A FEASIBILITY STUDY ON USE OF GENERIC MOBILE LASER SCANNING SYSTEM FOR DETECTING ASPHALT PAVEMENT CRACKS
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
This study aims to automatically detect pavement cracks on urban roads by employing the 3D point clouds acquired by a mobile laser scanning (MLS) system. Our method consists of four steps: ground point filtering, high-pass convolution, matched filtering, and noise removal. First, a voxel-based upward growing method is applied to construct Digital Terrain Model (DTM) of the road surface. Then, a high-pass filter convolutes the DTM to detect local elevation changes that may embed cracking information. Next, a two-step matched filter is applied to extract crack features. Lastly, a noise removal process is conducted to refine the results. Instead of using MLS intensity, this study takes advantages of the MLS elevation information to perform automated crack detection from large-volume, mixed-density, unstructured MLS point clouds. Four types of cracks including longitudinal, transvers, random, and alligator cracks are detected. Our results demonstrated that the proposed method works well with the RIEGL VMX-450 point clouds and can detect cracks in moderate-to-severe severity (13 - 25 mm) within a 200 m by 30 m urban road segment located in Kingston, Ontario, at one time. Due to the resolution capability, small cracks with slight severity remain unclear in the MLS point cloud.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle