Notice bibliographique
Résumé
Recently, a robotic percussive riveting system has been developed at Ryerson University for an automation of percussive riveting process of aero-structural fastening assembly. The system consists of a robot holding a percussive riveting gun equipped with a rivet feeder, a gantry holding a working panel of aero-structure, and a position visual sensor. Prior to riveting, the robot is required to first position and then insert a rivet precisely into a hole on the panel without engaging the panel to prevent potential damage. The underlying challenges to precise insertion are various sources of system uncertainties, mainly including alignment errors among coordinate systems of the robot, panel and sensor, and relatively poor absolute positioning accuracy of the robot due to mechanical deflection, assembly clearance, and machining tolerance. For this reason, the research of relative pose estimation between the robot and panel has been carried out pertaining to these challenges. Essentially, pose estimation is proposed for robotic percussive riveting, which estimates the relative pose between two rigid bodies based on noisy visual measurements of point features on rigid bodies. Three categories can be classified, namely, static, dynamic, and robust pose estimation. Firstly, static pose estimation is the parameter estimation of static relative pose transformations among a number of frames, which solves the issue of alignment errors. Direct solutions of static relative pose estimation are derived based on least-square methods. Secondly, to tackle the issue of poor absolute positioning accuracy of the robot, dynamic relative pose estimation is proposed addressing a state estimation of relative poses during motion. Iterative extended Kalman filter method is adapted for the state estimation. Thirdly, for robustness against outliers of point measurements, robust pose estimation is proposed based on an outlier diagnosis using the technique of relaxation of rigid body constraints. Indeed, outlier diagnosis is a pre-processing of point measurements, in which outliers are detected and removed prior to the relative pose estimation. Further, a decorrelation method is proposed for measurement calibration using multivariate statistical analysis to find an optimal sensor-to-target configuration. As a result, each coordinate measurement is close to uncorrelated and it allows for a simple calibration.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».