MétaCan
Menu
Retour à la cohorte
Enregistrement W4285140247 · doi:10.1109/tie.2022.3187597

3-D Structured Light Scanning With Phase Domain-Modulated Fringe Patterns

2022· article· en· W4285140247 sur OpenAlexafffund
Xingjian Liu, Luhang Song, Mingkang Zhang, Te Li, Changhai Ru, Yongqing Wang, Yu Sun

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptical measurement and interference techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésPhase (matter)Modulation (music)Phase modulationComputer scienceSIGNAL (programming language)Signal-to-noise ratio (imaging)Frequency domainOpticsNoise (video)Phase-shift keyingArtificial intelligencePhase retrievalComputer visionAlgorithmPhase noiseImage (mathematics)MathematicsPhysicsTelecommunicationsAcousticsFourier transformDecoding methodsBit error rate

Résumé

récupéré en direct d'OpenAlex

Existing 3-D structured light (SL) scanning methods require a high number of images (multifrequency phase shifting, MF-PS) or embed signals in the space domain (space domain modulation phase shifting, SDM-PS) to conduct phase unwrapping. These methods are either movement sensitive (for MF-PS) or low in accuracy (for SDM-PS). In this work, a new 3-D SL scanning method is proposed to use the theoretical minimum of three images only. Unlike existing methods that directly embed signals in the space domain, the assistance signals are modulated in the phase domain of PS images, inspired by the phase-shift keying (PSK) theory. Phase calculation in the proposed phase domain modulation phase shifting (PDM-PS) method is independent of embedded assistance signals. The signal to noise ratio (SNR) of phase codewords and the accuracy of phase unwrapping and 3-D reconstruction are well retained. Experimental results demonstrated that the proposed PDM-PS method using only three images was able to achieve comparable 3-D measurement accuracy as the traditional MF-PS method (three images vs. nine images, 0.03 mm vs. 0.02 mm); and both using three images, the proposed PDM-PS method outperformed the traditional SDM-PS method in terms of measurement accuracy (0.03 mm vs. 0.07 mm).

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
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 Opus0,033
Tête enseignante GPT0,259
Écart entre enseignants0,226 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations22
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetOptical measurement and interference techniquesTravaux en français237 207