The prototype system has a good lin

The prototype system has a good linearity of
1.17%. Fig. 10 shows the standard deviations of the distance
detection versus the distance in the z direction, when the objects
pose were from -10◦ to 10◦. In this way, the accuracy ofthe distance detection is easily influenced by the pose of measured objects. The proposed method need to select a suitable
neural network based on the detected distance. Therefore, the
standard deviation of the distance detection was important. In
this experiment, The standard deviation was lower than 2.5mm
up to 280mm in the z direction.

ผลลัพธ์ (ไทย) 1:

ระบบต้นแบบมีแบบดอกไม้ที่ดีของความ 1.17% Fig. 10 แสดงส่วนเบี่ยงเบนมาตรฐานของระยะห่างตรวจสอบเทียบกับระยะทางในทิศทาง z เมื่อวัตถุก่อให้เกิดได้จาก - 10◦ 10◦ ได้รับอิทธิพลความแม่นยำของการตรวจสอบระยะทางด้วยวิธีนี้ โดยก่อให้เกิดวัตถุวัด วิธีการนำเสนอจำเป็นต้องเลือกที่เหมาะสมเครือข่ายประสาทขึ้นอยู่กับระยะทางที่ตรวจพบ ดังนั้น การส่วนเบี่ยงเบนมาตรฐานของการตรวจพบระยะทางเป็นสำคัญ ในการทดลองนี้ ส่วนเบี่ยงเบนมาตรฐานไม่ต่ำกว่า 2.5 มม.ถึง 280 มม.ในทิศทาง z

ผลลัพธ์ (ไทย) 2:

ระบบต้นแบบที่มีความเป็นเชิงเส้นที่ดีของ
1.17% มะเดื่อ 10 แสดงให้เห็นถึงค่าเบี่ยงเบนมาตรฐานของระยะทาง
เมื่อเทียบกับการตรวจสอบระยะทางในทิศทางซีเมื่อวัตถุที่
ก่อให้เกิดมาจากการ-10◦10◦ ด้วยวิธีนี้ถูกต้อง ofthe การตรวจสอบระยะทางที่ได้รับอิทธิพลอย่างง่ายดายโดยก่อให้เกิดของวัตถุที่วัด วิธีที่เสนอจะต้องเลือกที่เหมาะสม
เครือข่ายประสาทตามระยะทางที่ตรวจพบ ดังนั้น
ส่วนเบี่ยงเบนมาตรฐานของการตรวจสอบระยะทางที่มีความสำคัญ ใน
การทดลองนี้ส่วนเบี่ยงเบนมาตรฐานต่ำกว่า 2.5
ขึ้นไปในทิศทาง 280 ซี

ผลลัพธ์ (ไทย) 3:

ระบบต้นแบบมีกระแสที่ดีของ
1.17 % รูปที่ 10 แสดงส่วนเบี่ยงเบนมาตรฐานของระยะทาง
ตรวจจับเมื่อเทียบกับระยะทางใน Z ทิศทาง เมื่อวัตถุ
ท่าจาก - 10 ◦ 10 ◦ . ในวิธีนี้ , ความถูกต้องของระยะตรวจจับอิทธิพลได้อย่างง่ายดายโดยท่าของวัตถุได้ วิธีที่เสนอจะต้องเลือกที่เหมาะสม
เครือข่ายประสาทขึ้นอยู่กับว่าระยะทาง ดังนั้น ,
ส่วนเบี่ยงเบนมาตรฐานของระยะตรวจจับเป็นสำคัญ ในการทดลองนี้
ส่วนเบี่ยงเบนมาตรฐานต่ำกว่า 2.5 Z
ถึง 280mm ในทิศทาง