Data Fusion for Sensory Information Processing Systems

علم مرتبط با توسعه سیستم‌های حسی مصنوعی عمدتاً به تعیین چگونگی استخراج اطلاعات درباره جهان از داده‌های حسی مشغول است. به عنوان مثال، دید محاسباتی، در بیشتر موارد، به توسعه الگوریتم‌هایی برای تقطیر اطلاعات در مورد جهان و تشخیص اشیاء مختلف در محیط (مثلاً محلی‌سازی) از تصاویر بصری (مثلاً عکس‌ها یا فریم‌های ویدیو) مربوط می‌شود. اغلب راه‌های زیادی وجود دارد که از طریق آن می‌توان اطلاعات خاصی درباره جهان را از داده‌های حسی به‌دست آورد. زیر حوزه ای از تحقیقات در سیستم های حسی بوجود آمده است که به روش هایی برای ترکیب این منابع اطلاعاتی مختلف مربوط می شود. این فیلد به نام ترکیب داده یا همجوشی حسگر شناخته می شود. ادبیات مربوط به ادغام داده ها گسترده است، که نشان دهنده علاقه شدید به این موضوع است، اما کاملاً آشفته است. هیچ رویکرد پذیرفته‌شده‌ای وجود ندارد، به جز چند مورد خاص، و بسیاری از بهترین روش‌ها موقتی هستند. این کتاب نشان دهنده تلاش ما برای ارائه یک پایه ریاضی است که بر اساس آن الگوریتم های همجوشی داده ها را می توان ساخت و تجزیه و تحلیل کرد. روشی که ما در این متن ارائه می‌دهیم ناشی از اعتقاد قوی به اهمیت محدودیت‌ها در سیستم‌های پردازش اطلاعات حسی است. از نظر ما، ادغام داده ها به بهترین وجه به عنوان تعبیه محدودیت های متعدد در راه حل یک مشکل پردازش اطلاعات حسی در فرآیند راه حل شناخته می شود.

The science associated with the development of artificial sen­ sory systems is occupied primarily with determining how information about the world can be extracted from sensory data. For example, computational vision is, for the most part, concerned with the de­ velopment of algorithms for distilling information about the world and recognition of various objects in the environ­ (e. g. localization ment) from visual images (e. g. photographs or video frames). There are often a multitude of ways in which a specific piece of informa­ tion about the world can be obtained from sensory data. A subarea of research into sensory systems has arisen which is concerned with methods for combining these various information sources. This field is known as data fusion, or sensor fusion. The literature on data fusion is extensive, indicating the intense interest in this topic, but is quite chaotic. There are no accepted approaches, save for a few special cases, and many of the best methods are ad hoc. This book represents our attempt at providing a mathematical foundation upon which data fusion algorithms can be constructed and analyzed. The methodology that we present in this text is mo­ tivated by a strong belief in the importance of constraints in sensory information processing systems. In our view, data fusion is best un­ derstood as the embedding of multiple constraints on the solution to a sensory information processing problem into the solution pro­ cess.