Elosztott érzékelő rendszerek: szemantikai & geometriai modellezés

Egy adott szenzorplatformról a vizsgált esemény értékelhető néhány leképzési eljáráson alapuló felismerési módszerrel, például mély-tanulási struktúrákkal. Ebben a folyamatban az adat / tulajdonság halmazt értékelő hálózatokon keresztül szemantikus értelmezési szintre vetítik. Egy másik platform különböző szenzorainak alapján, amelyek más adatokat / tulajdonságokat használnak, hasonló szemantikai értelmezést kaphatunk. Ez a kettős/többes felismerési eljárás egy regisztrációs eljárást eredményezhet a két vagy több szenzorplatform között, amelyet a jellemzők halmazainak egymásra vetített leképezésének tekintenek. Ez a szemantikus alapú vetület finomítható egy iteratív szelekciós eljárással, mint például a geometriai vetületek RANSAC-módszere. Ez az eljárás pontrosíthatja a vizsgált események és tárgyak felismerését, miközben a megfigyelési platformok adatai között ids javul a koherencia.

Mivel az érzékelő-platformokat térbeli helyzetük is paraméterezi, és a megfigyelt objektumok térbeli 3D elemzéshez ezekre a geometriai vetületekre is szükség van, az érzékelő-tér értékelést kettős értelmezésben írhatjuk le: szemantikai felismerés és geometriai vetítés, ahol mindkettőhöz tartozik transzformáció eljárás: a geometriaihoz 3D leképezési eljárások, a szemantikaihoz mély-tanuló hálók és áttanítási eljárások. Ezen módon a különböző szenzorplatformok különböző adat- / jellemző-forrásaihoz magas szintű és összetett szemantikai értelmezést generálhatunk a tényleges eseményről, valamint a platformok és a kölcsönös célpontok geometriai helyzetéről.