การ นํา ร่อง ของ หุ่น ยนต์ ที่ ไว้ ใจ ได้ ขึ้น อยู่ กับ ข้อมูล ที่ ถูก ต้อง แม่นยํา.
นําเข้าตัวกรองข้อมูลตัวตรวจจับ
ตัวตรวจจับ เช่น LiDAR, ancogic, และ อินฟราเรด ให้ข้อมูลสําคัญเกี่ยวกับสภาพแวดล้อม อย่างไรก็ตาม ตัวตรวจจับเหล่านี้มักจะสร้างข้อมูลรบกวนจากปัจจัยแวดล้อม หรือข้อจํากัดของฮาร์ดแวร์ การกรองช่วยเพิ่มคุณภาพสัญญาณ เพื่อให้แน่ใจว่าระบบนําทางของหุ่นยนต์จะมีประสิทธิภาพ
การกรองแบบทั่วไป
วิธีการกรองหลายแบบ ถูกใช้ในการทําหุ่นยนต์เพื่อประมวลผลข้อมูลเซ็นเซอร์:
- [FLT: 0] ตัวกรอง Kalman: การวัดเซ็นเซอร์ตามเวลา เพื่อประเมินสภาวะที่แท้จริงของระบบ, เหมาะที่สุดสําหรับระบบเชิงเส้นด้วยเสียงกัสเซียน
- [FLT: 0] ตัวกรอง particle: ใช้ชุดอนุภาคเพื่อแสดง การกระจายตัวของความน่าจะเป็นของระบบ เหมาะกับสถานการณ์ที่ไม่ใช่แบบเชิงเส้น และไม่ใช่กาลุสเซียน
- [FLT: 0]. ตัวกรอง Median: แทนจุดข้อมูลแต่ละจุด ด้วยมัธยฐานของจุดใกล้เคียง, มีประสิทธิภาพในการลบเสียงกระตุ้น
- [FLT: 0] ตัวกรองพาส: ส่งสัญญาณให้ต่ํากว่าความถี่บางส่วนที่จะผ่าน ลดเสียงความถี่สูง
เลือกตัวกรองด้านขวา
การเลือกเทคนิคการกรองที่เหมาะสมนั้น ขึ้นอยู่กับชนิดเซนเซอร์, สภาพแวดล้อม, และทรัพยากรการคํานวณ ตัวอย่างเช่น, ตัวกรองคาลแมนถูกใช้อย่างกว้างขวางเพื่อประสิทธิภาพในโปรแกรมที่ใช้งานได้จริง ในขณะที่ตัวกรองอนุภาคนั้นชอบในสถานการณ์ที่ซับซ้อน และไม่ใช่แบบเชิงเส้น