Sensor fusion algorithm

Kalman Filter

Karaniwan ang filter ng Kalman.

Ang core ng algorithm ay upang magtakda ng isang hanay ng mga "paniniwala" na mga kadahilanan para sa bawat sensor. Sa bawat sandali, ang data ng sensor mula sa huling sandali ay gagamitin para sa mga istatistika upang mapagbuti ang hula (pag-iingat sa sarili), at ang kalidad ng sensor ay hahatulan din. Sa paghahambing sa pagitan ng hinulaang halaga at ang sinusukat na halaga ng sensor, isang mahusay na halaga ang tinatantya at output.

Nangangahulugan ito na kung ang isang sensor ay palaging nagbibigay ng isang mahusay at pare -pareho na halaga at nagsisimulang sabihin sa iyo ang isang bagay na hindi malamang, ang antas ng kredensyal ng sensor ay bababa sa ilang millisecond hanggang sa magsimula itong magkaroon ng kahulugan muli.

Ito ay mas mahusay kaysa sa simpleng pag -average o pagboto, dahil ang Kalman filter ay maaaring makitungo sa sitwasyon na ang karamihan sa mga sensor ay pansamantalang wala sa pagkakasunud -sunod. Hangga't ang isa ay maaaring mapanatili ang magandang dahilan, maaari itong gawin ang robot sa madilim na sandali.

Ang Kalman Filter ay isang aplikasyon ng mas pangkalahatang konsepto ng Markov chain at Bayesian na pangangatuwiran, na kung saan ay isang sistema ng matematika na iteratively na nagpapabuti sa kanilang mga hula sa pamamagitan ng paggamit ng ebidensya. Ang mga tool na ito ay mga tool na ginagamit upang matulungan ang mga ideya sa agham mismo na subukan ang mga ideya (na kung saan din ang batayan ng tinatawag nating "statistic na kabuluhan").

Samakatuwid, masasabi na makata na ang ilang mga sistema ng sensor fusion ay nagpapahayag ng kakanyahan ng agham sa isang bilis ng 1000 beses bawat segundo.

Ang mga filter ng Kalman ay ginamit sa mga istasyon ng orbital ng mga satellite satellite sa loob ng mga dekada. Dahil ang mga modernong microcontroller ay maaaring magpatakbo ng algorithm sa real time, nagiging mas sikat sila sa mga robotics.