MétaCan
Menu
Retour à la cohorte
Enregistrement W4308024365 · doi:10.1088/1361-6439/ac9e62

2D FPCB micromirror for scanning LIDAR

2022· article· en· W4308024365 sur OpenAlexaff
Trevor S Tai, Siyuan He, Behrad Ghazinouri

Notice bibliographique

RevueJournal of Micromechanics and Microengineering · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Optical Sensing Technologies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésLidarOpticsDigital micromirror deviceMaterials scienceFabricationLaser scanningLaserPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents a 2D flexible printed circuit board (FPCB) micromirror and a scanning 3D light detection and ranging (LIDAR) based on it by integrating the 2D FPCB micromirror with a commercially available single point LIDAR. The 2D FPCB micromirror retains the benefits of previously developed 1D FPCB micromirrors, i.e. large aperture and low cost while providing rotation of the mirror plate about two orthogonal axes to be able to scan a laser beam about both vertical and horizontal axes to achieve 2D scanning. One 2D FPCB micromirror is integrated with a single point LIDAR to achieve a 3D scanning LIDAR, which, in comparison to the previously developed 1D FPCB micromirror based 3D LIDAR, achieved more compact structure and easier fabrication/assembly due to no strict requirement on the alignment between two micromirrors while only one 2D micromirror rather than two 1D micromirrors used. Prototypes of the 2D FPCB micromirror and the 3D LIDAR based on it are fabricated and tested. The test results demonstrate that the 2D FPCB micromirror based 3D LIDAR achieved a volume reduction over the previous 1D FPCB micromirror based 3D LIDAR from 1042 cm3 to 754 cm3 with a field of view of 40°× 24° at 150 Hz horizontal scanning and 2 Hz vertical scanning.

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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,008
Tête enseignante GPT0,220
Écart entre enseignants0,212 · 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

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Micromechanics and MicroengineeringMême sujetAdvanced Optical Sensing TechnologiesTravaux en français237 207