MétaCan
Menu
Retour à la cohorte
Enregistrement W4251818269 · doi:10.6028/jres.123.006

Software to Determine Sphere Center from Terrestrial Laser Scanner Data per ASTM Standard E3125-17

2018· article· en· W4251818269 sur OpenAlexaff
Prem Rachakonda, Bala Muralikrishnan, Luc Cournoyer, Daniel Sawyer

Notice bibliographique

RevueJournal of Research of the National Institute of Standards and Technology · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensNational Research Council Canada
Organismes subventionnairesPhysical Measurement Laboratory
Mots-clésNISTPoint cloudLaser scanningSoftwareComputer scienceMetrologyPoint (geometry)Measure (data warehouse)LaserCenter (category theory)Remote sensingScannerSystem of measurementReference dataComputer graphics (images)OpticsArtificial intelligenceGeologyPhysicsData miningMathematicsGeometryOperating system

Résumé

récupéré en direct d'OpenAlex

Terrestrial laser scanners (TLSs) are instruments that can measure 3D coordinates of objects at high speed using a laser, resulting in high density 3D point cloud data. The Dimensional Metrology Group (DMG) at NIST performed research to support the development of documentary standards within ASTM E57 committee on 3D imaging systems. This led to the publication of the ASTM E3125-2017 standard on point-to-point distance performance evaluation of 3D imaging systems such as TLSs. To ensure that the data from different TLS systems are processed identically, the ASTM E3125- 2017 mandates the use of a common algorithm to determine the center of a sphere from point cloud data. This paper describes this algorithm and software code is provided as a download.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,684
Score d'incertitude au seuil0,635

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,371
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research of the National Institute of Standards and TechnologyMême sujet3D Surveying and Cultural HeritageTravaux en français237 207