Data Fusion и компьютерное зрение

Data Fusion представляет собой совмещение данных от разных источников с изображениями, полученными с камер Computer Vision. Цель этого совмещения -- получить более точную и максимально полезную информацию. Но так ли это необходимо? Чтобы ответить на этот вопрос, надо перечислить основные проблемы, с которыми может столкнуться CV:

1. Разные характерные черты (ХЧ) могут быть выделены из одного и того же изображения.
2. Разные экземпляры однотиповых объектов (к примеру, "машины" или "люди") часто выглядят тоже по-разному.
3. Разные экземпляры одного и того же класса объектов не только выглядят, но и ведут себя по-разному, по крайней мере, периодически это наблюдается.
4. Тот же самый объект, наблюдаемый с разных точек (с разных камер) тоже может выглядеть по-разному.
5. Разные комбинации всего вышеперечисленного, соответственно, также дают разный результат.

И вот здесь и нужен Data Fusion. Дело в том, что когда анализ данных, полученных с комплекса датчиков и CV-системы, является совмещенным, ценность информации значительно повышается. Следовательно, улучшается и работа приложения, которое использует эту информацию.

К примеру, системы ADAS кроме CV-камер могут оснащаться различными датчиками:

• LIDAR,
• одомер,
• Radar,
• ультразвуковые датчики.

На картинке ниже -- комплекс CV-камер и датчиков автомобильной системы ADAS:

Именно благодаря комплексному анализу (Fusion Algorithm), который становится возможным путем получения данных со всех датчиков и вспомогательных сенсоров (Supplementary Sensor), а также непосредственно CV-системы (Vision System), становится реальным получение однозначного вывода, к примеру, о том, что по ходу движения авто на таком-то расстоянии находится пешеход.

По материалам https://www.tadviser.ru/.