Algorithme de fusion de capteurs

Filtre de Kalman

Le filtre de Kalman est typique.

Le cœur de l’algorithme consiste à définir un ensemble de facteurs de « croyance » pour chaque capteur. A chaque instant, les données du capteur du dernier moment seront utilisées à des fins statistiques pour améliorer la supposition (auto-ajout), et la qualité du capteur sera également jugée. Lors de la comparaison entre la valeur prédite et la valeur mesurée du capteur, une excellente valeur sera estimée et émise.

Cela signifie que si un capteur donne toujours une valeur bonne 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 qu'une simple moyenne ou un simple vote, car le filtre de Kalman peut gérer la situation dans laquelle la plupart des capteurs sont temporairement hors service. Tant que l’on parvient à garder une bonne raison, le robot peut traverser les moments sombres.

Le filtre de Kalman est une application des concepts plus généraux de la chaîne de Markov et du raisonnement bayésien, qui est un système mathématique qui améliore de manière itérative 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 la « 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 1 000 fois par seconde.

Les filtres de 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.