• Filtro di kalman
• localizzazione
• sensor data fusion

1 Introduzione
1.1 Localizzazione
1.2 Obiettivo
2 Struttura e architettura di funzionamento del robot mobile
2.1 Struttura meccanica del Robot mobile
2.2 Componenti di ‘MOTORE’
2.2.1 Omniwheel
2.2.2 Motori in corrente continua
2.2.3 Encoders
2.2.4 Scheda con architettura DSP
2.2.5 Penna ottica
3 Modello Matematico
3.1 Definizione dei sistemi di riferimento
3.2 Sviluppo del modello cinematico
4 Fondamenti di Sensor Fusion 24
4.1 Metodi probabilistici
4.1.1 Modello di stato e dell’osservazione
4.1.2 Teorema di Bayes
4.1.3 Applicazione del teorema di Bayes al sensor fusion
4.1.4 Il filtro Bayesiano ricorsivo
5 Stima Ottima e filtraggio di Kalman
5.1 Il filtro di Kalman
5.1.1 Algoritmo del filtro di Kalman
5.2 Il filtro di Kalman esteso
6 Sensor Data Fusion
6.1 Sensor Data Fusion
6.1.1 Definizione della funzione non lineare xk = f(xk-1, uk-1,wk-1)
6.1.2 Definizione della funzione non lineare zk = g(xk, vk)
6.1.3 Calcolo delle matrici A, W, H e V
6.1.4 Definizione completa dell’algoritmo del filtro di Kalman esteso
6.1.5 Parametri del filtro e regolazione
6.1.6 Determinazione di Rk
6.1.7 Determinazione di Qk
6.1.8 Semplificazione dell’algoritmo di Kalman per l’implementazione
7 Implementazione del Sensor data Fusion
7.1 Lettura dei dati dalla Penna Anoto
7.1.1 Implementazione dell’algoritmo
A Datasheet
B m-file
Bibliografia