Sensorfusionsalgorithmus

Kalman-Filter

Typisch ist der Kalman-Filter.

Der Kern des Algorithmus besteht darin, für jeden Sensor eine Reihe von „Glaubensfaktoren“ festzulegen. Zu jedem Zeitpunkt werden die Sensordaten vom letzten Moment für Statistiken verwendet, um die Schätzung zu verbessern (selbstaddierend), und es wird auch die Qualität des Sensors beurteilt. Beim Vergleich zwischen dem vorhergesagten Wert und dem Messwert des Sensors wird ein hervorragender Wert geschätzt und ausgegeben.

Das heißt, wenn ein Sensor immer einen guten und konsistenten Wert liefert und anfängt, Ihnen etwas Unwahrscheinliches zu sagen, sinkt die Glaubwürdigkeit des Sensors in wenigen Millisekunden, bis er wieder einen Sinn ergibt.

Dies ist besser als eine einfache Mittelwertbildung oder Abstimmung, da der Kalman-Filter mit der Situation umgehen kann, dass die meisten Sensoren vorübergehend außer Betrieb sind. Solange man einen guten Verstand behält, kann er den Roboter durch den dunklen Moment bringen.

Der Kalman-Filter ist eine Anwendung allgemeinerer Konzepte der Markov-Kette und des Bayes'schen Denkens, einem mathematischen System, das seine Vermutungen mithilfe von Beweisen iterativ verbessert. Bei diesen Werkzeugen handelt es sich um Werkzeuge, mit denen die Wissenschaft selbst Ideen testen kann (die auch die Grundlage dessen bilden, was wir „statistische Signifikanz“ nennen).

Daher kann man poetisch sagen, dass einige Sensorfusionssysteme die Essenz der Wissenschaft mit einer Geschwindigkeit von 1000 Mal pro Sekunde zum Ausdruck bringen.

Kalman-Filter werden seit Jahrzehnten in Orbitalstationen von Weltraumsatelliten eingesetzt. Da moderne Mikrocontroller den Algorithmus in Echtzeit ausführen können, erfreuen sie sich in der Robotik immer größerer Beliebtheit.