Lidar for obstacle detection during helicopter landing
Notice bibliographique
Résumé
Helicopter pilots in military and civilian operations need visual assistance for safe flight and landing under adverse conditions, especially during white-out condition or brown-out condition, in which it is difficult for a pilot to see obstacles or ground through snow or dust generated by the helicopter's rotorwash. There have been intensive efforts to develop a sensor that can detect obstacles or ground inside aerosols in recent years. LIDAR can use the gating function of timing discrimination to suppress the effect of scattering from aerosols, it can generally "see" farther than passive sensors such as human eyes and cameras inside aerosols. The challenge of using a LIDAR under aerosol conditions is not only the requirement of high laser power for penetrating aerosols, but also the requirement of high detection dynamic range and the suppression of aerosol scattering in front of a LIDAR. Neptec's Obscurant Penetrating Autosynchronous LIDAR (OPAL) uses an autosynchronized optical design, which utilizes a triangulation relationship to control the amount of return beam accepted by the TOF (time-of-flight) receiver as a function of target range. The design also maintains this property during high-speed optical scanning. As a result, OPAL can suppress the return signals from nearby aerosol scattering and, at the same time, have a sensitivity and dynamic range to detect obstacles or ground inside aerosol. Neptec has conducted experiments to study the effect of atmospheric aerosol scattering on LIDAR, FLIR and human vision by using a propagation and aerosol evaluation corridor. Neptec has also carried out flight tests of a prototype of OPAL on a NRC Bell 412 helicopter. In this paper, the concept of the OPAL that is uniquely designed to penetrate aerosols will be described and its applications in helicopter landing will be 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».