Filtre de Kalman
Le filtre de Kalman est un algorithme qui permet d'estimer l'état d'un système à partir des données mesurées. Il tient son nom de l'ingénieur hongrois Rudolf Kalman, qui a joué un rôle important dans son développement. L'algorithme du filtre est un processus en deux étapes : la première étape consiste à prédire l'état du système et la seconde étape utilise les mesures bruitées pour affiner l'estimation de l'état du système.
Il existe désormais plusieurs variantes du filtre de Kalman d'origine. Ces filtres sont largement utilisés pour des applications nécessitant une estimation, notamment en Computer Vision, pour les systèmes de guidage et de navigation, l'économétrie et le traitement du signal.
Guidage, navigation et contrôle
Les filtres de Kalman sont généralement utilisés dans les systèmes GNC, comme par exemple dans le cadre d'une fusion de capteurs, où ils permettent de synthétiser les signaux de position et de vélocité en fusionnant les mesures GPS et IMU (unité de mesure inertielle). Les filtres sont souvent utilisés pour estimer la valeur d'un signal qui ne peut être mesuré, par exemple la température à l'intérieur d'une turbine d'avion, où aucun capteur de température ne pourrait fonctionner. Les filtres sont également associés aux correcteurs LQR (régulateur linéaire quadratique) dans le cadre d'une commande LQG (linéaire quadratique gaussienne).
Utilisation du filtre de Kalman pour estimer la position d'un avion. Voir un exemple pour plus d'informations.
Computer Vision
Dans les applications de Computer Vision, les filtres de Kalman sont utilisés pour le suivi d'objets afin de prédire la future position d'un objet, prendre en compte le bruit associé à la détection et faciliter l'association de différents objets avec leurs trajectoires correspondantes.
Suivi de la trajectoire d'une balle. La sortie du filtre de Kalman est représentée par les cercles rouges et la détection d'objets est représentée en noir. Vous pouvez remarquer que, lorsque la balle est occultée et qu'il n'y a aucune détection, le filtre est utilisé pour prédire sa position. Pour plus d'informations, consultez l'exemple.
Exemples et démonstrations
Systèmes de contrôle
Computer Vision
Fusion de capteurs et suivi
Références logicielles
Systèmes de contrôle
Blocs Simulink
Fonctions MATLAB
Computer Vision
Traitement du signal
Fusion de capteurs et suivi
Voir aussi: reconnaissance d'objets, traitement vidéo, contrôle PID, estimation des paramètres, nuage de points, état de charge de la batterie, SLAM (localisation et cartographie simultanées)
