QUANTITATIVE EVALUATION AND QUALITY CONTROL OF COMMERCIALLY ADOPTED TRADITIONAL AND MODERN LIDAR SYSTEM CALIBRATION TECHNIQUES
Notice bibliographique
Résumé
LiDAR systems have been widely adopted for the collection of topographic data. By integrating the information gathered by navigation sensors (GPS/INS) and a laser ranging/scanning unit, LiDAR systems can directly provide the 3D coordinates of a surface at a high density. In the past decade, LiDAR technology has undergone significant improvements in performance (e.g., higher pulse repetition frequencies, higher operational altitudes) and data processing/post-processing methodologies. Major advances in the data processing include more robust methodologies for the system calibration. Implemented traditional calibration by the service providers are based on iterative sequential estimation of the system parameters that require manual adjustment and time-intensive interaction of a trained operator. In the past few years, automated and more accurate methodologies have become commercially available and have been currently in use by some data providers. In this paper, traditional and modern LiDAR system calibration procedures are evaluated and compared. For that purpose, a practical quality control procedure is used. The underlying concept of the quality control procedure is that in the absence of biases in the system parameters (i.e., for a properly calibrated system), conjugate surface elements in overlapping strips should coincide with each other as well as possible. Incompatibilities between conjugate surface elements in overlapping strips can be used to evaluate the quality of the calibration process. In addition, the presented quality control procedure can be used for diagnosing the cause of detected incompatibilities. More specifically, the detected incompatibilities can be used for estimating the remaining biases in the system parameters. Another advantage of the introduced quality control procedure is the possibility of its implementation by the end user since it only requires the LiDAR point cloud coordinates as well as a general knowledge of the flight configuration. Experimental results have demonstrated significant improvements in the quality of fit among overlapping LiDAR strips when using modern LiDAR system calibration procedures and the ability of the proposed quality control approach to detect and eliminate remaining biases in the system parameters.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».