Dois-je filtrer (kalman / lowpass) après avoir obtenu les valeurs brutes d'un capteur ou après avoir converti les valeurs brutes en données utilisables? Est-ce que ça importe? Si oui, pourquoi?
Exemple: Filtrez après avoir obtenu des valeurs brutes d'IMU ou filtrez après avoir converti des valeurs brutes en données utilisables, par exemple. paramètres de dynamique de vol.
Réponses:
Le KF estime la pose du robot sur la base de toutes les entrées du capteur et de la corrélation du capteur . Si vous faites un EKF sur les données de la boussole, vous auriez vraiment besoin de la pose du robot pour déterminer la probabilité d' une lecture de la boussole donnée est . Sans cela, vous êtes juste un filtrage passe-bas (n'utilisez pas un filtre probabiliste comme le KF).
Si vous filtrez avant tout mettre dans le même cadre, alors je ne sais pas quelles sont les informations que vous auriez à faire le filtrage sur . Comme je ne sais pas exactement ce que vous entendez par "utilisable", je suppose que vous avez converti toutes les données du capteur dans le cadre de coordonnées du robot. Dans ce cas, le filtrage est très facile car vous pouvez mettre toutes les lectures du capteur directement dans un EKF. En fait, c'est la façon "normale" de filtrer que je connais.
Exemple : supposons que votre IMU soit attaché à un robot. L'IMU sera utilisé pour estimer la pose du robot. Peu importe les unités que vous utilisez tant que l'IMU vous dit quelque chose sur la façon dont le robot se déplace. Ensuite, vous pouvez utiliser la corellation de l'IMU pour d'autres choses qui mesurent le mouvement, comme la boussole ou les odomètres. C'est à cela que sert le KF. Le KF n'est pas un filtre capteur comme un filtre passe-bande ou quelque chose.
Il y a une réponse très pertinente ici .
Filtrez les données brutes.
Filtrer les mauvaises herbes (espérons-le) la plupart du bruit et des erreurs. Les données brutes ne sont généralement pas si utiles.
Les gyroscopes dérivent, les boussoles ont beaucoup de bruit. Kalman peut supprimer les deux.