Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Mazurek P.

1 2010

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: funkcje wiarygodności

Sortuj według:

Ogranicz wyniki do:

Likelihood Functions Synthesis for Multitarget Multiple-Sensor Tracking Applications using GPGPU

Mazurek P.

Pomiary Automatyka Kontrola

2010

R. 56, nr 7

662-664

One-dimensional interpolation of the bearing function profile using small look-up-table as an alternative for run-time computation using direct formula is proposed in the paper. Computation of profile values is not necessary for large distances because a Gaussian profile is assumed so distance values are zeros. GPGPU are feasible for processing in parallel and are used in tests. The best results are obtained for conditional approach with distance test and look-up table of function profile.

Podejście bayesowskie jest często stosowane w celu uzyskania wysokiej jakości śledzenia i detekcji obiektów. Pomiarowa funkcja wiarygodności służy do wyspecyfikowania własności czujnika pomiarowego. Funkcje wiarygodności czujników (np. radarowych, wizyjnych) są określone wzorami matematycznymi [5] lub tabelami wartości. Wiele funkcji wiarygodności może zostać połączonych razem (5) w celu fuzji danych z wielu czujników. Funkcje wiarygodności można łatwo łączyć w przypadku dyskretnej przestrzeni pomiarowej 2D. Funkcja te jest zależna od odległości między czujnikiem a określoną komórką tej przestrzeni. Realizacja wszystkich możliwych kombinacji z wykorzystaniem tabeli wartości jest nieefektywna. Wyznaczenie funkcji wiarygodności w czasie rzeczywistym dla najbardziej typowej funkcji stosowanej w czujnikach wizyjnych jest możliwe za pomocą wzoru (6) lub uproszczonej postaci (7). W artykule zaproponowano interpolację jednowymiarową profilu funkcji z wykorzystaniem tabeli wartości i porównano z realizacją bezpośrednią (6). Ponadto wyznaczenie wartości profilu można uprościć dla dużej odległości między czujnikiem a określoną komórką. Do implementacji wykorzystano programowalny procesor graficzny (GPGPU), a w celu dalszej optymalizacji wykorzystano fakt, że nie jest konieczna synteza dla wszystkich komórek przestrzeni stanu.