Algoritmus fúzie snímača

Kalmanov filter

Typický je Kalmanov filter.

Jadrom algoritmu je nastaviť súbor faktorov „viery“ pre každý senzor. V každom momente sa údaje senzora z posledného momentu použijú na štatistiku na zlepšenie odhadu (samopridávanie) a bude sa posudzovať aj kvalita senzora. Pri porovnaní predpovedanej hodnoty a nameranej hodnoty snímača sa odhadne a vygeneruje vynikajúca hodnota.

To znamená, že ak senzor vždy dáva dobrú a konzistentnú hodnotu a začne vám hovoriť niečo nepravdepodobné, úroveň dôveryhodnosti senzora sa v priebehu niekoľkých milisekúnd zníži, kým to opäť nezačne dávať zmysel.

Je to lepšie ako jednoduché spriemerovanie alebo hlasovanie, pretože Kalmanov filter si dokáže poradiť so situáciou, že väčšina senzorov je dočasne mimo prevádzky. Pokiaľ si človek dokáže udržať rozumný dôvod, dokáže robota prekonať temný moment.

Kalmanov filter je aplikáciou všeobecnejších konceptov Markovovho reťazca a Bayesovho uvažovania, čo je matematický systém, ktorý iteratívne zlepšuje ich odhady pomocou dôkazov. Tieto nástroje sú nástrojmi, ktoré pomáhajú samotnej vede testovať nápady (ktoré sú tiež základom toho, čo nazývame „štatistická významnosť“).

Preto možno poeticky povedať, že niektoré senzorové fúzne systémy vyjadrujú podstatu vedy rýchlosťou 1000-krát za sekundu.

Kalmanove filtre sa na orbitálnych staniciach vesmírnych satelitov používajú už desaťročia. Pretože moderné mikrokontroléry dokážu spúšťať algoritmus v reálnom čase, stávajú sa v robotike čoraz populárnejšie.