ตัวกรอง Kalman เป็นอัลกอริทึมทางคณิตศาสตร์ที่ใช้ประเมินสถานะของระบบไดนามิกจากการวัดสัญญาณรบกวน ซึ่งใช้กันอย่างกว้างขวางในระบบระบบเคลื่อนที่ของหุ่นยนต์เพื่อปรับความถูกต้องของตําแหน่งให้ถูกต้องมากขึ้น มัคคุเทศก์นี้ให้กระบวนการตามขั้นตอนในการใช้ตัวกรองคาลแมนสําหรับหุ่นยนต์เคลื่อนที่
การ เข้าใจ ตัวกรอง ของ Kalman
The Kalman filter filters ผนวกคําทํานายจากโมเดลที่มีการวัดจริง เพื่อสร้างค่าประมาณที่เหมาะสมที่สุดของระบบ มันดําเนินการในสองขั้นตอนหลัก: คาดการณ์และปรับปรุงตัวกรองถือว่าทั้งขั้นตอนและเสียงวัดต่าง ๆ คือ Gaussian และมีลักษณะเฉพาะ โดยมีเมทริกซ์ความเหลื่อมล้ําร่วมของพวกเขา
ขั้น ตอน การ หมด กําลัง
ทําตามขั้นตอนเหล่านี้ เพื่อปรับใช้ตัวกรอง Kalman สําหรับการทําหุ่นยนต์ในท้องถิ่น:
- [FLT: 0] Debook enter enter: รวมตัวแปร เช่น ตําแหน่งและความเร็ว (FLT:1).
- [FLT: 0] กําหนดสถานะ: ตั้งค่าประมาณเริ่มต้นและเมทริกซ์ความแปรปรวนร่วม (Profiles matrix)
- [FLT: 0] ขั้นที่เสนอ: ใช้โมเดลการเคลื่อนไหวเพื่อทํานายสถานะและความแปรปรวนในครั้งต่อไป
- [FLT: 0] อัปเดตขั้นตอน: การวัดเซ็นเซอร์อินคอร์พร็อ เพื่อแก้ไขสถานะตามที่คาดการณ์ไว้
- [FLT: 0]. สืบค้นเมื่อข้อมูลใหม่มาถึง . ต่อเนื่องกัน คาดการณ์และปรับปรุงข้อมูลใหม่.
โปรแกรมตัวอย่าง
ในหุ่นยนต์เคลื่อนที่ เวกเตอร์นี้อาจรวม พิกัด x และ y ของหุ่นยนต์ และมุมที่มุ่งไป โมเดลการเคลื่อนไหวทํานายตําแหน่งใหม่