Diğer cevapların belirttiği gibi, ivmeölçer, motor, frenler veya arabaya etki eden diğer kuvvetler nedeniyle arabadaki yerçekimi ve diğer ivmenin toplamı olan üç boyutlu bir vektör sağlar. Bu durumda amacınız, kalan diğer kuvvetleri bulmak için yerçekimi ivmesini ivmeölçerin çıkışından çıkarmaktır.
En iyi doğruluk için, yerçekiminin ivmeölçere göre daima "aşağı" olduğunu varsayamazsınız. Örneğin, araba bir tepede olabilir. Tüm hesaplamalarınız üç boyutlu vektör matematiği ile yapılmalıdır ve çıkartılacak yerçekimi vektörünün yönünü bilmek için arabanın yönünü tahmin etmelisiniz.
Bir Kalman filtresi burada ortak bir yaklaşımdır. Fikir, arabanın yönünü değiştirebilecek tüm verilerinizi almak, daha sonra ölçümlerin ağırlıklı bir ortalamasını yapmak, arabaya etki eden fizik hakkında bildiklerinizle birleştirmek, aracın olasılıklı bir tahminine ulaşmaktır arabanın yeni yönünü ve hangi yönde "aşağı" olduğunu.
Ne kadar fazla veriye sahip olursanız ve aracın fiziğini o kadar doğru bir şekilde modelleyebilirsiniz, bu tahmin o kadar doğru olur.
Örneğin, bir jiroskopunuz varsa ve arabayı yukarı doğru ölçtüğünüzde, yerçekimi vektörünün arabanın arkasına doğru döneceğini tahmin edebilirsiniz. Kısa vadede, araba bir tepeye çıkmaya başladığında, bu yerçekimi vektörünün hızla doğru yönlendirmeyi almasına yardımcı olabilir.
Ayrıca, otomobilin ortalama olarak frenleme veya hızlanmadığını varsayabilirsiniz. Bu nedenle, ivmeölçerin düşük geçişli filtrelenmiş bir çıkışı, "aşağı" yönünün tahminine beslenebilir. Bu, ataletsel kaymaya tabi olmayan uzun süreli bir ölçüm sağlar.
Yerçekimi yönünü tahmin etmek için ivmeölçer ve jiroskoptaki verileri birleştirmek, böylece her iki ölçümden daha doğru bir tahmin sağlar.
Aracın olası çalışma zarfı hakkında bildiklerinizi daha fazla dahil edebilirsiniz. Örneğin, araç çok dik olan tepeleri yukarı veya aşağı süremez, bu nedenle ivmeölçer bu tür aşırı açıları gösterdiğinde, çıktının çoğunun yerçekimi değil frenlerden veya motordan kaynaklandığı varsayılarak daha az ağırlıklandırabilirsiniz.
Sürücünün frenlere çarpıp çarpmadığını bilirsiniz, bu hızlanma vektörünü hareket ettirir ve bunu tahmini "aşağı" bileşenden çıkarabilirsiniz.
Veya GPS ve harita verileriniz varsa, konuma göre otomobilin eğimi hakkında bir tahmin ekleyebilirsiniz. Yüksek doğruluk verileriniz varsa, aracın hangi tepede olduğunu tam olarak bilebilirsiniz. Yalnızca düşük doğrulukta verileriniz varsa, bu yine de yararlı olabilir. Örneğin, araba Kansas'ta ise tepeler düşüktür. Araba San Francisco'daysa, tepeler daha olasıdır ve ivmeölçere daha az ağırlık verebilirsiniz.
Yakıt tüketimi ve hızıyla ilgili veriler varsa, yokuş yukarı giderken daha fazla yakıt tüketildiğini bilerek, yakıt verimliliğine bağlı olarak aracın yukarı veya aşağı eğimli olduğunu tahmin etmek için bunu kullanabilirsiniz.
Ve bunun gibi. Ne kadar çok bilirseniz, tahmininiz o kadar iyi olabilir.