High-speed three-dimensional surface measurement using band-limited illumination profilometry (BLIP)
Notice bibliographique
Résumé
High-speed three-dimensional (3D) surface imaging by structured-light profilometry is currently driven by industrial needs, medical applications, and entertainment. However, the limitation of pattern projection speed has prevented the structured illumination to reach the kilohertz (kHz) level. The limited bandwidth of the data transmission has prevented the camera from streaming data continuously, which thus has brought difficulties in kHz-level image acquisition, processing, and display of 3D information during the occurrence of dynamic events (i.e., in real time). Besides, the tradeoff between the camera’s sensor readout rate and the activated pixel numbers has strained the existing methods from reaching a large field of view (FOV) at kilohertz (kHz)-level acquisition. To overcome these limitations, we have developed highspeed band-limited illumination profilometry (BLIP) in two configurations. The first configuration, employing a single camera with a CoaXPress interface (CI), enables real-time 3D surface information reconstruction at 1 kHz. The second configuration, employing two cameras with a CI, uses temporally interlaced acquisition (TIA) to improves the 3D imaging over 1000 frames per second on a field of view (FOV) of up to 180×130 mm<sup>2</sup> (corresponding to 1180×860 pixels) in captured images. We have demonstrated the systems’ performance by imaging various static and fast-moving 3D objects. CI-BLIP has been applied to fluid mechanics by imaging dynamics of a flag, which allowed observation of the wave propagation, gravity-induced phase mismatch, and asymmetric flapping motion. Meanwhile, TIA-BLIP has empowered the 3D visualization of glass vibration induced by sound. We expect BLIP systems to find diverse scientific and industrial applications.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».