Sensorfusjonsalgoritme

Kalman filter

Kalman-filter er typisk.

Kjernen i algoritmen er å sette et sett med "tro"-faktorer for hver sensor. I hvert øyeblikk vil sensordataene fra siste øyeblikk bli brukt til statistikk for å forbedre gjetningen (selvtillegg), og kvaliteten på sensoren vil også bli bedømt. I sammenligningen mellom den predikerte verdien og den målte verdien til sensoren, vil en utmerket verdi bli estimert og gitt ut.

Dette betyr at hvis en sensor alltid gir en god og konsistent verdi og begynner å fortelle deg noe usannsynlig, vil sensorens troverdighetsnivå synke i løpet av noen få millisekunder til det begynner å gi mening igjen.

Dette er bedre enn enkel gjennomsnittsberegning eller stemmegivning, fordi Kalman-filteret kan håndtere situasjonen at de fleste sensorer er midlertidig ute av drift. Så lenge man kan beholde god grunn, kan den få roboten gjennom det mørke øyeblikket.

Kalman-filter er en anvendelse av mer generelle konsepter av Markov-kjeden og Bayesiansk resonnement, som er et matematisk system som iterativt forbedrer gjetningene deres ved å bruke bevis. Disse verktøyene er verktøy som brukes til å hjelpe vitenskapen selv med å teste ideer (som også er grunnlaget for det vi kaller "statistisk signifikans").

Derfor kan det sies poetisk at noen sensorfusjonssystemer uttrykker essensen av vitenskap med en hastighet på 1000 ganger per sekund.

Kalman-filtre har blitt brukt i banestasjoner for romsatellitter i flere tiår. Fordi moderne mikrokontrollere kan kjøre algoritmen i sanntid, blir de mer og mer populære innen robotikk.