Sensorfusie-algoritme

Kalman-filter

Het Kalman-filter is typisch.

De kern van het algoritme is het instellen van een reeks "geloofsfactoren" voor elke sensor. Op elk moment worden de sensorgegevens van het laatste moment gebruikt voor statistieken om de gok te verbeteren (self-adding) en wordt ook de kwaliteit van de sensor beoordeeld. Bij de vergelijking tussen de voorspelde waarde en de gemeten waarde van de sensor wordt een uitstekende waarde geschat en uitgevoerd.

Dit betekent dat als een sensor altijd een goede en consistente waarde geeft en u iets onwaarschijnlijks begint te vertellen, het geloofwaardigheidsniveau van de sensor binnen enkele milliseconden zal afnemen totdat deze weer logisch begint te worden.

Dit is beter dan eenvoudig middelen of stemmen, omdat het Kalman-filter de situatie kan opvangen dat de meeste sensoren tijdelijk buiten werking zijn. Zolang je een goede reden kunt behouden, kan de robot door het donkere moment heen komen.

Het Kalman-filter is een toepassing van meer algemene concepten van de Markov-keten en Bayesiaanse redenering, een wiskundig systeem dat hun gissingen iteratief verbetert door gebruik te maken van bewijsmateriaal. Deze instrumenten zijn instrumenten die worden gebruikt om de wetenschap zelf te helpen ideeën te testen (die ook de basis vormen van wat wij ‘statistische significantie’ noemen).

Daarom kan op poëtische wijze worden gezegd dat sommige sensorfusiesystemen de essentie van de wetenschap met een snelheid van 1000 keer per seconde uitdrukken.

Kalmanfilters worden al tientallen jaren gebruikt in orbitale stations van ruimtesatellieten. Omdat moderne microcontrollers het algoritme in realtime kunnen uitvoeren, worden ze steeds populairder in de robotica.