так и сделаю тогда, с csv и правда все разберутся, наверное

Это че.

какой-то рейд, видимо

Правда?

Т.е. это неправда? Спасиб!

С кем оно разговаривает?

Оно не разговаривает. Оно выразительно смотрит.

Привет всем,
Есть задача, которая кажется достаточно распространённой. Дана конструкция из подвижных частей, в разных частях конструкции висят датчики, которые измеряют расстояние между друг другом. Каждый датчик имеет систематическую и случайную погрешность. Данные с датчиков поступают с некоторым интервалом. Нужно восстановить во времени форму этой конструкции. Какие методы уже отлажены для этой задачи ? Киношники наверняка чем-то пользуются, управляемые машины ...

Очевидный фильтр калмана. Формулируем закон движения системы, формулирем закон измерения. Из паспорта на датчики переписываем погиешности, складываем их в большую ковариационную матрицу. Запускаем алгоритм Калмана.

погрешности неизвестны, хотя для калмана это и не важно, может есть что-то более эфективное

При правильно заданной модели калман наиболее эффективен. Дальше только уходить в сторону extended kalman или unscented kalman в зависимости от предпочтений :)

то, что он самый популярный, в данном классе задач, это я согласен, но его результаты требуют постоянного контроля и коррекции

т.е мультипликаторы и роботостроители до сих пор им пользуются ?

Это если матрицы ковариаций плохо заданы. Есть работы по прикручиванию гауссовских процессов к фильтру калмана, чтобы они корректировали матрицы ковариаций. А впоследствии прикручивают уже и не гауссовский, а стьюдентовский процесс.

Роботостроители - 100%

А есть примеры таких работ?

Просто настроить фильтр калмана - целое искусство

Эх, опять калман ... какой-то он вечный

вот поэтому, я и не хочу за него браться