Les humains sont des créatures multisensoriels; tous nos sens recueillir des informations sur le monde, guidant nos décisions. Un morceau de fromage semble bon, mais un peu renifler avant de manger n'a jamais fait mal; un escalier semble branlante, mais une étape minutieuse peut confirmer qu'il est sécuritaire. Un paquet semble vide, mais un coup d'oeil montre l'intérieur est bourré avec des arachides d'emballage. Informations multiples sens combine avec des souvenirs des expériences passées et de la pensée logique pour guider la prise de décision du cerveau. données artificielle fusion multi-capteur est conçu pour faire la même chose.
La prise de décision humaine
Prenons, par exemple, l'idée d'une voiture robot --- pas une voiture contrôlée à distance, mais un véritable véhicule robotisé qui se conduit. Si toutes les routes ont été peintes de la même façon, tout le trafic toujours déplacé selon le même modèle et pas d'obstacles inattendus jamais apparus, un véhicule d'auto-conduite autonome serait facile à construire. Mais ce qui se passe si le bord de la route diminue tout de suite dans une épaule de terre douce? Les humains regardent la scène, observer la texture, voir lames épars de l'herbe, identifier le chemin le plus probable sur la base du chemin déjà entraîné et fonctionnalités de la distance --- tous de cette information est intégrée et comparée avec des souvenirs de situations similaires, et la voiture reste sur la route.
orientation autonome
Dans l'exemple d'une voiture de robot, une image de la caméra ne peut pas fournir des informations complètes sur la base de laquelle la voiture peut prendre des décisions. Par exemple, des brins d'herbe et fissures dans la chaussée sont à la fois juste de petites lignes dans une image; un silencieux partiellement aplati dans la chaussée pourrait ressembler à l'ombre d'une branche en surplomb. Un robot ne peut pas tirer des conclusions logiques et n'a pas la capacité d'extrapoler de l'expérience passée. Voilà où les capteurs supplémentaires viennent; une caméra infrarouge permet de distinguer les ombres froides du métal chaud, et un télémètre laser peut distinguer des arbustes debout de marquages plats. Entrée à partir de plusieurs capteurs va dans une routine de prise de décision qui permet au robot de sélectionner le bon chemin pour conduire.
identification cible
Dans les applications de défense et de sécurité, les systèmes multi-capteurs sont utilisés pour séparer les menaces légitimes de fond inoffensifs ou leurres intentionnels. Par exemple, dire une caméra infrarouge détecte un objet lumineux; l'objet pourrait être lumineux car il fait chaud ou parce que la surface a une haute émissivité --- qui est, il émet une lumière infrarouge facilement. Mise en deux capteurs infrarouges distincts permettra de distinguer entre ces deux types d'objets. Mais que l'on est une cible potentielle? En regardant le signal radar donne des informations sur la composition de la surface de l'objet, tout en regardant 3D gammes et des images optiques fournit des informations sur la forme et le mouvement des objets. Encore une fois, toutes les informations va dans une routine de prise de décision visant à identifier une menace réelle.
Contrôle du processus de fabrication
Imaginez une usine de bouteilles qui est censé tourner des bouteilles vertes de forme et d'épaisseur uniforme. Pour assurer que les bouteilles sont fabriquées selon les spécifications, les gens à la fin de la ligne de production doivent regarder les bouteilles dans leur course par, arrachant ceux qui juste ne regardent pas à droite. Certains peuvent avoir des décolorations, taches minces dans le verre ou sont légèrement hors-centre. Les humains peuvent effectuer cette classification rapidement et séparer les bonnes bouteilles des mauvais, mais un capteur qui vérifie seulement que la couleur est juste ne sera pas sensible aux variations d'épaisseur ou des bouteilles difformes. Mettre sur pied un capteur spectral, une caméra de bord de détection et une échelle permettra au système de décider si une bouteille doit être rejeté ou conservé.
Applications supplémentaires
Les capteurs sont rapidement améliorés; ils sont de plus en plus sensible, plus petit, moins cher et plus fiable, afin que les applications futures vont croître. Tout lieu décisions doivent être prises sur la base des informations de l'environnement, les systèmes multisensoriels peuvent être utilisés. Comme le professeur Zappi de l'Université de Bologne déclare dans ses notes sur la fusion de données, les systèmes multisensoriels réduisent l'incertitude, améliorer l'observabilité, et d'augmenter la fiabilité. Les applications médicales, environnementales, industrielles, militaires et domestiques peuvent tous bénéficier de cette technologie.