы скачать PDF-версию Информационного бюллетеня

Скачать

+7 926 561 09 80; news@json.tv

Пишите, звоните, если есть вопросы

Основная цель исследования Json & Partners Consulting – анализ возможностей  цифровизации процесса строительного контроля. Ввиду отсутствия на рынке готовых комплексных работоспособных решений были проанализированы предложения российских и мировых поставщиков трех типов ключевых компонентов для их создания, доступных уже сегодня. Прежде всего, это самоходные роботизированные платформы, которые бы могли передвигаться по стройплощадке (на ДУ либо в полностью автономном режиме). 3D-сканеры индустриального класса для получения больших массивов 3D-данных («облако точек»), которые можно устанавливать на таких роботов. А также программные продукты для сверки полученных данных с проектной 3D-моделью для выявления расхождений.

 

Строительство сегодня – это вторая по значимости для мировой экономики отрасль, которая при этом характеризуется самым низким уровнем инвестиций в технологическое развитие. Это одна из последних отраслей, куда цифровизация пришла с большим запозданием. Одновременно, это и вторая отрасль по объему генерируемых данных, но и один из худших секторов по умению извлекать выгоду из этих массивов информации. В среднем по миру, 95% проектных данных либо не сохраняются, либо не собираются вообще.

 

Организация эффективного сбора, анализа и научного управления данными за счет эволюции современных цифровых инструментов и достижений четвертой промышленно революции, позволяет впервые в истории отрасли задействовать существующие резервы производительности. Тем самым, поднять производительность труда и эффективность строительного контроля до уровня, не достижимого ранее, и победить вечные проблемы строительства - неконтролируемое увеличение сроков и рост стоимости. Поэтому основное требование к современным системам управления строительными проектами — это, прежде всего, организация единого информационного пространства и мгновенный доступ к проектным данным всех участников, привязка объектов, графиков и рабочих задач к цифровой модели (BIM), геолокации, финансовым отчетам. Учитывая это, значимость автоматизации процесса контроля происходящего на стройплощадке, как и возможность близкого к режиму реального времени сопоставления плана/этапов строительства с фактическим положением дел, а также оперативного выявления расхождений с цифровой моделью проекта, - трудно переоценить. 

 

На сегодняшний день единственно возможная технология для решения задач строительного контроля больших строительных объектов - лазерное 3D-сканирование по методу измерения времени отклика лазерного луча. Размещение таких 3D-сканеров на мобильной роботизированной платформе позволяет значительно повысить эффективность и производительность всего процесса. Вместе с тем, коммерчески доступных комплексных решений, способных сканировать и сопоставлять полученное «облако точек» с исходной 3D-моделью проекта «на лету», найти на рынке не удалось – есть лишь один пример от стартапа Doxel на уровне демонстратора технологии. Поэтому эксперты J’son & Partners Consulting проанализировали техническую спецификацию и функционал отдельных элементов, подходящих для создания таких комплексных решений: роботизированных самоходных платформ, 3D-сканеров индустриального класса и ПО для сопоставления полученного «облака точек» с исходной цифровой моделью в BIM. 

 

Самоходные роботизированные платформы

 

На стадии предварительного отбора рассматривались самоходные роботизированные платформы класса UGV (Unmanned Ground Vehicle), способные работать как в indoor (передвижение по лестницам и проезд в дверные проемы), так и в outdoor (диапазон рабочих температур – 200С до + 400С), обладающие компактными размерами (не более 650 мм в любом измерении), временем автономной работы не менее 3 часов, с достаточной грузоподъемностью (от 15 кг) и позволяющие устанавливать дополнительное оборудование (профессиональные 3D-сканеры).

 

Анализ мирового и российского рынка показал, что по состоянию на лето 2018 г. в мире было по меньшей мере 50 наземных самоходных роботизированных платформ, из которых 32 в той или иной мере подходили для решения задач строительного контроля вне помещений (outdoor). Что касается России, то поиск выявил 11 отечественных самоходных платформ от 7 российских разработчиков. Детальный анализ технических возможностей и эксплуатационных характеристик всех этих моделей позволил сделать вывод, что ни одно из решений не соответствует всем критериям одновременно и в полной мере. Тем не менее, оказалось возможным выделить семь приоритетных платформ (шесть зарубежных и одна отечественная) с большинством параметров либо максимально приближенным, либо полностью соответствующим критериям отбора. Высшие рейтинги оказались сразу у двух платформ канадской компании Dr. Robot: колесной Jaguar-4x4-wheel и гусеничной Jaguar-Lite. 3 место - у американской гусеничной платформы LT2-F от компании SuperDroid. В 7-ку оптимальных платформ также вошел малогабаритный робототехнический комплекс «Капитан-2-Строй» производства отечественного ЦНИИ РТК.

 

В целом, ни одна из платформ не позволяет корректировать заложенную автономную программу онлайн. Все платформы, умеющие работать автономно, автоматически имеют возможность позиционирования и привязки к маркерам. Все рассмотренные платформы относятся к классу электромобилей с аккумуляторным питанием. Можно отметить, что колесные шасси обладают несколько большей грузоподъёмностью и скоростью, чем гусеничные. Что касается возможностей автономной работы, то для работы на пересеченной местности и/или для дистанционного управления необходимо, чтобы робот был снабжен специфическим ПО и укомплектован определенным набором оборудования (к примеру, необходим контроллер движения, инерциальный блок IMU, GNSS, лазерный дальномер и т.д.). Для дистанционного управления список бортового оборудования короче, а компьютер на борту излишен.

 

Выбор оптимальной самоходной роботизированной платформы для размещения на ней 3D-сканера и проведения строительного контроля во многом будет зависеть от приоритетов заказчика. В исследовании J’son & Partners Consulting было выделено четыре ключевых параметра: стоимость, возможность автономной работы, преодоление препятствий и время работы.

 

3D-сканеры для «облака точек»

 

«Облако точек» — это большой набор точек, полученный с использованием лазерного 3D-сканирования (или других технологий), и позволяющий создавать 3D-представления существующих физических объектов (внутренние и наружные элементы зданий и промышленных предприятий, рельеф поверхности или объекты промышленного производства). После сбора необработанные данные необходимо преобразовать в пригодные для чтения файлы «облаков точек», которые могут быть вставлены в CAD-модель.

 

В результате поиска обнаружено как минимум 25 моделей зарубежных 3D-сканеров, пригодных для решения задач в области архитектуры и строительства. Поиск показал, что на мировом рынке существуют семь моделей 3D-сканеров, которые можно признать годными или условно годными для решения задач строительного контроля и установки на мобильные роботизированные платформы (геодезическая точность – в пределах от 0 до 3 мм, рабочая температура от – 20 °С до + 40 °С, присутствие в российском реестре средств измерений (СИ), назначение – архитектурные и строительные измерения). В то же время, не было обнаружено ни одного отечественного 3D-сканера, удовлетворяющего этим требованиям. В качестве главных критериев выбора при рейтинговании были определены стоимость, точность и дальность измерений. 

 

Components for construction control

Программное обеспечение для работы с «облаком точек»

 

На российском рынке присутствует достаточное количество отечественных и зарубежных разработчиков ПО САПР, чтобы обеспечить решение задачи строительного контроля на самом современном уровне, в том числе осуществить обработку данных сканирования и выпуск рабочей документации. В качестве главных критериев выбора были определены: максимально автоматизированный функционал при обработке «облаков точек», адекватная стоимость, удовлетворение требованиям по импортозамещению, а также востребованность ПО на отечественном рынке. В итоге в процессе поиска ПО, способного работать с «облаками точек», было проанализировано 18 зарубежных и 5 отечественных решений – всего 23 программных продукта. Анализировалось наличие в ПО следующих возможностей (реализуемых автоматически/полуавтоматически/вручную): сопоставление/привязка координат; склеивание «облака точек» из получившихся сканов; фильтрация помех/шумов; классификация/распознавание элементов (геометрии); назначение цвета; определение отклонений «как построено»; проверка «облака точек» и 3D-модели на коллизии.

 

В итоге по результатам анализа, в шестерку лучших программных продуктов вошли четыре зарубежных решения, а также два отечественных (IndorCAD 2018 от компании ИндорСофт и «nanoCAD Облака точек» от компании Нанософт). Тем не менее, несмотря на потенциальную возможность полностью автоматизированного сравнения проекта(плана)/факта на базе этих программных продуктов, такую возможность пока не декларирует ни один разработчик, в том числе из числа ведущих мировых. 

 

Это связано как со множеством трудностей (необходима точная геопривязка данных съемки, часто возникают вопросы к полноте данных, практически всегда требуется много ручной работы по сшивке сканов и т.д.), которые еще предстоит преодолеть, так и с новизной задачи полной автоматизации строительного контроля на базе роботизированных самоходных платформ, осуществляемой в близком к режиму реального времени как таковой не только для российской строительной отрасли, но и мира в целом. Несомненно, здесь открываются большие перспективы для задействования AI, и работы в этом направлении уже ведутся. 

 

Doxel solution for construction control

Несмотря на наличие уже сегодня всех слагаемых компонентов, создание полностью автоматического решения для оперативного строительного контроля представляется вопросом обозримого будущего. Сегодня задача решается с помощью перемещения стационарных 3D-сканеров по строительной площадке, а процесс «сшивки» сканов в «облако точек» и сравнение с исходной цифровой моделью в BIM требует задействования высококвалифицированных специалистов, даже при использовании наиболее совершенных программных решений. При этом сам процесс зачастую растягивается на несколько дней. Отсутствие практических внедрений для подтверждения концепции и заявленных возможностей у американского стартапа Doxel, единственного на сегодня, в наибольшей степени приблизившегося к созданию комплексного решения для строительного контроля «на лету», недвусмысленно на это указывает. 

 

_________________________________ 

 

Информационный бюллетень подготовлен компанией J'son & Partners Consulting. Мы прилагаем все усилия, чтобы предоставлять фактические и прогнозные данные, полностью отражающие ситуацию и имеющиеся в распоряжении на момент выхода материала. J'son & Partners Consulting оставляет за собой право пересматривать данные после публикации отдельными игроками новой официальной информации.

  

Детальные результаты исследования представлены в полной версии отчета: 

 

«Платформы, оборудование и программное обеспечение для автоматического строительного контроля»

 

Содержание

Оглавление

Параметры отчета, Источники, Методики

Источники      

Методики       

  1.         Введение. Цифровизация строительства и актуальность повышения эффективности строительного контроля

1.1.     Производительность труда и возможности повышения эффективности в строительстве     

1.2.     Цифровизация строительных работ          

1.3.     Технологическая основа цифровизации строительства  

1.3.1.  Роль Building Information Modeling (BIM) в строительстве

1.3.1.1.           Эволюция BIM

1.3.1.2.           Статус развития BIM в России и мире       

1.3.1.3.           Основные сдерживающие факторы применения BIM в России

1.3.2.  Интернет вещей, Internet of Things (IoT)  

1.3.3.  Строительная робототехника и дроны      

1.3.4.  Мобильные коммуникации и программы для интерактивного строительного контроля        

1.3.5.  Заключение   

1.3.6.  Возможные направления НИР для использования в строительстве и эксплуатации

  1.         Наземные самоходные роботизированные платформы для контроля строительства

2.1.     Зарубежные платформы      

2.1.1.  Отбор платформ       

2.1.1.1.           Предварительный отбор      

2.1.1.2.           Окончательный отбор          

2.1.2.  Беспилотный наземный робот Jackal UGV от компании Clearpath         

2.1.3.  Гусеничная мобильная платформа Jaguar Lite от компании Dr.Robot  

2.1.4.  Колесная мобильная платформа Jaguar-4x4-wheel от компании Dr.Robot       

2.1.5.  Самоходная колесная платформа SUMMIT- XL от компании Robotnik Automation      

2.1.6.  Самоходная колесная платформа SUMMIT-XL-HL от компании Robotnik Automation  

2.1.7.  Гусеничная платформа LT2 F от компании SuperDroid Robots   

2.2.     Отечественные платформы

2.2.1.  Предварительный и окончательный отбор           

2.2.2.  Малогабаритный робототехнический комплекс «Капитан» ЦНИИ РТК

2.3.     Анализ референтных проектов, преимуществ и недостатков применения технологий. Сравнение платформ по параметрам   

2.3.1.  Сравнение платформ по параметрам

2.3.1.1.           Шасси

2.3.1.2.           Возможность автономной работы  

2.3.1.3.           Возможность стабилизации уровня           

2.3.1.4.           Наличие блока сопряжения с навесным оборудованием

2.3.1.5.           Предельные параметры преодолеваемых препятствий  

2.3.1.6.           Возможность объезжать препятствия       

2.3.1.7.           Скорость движения  

2.3.1.8.           Возможность вносить корректировки в маршрут движения платформы

2.3.1.9.           Возможность позиционирования и привязки к маркерам          

2.3.1.10.         Возможность установки дополнительного оборудования          

2.3.1.11.         Возможность выборочного сканирования

2.3.1.12.         Условия окружающей среды           

2.3.1.13.         Время работы в автономном режиме        

2.3.1.14.         Стоимость      

2.3.2.  Рейтинг платформ    

2.4.     Анализ наличия поставок оборудования/решений на рынок РФ

2.4.1.  Госзакупки     

2.4.2.  Экспорт и импорт     

  1.         Обзор устройств для получения больших массивов 3D-данных («облаков точек»)

3.1.     Основные принципы 3D-сканирования     

3.1.1.  Типология устройств получения трехмерных данных     

3.1.1.1.           Контактные 3D-сканеры      

3.1.1.2.           Фотограмметрия       

3.1.1.3.           Бесконтактные оптические 3D-сканеры    

3.1.1.4.           Бесконтактные лазерные 3D-сканеры       

Существуют два метода лазерного 3D-сканирования.    

3.1.1.5.           Иные технологии 3D-сканирования           

3.1.2.  Сравнение преимуществ и недостатков технологий получения трехмерных данных

3.2.     Зарубежное оборудование

3.2.1.  Предварительный отбор

3.2.2.  Окончательный отбор          

3.2.3.  Сканеры FARO           

3.2.3.1.           Семейство 3D сканеров FARO FOCUS        

3.2.3.2.           3D сканеры FARO Focus серии …

3.2.3.3.           3D сканеры FARO Focus серии …    

3.2.3.4.           Программное обеспечение FARO   

3.2.4.  Сканеры Leica            

3.2.4.1.           3D лазерные сканеры Leica ScanStation …

3.2.4.2.           3D лазерный сканер Leica ScanStation …  

3.2.4.3.           Программное обеспечение Leica    

3.3.     Отечественное оборудование        

3.3.1.  Предварительный отбор      

3.3.2.  Окончательный отбор          

3.4.     Сравнительный анализ 3D-устройств        

3.4.1.  Сравнение параметров отобранных моделей       

3.4.1.1.           Точность измерения

3.4.1.2.           Дальность измерения          

3.4.1.3.           Скорость измерения

3.4.1.4.           Температурный диапазон   

3.4.1.5.           Класс стойкости        

3.4.1.6.           Масса 3D-сканеров   

3.4.1.7.           Присутствие в регистре ИС

3.4.1.8.           Стоимость 3D-сканеров       

3.4.2.  Рейтингование отобранных моделей         

  1.         Обзор решений по реверс-инжинирингу (сравнению облака точек с 3D-моделью)

4.1.     Основные принципы строительного цифрового моделирования (BIM)            

4.1.1.  Концепция BIM          

4.1.2.  BIM: консерваторы и энтузиасты   

4.1.3.  Стандарты и методики открытого BIM      

4.1.3.1.           Группа стандартов OpenBIM           

4.1.3.2.           Стандарт IFC

4.1.4.  Работа с облаками точек     

4.1.5.  BIM в России

4.2.     Зарубежное программное обеспечение    

4.2.1.  Предварительный отбор

4.2.2.  О программном продукте Autodesk

4.2.3.  Окончательный отбор          

4.3.     Отечественное ПО    

4.3.1.  Предварительный отбор      

4.3.2.  Окончательный отбор          

4.4.     Сравнительный анализ программных продуктов

4.4.1.  Общие характеристики        

4.4.1.1.           Типы и статусы программных продуктов  

4.4.1.2.           Открытость программного обеспечения   

4.4.1.3.           Размеры и количество сканов        

4.4.1.4.           Форматы сканирования и моделей

4.4.1.5.           Требования к аппаратному обеспечению

4.4.1.6.           Типы лицензирования и стоимость ПО     

4.4.1.7.           Клиенты         

4.4.1.8.           Импортозамещение и связанные с ним вопросы

4.4.1.9.           Искусственный интеллект   

4.4.2.  Сравнение функционала ПО           

4.4.2.1.           Вводные замечания  

4.4.2.2.           Загрузка результатов сканирования          

4.4.2.3.           Сопоставление/привязка координат          

4.4.2.4.           «Склеивание» облака точек из сканов      

4.4.2.5.           Фильтрация помех/шумов   

4.4.2.6.           Классификация/распознавание элементов (геометрии)

4.4.2.7.           Назначение цвета     

4.4.2.8.           Определение отклонений «как построено»          

4.4.2.9.           Проверка облака точек и 3D модели на коллизии          

4.4.3.  Рейтингование ПО    

4.4.3.1.           Алгоритм рейтингования     

4.4.3.2.           Индекс импортозамещения

4.4.3.3.           Индекс использования ПО  

4.4.3.4.           Индекс стоимости     

4.4.3.5.           Индекс функционала           

4.4.3.6.           Сводный рейтинг ПО           

4.4.4.  Итоги: Шесть лучших программных продуктов в разных категориях   

  1.         Выводы и рекомендации           

5.1.     Самоходные роботизированные платформы

5.2.     3-D сканеры   

5.3.     Программное обеспечение для работы с облаками точек         

Список таблиц

Табл. 5. Технические характеристики робота Jackal   

Табл. 6. Плюсы и минусы робота Jackal          

Табл. 7. Спецификация платформ Dr. Robot   

Табл. 8. Плюсы и минусы робота Jaguar-Lite (в полной комплектации)         

Табл. 9. Плюсы и минусы робота Jaguar-4x4-wheel (в полной комплектации)           

Табл. 10. Спецификация платформ Robotnik Automation        

Табл. 11. Плюсы и минусы робота SUMMIT-XL (в полной комплектации)       

Табл. 12. Плюсы и минусы робота SUMMIT-XL-HL (в полной комплектации)  

Табл. 13. Конфигурация и стоимость робота LT2-F     

Табл. 14. Плюсы и минусы робота LT2-F         

Табл. 15. Результаты отбора отечественных самоходных платформ  

Табл. 16. Технические характеристики робототехнического комплекса «Капитан-2-Строй», опубликованные на сайте производителя      

Табл. 17. Необходимое оборудование и ПО для управления роботом           

Табл. 18. Преодолеваемые препятствия         

Табл. 19. Скорость движения  

Табл. 20. Грузоподъемность    

Табл. 21. Условия окружающей среды            

Табл. 22. Время работы в автономном режиме           

Табл. 23. Стоимость платформ без дополнительного оборудования  

Табл. 24. Параметрическая таблица мобильных платформ    

Табл. 25. Рейтинговая таблица мобильных платформ

Табл. 26. ТОП-15 крупнейших закупок по теме «Мобильные роботы» в 2014 2018 гг.          

Табл. 27. ТОП-20 крупнейших импортеров робототехники в Россию в 2014 2017 гг.

Табл. 28. Единственная импортная поставка мобильного робота в Россию в 2014 2017 гг.

Табл. 29. Сравнение технологий 3D-сканирования     

Табл. 30. Отбор зарубежных 3D-сканеров      

Табл. 31. Коммерческая спецификация сканеров FARO Focus, доступных к автоматизации в устройствах пользователя.

Табл. 32. Технические характеристики 3D-сканеров FARO FOCUS      

Табл. 33. Технические характеристики 3D-сканеров Leica ScanStation           

Табл. 34. Технические характеристики 3D-сканера Leica ScanStation

Табл. 35. Предварительный отбор отечественных 3D-сканеров         

Табл. 36. Точность измерения 3D-сканеров    

Табл. 37. Дальность измерения 3D-сканеров  

Табл. 38. Скорость измерения 3D-сканеров    

Табл. 39. Рабочие температуры 3D-сканеров

Табл. 40. Пыле- влагозащита 3D-сканеров     

Табл. 41. Масса 3D-сканеров   

Табл. 42. Присутствие в регистре ИС  

Табл. 43. Стоимость 3D-сканеров        

Табл. 44. Параметрическая таблица 3D-сканеров       

Табл. 45. Рейтинговая таблица 3D-сканеров  

Табл. 46. Примеры форматов файлов для работы с популярным ПО

Табл. 47. Пять базовых стандартов Open BIM

Табл. 48. Предварительный список зарубежного ПО, позволяющего работать с облаками точек     

Табл. 49. Предварительный список отечественного ПО, позволяющего работать с облаками точек

Табл. 50. Типы и статусы программных продуктов     

Табл. 51. Типы ПО      

Табл. 52. Форматы сканирования и моделей  

Табл. 53. Требования к аппаратному обеспечению    

Табл. 54. Типы лицензирования и стоимость ПО        

Табл. 55. Использование ПО   

Табл. 56. Импортозамещение и связанные с ним вопросы     

Табл. 57. Сопоставление/привязка координат            

Табл. 58. «Склеивание» облака точек из сканов        

Табл. 59. Фильтрация помех/шумов    

Табл. 60. Классификация элементов   

Табл. 61.  Назначение цвета   

Табл. 62. Определение отклонений «как построено»

Табл. 63. Проверка облака точек и 3D модели на коллизии   

Табл. 64. Экспертные шкалы индекса импортозамещения     

Табл. 65. Параметрическая таблица импортозамещения       

Табл. 66. Параметрическая таблица использования ПО         

Табл. 67. Параметрическая таблица стоимости          

Табл. 68. Параметрическая таблица функционала     

Табл. 69. Сводная рейтинговая таблица ПО   

Табл. 70. Сводный рейтинг: Итоговый индекс

Табл. 71. Частный рейтинг: Функционал+Использование+Стоимость           

Табл. 72. Частный рейтинг: Функционал+Стоимость

 

Список рисунков

Рис. 1. Жизненный цикл строительных работ: сегментация и последовательность процессов          

Рис. 2. Уровень цифровизации отдельных отраслей экономики         

Рис. 3. Новая парадигма управления, основанная на данных: «Данные=новая нефть»        

Рис. 4. Атрибуты промышленной революции  

Рис. 5. Интеграция и обмен данными в проектировании и строительстве      

Рис. 6. Стадии организации строительных работ и применение BIM  

Рис. 7. Эволюция BIM  

Рис. 8. Эволюция BIM: от СAD до интегрированных облачных BIM    

Рис. 9. Распределение стоимости жизненного цикла строительного объекта

Рис. 10. Эволюция и распространение BIM в мире     

Рис. 11. Дроны в строительстве применяются для создания 3D-модели строящегося объекта, прогресса в строительстве, мониторинга стройплощадки и безопасности   

Рис. 12. Австралийский робот-укладчик кирпичей Fastbrick Robotics  

Рис. 13. Распределение времени на основную и непроизводительную деятельность в течение недели        

Рис. 14. Основная причина потери времени   

Рис. 15. Основная причина плохих исходных данных по проекту       

Рис. 16. Основная причина плохих коммуникаций по проекту           

Рис. 17. Ранжирование данных по степени влияния на снижение долгосрочных расходов в течение строительства

Рис. 18. Основные причины вложений в строительное инновационное ПО и ИТ       

Рис. 19. Факторы, принимаемые в расчет при выборе строительного ИТ и ПО          

Рис. 20. Внешний вид робота Jackal    

Рис. 21. Габаритные размеры робота Jackal    

Рис. 22. Моделирование преодоления препятствия роботом Jackal    

Рис. 23. Конфигурации сменного оборудования робота Jackal           

Рис. 24. Конфигурация сменного оборудования робота Jackal для Технологического института Стивена (SIT)

Рис. 25. Внешний вид платформы Jaguar Lite

Рис. 26. Платформа Jaguar Lite в заводской комплектации    

Рис. 27. Пульт управления роботами компании Dr. Robot      

Рис. 28. Внешний вид платформы Jaguar-4x4-wheel   

Рис. 29. Внешний вид платформы SUMMIT-XL

Рис. 30. Габаритные размеры платформы SUMMIT-XL

Рис. 31. Моделирование преодоления препятствия роботом SUMMIT-XL       

Рис. 32. Внешний вид платформы SUMMIT- XL-HL      

Рис. 33. Габаритные размеры платформы SUMMIT- XL-HL      

Рис. 34. Базовые гусеничные платформы SuperDroid  

Рис. 35. Внешний вид платформы SuperDroid LT2-F    

Рис. 36. Габаритный чертеж платформы SuperDroid LT2-F     

Рис. 37. Пульт управления для всех роботов SuperDroid Spektrum DXe          

Рис. 38. Внешний вид программируемой платформы MLT-JR

Рис. 39. Платформа SuperDroid LT2-F с установленной рельсовой панорамно-наклонной системой и камерой

Рис. 40. Внешний вид робототехнического комплекса «Капитан»      

Рис. 41. Блок навигации робототехнического комплекса «Капитан-2-Строй»

Рис. 42. Рынок госзакупок мобильных роботов, млн руб.       

Рис. 43. Импорт робототехники в РФ, млрд руб.         

Рис. 44. Рыночные сегменты импорта робототехники в Россию в 2017 г.

Рис. 45. Области применения и типология 3D-сканеров         

Рис. 46. Принципиальная схема цифровой фотограмметрии  

Рис. 47. Принцип оптического 3D-сканирования        

Рис. 48. Метод триангуляции при лазерном 3D-сканировании

Рис. 49. АФАР на чипе

Рис. 50. Внешний вид 3D-сканеров семейства FARO FOCUS   

Рис. 51. Внешний вид 3D-сканеров семейства Leica ScanStation         

Рис. 52. Уровни BIM    

Рис. 53. Виды BIM-моделей     

Рис. 54. Признание открытого ПО BIM в мире

Рис. 55. Поручение Президента России от 19.07.2018

Рис. 56. Алгоритм рейтингования       

Рис. 57. Степень автоматизации программных продуктов