İçeriğe geç
parazade
Yapay Zeka

Kalman Filtresi Nedir?

İngilizce: Kalman Filter

Yayın: · Son güncelleme:

Kalman Filtresi Nedir? Kısaca

Kalman filtresi, gürültülü ve eksik ölçümleri bir sistemin hareket modeliyle birleştirerek o sistemin gerçek durumunu, örneğin bir aracın konumunu ve hızını, her yeni ölçümde güncellenen en iyi tahminle hesaplayan algoritmadır.

Kalman Filtresi nedir?
İçindekiler
  1. Kalman filtresi nedir?
  2. Nasıl çalışır?
  3. Kullanım alanları ve sınırlar

Kalman filtresi (Kalman filter), sensörlerden gelen hatalı ölçümlerle bir sistemin nasıl davranması gerektiğine dair bilgiyi birleştirip daha isabetli bir tahmin üreten algoritmadır. 1960'ta Rudolf E. Kálmán tarafından yayımlandı ve kısa sürede uzay programlarında, sonra da navigasyon, robotik ve sinyal işlemede yaygın kullanıldı.

Kalman filtresi nedir?

Hiçbir sensör kusursuz değildir: Telefonundaki konum bilgisi birkaç metre sapabilir, ivme sensörü titreşimden etkilenir. Kalman filtresi şu soruya cevap arar: Elimde hareket hakkında bir model ve gürültülü ölçümler varsa, gerçek durumu en iyi nasıl tahmin ederim? Cevap, iki bilgi kaynağını güvenilirliklerine göre ağırlıklandırarak birleştirmektir.

Nasıl çalışır?

Filtre iki adımı her zaman diliminde tekrarlar:

  1. Tahmin: Önceki durumdan ve hareket modelinden yola çıkarak yeni durum tahmin edilir. Örneğin araç saniyede 10 metre gidiyorsa, bir saniye sonra 10 metre ileride olmalıdır. Bu tahminin belirsizliği de hesaplanır.
  2. Güncelleme: Yeni ölçüm geldiğinde tahminle karşılaştırılır. "Kalman kazancı" denen katsayı, ölçüme mi tahmine mi daha çok güvenileceğini belirler. Ölçüm gürültülüyse tahmine, model belirsizse ölçüme daha çok ağırlık verilir.

Böylece tahmin, her adımda hem daha kararlı hem de gerçeğe daha yakın hâle gelir.

Kullanım alanları ve sınırlar

Kalman filtresi; uçak ve uzay araçlarının navigasyonunda, GPS ile ivme sensörü verilerini birleştiren konum sistemlerinde, robotların konum takibinde ve nesne takibinde kullanılır. Sensör füzyonu uygulamalarının temel araçlarından biridir.

Klasik Kalman filtresi doğrusal sistemleri ve normal dağılımlı gürültüyü varsayar. Doğrusal olmayan sistemler için genişletilmiş ve kokusuz (unscented) Kalman filtresi gibi türevler kullanılır. Model hatalıysa filtre güvenle yanlış sonuçlar üretebilir.

Sıkça Sorulan Sorular

Kalman filtresi nerelerde kullanılır?

Navigasyon sistemleri, uydu ve uçak yönlendirme, telefonlardaki konum hesaplama, robotik, otonom araçlar ve görüntülerde nesne takibi gibi alanlarda kullanılır.

Kalman filtresi yapay zekâ mıdır?

Kalman filtresi bir olasılıksal tahmin algoritmasıdır, öğrenen bir model değildir. Ancak robotik ve otonom sistemlerde yapay zekâ bileşenleriyle birlikte sıkça kullanılır.

İlgili terimler

Sensör Füzyonu(Sensor Fusion)Sensör füzyonu, kamera, radar, lidar veya ivmeölçer gibi farklı sensörlerden gelen verileri birleştirerek, tek bir sensörün sağlayabileceğinden daha doğru, eksiksiz ve güvenilir bir çevre ya da durum tahmini elde etme yöntemidir.Nesne Takibi(Object Tracking)Nesne takibi (object tracking), bir videoda tespit edilen nesnelerin kareden kareye izlenmesi ve her nesneye kalıcı bir kimlik verilerek hareketinin zaman içinde takip edilmesini sağlayan bilgisayarlı görü görevidir.SLAM(Simultaneous Localization and Mapping)SLAM (Simultaneous Localization and Mapping, eş zamanlı konum belirleme ve haritalama), bir robotun ya da cihazın bilinmeyen bir ortamda hareket ederken hem o ortamın haritasını çıkarmasını hem de bu harita üzerindeki kendi konumunu aynı anda belirlemesini sağlayan yöntemlerin genel adıdır.Otonom Araç(Autonomous Vehicle)Otonom araç, kamera, radar ve lidar gibi sensörlerle çevresini algılayan ve yapay zekâ destekli yazılımla, sürüş görevinin bir kısmını ya da tamamını insan müdahalesi olmadan yerine getirebilen taşıttır.Robotik(Robotics)Robotik, çevresini algılayıp karar veren ve fiziksel dünyada hareket eden makineleri (robotları) tasarlayan, üreten ve programlayan disiplinlerarası mühendislik alanıdır; makine, elektronik ve yazılımı birleştirir.Ağırlık(Weight)Ağırlık (weight), yapay sinir ağlarında ve diğer makine öğrenmesi modellerinde her girdinin ya da bağlantının çıktıya ne kadar katkı yapacağını belirleyen ve eğitim sırasında veriden öğrenilen sayısal parametredir.