Observation distribution modelling and closed-from precision estimation of scanned 2D geometric features for network design
Notice bibliographique
Résumé
Geometric features such as cylinders and planes are important objects of interest in terrestrial laser scanner surveys of complex scenes. The quality of the objects modelled from the laser scanner data is a function of many variables and geometric network design plays a key role in maximizing precision. The expected precision can be predicted at the planning stage from simulations of the environment to be scanned. However, this practice can incur a high computational load, even if performed in 2D rather than in 3D. In this paper, a closed-form solution to estimate geometric object precision is proposed as an efficient first order network design tool. It models the laser scanner measurement process with an observation distribution function that is introduced into the least-squares normal equations. Parameter precision is evaluated directly by solving a few (three to six) integrals and inverting the normal equations matrix. The method is presented for two cases of a circle lying in the horizontal plane and a 2D line scanned from a single location. Both a simplified circle model and a more general circle model are explored. The method is then extended using the summation of normals method to allow precision estimation from the combination of multiple scans from different locations. Results from many real datasets, 95 circles and 30 lines, show that the distributions of the range observations and derived Cartesian coordinates follow model predictions. Moreover, results demonstrate that the method can predict circle parameter standard deviations within 4%–6% of the experimental values. The agreement is at the 10% level for a very specific case due to inherent high parameter correlation. The agreement of line parameter standard deviations is much greater, approximately 0.1%. The results show the method can be a valuable tool to predict feature quality with minimal computational requirements. The method is beneficial to not only laser scanner network design but could also be to instantaneous 2D map construction performed for SLAM-based surveys.
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 | 0,001 | 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 ».