Experimental determination of relative motion measurement accuracy for an auto-synchronous triangulation scanning laser camera
Notice bibliographique
Résumé
The navigation of an autonomous robotic vehicle is a difficult task. Accurate measurement of robotic vehicle motion is a problem in certain environments. In desert and other terrains, wheel slip affects the accuracy of odometry sensors. Poorly-lit underground environments present problems for passive vision systems. As well, for slow-moving vehicles, the effects of INS drift errors can be large even over short distances. An active triangulation scanning laser camera sensor, which can provide accurate 3D images at distances less than 10m, has the potential to alleviate the problems mentioned above by improving the accuracy of integrated navigation systems for robotic vehicles operating in such environments. Knowledge of the relative position measurement accuracy for scanning laser cameras in various environments will allow navigation system designers to determine whether incorporating these sensors will help to meet their system accuracy requirements. This paper presents an experimental method for determining relative position measurement accuracy of an auto-synchronous triangulation scanning laser camera. 3D images were taken of a simulated desert terrain environment from multiple camera positions and orientations. Registration of overlapping images using an Iterative Closest Point (ICP) based algorithm was performed to determine an estimate of the position and orientation change of the laser camera. Truth data for the position and orientation of the laser camera at each location was determined by using theodolites to measure the location of survey targets mounted on the laser camera. The relative position estimates were then compared to the truth data. In this paper, the experiment design and implementation are detailed, and preliminary experimental results are presented.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».