Algoritmus fúze senzoru

Kalman filtr

Kalman filtr je typický.

Jádrem algoritmu je nastavit sadu faktorů „víry“ pro každý senzor. V každém okamžiku budou také posouzena data senzoru z posledního okamžiku pro statistiky ke zlepšení odhadu (samoobsluhy) a kvalita senzoru. Ve srovnání mezi předpokládanou hodnotou a měřenou hodnotou senzoru bude odhadnuta vynikající hodnota a výstup.

To znamená, že pokud senzor vždy dává dobrou a konzistentní hodnotu a začne vám říkat něco nepravděpodobného, ​​úroveň důvěryhodnosti senzoru se za několik milisekund sníží, dokud nebude znovu dávat smysl.

To je lepší než jednoduché průměrování nebo hlasování, protože Kalman Filtr se může vypořádat s situací, že většina senzorů je dočasně mimo provoz. Dokud člověk může udržet dobrý důvod, může to udělat robota v temném okamžiku.

Kalman Filter je aplikací obecnějších konceptů Markovova řetězce a Bayesovského uvažování, což je matematický systém, který iterativně zlepšuje své odhady pomocí důkazů. Tyto nástroje jsou nástroje, které se používají k tomu, aby se věda samotných pomohla testovat myšlenky (které jsou také základem toho, čemu říkáme „statistická význam“).

Lze tedy poeticky říci, že některé systémy senzorů fúze vyjadřují podstatu vědy rychlostí 1000krát za sekundu.

Kalman filtry byly po desetiletí používány v orbitálních stanicích kosmických satelitů. Protože moderní mikrokontroléry mohou algoritmus provozovat v reálném čase, stávají se stále populárnější v robotice.