MétaCan
Menu
Retour à la cohorte
Enregistrement W2036228025 · doi:10.1117/12.777201

Full-scale testing and platform stabilization of a scanning lidar system for planetary landing

2008· article· en· W2036228025 sur OpenAlexafffund
Andrew C. M. Allen, Christopher Langley, Raja Mukherji, Manny Nimelman, Jean de Lafontaine, D. Neveu, Jeffrey W. Tripp

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2008
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Optical Sensing Technologies
Établissements canadiensNGC Aerospace (Canada)Optech (Canada)Canadian Space Agency
Organismes subventionnairesCanadian Space Agency
Mots-clésLidarRemote sensingRendezvousContext (archaeology)Computer scienceResidualDistortion (music)SpacecraftCalibrationComputer visionGeologyEngineeringAerospace engineeringPhysicsTelecommunicationsAlgorithm

Résumé

récupéré en direct d'OpenAlex

In August 2007, the engineering model of the Rendezvous Lidar System (RLS) was tested at the Sensor Test Range Facility that has been developed at NASA Langley Research Center for the calibration and characterization of 3-D imaging sensors. The three-dimensional test pattern used in this characterization is suitable for an empirical verification of the resolving capability of a lidar for both mid-range terminal rendezvous and hazard avoidance landing. The results of the RLS lidar measurements are reported and compared with image frames generated by a lidar simulator with an Effective Instantaneous Field of View (EIFOV) consistent with the actual scanning time-of-flight lidar specifications. These full-scale tests demonstrated the resolving capability of the lidar under static testing conditions. In landing operations, even though the lidar has a very short exposure time on a per-pulse basis, the dynamic motion of a lander spacecraft with respect to the landing site will cause pulse-to-pulse imaging distortion. MDA, Optech, and NGC Aerospace have teamed together to resolve this issue using motion compensation (platform stabilization) and motion correction (platform residual correction) techniques. Platform stabilization permits images with homogenous density to be generated so that no safe landing sites will be missed; platform residual errors that are not prevented by this stabilization are then corrected in the measurement data prior to map generation. The results of recent developments in platform stabilization and motion correction are reported and discussed in the context of total imaging error budget.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,220
Écart entre enseignants0,203 · 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

Citations10
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

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