Kalman filtresi, gürültülü ölçümlerden bir sistemin durumunu tahmin eder. Sistemin nasıl davrandığına dair matematiksel bir modeli, asla mükemmel olmayan sensör verileriyle birleştirir. Sonuç, modelin veya sensörün tek başına sağladığı tahminden daha iyi bir tahmindir.

Rudolf Kalman algoritmayı 1960 yılında yayınladı. Apollo navigasyon bilgisayarında kullanıldı ve o zamandan beri neredeyse her yönlendirme sisteminde yer aldı. Bir robot, tekerlek odometrisi, IMU, GPS ve lidar verilerini tek bir konum tahmininde birleştirmek için bu algoritmayı kullanır. Bir drone ise ivmeölçer ve jiroskop verilerini birleştirerek istikrarlı bir duruş elde etmek için bu algoritmayı kullanır.

Kalman filtresi nasıl çalışır?

• Tahmin et: Bir sonraki durumu tahmin etmek için modeli kullanın.
• Güncelleme: Tahmini düzeltmek için sensör ölçümünü kullanın.
• Kazanç: Tahmin ve ölçümü belirsizliklerine göre ağırlıklandırmak.
• Kovaryans: Tahminin ne kadar belirsiz olduğunu izler.
• Yinele: Her zaman adımında tekrarla.

Filtre, doğrusal sistemleri ve Gauss gürültüsünü varsayar. Gerçek sistemler genellikle doğrusal değildir; bu nedenle genişletilmiş Kalman filtresi ve kokuşmuş Kalman filtresi mevcuttur. Bunlar, modeli mevcut tahmin etrafında doğrusallaştırır. Kalman filtresi sihirli bir şey değildir. Kusurlu bilgileri birleştirmenin ilkeli bir yoludur. Ona kötü bir model veya kötü sensör verisi verirseniz, kötü bir tahmin üretecektir. Ancak model ve sensörler makul olduğunda, son derece etkilidir. Robotikteki en önemli algoritmalardan biridir.