självkalibrerande

Självkalibrerande beskriver system, instrument eller algoritmer som kan kalibreras automatiskt utan extern referens genom att dra nytta av interna signaler, redundanta sensorer eller inbyggda fysiska modeller. Målet är att kontinuerligt uppskatta och uppdatera kalibreringsparametrar under drift.

Principerna bygger ofta på onlinekalibrering där parametrar som bias, skalfaktor eller geometriska relationer bestäms från data som genereras av systemet själv. Metoderna kan innefatta optimering (till exempel maximum likelihood eller Bayesianska tekniker), sensorfusion med Kalman- eller particle-filter, samt användning av redundanta sensorer eller kända miljöegenskaper som referenser. I vissa fall används även inlärningsbaserade metoder som lär sig kalibreringens parametrar från tidigare körningar.

Användningsområden är breda och inkluderar bild- och fotogrammetri, robotik, autonoma fordon, industriella mätinstrument och konsumentelektronik. Inom datorseende används exempelvis självkalibrering för att uppskatta kamerans intrinsics och relationen mellan flera sensorer utan måttliga mål i scenen. Inom fordonsseende kan systemet justera sensorernas bias och tidsfördröjningar i realtid för förbättrad fusion. Industrimätinstrument kan använda självkalibrering för att minska driftstopp och underhållsbehov.

Utmaningar inkluderar identifiabilitet och modellfel i kalibreringsmodellerna, miljö- och driftförändringar som påverkar uppskattningarna, samt beräkningskostnader och krav på spårbarhet. Självkalibrering är ofta beroende av vissa antaganden och kan behöva externa kontroller i kritiska applikationer. Framtiden väntas innebära mer robusta algoritmer och ökad användning av maskininlärning för att förbättra anpassningsförmågan i varierande förhållanden.