MétaCan
Menu
Retour à la cohorte
Enregistrement W19798982 · doi:10.1117/12.2283819

Tracking targets on the International Space Station using a laser scanner

2017· article· en· W19798982 sur OpenAlexaffabout
Adam Deslauriers

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésCentroidComputer visionRaster graphicsComputer scienceRaster scanInternational Space StationLaser scanningLaserArtificial intelligenceSpace ShuttlePayload (computing)ScannerTracking (education)Data acquisitionPoint cloudTrajectoryOpticsRemote sensingComputer graphics (images)EngineeringPhysicsGeologyAerospace engineering

Résumé

récupéré en direct d'OpenAlex

The Neptec Design Group has developed the Laser Camera System (LCS), a new 3D laser scanner for space applications, based on an autosynchronized principle from the National Research Council of Canada (NRC). The LCS operates both in imaging and target centroid acquisition modes. In imaging mode, the LCS raster scans objects and can produce 2D and 3D maps of their surface features. In centroid acquisition mode, the LCS determines the position of discrete target points on an object. The LCS was tested in August 2001 during mission STS-105 of the space shuttle Discovery to the International Space Stations. From a fixed location in the shuttle payload bay, the LCS 1500 nm eye-safe infrared laser was pre-programmed to draw Lissajous patterns on Inconel (black dots on a white background) and retro-reflective disc targets affixed on the Multi-Purpose Logistics Module (MPLM). The LCS acquired centroid data for two and a half hours during the MPLM demating operation to demonstrate its ability to track both types of targets when they are stationary and moving.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,271
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujet3D Surveying and Cultural HeritageTravaux en français237 207