Algoritmus fúze senzoru

Kalmanův filtr

Typický je Kalmanův filtr.

Jádrem algoritmu je nastavení sady faktorů „víry“ pro každý senzor. V každém okamžiku budou data senzoru z posledního okamžiku použita pro statistiku pro zlepšení odhadu (samopřidání) a bude se také posuzovat kvalita senzoru. Při porovnání předpokládané hodnoty a naměřené hodnoty senzoru bude odhadnuta a vygenerována vynikající hodnota.

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

To je lepší než prosté průměrování nebo hlasování, protože Kalmanův filtr si dokáže poradit se situací, kdy je většina senzorů dočasně mimo provoz. Dokud si člověk udrží dobrý důvod, dokáže robota překonat temným okamžikem.

Kalmanův filtr je aplikací obecnějších konceptů Markovova řetězce a Bayesovského uvažování, což je matematický systém, který iterativně zlepšuje jejich odhady pomocí důkazů. Tyto nástroje jsou nástroje, které pomáhají samotné vědě testovat nápady (které jsou také základem toho, čemu říkáme „statistická významnost“).

Proto lze poeticky říci, že některé senzorové fúzní systémy vyjadřují podstatu vědy rychlostí 1000krát za sekundu.

Kalmanovy filtry se na orbitálních stanicích vesmírných družic používají již desítky let. Protože moderní mikrokontroléry dokážou spouštět algoritmus v reálném čase, jsou v robotice stále populárnější.