Algorisme de fusió de sensors

Filtre de Kalman

El filtre de Kalman és típic.

El nucli de l'algorisme és establir un conjunt de factors de "creença" per a cada sensor. En cada moment, les dades del sensor de l'últim moment s'utilitzaran per a estadístiques per millorar l'endevinació (auto-afegit) i també es valorarà la qualitat del sensor. En la comparació entre el valor previst i el valor mesurat del sensor, s'estimarà i sortirà un valor excel·lent.

Això vol dir que si un sensor sempre dóna un valor bo i coherent i comença a dir-vos alguna cosa poc probable, el nivell de credibilitat del sensor disminuirà en uns quants mil·lisegons fins que torni a tenir sentit.

Això és millor que una simple mitjana o votació, perquè el filtre Kalman pot fer front a la situació en què la majoria dels sensors estan temporalment fora de servei. Sempre que es pugui mantenir una bona raó, pot fer que el robot passi el moment fosc.

El filtre de Kalman és una aplicació de conceptes més generals de la cadena de Markov i el raonament bayesià, que és un sistema matemàtic que millora iterativament les seves conjectures mitjançant l'ús de proves. Aquestes eines són eines que s'utilitzen per ajudar la pròpia ciència a provar idees (que també són la base del que anomenem "importància estadística").

Per tant, es pot dir poèticament que alguns sistemes de fusió de sensors expressen l'essència de la ciència a una velocitat de 1000 vegades per segon.

Els filtres de Kalman s'han utilitzat a les estacions orbitals dels satèl·lits espacials durant dècades. Com que els microcontroladors moderns poden executar l'algorisme en temps real, cada cop són més populars en robòtica.