Structural mapping of rock walls imaged with a LiDAR mounted on an unmanned aircraft system
Notice bibliographique
Résumé
Structural mapping of rock walls to determine fracture orientation provides critical geological information in support of mining operations. A helicopter-style UAS (rotor diameter 2 m; take-off mass 35 kg; payload mass 11 kg) instrumented with a high-resolution LiDAR imaged a 75 m long and 10–15 m high series of four adjacent rock walls at the Canadian Wollastonite mine. A point cloud with a density of 484 point/m 2 acquired at an angle of incidence of ∼41.7° from a flight altitude of 41.7 m above ground level was selected for structural mapping. The point cloud was first meshed using the Poisson surface reconstruction method and then remeshed to achieve an even element size distribution. Visualization of the remeshed Poisson mesh using a 360° hue–saturation–lightness colour wheel highlighted areas of higher fracture density, whereas visualization using a 180° colour wheel accentuated sliver-like geological features. Two joint sets were identified at 156/82 and 241/86 (strike/dip in degrees). A total of 18 virtual strike measurements and 13 virtual dip measurements were within 10% of manual compass measurements. This study demonstrated that the task of structural mapping of large rock walls can be automated by processing 3D images acquired with a LiDAR mounted on a UAS.
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 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) | 0,001 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».