Soll ich filtern (Kalman / Tiefpass), nachdem ich die Rohwerte von einem Sensor erhalten oder die Rohwerte in verwendbare Daten konvertiert habe? Ist das wichtig? Wenn ja warum?
Beispiel: Filtern nach dem Abrufen von Rohwerten von der IMU oder Filtern nach dem Konvertieren von Rohwerten in verwendbare Daten, z. Flugdynamikparameter.
Antworten:
Die KF schätzt die Roboterposition basierend auf allen Sensoreingaben und der Sensorkorrelation . Wenn Sie eine EKF für die Kompassdaten durchführen, benötigen Sie wirklich die Roboterpose, um zu bestimmen, wie wahrscheinlich ein bestimmter Kompasswert ist . Ohne das sind Sie nur Tiefpassfilterung (ohne einen Wahrscheinlichkeitsfilter wie den KF).
Wenn Sie filtern , bevor Sie alles , was in dem gleichen Rahmen setzen, dann weiß ich nicht , welche Informationen Sie würden Filterung zu tun haben , auf . Da ich nicht genau weiß, was Sie unter "verwendbar" verstehen, gehe ich davon aus, dass Sie alle Sensordaten in den Koordinatenrahmen des Roboters konvertiert haben. In diesem Fall ist die Filterung sehr einfach, da Sie alle Sensorwerte direkt in einem EKF speichern können. Tatsächlich ist dies die "normale" Art der Filterung, mit der ich vertraut bin.
Beispiel : Angenommen, Ihre IMU ist an einen Roboter angeschlossen. Die IMU wird zur Schätzung der Pose des Roboters verwendet. Es spielt keine Rolle, welche Einheiten Sie verwenden, solange die IMU Ihnen etwas über die Bewegung des Roboters sagt. Dann können Sie die Krönung der IMU für andere Dinge verwenden, die die Bewegung messen, wie z. B. den Kompass oder die Kilometerzähler. Dafür ist die KF da. Der KF ist kein Sensorfilter wie ein Bandpassfilter oder so.
Es gibt eine sehr relevante Antwort hier .
Filtern Sie die Rohdaten.
Durch das Herausfiltern werden (hoffentlich) die meisten Geräusche und Fehler beseitigt. Rohdaten sind normalerweise nicht so nützlich.
Gyros Drift, Kompasse hat viel Lärm. Kalman kann beide entfernen.