Characterization of the OPAL LiDAR under controlled obscurant conditions
Notice bibliographique
Résumé
Neptec Technologies’ OPAL-120 3D LiDAR is optimized for obscurant penetration. The OPAL-120 uses a scanning mechanism based on the Risley prism pair. The scan patterns are created by rotating two prisms under independent motor control. The geometry and material properties of the prisms define the conical field-of-view of the sensor, which can be built to between 60 to 120 degrees. The OPAL-120 was recently evaluated using a controlled obscurant chamber capable of generating clouds of obscurants over a depth of 22m. Obscurants used in this investigation include: Arizona road dust, water fog, and fog-oil. The obscurant cloud optical densities were monitored with a transmissometer. Optical depths values ranged from an upper value of 6 and progressively decreased to 0. Targets were positioned at the back of the obscurant chamber at a distance of 60m from the LiDAR. The targets are made of a foreground array of equally spaced painted wood stripes in front of a solid background. Reflectivity contrasts were achieved with foreground/background combinations of white/white, white/black and black/white. Data analysis will be presented on the effect of optical densities on range and cross-range resolution, and accuracy. The analysis includes the combinations of all obscurant types and target reflectivity contrasts.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».