Érzékelő fúziós algoritmus

Kalman szűrő

A Kalman szűrő tipikus.

Az algoritmus magja az, hogy az egyes érzékelők számára "hit" tényezőket állítson be. Minden pillanatban az utolsó pillanatból származó érzékelő adatait statisztikákra fogják használni a kitalálás javítása érdekében, és az érzékelő minőségét szintén megítélik. A becsült érték és az érzékelő mért értékének összehasonlításában a kiváló értéket és a kimenetet a kimenetel.

Ez azt jelenti, hogy ha az érzékelő mindig jó és következetes értéket ad, és valami valószínűtlennek elkezdi mondani, az érzékelő hitelességi szintje néhány milliszekundumban csökken, amíg újra értelme lesz.

Ez jobb, mint az egyszerű átlagolás vagy a szavazás, mert a Kalman szűrő képes kezelni azt a helyzetet, amelyben a legtöbb érzékelő ideiglenesen nincs rendben. Mindaddig, amíg meg lehet tartani az okot, ez a robotot a sötét pillanatban készítheti.

A Kalman Filter a Markov -lánc és a Bayes -ok érvelésének általánosabb fogalmainak alkalmazása, amely egy matematikai rendszer, amely bizonyítékok felhasználásával iteratív módon javítja kitalálásaikat. Ezek az eszközök olyan eszközök, amelyek segítenek maguknak a tudománynak a tesztelésére (amelyek szintén alapulják azt, amit "statisztikai jelentőségnek" nevezünk).

Ezért költői szempontból elmondható, hogy egyes érzékelő fúziós rendszerek másodpercenként 1000 -szoros sebességgel fejezik ki a tudomány lényegét.

A Kalman szűrőket évtizedek óta használják az űr műholdak orbitális állomásain. Mivel a modern mikrovezérlők valós időben futtathatják az algoritmust, egyre népszerűbbek a robotikában.