Ciao a tutti, insieme a dei miei colleghi di università stiamo cercando di implementare un robottino che sia self-balanced (autobilanciato) e implementare un filtro di kalman nell'algoritmo che lo regola.
Mi sono imbattuto già nel primo problema, come faccio a trovare le matrici di covarianza dell'errore per quanto riguarda un sensore IR del genere: SENSORE SHARP
Forse ci sono, ma mi serve una spintarella per capire meglio una cosa!!!
Allora, ci sono due modi per calcolare la matrice di covarianza dell'errore di un sensore:
1)Dall'accuratezza che c'è scritta sul datasheet
2)Sperimentalmente
Visto che non posso percorrere la prima strada, ho deciso di intraprendere la seconda strada e vi spiego come penso che si faccia e il dubbio che mi è sorto!
Ho capito che per calcolare la covarianza dell'errore di un sensore sperimentalmente devo effettuare tante misurazioni: ad esempio diciamo che ne faccio 100. Dopo avere fatto queste misurazioni (chiamiamole zi) le metto in un vettore Z. Quindi avrò:
Z=(z1,z2,z3,.....,z100)T
Calcolo quindi la media di questi valori e la chiamo zm.
Per calcolare la "matrice" di covarianza C uso poi la seguente formula:
In questo modo avrò una matrice 100100 che mi rappresenta la mia matrice di covarianza? Come posso usare una matrice di covarianza 100100 ? o addirttura 1000*1000? (se faccio ad esempio 1000 misurazioni)
