칼만 필터란?
칼만 필터는 측정된 데이터로 시스템의 상태를 추정하는 알고리즘입니다. 이 필터는 헝가리의 엔지니어인 루돌프 칼만이 주도적으로 개발했으며, 그의 이름을 따라 명명되었습니다. 칼만 필터의 알고리즘은 2단계 과정으로 되어 있습니다. 첫 번째 단계에서는 시스템의 상태를 예측하고, 두 번째 단계에서는 잡음이 있는 측정값을 이용하여 시스템 상태의 추정을 개선합니다.
현재는 원래의 칼만 필터에서 여러 가지 변형된 형태가 있습니다. 컴퓨터 비전, 유도항법 시스템, 계량경제학, 신호 처리 등 추정에 의존하는 응용 분야에 이러한 필터가 널리 활용되고 있습니다.
GNC(유도항법제어)
칼만 필터는 센서 융합 등 GNC 시스템에서 GPS 및 IMU(관성 측정 장치) 측정값을 융합하여 위치 신호와 속도 신호를 합성하는 데 흔히 사용됩니다. 이 필터는 온도 센서로 측정할 수 없는 항공기 엔진 터빈의 내부 온도 등 측정 불가능한 신호 값을 추정하는 데 종종 사용됩니다. 또한 LQG(선형-2차-가우스) 제어를 위한 LQR(선형-2차-조절기) 보상기와 칼만 필터를 함께 사용하기도 합니다.
칼만 필터를 사용한 항공기의 위치 추정. 자세한 내용은 예제를 참조하십시오.
컴퓨터 비전
컴퓨터 비전 응용 분야에서는 객체 추적에 칼만 필터를 사용하여 객체의 미래 위치를 예측하고, 감지된 객체 위치에서의 잡음을 보상하며, 여러 객체를 상응하는 트랙과 연결할 수 있습니다.
공의 궤적 추적. 칼만 필터의 출력값은 빨간색 원으로, 객체 검출은 검은색으로 표시되어 있습니다. 공이 가려지고 객체가 검출되지 않는 경우에는 필터를 사용하여 공의 위치를 예측합니다. 자세한 내용은 예제를 참조하십시오.
예제 및 방법
제어 시스템
컴퓨터 비전
센서 융합 및 추적
소프트웨어 참조
제어 시스템
Simulink 블록
MATLAB 함수
컴퓨터 비전
신호 처리
센서 융합 및 추적
칼만 필터 FAQ
칼만 필터는 측정된 데이터로부터 시스템 상태를 추정하는 알고리즘으로, 두 단계 과정: 시스템 상태 예측과 잡음이 섞인 측정값을 사용한 추정값 보정을 사용합니다.
칼만 필터는 두 단계로 작동합니다: 먼저 시스템 상태를 예측하고, 두 번째로 잡음이 섞인 측정값을 사용하여 시스템 상태 추정값을 보정합니다.
칼만 필터는 유도 및 항법 시스템, 물체 추적을 위한 컴퓨터 비전, GPS 및 IMU와 같은 여러 센서의 측정값을 융합하는 센서 융합, 계량경제학 및 신호 처리 등에서 널리 사용됩니다.
컴퓨터 비전에서는 칼만 필터가 객체 추적에 사용되어 객체의 미래 위치를 예측하고 검출된 위치의 잡음을 고려하며 여러 객체를 각 트랙과 연관시키는 데 도움을 줍니다.
칼만 필터는 여러 센서의 측정값을 융합하여 위치 및 속도 신호를 합성합니다. 예를 들어 유도 및 항법 시스템에서 GPS 및 IMU(관성 측정 장치) 데이터가 융합됩니다.
예. 칼만 필터는 항공기 엔진 터빈 내부처럼 온도 센서가 사용할 수 없는 경우의 온도와 같이 직접 측정할 수 없는 신호 값을 추정하는 데 자주 사용됩니다.
비선형 시스템을 위한 확장 칼만 필터, 언센티드 칼만 필터, 입자 필터 등 여러 변형이 있으며 이러한 필터들은 MATLAB 및 Simulink 제품에서 모두 사용할 수 있습니다.
예. MATLAB은 칼만 필터 함수, Simulink 블록 및 Control System Toolbox, 컴퓨터 비전 Toolbox, Sensor Fusion and Tracking Toolbox 등을 포함한 툴박스를 제공하여 칼만 필터의 설계 및 구현을 지원합니다.
참조: 제어 시스템, 객체 인식, 비디오 처리, PID 제어, 파라미터 추정, 포인트 클라우드, 배터리 충전 상태, SLAM(동시적 위치추정 및 지도작성)
