답변:
당신은 할 마이크로 컨트롤러에 직접 모든 센서를 연결합니다. 칼만 필터는 센서와 마이크로 컨트롤러 사이를 이동하는 LRC 필터와 같은 전자 필터가 아닙니다. 칼만 필터는 마이크로 컨트롤러 내부에서 소프트웨어 루틴으로 구현 된 수학적 필터입니다.
나열된 센서는 마이크로 컨트롤러가 모두 업데이트 될 때마다 14 또는 15 개의 원시 번호를 제공합니다.
작은 비행기를 타면 실제로 알고 싶은 것은 위치와 방향, 그리고 지상에서 얼마나 멀리 있는지입니다.
그 7 개의 숫자를 알려주는 것이 필요 합니다.
이상적으로는 제어 루프를 통해 매번 7 숫자의 새로운 추정치를 원합니다. 저렴한 GPS에서 얻은 초당 1 회 업데이트는 거의 빠르지 않습니다. (사람들 은 내 쿼드 콥터 출력 감지 계산 출력 업데이트 루프가 안정적으로 유지되어야하는 빈도는 무엇입니까? 초당 50 회조차도 충분히 빠르지 않을 것입니다.)
어떻게 든 나는 내가 가지고있는 14 또는 15 개의 원시 숫자를 줄여야하며, 그중 일부는 가끔 업데이트되기 때문에 실제로 원하는 7 개의 숫자로 추정됩니다.
Josh가 지적했듯이 이러한 원시 숫자를 사용 가능한 데이터로 변환하는 많은 임시 방법이 있습니다. 15 개의 숫자를 7 개의 숫자로 변환하는 모든 루틴을 "필터"라고 할 수 있습니다.
당신은하지 않습니다 이 최적의 필터를 사용 할 수 있습니다. 그러나 어떤 종류의 필터, 즉 15 개의 원시 데이터를 원하는 7 개의 숫자 (추정치)로 변환하는 필터를 사용하게됩니다.
칼만 필터가 일부 조건에서,의 "최적의"필터, 내가 정말 원하는 7 개 번호로 그 원시 데이터를 변환하는 가장 좋은 방법.
다른 필터를 처음부터 작성하여 디버깅하고 사용 가능할 때까지 필터를 추가하는 것보다 다른 사람이 이미 작성하고 디버깅 한 Kalman 필터를 사용하는 것이 사용자의 작업에 덜 도움이 될 수 있습니다. 필연적으로 차선책으로 밝혀졌습니다.
짧고 은밀한 대답은 "하나없이 시도"입니다. 더 좋은 대답은 예입니다. 가속도계가 수직에서 10 도라고 말했지만 자이로가 수직에서 멀어지지 않았다고 말하면 자력계가 북쪽에서 30도 오프셋을보고하지만 자이로가 32 도입니다. 현재 제목과 기울기는 무엇입니까?
당신은 아마도 하나의 예에서는 효과가 있지만 다른 것에서는 실패하는 백만 개의 임시 방법을 생각해 낼 것입니다. 칼만 필터 (이 작업을위한 확장 칼만 필터 (EKF)!)는 이러한 질문에 대답 할 수있는 엄격한 방법을 제공합니다. EKF의 실적이 매우 좋은 불구하고 - - 답변의 질은 여전히 연구되고 있지만, 적어도 모든 사람이 답변은 무엇 동의 할 것 입니다 .
파티클 필터도 사용할 수 있습니다. 입자 필터에 대한 기본 소개를 위해 로봇 자동차 프로그래밍에 관한 교수 스룬의 비디오를 살펴볼 수 있습니다.
http://www.youtube.com/watch?v=H0G1yslM5rc
http://www.youtube.com/watch?v=QgOUu2sUDzg
입자 필터는 더 강력하고 루프 폐쇄 오류 가능성이 훨씬 적으며, 이는 EKF를 구현하는 동안 일반적으로 발생합니다.
비디오는 입자 필터의 기능을 설명합니다.
칼만 필터는 UAV의 위치 및 / 또는 방향에 대한 "최적의"추정치를 제공하기 위해 여러 센서 측정을 함께 융합하기 위해 UAV에서 일반적으로 사용되는 알고리즘입니다. 예를 들어 Kalman Filter는 가속도계, 자이로 및 자력계 측정 값을 속도 추정치와 통합하여 UAV의 요, 피치 및 롤을 추정 할 수 있습니다.
UAV 상태 추정에 사용되는 센서 및 알고리즘에 대한 자세한 내용은 독립형 기사 기본 무인 항공기 비행 기본 사항을 참조하십시오 .
이 기사는 또한 설명 된 Kalman Filter UAV 상태 추정 알고리즘을 구현하는 Matlab 코드와 연결되어 있습니다.