MétaCan
Menu
Retour à la cohorte
Enregistrement W2575323082 · doi:10.1117/12.839317

Pre-correction of projected gratings for surface profile measurement

2008· article· en· W2575323082 sur OpenAlexaff
Cuiru Sun, Hua Lu

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptical measurement and interference techniques
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésGratingOpticsPhase (matter)CalibrationSpeckle patternSurface (topology)Plane (geometry)Displacement (psychology)Projection (relational algebra)Computer scienceStructured-light 3D scannerPhysicsAlgorithmMathematics

Résumé

récupéré en direct d'OpenAlex

This paper discusses errors caused by unequal grating pitch in applying the phase-shifted digital grating projection method for object profile measurement. To address the related issues, a new scheme is proposed to effectively improve the uniformity of the projected grating pitch across the object surface with no additional hardware cost. The improvement is mainly realized via a grating pitch pre-correction algorithm assisted by Digital Speckle/Image Correlation (DSC/DIC). DIC is utilized to accurately determine the surface grating pitch variation when an originally equal-pitched grating pattern is slant projected to the surface. With the actual pitch distribution function determined, a pre-corrected grating with unequal pitch is generated and projected, and the iterative algorithm reaches a constant pitched surface grating. The mapping relationship between the object surface profile (or out-of-plane displacement) and the fringe phase changes is obtained with a real-time subtraction based calibration. A quality guide phase unwrapping method is also adopted in the fringe processing. Finally, a virtual reference phase plane obtained by a 3-point plane fitting algorithm is subtracted to eliminate the carrier phase. The study shows that a simple optical system implemented with the mentioned improvements remarkably increase the accuracy and the efficiency of the measurement.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,324
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,030
Tête enseignante GPT0,243
Écart entre enseignants0,214 · 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.

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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetOptical measurement and interference techniquesTravaux en français237 207