LidarBoX: a 3D-printed, open-source altimeter system to improve photogrammetric accuracy for off-the-shelf drones
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Drones provide a privileged birds’-eye view for collecting high-resolution imagery for morphometric and behavioral sampling of animals. Biologically meaningful measurements extracted from overhead images require an accurate estimate of altitude, but current commercial drones include inaccurate barometer estimates. Recent proposals for coupling altimeter systems to drones have provided customized, open-source solutions, yet assembling such altimeter systems requires advanced technical skills, thereby potentially limiting their use. Here, we built upon recent advances to provide a 3D-printed enclosure for an altimeter system that is inexpensive, self-contained, easy to setup, and transferable across commercial drones. We depart from a published, successful data logger system composed of a GPS and LiDAR sensor and design a more compact and self-powered version (“LidarBoX”) that easily attaches to a variety of commercial drones. We compare flight times with/without LidarBoX attached, test flight maneuverability and performance, and validate the reliability of measurement accuracy. To make LidarBoX accessible, we provide an open-source repository with design code and files and a how-to-assemble guide for non-specialists. We hope this work helps popularize LiDAR altimeter systems on commercial drones to improve the accuracy and reliability of drones as a sampling platform for ecology and wildlife research.
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.
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 | 0,001 |
| 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 découle