MétaCan
Menu
Retour à la cohorte
Enregistrement W4390045649 · doi:10.1109/idaacs58523.2023.10348764

Suppressing Laser Triangulation Sensors Optical Aberrations by Replacing the Lens with a Slit

2023· article· en· W4390045649 sur OpenAlexaff
Benjamin Lapointe-Pinel, Steven Pigeon

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptical measurement and interference techniques
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésLens (geology)OpticsDistortion (music)TriangulationPinhole (optics)LaserComa (optics)Computer scienceComputer visionArtificial intelligencePhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

This paper presents a new capture method for laser triangulation sensors consisting in replacing the lens with a slit—effectively making it a pinhole camera—and exploiting diffraction effects. This new method circumvents optical aberrations such as spherical, defocusing, coma, field curvature, and lens distortion, as well as lens flare to a point where it can be virtually ignored. Moreover, using a slit reduces the number of optical parts and simplifies the modeling of the laser spot to find its center. To test our proposed method, we generated data sets taking pictures with both a lens and a slit on different materials placed on a worm gear with its position controlled by a high-precision step motor. With this data, we extracted the center of the laser spot with different image processing algorithms. It was then possible to assess the goodness of fit of the triangulation curve using the sets of captured points by both methods. We show that not only we circumvent the adverse effects of optical aberrations and lens flares, we obtain a more accurate estimation of the actual known distance of the target.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,801
Score d'incertitude au seuil0,282

Scores Codex et Gemma par catégorie

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

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 Opus0,041
Tête enseignante GPT0,264
Écart entre enseignants0,224 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptical measurement and interference techniquesTravaux en français237 207