Was ist ein Kalman-Filter?
Der Kalman-Filter ist ein Algorithmus, der den Zustand eines Systems anhand gemessener Daten abschätzt. Er wurde primär vom ungarischen Ingenieur Rudolf Kalman entwickelt, nach dem er auch benannt wurde. Der Filteralgorithmus ist ein zweistufiger Vorgang: Im ersten Schritt wird der Systemzustand prognostiziert und im zweiten Schritt wird diese Schätzung mithilfe verrauschter Messungen verfeinert.
Es gibt mittlerweile mehrere Varianten des ursprünglichen Kalman-Filters. Diese Filter werden häufig bei Anwendungen verwendet, die auf Schätzungen angewiesen sind, beispielsweise Computer Vision, Leit- und Navigationssysteme, Ökonometrik und Signalverarbeitung.
Guidance, Navigation & Control
Kalman-Filter werden üblicherweise in GNC-Systemen verwendet, beispielsweise bei der Sensorfusion, wo sie Positions- und Geschwindigkeitssignale synthetisieren, indem GPS- und IMU-Messungen (inertiale Messeinheit) zusammengefügt werden. Die Filter werden häufig zur Schätzung eines nicht messbaren Signalwerts verwendet, wie zum Beispiel der Temperatur in der Luftfahrzeugmotorturbine, wo Temperatursensoren versagen. Außerdem werden sie zusammen mit LQR-Kompensatoren (linear-quadratische Regelung) zur LQG-Regelung (Linear-Quadratisch-Gauß) eingesetzt.
Schätzen Sie mithilfe des Kalman-Filters die Position eines Luftfahrzeugs. Weitere Einzelheiten finden Sie im Beispiel.
Computer Vision
Bei Computer-Vision-Anwendungen werden Kalman-Filter beim Objekt-Tracking verwendet, um die zukünftige Lage eines Objekts zu schätzen, das Rauschen am erkannten Standort des Objekts zu berücksichtigen und das Zuordnen mehrerer Objekte zu ihren entsprechenden Bahnen zu unterstützen.
Tracking der Trajektorie eines Balls. Die Ausgabe des Kalman-Filters wird mit den roten Kreisen und die Objekterkennung in Schwarz angegeben. Beachten Sie, wann der Ball verdeckt ist und es keine Erkennungen gibt; mit dem Filter wird sein Aufenthaltsort vorhergesagt. Weitere Einzelheiten finden Sie im Beispiel.
Beispiele und Anleitungen
Regelungssysteme
Computer Vision
Sensor Fusion und Tracking
Software-Referenz
Regelungssysteme
Simulink-Blöcke
MATLAB-Funktionen
Computer Vision
Signalverarbeitung
Sensor Fusion und Tracking
Siehe auch: Objekterkennung, Videoverarbeitung, PID-Regler, Parameterschätzung, Punktwolke, Batterieladezustand, SLAM (simultane Lokalisierung und Kartierung)
