Algorithme de fusion de capteurs

Filtre Kalman

Le filtre Kalman est typique.

Le noyau de l'algorithme est de définir un ensemble de facteurs de «croyance» pour chaque capteur. À chaque instant, les données du capteur du dernier moment seront utilisées pour les statistiques pour améliorer la supposition (autonome), et la qualité du capteur sera également jugée. Dans la comparaison entre la valeur prévue et la valeur mesurée du capteur, une excellente valeur sera estimée et la sortie.

Cela signifie que si un capteur donne toujours une bonne valeur et cohérente et commence à vous dire quelque chose d'improbable, le niveau de crédibilité du capteur diminuera en quelques millisecondes jusqu'à ce qu'il recommence à avoir un sens.

C'est mieux que la moyenne ou le vote simple, car Kalman Filter peut gérer la situation que la plupart des capteurs sont temporairement en panne. Tant que l'on peut garder une bonne raison, cela peut faire le robot à travers le moment sombre.

Kalman Filter est une application de concepts plus généraux de la chaîne de Markov et du raisonnement bayésien, qui est un système mathématique qui améliore itérativement leurs suppositions en utilisant des preuves. Ces outils sont des outils utilisés pour aider la science elle-même à tester des idées (qui sont également à la base de ce que nous appelons «signification statistique»).

Par conséquent, on peut dire poétiquement que certains systèmes de fusion de capteurs expriment l'essence de la science à une vitesse de 1000 fois par seconde.

Les filtres Kalman sont utilisés dans les stations orbitales des satellites spatiaux depuis des décennies. Parce que les microcontrôleurs modernes peuvent exécuter l'algorithme en temps réel, ils deviennent de plus en plus populaires en robotique.