Extending high-angular accuracy to a near omni-directional 3D range sensor
Notice bibliographique
Résumé
The emergence of tripod-mounted lidar sensors as a viable method of 3D data collection has provided users with the ability to interrogate structures using high-resolution, metrically accurate 3D measurements. As with any measurement device, the accuracy of the collected data is of paramount importance. Angular accuracy is a crucial parameter in the overall performance of a 3D range sensor. This is particularly true in long-range applications where angular errors would be amplified proportionately to the target range. Consequently, angular accuracy is the determining factor in the accuracy of a long-range tripod mounted laser scanner. Recent advances in laser scanning technologies enabled significant increases in the addressable field-of-view (FOV) of 3D scanners. The most common embodiment of such systems incorporates two axes-rotation mechanisms. Typically, a rapidly oscillating mirror directs a laser beam into a “sheet” of light covering a vertical plane. This plane, in turn, is rotated around a vertical axis to provide nearly omni-directional coverage of the scene. A 3D measurement system's angular accuracy depends on two angular characteristics: angular resolution and angular repeatability. The systems described above could suffer on both dimensions. In this case the angular resolution is determined by the available angular position sensors yielding angular increments that are too crude for long-range 3D measurements. Similarly, angular repeatability of the available actuators suffers from non-linearities and other mechanical instabilities. The combined results are a data set that is less accurate than what is achievable in small FOV systems of similar configuration.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».