Sensorfusionsalgoritme

Kalman Filter

Kalman -filter er typisk.

Kernen i algoritmen er at indstille et sæt "tro" -faktorer for hver sensor. På hvert øjeblik vil sensordataene fra det sidste øjeblik blive brugt til statistik for at forbedre gættet (selvoptræden), og sensorens kvalitet vil også blive bedømt. I sammenligningen mellem den forudsagte værdi og den målte værdi af sensoren estimeres og udsendes en fremragende værdi.

Dette betyder, at hvis en sensor altid giver en god og konsekvent værdi og begynder at fortælle dig noget usandsynligt, vil sensorens troværdighedsniveau falde i et par millisekunder, indtil det begynder at give mening igen.

Dette er bedre end simpelt gennemsnit eller afstemning, fordi Kalman -filter kan håndtere den situation, som de fleste sensorer midlertidigt er ude af drift. Så længe man kan holde god grund, kan det gøre robotten gennem det mørke øjeblik.

Kalman Filter er en anvendelse af mere generelle begreber om Markov -kæde og Bayesian -ræsonnement, som er et matematisk system, der iterativt forbedrer deres gæt ved at bruge beviser. Disse værktøjer er værktøjer, der bruges til at hjælpe videnskaben selv med at teste ideer (som også er grundlaget for det, vi kalder "statistisk betydning").

Derfor kan det siges poetisk, at nogle sensorfusionssystemer udtrykker essensen af ​​videnskab med en hastighed på 1000 gange i sekundet.

Kalman -filtre er blevet brugt i orbitalstationer af rumssatellitter i årtier. Fordi moderne mikrokontrollere kan køre algoritmen i realtid, bliver de mere og mere populære inden for robotik.