A strip adjustment procedure to mitigate the impact of inaccurate mounting parameters in parallel lidar strips
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Lidar (laser scanning) technology has been proven as a prominent technique for the acquisition of high‐density and accurate topographic information. Because of systematic errors in the lidar measurements (drifts in the position and orientation information and biases in the mirror angles and ranges) and/or in the parameters relating the system components (mounting parameters), adjacent lidar strips may exhibit discrepancies. Although position and orientation drifts can have a more significant impact, these errors and their impact do not come as a surprise if the quality of the GPS/INS integration process is carefully examined. Therefore, the mounting errors are singled out in this work. The ideal solution for improving the compatibility of neighbouring strips in the presence of errors in the mounting parameters is the implementation of a rigorous calibration procedure. However, such a calibration requires the original observations, which may not be usually available. In this paper, a strip adjustment procedure to improve the compatibility between parallel lidar strips with moderate flight dynamics (for example, acquired by a fixed‐wing aircraft) over an area with moderately varying elevation is proposed. The proposed method is similar to the photogrammetric block adjustment of independent models. Instead of point features, planar patches and linear features, which are represented by sets of non‐conjugate points, are used for the strip adjustment. The feasibility and the performance of the proposed procedure together with its impact on subsequent activities are illustrated using experimental results from real data.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle