Algoritmo de fusión del sensor

Filtro de Kalman

El filtro Kalman es típico.

El núcleo del algoritmo es establecer un conjunto de factores de "creencia" para cada sensor. En cada momento, los datos del sensor del último momento se utilizarán para las estadísticas para mejorar la suposición (autoadertación), y la calidad del sensor también se juzgará. En la comparación entre el valor predicho y el valor medido del sensor, se estimará un valor excelente y se producirá.

Esto significa que si un sensor siempre da un valor bueno y consistente y comienza a decirle algo poco probable, el nivel de credibilidad del sensor disminuirá en unos pocos milisegundos hasta que comience a tener sentido nuevamente.

Esto es mejor que el promedio o votación simple, porque Kalman Filter puede lidiar con la situación en que la mayoría de los sensores están temporalmente fuera de servicio. Mientras uno pueda mantener una buena razón, puede hacer que el robot durante el momento oscuro.

Kalman Filter es una aplicación de conceptos más generales de la cadena de Markov y el razonamiento bayesiano, que es un sistema matemático que mejora iterativamente sus suposiciones mediante el uso de evidencia. Estas herramientas son herramientas utilizadas para ayudar a la ciencia a probar ideas (que también son la base de lo que llamamos "significación estadística").

Por lo tanto, se puede decir poéticamente que algunos sistemas de fusión de sensores están expresando la esencia de la ciencia a una velocidad de 1000 veces por segundo.

Los filtros de Kalman se han utilizado en estaciones orbitales de satélites espaciales durante décadas. Debido a que los microcontroladores modernos pueden ejecutar el algoritmo en tiempo real, se están volviendo cada vez más populares en la robótica.