Algoritmo de fusão de sensores

Filtro Kalman

O filtro Kalman é típico.

O núcleo do algoritmo é definir um conjunto de fatores de "crença" para cada sensor. A cada momento, os dados do sensor do último momento serão usados ​​para estatísticas para melhorar o palpite (adição automática) e a qualidade do sensor também será julgada. Na comparação entre o valor previsto e o valor medido do sensor, um excelente valor será estimado e saída.

Isso significa que, se um sensor sempre fornecer um valor bom e consistente e começar a dizer algo improvável, o nível de credibilidade do sensor diminuirá em alguns milissegundos até começar a fazer sentido novamente.

Isso é melhor do que uma simples média ou votação, porque o filtro Kalman pode lidar com a situação em que a maioria dos sensores está temporariamente fora de ordem. Enquanto se puder manter uma boa razão, ele pode fazer o robô durante o momento sombrio.

O filtro Kalman é uma aplicação de conceitos mais gerais de cadeia de Markov e raciocínio bayesiano, que é um sistema matemático que melhora iterativamente suas suposições usando evidências. Essas ferramentas são ferramentas usadas para ajudar a própria ciência a testar idéias (que também são a base do que chamamos de "significância estatística").

Portanto, pode -se dizer poeticamente que alguns sistemas de fusão de sensores estão expressando a essência da ciência a uma velocidade de 1000 vezes por segundo.

Os filtros Kalman têm sido usados ​​em estações orbitais de satélites espaciais há décadas. Como os microcontroladores modernos podem executar o algoritmo em tempo real, eles estão se tornando cada vez mais populares na robótica.