A Comparison of TLS-based and ALS-based Techniques for Concrete Floor Waviness Assessment
Notice bibliographique
Résumé
A Comparison of TLS-based and ALS-based Techniques for Concrete Floor Waviness Assessment Nisha Puri and Yelda Turkan Pages 1142-1148 (2019 Proceedings of the 36th ISARC, Banff, Canada, ISBN 978-952-69524-0-6, ISSN 2413-5844) Abstract: Laser scanning-based techniques have been applied for checking the dimensional tolerances of concrete elements. Several studies utilized Terrestrial Laser Scanning (TLS) for measuring concrete floor waviness. The results of those efforts have shown that accurate floor waviness information can be obtained using TLS. Unmanned Aerial Vehicles (UAVs) mounted with cameras and 3D laser scanning sensors, referred to as Airborne Laser Scanning (ALS) hereafter, have versatile applications in construction, such as surveying, progress control, 3D modelling and inspections. As-built data collection for dimensional quality assessment can be a potential application of such technology. In particular, the application of ALS for assessing the waviness of concrete slabs warrants further exploration. This study presents the results of a comparative analysis of floor waviness measurement results obtained using ALS and TLS-based technologies. Continuous Wavelet Transform (CWT) is applied to the depth map derived from both point cloud datasets to obtain waviness information. Comparable results are obtained for the CWT scales of 30, 60 and 75. Detailed discussions on how the results can be improved are presented. The analysis of the accuracy of results obtained using ALS advances its application in the field of dimensional quality assessment. Keywords: TLS; ALS; Continuous wavelet transform; Depth map; Point cloud; Dimensional quality control; tolerance compliance DOI: https://doi.org/10.22260/ISARC2019/0152 Download fulltext Download BibTex Download Endnote (RIS) TeX Import to Mendeley
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».