MétaCan
Menu
Retour à la cohorte
Enregistrement W2011360022 · doi:10.1117/12.733883

Novel applications of an affordable short-range digital Lidar

2007· article· en· W2011360022 sur OpenAlexaff
Mark R. Allard, Félix Cayer, Yves Champagne, François Babin, Daniel Cantin

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2007
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Optical Sensing Technologies
Établissements canadiensInstitut National d'Optique
Organismes subventionnairesnon disponible
Mots-clésLidarRangingSIGNAL (programming language)Remote sensingLaserComputer scienceSignal processingRange (aeronautics)WaveformOpticsDigital signal processingMaterials scienceComputer hardwarePhysicsTelecommunicationsGeology

Résumé

récupéré en direct d'OpenAlex

The design and application results of an affordable short range (less than 100 m) digital LIDAR (LIght Detection And Ranging) system will be presented. This work was initiated because many short-range standoff detection applications would benefit from such a system. The lidar features a fiber-based component integrated in the optical module, which allows for hardware partial compensation of the backscattered signal losses observed at short distances due to a biaxial configuration of the lidar optics. This is an important advantage for particle density computations. The digitized backscattered laser signals are available for signal processing. A dedicated FPGA (Field Programmable Gate Array) allows for real-time averaging of the signal waveforms captured at the maximum 50-kHz pulse repetition frequency of the laser. Several application-specific tests have been performed. The first of these was real-time onboard monitoring of pesticide drift in agricultural spraying applications. The signal levels were sufficient for control of the spraying operations and prevention of pesticide drift into sensitive areas. The second was a dust monitoring application. The lidar was installed in a quarry and signals from dust clouds were recorded. Real-time monitoring capabilities were shown to be promising. Other applications involving detection of solid targets in degraded visibility conditions caused by fog or snowfalls were also tested and are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,602
Score d'incertitude au seuil0,931

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,230 · 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 tête enseignante, 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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetAdvanced Optical Sensing TechnologiesTravaux en français237 207