Algoritam fuzije senzora

Kalman filter

Kalman filter je tipičan.

Jezgra algoritma je postaviti skup faktora "vjerovanja" za svaki senzor. U svakom trenutku, podaci senzora iz posljednjeg trenutka koristit će se za statistiku za poboljšanje pogotka (samo dodavanja) i kvalitet senzora također će biti procijenjen. U usporedbi između predviđene vrijednosti i izmjerene vrijednosti senzora, odlična vrijednost bit će procijenjena i izlazna.

To znači da ako senzor uvijek daje dobru i konzistentnu vrijednost i započne vam da vam kaže nešto malo vjerovatno, nivo vjerodostojnosti senzora smanjit će se u nekoliko milisekundi dok ne počne da više ne počne shvatiti.

Ovo je bolje od jednostavnog prosjeka ili glasanja, jer Kalman filter može se nositi sa situacijom da većina senzora privremeno nije u redu. Sve dok se može zadržati dobar razlog, to može učiniti robota kroz tamni trenutak.

Kalman Filter je primjena općih koncepata Markovskog lanca i Bayezijskog rezonovanja, što je matematički sustav koji iterativno poboljšava svoje nagađanja koristeći dokaze. Ovi alati su alati koji se koriste za samo sami nauke testne ideje (koje su ujedno i osnova onoga što nazivamo "statistički značaj").

Stoga se može reći poetatično da neki senzorski fuzijski sustavi izražavaju suštinu nauke brzinom od 1000 puta u sekundi.

Kalman Filteri su decenija korišteni u orbitalnim stanicama svemirskih satelita. Budući da moderni mikrokontroleri mogu upravljati algoritamom u realnom vremenu, oni postaju sve popularniji u robotici.