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 (selvtilhørighet), og kvaliteten på sensoren vil også bli dømt. I sammenligningen mellom den forutsagte verdien og den målte verdien av sensoren, vil en utmerket verdi bli estimert og output.

Dette betyr at hvis en sensor alltid gir en god og jevn verdi og begynner å fortelle deg noe usannsynlig, vil sensorens troverdighetsnivå avta i noen få millisekunder til det begynner å være fornuftig igjen.

Dette er bedre enn enkel gjennomsnitt eller stemmegivning, fordi Kalman -filter kan takle situasjonen som de fleste sensorer midlertidig er ute av drift. Så lenge man kan holde god grunn, kan det gjøre roboten gjennom det mørke øyeblikket.

Kalman Filter er en anvendelse av mer generelle begreper i Markov Chain og Bayesian 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 i seg selv å teste ideer (som også er grunnlaget for det vi kaller "statistisk betydning").

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

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