Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Filtres Kalman : Estimation et localisation

Dans cours

ENG-366: Signals, instruments and systems

The goal of this course is to transmit knowledge in sensing, computing, communicating, and actuating for programmable field instruments and, more generally, embedded systems. The student will be able to put in practice the knowledge acquired using concrete ...

Description

Cette séance de cours couvre la théorie et l'application des filtres Kalman pour l'estimation et la localisation en robotique. Les sujets abordés incluent les modèles de mouvement et de mesure discrets dans le temps, les filtres Kalman multidimensionnels, les composants d'un filtre Kalman et le travail autour des limites du filtre Kalman avec filtres à particules.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e

Alcherio Martinoli

I received my Diploma in Electrical Engineering from the Swiss Federal Institute of Technology in Zurich (ETHZ), and a Ph.D. in Computer Science from the Swiss Federal Institute of Technology in Lausanne (EPFL). I am currently an Associate Professor at the School of Architecture, Civil, and Environmental Engineering and the head of the Distributed Intelligent Systems and Algorithms Laboratory. Before joining EPFL I carried out research activities at the Institute of Biomedical Engineering of the ETHZ, at the Institute of Industrial Automation of the Spanish Research Council in Madrid, Spain, and at the California Institute of Technology, Pasadena, U.S.A. Additional information can be found on my full CV.

Source officielle

Concepts associés (31)

Filtre particulaire

Les filtres particulaires, aussi connus sous le nom de méthodes de Monte-Carlo séquentielles, sont des techniques sophistiquées d'estimation de modèles fondées sur la simulation. Les filtres particulaires sont généralement utilisés pour estimer des réseaux bayésiens et constituent des méthodes 'en-ligne' analogues aux méthodes de Monte-Carlo par chaînes de Markov qui elles sont des méthodes 'hors-ligne' (donc a posteriori) et souvent similaires aux méthodes d'échantillonnage préférentiel.

Filtre de Kalman

vignette| Concept de base du filtre de Kalman. En statistique et en théorie du contrôle, le filtre de Kalman est un filtre à réponse impulsionnelle infinie qui estime les états d'un système dynamique à partir d'une série de mesures incomplètes ou bruitées. Le filtre a été nommé d'après le mathématicien et informaticien américain d'origine hongroise Rudolf Kálmán. Le filtre de Kalman est utilisé dans une large gamme de domaines technologiques (radar, vision électronique, communication...).

Filtre de Kalman d'ensemble

Le filtre de Kalman d'ensemble (EnKF) est une variante du filtre de Kalman plus adaptée aux problèmes de très grande dimension comme les modèles géophysiques. Il a fait son apparition en 1994 dans un article de Geir Evensen. L'idée du filtre de Kalman d'ensemble est de représenter la loi recherchée par un échantillon de la variable d'état, et par suite la matrice de covariance du filtre de Kalman devient une matrice de covariance échantillonnée.

Robot

vignette|Atlas (2013), robot androïde de Boston Dynamics vignette|Bras manipulateurs dans un laboratoire (2009) vignette|NAO (2006), robot humanoïde éducatif d'Aldebaran Robotics vignette|DER1 (2005), un actroïde d'accueil vignette|Roomba (2002), un robot ménager Un robot est un dispositif mécatronique (alliant mécanique, électronique et informatique) conçu pour accomplir automatiquement des tâches imitant ou reproduisant, dans un domaine précis, des actions humaines.

Estimation de mouvement

L'estimation de mouvement ou Motion estimation est un procédé qui consiste à étudier le déplacement des objets dans une séquence vidéo, en cherchant la corrélation entre deux images successives afin de prédire le changement de position du contenu. Le mouvement est un problème mal posé en vidéo puisqu'il décrit un contexte en trois dimensions alors que les images sont une projection de scènes 3D dans un plan en 2D. En général, il est représenté par un vecteur de mouvement qui décrit une transformation d'une image en deux dimensions vers une autre.

Afficher plus

Séances de cours associées (45)

Filtre de Kalman : Linéarisé vs Extended

Explore les filtres de Kalman linéarisés et étendus, illustrant leur application dans les systèmes non linéaires et l'estimation des paramètres inconnus.

Concepts de programmation C: Débogage et gestion de la mémoire

Couvre les concepts de programmation C essentiels, y compris la gestion de la mémoire, les techniques de débogage et les applications pratiques dans les projets de programmation.

Contrôle multivariable : estimation de l'état et filtrage Kalman

Explore l'estimation de l'état et le filtrage Kalman pour les systèmes de commande multivariables, avec des applications dans les canaux de communication et la navigation du véhicule.

Filtration de Kalman : estimation de l'état et prévision

Explore le filtre Kalman pour l'estimation et la prédiction de l'état dans un cadre gaussien linéaire, en mettant l'accent sur l'optimalité du prédicteur et du filtre.

Robotique : Actualisation et analyse de la mobilité

Couvre les exercices corrigés de l'examen 2020 dans le domaine de la robotique, y compris des sujets tels que la précision, la vitesse, les moteurs à courant continu, le rapport d'engrenage optimal, la dynamique des bras de robot, les encodeurs et la cinématique.

Afficher plus

Concepts associés (31)

Filtre particulaire

Filtre de Kalman

Filtre de Kalman d'ensemble

Robot

Estimation de mouvement

Afficher plus