självkalibrering

Självkalibrering är processen där ett system självestimerar och uppdaterar sina kalibreringsparametrar baserat på data som genereras av systemet självt, utan beroende av externa mätningar eller service. Syftet är att upprätthålla eller förbättra mätnoggrannheten när sensorernas respons ändras över tid, vid installation eller i fält, samt när miljöförhållanden påverkar mätningarna.

Principen bygger på att nyttig information kan hämtas från sensorns egen rörelse, scenen som observeras eller redundans i observationerna. Parametrarna kan vara intrinsics (till exempel brännvidd, huvudpunkt, linsdistortion), extrinsics (sensorernas relativa poser i ett system), biaser, skalfaktorer och tidsfördröjningar. Självkalibrering används oftast genom optimeringar som maximum likelihood eller Bayesianska metoder, eller genom filtrering som Kalmanfilter, och i datorseende används bundle adjustment över flera bilder.

Områden och tillämpningar omfattar kameror och multivisjonsystem i datorseende, IMU-sensorer i fordon och robotar, samt sensorfusion i drönare, satellit- och industriella mätapplikationer. Vid bildkalibrering kan man utnyttja rörelse och scenens struktur som inte kräver särskilda kalibreringsmönster; inom IMU-området kan biaser och tidsfördröjningar kalibreras kontinuerligt under drift.

Fördelar med självkalibrering inkluderar minskat underhållsbehov, kontinuerlig anpassning till förändrade förhållanden och möjlighet till snabbare fältstart. Begränsningar innefattar att kalibreringen kan kräva specifika rörelser eller scenarier för att undvika degenerering, risk för felaktiga eller långsamt konvergerande parametrar om data inte är tillräcklig eller om modellantagandena är felaktiga, samt beroende av antaganden om stationaritet eller tidsinvariantitet.

---