Algoritmo de fusión de sensores

Filtro Kalman

O filtro de Kalman é típico.

O núcleo do algoritmo é establecer un conxunto de factores de "crenza" para cada sensor. En cada momento, os datos do sensor do último momento utilizaranse para facer estatísticas para mellorar a suposición (auto-engadir) e tamén se xulgará a calidade do sensor. Na comparación entre o valor previsto e o valor medido do sensor, estimarase e sairá un valor excelente.

Isto significa que se un sensor sempre dá un valor bo e consistente e comeza a dicirche algo improbable, o nivel de credibilidade do sensor diminuirá nuns milisegundos ata que volva ter sentido.

Isto é mellor que unha simple media ou votación, porque o filtro Kalman pode xestionar a situación de que a maioría dos sensores estean temporalmente desactivados. Sempre que se poida manter unha boa razón, pode facer que o robot atravese o momento escuro.

O filtro de Kalman é unha aplicación de conceptos máis xerais da cadea de Markov e do razoamento bayesiano, que é un sistema matemático que mellora de forma iterativa as súas estimacións mediante o uso de probas. Estas ferramentas son ferramentas utilizadas para axudar a propia ciencia a probar ideas (que tamén son a base do que chamamos "significación estatística").

Polo tanto, pódese dicir poéticamente que algúns sistemas de fusión de sensores están expresando a esencia da ciencia a unha velocidade de 1000 veces por segundo.

Os filtros de Kalman utilizáronse en estacións orbitais de satélites espaciais durante décadas. Debido a que os microcontroladores modernos poden executar o algoritmo en tempo real, son cada vez máis populares en robótica.