Sensoru saplūšanas algoritms

Kalmana filtrs

Kalmana filtrs ir tipisks.

Algoritma pamatā ir katram sensoram iestatīt "ticības" faktoru kopu. Katrā brīdī statistikai tiks izmantoti sensora dati no pēdējā brīža, lai uzlabotu minējumu (pašsaskaitīšanu), kā arī tiks vērtēta sensora kvalitāte. Salīdzinot prognozēto vērtību un sensora izmērīto vērtību, tiks novērtēta un izvadīta lieliska vērtība.

Tas nozīmē, ka, ja sensors vienmēr sniedz labu un konsekventu vērtību un sāk stāstīt kaut ko neticamu, sensora uzticamības līmenis samazināsies dažās milisekundēs, līdz tas atkal kļūs saprātīgs.

Tas ir labāk nekā vienkārša vidējā noteikšana vai balsošana, jo Kalmana filtrs var tikt galā ar situāciju, ka lielākā daļa sensoru īslaicīgi nedarbojas. Kamēr var saglabāt labu iemeslu, robots var pārvarēt tumšo brīdi.

Kalmana filtrs ir vispārīgāku Markova ķēdes un Bajesa spriešanas jēdzienu pielietojums, kas ir matemātiska sistēma, kas iteratīvi uzlabo viņu minējumus, izmantojot pierādījumus. Šie rīki ir rīki, ko izmanto, lai palīdzētu pašai zinātnei pārbaudīt idejas (kas ir arī pamatā tam, ko mēs saucam par "statistisko nozīmīgumu").

Tāpēc poētiski var teikt, ka dažas sensoru saplūšanas sistēmas pauž zinātnes būtību ar ātrumu 1000 reizes sekundē.

Kalmana filtri ir izmantoti kosmosa satelītu orbitālajās stacijās gadu desmitiem. Tā kā mūsdienu mikrokontrolleri var palaist algoritmu reāllaikā, tie kļūst arvien populārāki robotikā.