Sensorfusionalgorithmus

Kalman -Filter

Kalman -Filter ist typisch.

Der Kern des Algorithmus besteht darin, für jeden Sensor eine Reihe von "Glaubensfaktoren" festzulegen. In jedem Moment werden die Sensordaten aus dem letzten Moment für Statistiken verwendet, um die Vermutung (Selbstanschluss) zu verbessern, und die Qualität des Sensors wird ebenfalls beurteilt. Im Vergleich zwischen dem vorhergesagten Wert und dem gemessenen Wert des Sensors wird ein ausgezeichneter Wert geschätzt und ausgegeben.

Dies bedeutet, dass, wenn ein Sensor immer einen guten und konsistenten Wert gibt und Ihnen etwas Unwahrscheinliches sagt, das Glaubwürdigkeitsniveau des Sensors in einigen Millisekunden abnimmt, bis er erneut sinnvoll ist.

Dies ist besser als die einfache Mittelung oder Abstimmung, da Kalman Filter mit der Situation umgehen kann, dass die meisten Sensoren vorübergehend außer Betrieb sind. Solange man einen guten Grund behalten kann, kann es den Roboter durch den dunklen Moment machen.

Kalman Filter ist eine Anwendung allgemeinerer Konzepte der Markov -Kette und des Bayes'schen Denkens, ein mathematisches System, das ihre Vermutungen durch die Verwendung von Beweisen iterativ verbessert. Diese Tools sind Tools, mit denen die Wissenschaft selbst Ideen testen (die auch die Grundlage für das sind, was wir als "statistische Bedeutung" bezeichnen).

Daher kann poetisch gesagt werden, dass einige Sensorfusionssysteme die Essenz der Wissenschaft mit einer Geschwindigkeit von 1000 -mal pro Sekunde ausdrücken.

Kalmanfilter werden seit Jahrzehnten in Orbitalstationen von Weltraumsatelliten verwendet. Da moderne Mikrocontroller den Algorithmus in Echtzeit führen können, werden sie in der Robotik immer beliebter.