Algoritam fuzije senzora

Kalmanov filter

Kalmanov filter je tipičan.

Srž algoritma je postavljanje skupa faktora "vjerovanja" za svaki senzor. U svakom trenutku će se podaci senzora iz posljednjeg trenutka koristiti za statistiku radi poboljšanja nagađanja (samododavanje), a ocjenjivat će se i kvalitet senzora. U poređenju između predviđene vrijednosti i izmjerene vrijednosti senzora, odlična vrijednost će biti procijenjena i izlazna.

To znači da ako senzor uvijek daje dobru i dosljednu vrijednost i počne da vam govori nešto malo vjerovatno, nivo vjerodostojnosti senzora će se smanjiti za nekoliko milisekundi dok ponovo ne počne imati smisla.

Ovo je bolje od jednostavnog usrednjavanja ili glasanja, jer Kalmanov filter može da se nosi sa situacijom da većina senzora privremeno nije u funkciji. Sve dok se može zadržati dobar razlog, on može robota proći kroz mračni trenutak.

Kalmanov filter je primena opštijih koncepata Markovljevog lanca i Bayesovog zaključivanja, što je matematički sistem koji iterativno poboljšava njihova nagađanja koristeći dokaze. Ovi alati su alati koji se koriste da pomognu samoj nauci da testira ideje (koje su takođe osnova onoga što nazivamo "statističkim značajem").

Stoga se poetski može reći da neki sistemi fuzije senzora izražavaju suštinu nauke brzinom od 1000 puta u sekundi.

Kalmanovi filteri se decenijama koriste u orbitalnim stanicama svemirskih satelita. Budući da moderni mikrokontroleri mogu pokrenuti algoritam u realnom vremenu, oni postaju sve popularniji u robotici.