Sensorfusionsalgoritm

Kalmanfilter

Kalman -filter är typiskt.

Kärnan i algoritmen är att ställa in en uppsättning "tro" -faktorer för varje sensor. Vid varje ögonblick kommer sensordata från det sista ögonblicket att användas för statistik för att förbättra gissningen (självåtgärd), och kvaliteten på sensorn kommer också att bedömas. I jämförelsen mellan det förutsagda värdet och det uppmätta värdet på sensorn kommer ett utmärkt värde att uppskattas och utgång.

Detta innebär att om en sensor alltid ger ett bra och konsekvent värde och börjar berätta något osannolikt, kommer sensorns trovärdighetsnivå att minska i några millisekunder tills det börjar vara vettigt igen.

Detta är bättre än enkel medelvärde eller omröstning, eftersom Kalman -filter kan hantera den situation som de flesta sensorer tillfälligt är i ordning. Så länge man kan hålla goda skäl kan det göra roboten genom det mörka ögonblicket.

Kalman -filter är en tillämpning av mer allmänna begrepp om Markov -kedjan och Bayesian resonemang, vilket är ett matematiskt system som iterativt förbättrar deras gissningar genom att använda bevis. Dessa verktyg är verktyg som används för att hjälpa vetenskapen själv att testa idéer (som också är grunden för vad vi kallar "statistisk betydelse").

Därför kan det sägas poetiskt att vissa sensorfusionssystem uttrycker essensen i vetenskapen med en hastighet av 1000 gånger per sekund.

Kalman -filter har använts i orbitalstationer i rymdsatelliter i årtionden. Eftersom moderna mikrokontroller kan köra algoritmen i realtid, blir de mer och mer populära inom robotik.