MétaCan
Menu
Retour à la cohorte
Enregistrement W2205720127 · doi:10.1080/15599612.2015.1059536

Optimal Spatial Resolution of Omnidirectional Imaging Systems for Pipe Inspection Applications

2015· article· en· W2205720127 sur OpenAlexaff
Abbasali Dehghan Tezerjani, Mehran Mehrandezh, Raman Paranjape

Notice bibliographique

RevueInternational Journal of Optomechatronics · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptical measurement and interference techniques
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer visionArtificial intelligenceOmnidirectional antennaResolution (logic)Image resolutionTelecommunications

Résumé

récupéré en direct d'OpenAlex

Achieving optimal spatial resolution in imaging systems plays a major role in the design of vision-based industrial inspection tools. Single-view omnidirectional imaging systems provide a cost-effective and computationally-traceable solution for real-time inspection of infrastructure with a favorable size factor. We formulate, for the first time, the spatial cylindrical resolution of omnidirectional Catadioptric and Dioptric imaging systems with the focus on pipe inspection applications. We also provide a design guideline to achieve the highest resolution in these systems. First, we deliver a comprehensive study on optimal resolution in Catadioptric imaging systems which consist of a perspective pinhole camera, a collimated laser as the light source, and a reflective surface (i.e., hyperbolic mirror). Variation of the spatial resolution in terms of the camera's focal length, the mirror curvature, and the relative position between the laser projector and the camera is fully investigated via simulation and experiments. Also, the optimal resolution in Dioptric systems, which consist of a camera with compound refractive lenses (i.e., fish-eye lens) is studied and compared with that in Catadioptric systems. Tests were conducted on a 40-cm-diameter PVC pipe in a controlled laboratory environment.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,316
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 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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of OptomechatronicsMême sujetOptical measurement and interference techniquesTravaux en français237 207