Làm thế nào để mô hình tiếng ồn trong sự trở lại của cảm biến phạm vi?

Các cảm biến phạm vi (ví dụ như sonar, hồng ngoại và flipar) nổi tiếng là ồn ào. Làm thế nào tôi có thể mô tả các đặc điểm tiếng ồn để đưa chúng vào mô hình cảm biến định vị xác suất?

Chủ đề này được bao phủ khá độc đáo trong cuốn sách Xác suất Robot của Thrun et. al. Tôi không có tài liệu tham khảo trực tiếp, nhưng có một số tài liệu của anh ấy (chẳng hạn như Robust Monte Carlo Localization for Mobile Robot , pdf ) về cơ bản bao gồm cùng một thông tin. Thông thường những gì được sử dụng là một mô hình lỗi hỗn hợp, trong đó hàm mật độ xác suất bao gồm các phần khác nhau

• Một lỗi Gaussian xung quanh việc đọc khoảng cách thực
• Một phần chiếm phần dương tính giả như chướng ngại vật động, v.v. Điều này là lớn hơn với khoảng cách nhỏ hơn.
• Một phần không đổi chiếm các số đọc âm tính giả, trong đó cảm biến cho phép đọc ngoài phạm vi.

Các mô hình cần phải được trang bị cho cảm biến và ứng dụng của bạn.

Hầu như tất cả mọi người chỉ cho rằng nhiễu là gaussian vì cách đó toán học tương đối dễ.

Nếu bạn thực sự muốn, bạn có thể xác định bằng thực nghiệm sự phân phối tiếng ồn của cảm biến, điều chỉnh mô hình cho nó và sử dụng nó nhưng sẽ rất nhiều công việc không có khả năng thu được.