MétaCan
Menu
Retour à la cohorte
Enregistrement W2072747368 · doi:10.1117/12.667891

Synthetic vision for rotorcraft: low level flight

2006· article· en· W2072747368 sur OpenAlexaff
Zoltan Szoboszlay, Chad Jennings, Carlo Tiana

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueSatellite Image Processing and Photogrammetry
Établissements canadiensAir Canada
Organismes subventionnairesnon disponible
Mots-clésTerrainComputer scienceElevation (ballistics)Computer visionRemote sensingAltitude (triangle)Artificial intelligenceRadarEngineeringGeologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Two topics are discussed in this paper. The first is the Integrated Multi-sensor Synthetic Imagery System (IMSIS), being developed under an Army SBIR contract. The system updates on-board, pre-stored, terrain elevation data with 3D terrain elevation sensor data (such as radar). The system also merges 2D image contrast sensor data (such as infrared imagery) with the updated 3D terrain elevation data to render a synthetic image of the terrain on the rotorcraft pilot's display. The second topic is the testing of a new flight path marker, to show the pilot the predicted location of the aircraft with respect to the synthetic terrain (at 100m distance), as well as the predicted height above the terrain, the desired height above the terrain, and the point on the terrain the aircraft is expected to fly over. The Altitude and ground Track Predicting Flight Path Marker (ATP-FPM) symbol takes advantage of knowledge of terrain elevations ahead of the aircraft from a synthetic vision system, such as IMSIS. In simulation, the maximum low altitude error and maximum ground track error were both reduced by a factor of 2 with the ATP-FPM compared to the traditional instantaneous flight path marker. Pilot-to-pilot variations in performance were reduced and workload decreased with the ATP-FPM.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 GPT0,227
Écart entre enseignants0,217 · 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

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetSatellite Image Processing and PhotogrammetryTravaux en français237 207