MétaCan
Menu
Retour à la cohorte
Enregistrement W2167732087 · doi:10.1109/icorr.2005.1501078

The Laser Line Object Detection Method in an Anti-Collision System for Powered Wheelchair

2005· article· en· W2167732087 sur OpenAlexaff
Hai Huang, Geoff Fernie

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueGaze Tracking and Assistive Technology
Établissements canadiensToronto Rehabilitation Institute
Organismes subventionnairesnon disponible
Mots-clésWheelchairCollisionLine (geometry)Computer scienceObject (grammar)Object detectionComputer visionSimulationArtificial intelligencePattern recognition (psychology)Computer securityMathematics

Résumé

récupéré en direct d'OpenAlex

The residents in long term care facilities with cognitive impairment and mobility disability need an anti-collision system on their powered wheelchairs to prevent them from causing other seniors to fall. Because of the severe consequence of falling, the detection method of the anti-collision system must be very reliable. However, many object detection techniques tend to miss targets that are unfavourably oriented or have certain surface properties. This research evaluated an uncommon method: laser line object detection (LLOD). The LLOD system projects an invisible infrared laser line onto the ground, and reads the resulting image via a camera. By analyzing the laser line in the image, the system can identify whether objects are in the target area. A pilot LLOD system was designed and installed on a powered wheelchair. The results of the evaluation experiments showed that the LLOD system can detect almost all obstacles with different orientations and materials, and produced a high detection rate on favourable flooring surfaces.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil0,267

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,298
Écart entre enseignants0,280 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations6
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGaze Tracking and Assistive TechnologyTravaux en français237 207