Surface Reconstruction for Three-Dimensional Rockfall Volumetric Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Laser scanning is routinely being used for the characterization and management of rockfall hazards. A key component of many studies is the ability to use the high-resolution topographic datasets for detailed volume estimates. 2.5-Dimensional (2.5D) approaches exist to estimate the volume of rockfall events; however these approaches require rasterization of the point cloud. These 2.5D volume estimates are therefore sensitive to picking an appropriate cell size to preserve resolution while minimizing interpolation, especially for lower volume rockfall events. To overcome the limitations of working with 2.5D raster datasets, surface reconstruction methods originating from the field of computational geometry can be implemented to assess the volume of rockfalls in 3D. In this technical note, the authors address the methods and implications of how the surface of 3D rockfall objects, derived from sequential terrestrial laser scans (TLS), are reconstructed for volumetric analysis. The Power Crust, Convex Hull and Alpha-shape algorithms are implemented to reconstruct a synthetic rockfall object generated in Houdini, a procedural modeling and animation software package. The reconstruction algorithms are also implemented for a selection of three rockfall cases studies which occurred in the White Canyon, British Columbia, Canada. The authors find that there is a trade-off between accurate surface topology reconstruction and ensuring the mesh is watertight manifold; which is required for accurate volumetric estimates. Power Crust is shown to be the most robust algorithm, however, the iterative Alpha-shape approach introduced in the study is also shown to find a balance between hole-filling and loss of detail.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle