Algoritmo di fusione del sensore

Filtro Kalman

Il filtro Kalman è tipico.

Il nucleo dell'algoritmo è quello di impostare una serie di fattori di "convinzione" per ciascun sensore. In ogni momento, i dati del sensore dell'ultimo momento verranno utilizzati per le statistiche per migliorare l'ipotesi (autoaggeri) e anche la qualità del sensore verrà giudicata. Nel confronto tra il valore previsto e il valore misurato del sensore, verrà stimato un valore eccellente e output.

Ciò significa che se un sensore dà sempre un valore buono e coerente e inizia a dirti qualcosa di improbabile, il livello di credibilità del sensore diminuirà in pochi millisecondi fino a quando non inizierà a avere di nuovo senso.

Questo è meglio della media semplice o votazione, perché Kalman Filter può affrontare la situazione in cui la maggior parte dei sensori è temporaneamente fuori servizio. Finché si può mantenere una buona ragione, può rendere il robot nel momento oscuro.

Kalman Filter è un'applicazione di concetti più generali della catena di Markov e del ragionamento bayesiano, che è un sistema matematico che migliora iterativamente le loro ipotesi usando prove. Questi strumenti sono strumenti utilizzati per aiutare la scienza a testare idee (che sono anche la base di ciò che chiamiamo "significato statistico").

Pertanto, si può dire poeticamente che alcuni sistemi di fusione del sensore stanno esprimendo l'essenza della scienza a una velocità di 1000 volte al secondo.

I filtri Kalman sono stati usati nelle stazioni orbitali dei satelliti spaziali per decenni. Poiché i moderni microcontroller possono eseguire l'algoritmo in tempo reale, stanno diventando sempre più popolari nella robotica.