CAD model construction from CMM and laser scanning data for reverse engineering.
Notice bibliographique
Résumé
In this work, the strengths and weaknesses of constructing CAD models from coordinate measuring machines (CMM) and laser scanned data are examined, through case studies, and shown to be the complement of one another. This justifies the development of a reverse engineering system that combines CMM and laser scanning data in efficiently accommodating a much wider range of applications. Such a system definition is contained herein for a DEA Mistral CMM and Hymarc Hyscan 45C laser scanner. In a combined approach, data collected using CMM and laser scanning must be transformed into a common coordinate system. This data set combination, or registration, is facilitated by digitizing prismatic datum artifacts along with the part. The dominant uncertainty in this process lies in determining the location and orientation of these artifacts, relative to the part, for each data set. A new approach was developed to control this uncertainty in the CMM sampling of manufactured primitives. Focusing on planes, a series of fractional factorial experiments were conducted. (Abstract shortened by UMI.)Dept. of Industrial and Manufacturing Systems Engineering. Paper copy at Leddy Library: Theses & Major Papers - Basement, West Bldg. / Call Number: Thesis2001 .R65. Source: Masters Abstracts International, Volume: 40-03, page: 0766. Adviser: Waguih ElMaraghy. Thesis (M.A.Sc.)--University of Windsor (Canada), 2001.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».