Algoritmo de fusión de sensores

filtro de kalman

El filtro de 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 estadísticas para mejorar la suposición (autoadición), y también se juzgará la calidad del sensor. En la comparación entre el valor predicho y el valor medido del sensor, se estimará y generará un valor excelente.

Esto significa que si un sensor siempre da un valor bueno y consistente y comienza a decir 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 simplemente promediar o votar, porque el filtro Kalman puede lidiar con la situación en la que la mayoría de los sensores están temporalmente fuera de servicio. Siempre que uno pueda mantener una buena razón, puede hacer que el robot supere el momento oscuro.

El filtro de Kalman 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 conjeturas mediante el uso de evidencia. Estas herramientas son herramientas que se utilizan para ayudar a la propia ciencia a probar ideas (que también son la base de lo que llamamos "significancia estadística").

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

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