Algorisme de fusió del sensor

Filtre de Kalman

El filtre Kalman és típic.

El nucli de l'algoritme és establir un conjunt de factors de "creença" per a cada sensor. En cada moment, les dades del sensor des del darrer moment s’utilitzaran per a estadístiques per millorar l’endevinació (autoaddició) i també es jutjarà la qualitat del sensor. En la comparació entre el valor previst i el valor mesurat del sensor, s’estimarà i la sortida 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 pocs mil·lisegons fins que comenci a tenir sentit de nou.

Això és millor que la mitjana o la votació senzilla, perquè el filtre Kalman pot afrontar la situació que la majoria dels sensors estan fora de la comanda temporalment. Sempre que es pugui mantenir una bona raó, pot fer el robot a través del moment fosc.

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

Per tant, es pot dir poèticament que alguns sistemes de fusió del sensor estan expressant l’essència de la ciència a una velocitat de 1000 vegades per segon.

Els filtres de Kalman s’han utilitzat en estacions orbitals de satèl·lits espacials durant dècades. Com que els microcontroladors moderns poden executar l'algoritme en temps real, cada vegada són més populars en la robòtica.