Sensorfusionsalgoritm

Kalman filter

Kalmanfilter 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 (självadderande), och kvaliteten på sensorn kommer också att bedömas.I jämförelsen mellan det förutsagda värdet och det uppmätta värdet för sensorn kommer ett utmärkt värde att uppskattas och matas ut.

Det betyder att om en sensor alltid ger ett bra och konsekvent värde och börjar berätta något osannolikt, kommer sensorns trovärdighetsnivå att minska på några millisekunder tills det börjar bli vettigt igen.

Detta är bättre än enkel medelvärdesberäkning eller röstning, eftersom Kalman-filter kan hantera situationen att de flesta sensorer tillfälligt är ur funktion.Så länge man kan behålla goda skäl, kan det göra roboten genom det mörka ögonblicket.

Kalman filter är en tillämpning av mer generella begrepp av Markovkedjan 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 signifikans").

Därför kan man säga poetiskt att vissa sensorfusionssystem uttrycker vetenskapens väsen med en hastighet av 1000 gånger per sekund.

Kalmanfilter har använts i omloppsstationer för rymdsatelliter i decennier.Eftersom moderna mikrokontroller kan köra algoritmen i realtid, blir de mer och mer populära inom robotik.