Algoritmo de fusión do sensor

Filtro Kalman

O filtro 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 estatísticas para mellorar a adiviñación (auto-adding) e tamén se xulgará a calidade do sensor. Na comparación entre o valor previsto e o valor medido do sensor, estimarase un excelente valor e saída.

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

Isto é mellor que a simple media ou a votación, porque Kalman Filter pode tratar a situación que a maioría dos sensores están fóra de orde. Sempre que se poida manter unha boa razón, pode facer que o robot polo momento escuro.

O filtro Kalman é unha aplicación de conceptos máis xerais da cadea Markov e o razoamento bayesiano, que é un sistema matemático que mellora iterativamente as súas suposicións usando probas. Estas ferramentas son ferramentas empregadas para axudar á ciencia en si mesmo a probar ideas (que tamén son a base do que chamamos "importancia estatística").

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

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