Algoritmo di fusione dei sensori

Filtro di Kalman

Il filtro Kalman è tipico.

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

Ciò significa che se un sensore fornisce sempre un valore buono e coerente e inizia a dirti qualcosa di improbabile, il livello di credibilità del sensore diminuirà in pochi millisecondi finché non inizierà ad avere nuovamente senso.

Questo è meglio della semplice media o del voto, perché il filtro di Kalman può gestire la situazione in cui la maggior parte dei sensori sono temporaneamente fuori servizio. Finché si riesce a mantenere una buona ragione, è possibile far superare al robot il momento oscuro.

Il filtro di Kalman è un'applicazione di concetti più generali della catena di Markov e del ragionamento bayesiano, che è un sistema matematico che migliora in modo iterativo le ipotesi utilizzando prove. Questi strumenti sono strumenti utilizzati per aiutare la scienza stessa a testare le idee (che sono anche la base di ciò che chiamiamo "significatività statistica").

Pertanto, si può dire poeticamente che alcuni sistemi di fusione dei sensori esprimono l'essenza della scienza ad una velocità di 1000 volte al secondo.

I filtri Kalman vengono utilizzati da decenni nelle stazioni orbitali dei satelliti spaziali. Poiché i moderni microcontrollori possono eseguire l'algoritmo in tempo reale, stanno diventando sempre più popolari nella robotica.