用于定位移动物体的系统和方法与流程

本专利文件的公开的一部分包含受到版权保护的材料。版权所有人不反对任何人对专利文档或专利公开(如其在专利和商标局中的专利文件或记录中出现)进行复制再现，但是在其他情况下版权所有人保留所有版权。

背景技术：

确定物体(特别是移动物体)的位置对于导航是有用的，并且已经越来越多地应用于无人机(uav)的各种应用中。然而，当移动物体高速移动或频繁改变方向时，位置确定的精度是资源密集型的并且难以实现。

目前，高精度定位解决方案需要高精度全球定位系统(gps)接收器。然而，这样的gps接收器体积庞大、价格昂贵，因此只能缓慢更新。这种解决方案对于许多应用(例如，在娱乐空中跟踪或摄影中)而言是不实际的。这至少部分是因为手持式装置中的gps单元通常具有低精度和低更新频率(例如，小于1hz)。

在空中跟踪中，对于使用gps接收器的备选方案是使用图像识别。然而，图像识别也是资源密集型的，并且其精度受计算能力、照明条件和其它环境因素的限制。

技术实现要素：

描述了用于定位移动物体(比如，步行的或跑步的个人)的系统、计算机可读介质和方法。可以利用诸如gps接收器来进行移动物体的位置的“低频测量”。适用于此测量的gps接收器无需非常精确，并且可以是消费型智能手机中的低成本gps单元。可以根据这样的测量位置导出近似位移。

同时，可以在进行低频测量的两个时间点之间进行多个惯性测量。惯性测量以更高的频率发生(“高频测量”)，并且可以包括诸如加速度之类的信息。可以利用可以包括诸如加速度计、陀螺仪、磁力计或其组合之类的部件在内的感测单元来进行惯性测量。根据加速度数据，可以获取移动物体的某些移动特性(例如，速度)。然后，可以使用移动特性来计算移动物体的另一位移，该位移可以被称为惯性测量位移(im位移)。

考虑到im位移可以以相对较高的频率进行，并且可以以相对较低的累积误差来确定近似位移，结合这两者可以导致高频率和高精度地估计移动物体的位移和位置。该组合可以考虑各个测量中的每个测量的误差。此外，可以例如利用低通滤波器使加速度数据经受降噪处理，以改善位移估计。

引用并入

在与每个单独的出版物、专利或专利申请被具体和单独地指明通过引用并入本文相同的程度上，将本说明书中提及的所有出版物、专利和专利申请通过引用并入本文。

附图说明

本技术的各种实施例的某些特征在所附权利要求中具体阐述。通过参考下面的详细描述及其附图，将更好地理解本技术的特征和优点，所述详细描述中阐述了利用本发明的原理的说明性实施例，所述附图中：

图1a示出了确定跑步者从时间点(l1)到第二时间点(l2)的位移的方法；

图1b示出了移动物体是不平坦表面上的步行的人的示例。

图1c示出了也可以利用与移动物体不相关的装置(例如，uav)来确定移动物体的近似位移；

图2示出了根据惯性测量获得的加速度曲线；

图3a和图3b示出了将近似位移和利用惯性测量估计出的位移进行组合以得到组合的预估位移的两种不同方式；

图4是所公开的位移估计方法的一个实施例的示例流程图；

图5是用于调整用于跟踪移动物体的跟踪平台的移动的示例流程图；

图6示出了本公开的方法的一个实施例；以及

图7示出了本公开的方法的另一实施例。

具体实施方式

以下的某些描述将无人机(uav)用作为移动物体的示例。对于本领域技术人员来说显而易见的是，可以无限制地使用其它类型的可移动物体。

在一个实施例中，本公开提供了用于确定移动物体的位置的系统和方法。如本文所使用的术语“位置”可以指代相对于地球的位置(“绝对位置”)或相对于参考物体(比如，监控装置)的位置(“相对位置”)。在一些情况下，假设在较早时间点的物体的位置是已知的或者可以被测量，则可以通过确定物体从较早时间点到当前时间点的位移，来确定当前时间点的可移动物体的位置。

用于确定移动物体的位移的本公开的示例方法将输入的针对移动物体的两个测量分别称为“低频测量”和“高频测量”。请注意，这些术语中的低频和高频是出于方便的目的而使用的，并不一定反映测量之间的关系或者每个测量或每个相关联装置的能力。

如下面进一步描述的，例如，可以通过与移动物体相关联的手持式装置中的低精度gps单元或通过经由适当手段跟踪移动物体的远程装置来进行低频测量。在一些情况下，这种低频测量更新地相对不频繁，但不会产生累积误差。换句话说，如果第一次测量的误差大约是10米，则在经过100次这样的测量后，误差不会比10米大很多。

在一些情况下，高频测量可以比低频测量更频繁地进行。然而，这种高频测量不一定揭示移动物体本身的位置。相反，在一些情况下，高频测量在某些情况下涉及移动物体的加速度、速度、移动方向和/或位移。然而，当与移动物体在移动之前的位置组合使用时，这种加速度、速度、移动方向和/或位移可以确定移动物体的当前位置。此外，由于可以更频繁地执行高频测量，因此这提供了用于确定移动物体的位置或位移的频繁手段。

在适当的时候或需要时，可以验证、校正或调整此类确定的位置或位移。可以参考通过低频测量确定的位置来进行验证、校正或调整。因此，组合使用低频测量和高频测量可以提供用于确定移动物体的位置或位移的高频和高精度装置。

参考图1a，人102在表面101上从左向右移动。该人携带能够进行惯性测量的手持式装置103(例如，包含惯性测量单元(imu)的智能电话)。这里，人或手持式装置可以被认为是要被确定位移的移动物体。为了说明的目的，在该示例中，该人被视为移动物体。在这种情况下，惯性测量可以被认为是高频测量。

可以获得在第一时间点(l1)和第二时间点(l2)之间的人102的近似位移。该近似位移无需高度精确，并且该测量无需频繁。就精度而言，智能手机中的典型gps接收器就足够了。在一种情况下，近似位移的测量可以具有不大于如下的误差：大约30米、大约25米、大约20米、大约15米或大约10米。在一种情况下，近似位移的测量可以具有大于如下的误差：大约1米、2米、3米、4米、5米、6米、7米、8米、9米、10米、15米或20米。因此，在这种情况下，近似位移的测量可以被认为是低频测量。

在一些情况下，近似位移是利用全球定位系统(gps)接收器来获得的。gps接收器是这样的装置：可以从全球导航卫星系统(gnss)中的gps卫星接收信息，并且使用这样的信息来确定相对于卫星和相对于卫星围绕运行的地球的位置。存在可以与不同的gnss系统一起工作的多种gps接收器。

gnss系统的非限制性示例包括：美国全球定位系统(gps)、全球导航卫星系统(格洛纳斯)、印度区域导航卫星系统(irnss)、中国北斗导航卫星系统(北斗二号)和欧洲伽利略导航卫星系统(伽利略)。

然而，近似位移并不是必须要通过与移动物体物理关联的装置来获得的。例如，如图1c所示，耦合到相机的uav在表面101和人102上方飞行，并且跟踪人102的移动。如果uav知道自己的位置，则使用人相对于无人机的相对距离和方向，uav可以估计该人的近似位移。

如所提供，近似位移的测量无需高度频繁。例如，l1与l2之间的时间段可以是至少1/5秒、1/4秒、1/3秒、1/2秒、2/3秒、3/4秒或1秒。

相反，惯性测量可以在第一时间点和第二时间点之间的多个时间点进行。如图1a所示，在第一时间点l1和第二时间点l2之间，在多个(n)中间时间点h1，h2…hn进行了移动物体的惯性测量。因此，惯性测量的频率是近似位移测量的频率的n倍。

在一些情况下，惯性测量的频率高于近似位移测量的频率。例如，惯性测量的频率为至少大约10hz、至少大约20hz、至少大约30hz、至少大约40hz、至少大约50hz、至少大约60hz、至少大约70hz、至少大约80hz、至少大约90hz、或至少大约100hz。

惯性测量可以包括在一个或多个维度或方向上的加速度。如本领域中容易理解的那样，这种惯性测量可以利用感测单元来获得，感测单元可以包括例如加速度计、陀螺仪、磁力计或其组合。在一些情况下，各种装置(包括诸如智能手机之类的手持式装置)可以包括惯性测量单元(imu)。

在某些情况下，惯性测量对于位移的计算(例如，当移动物体频繁地改变其运动的速度和/或方向时)特别有用。步行或跑步(或以其它方式移动)的个人(无论是人、动物、(飞)鸟、(游)鱼还是机器人)都是合适的示例。如图1a所示，人102携带包含imu的装置103，人102一起一伏地移动并且可能伴有左右运动，以形成移动波形104以及加速度曲线。然而，竖直移动和侧向移动可能会被视为噪声，需要在将数据用于计算人的位移之前将其去除或减少。

在另一示例中，如图1b所示，人102在不平坦/曲面101上步行，生成移动波形104。这里，仅一些竖直运动是噪声，而大致平行于表面101的主曲线反映了人的实际位移。

在图1a和图1b的示例中，惯性测量可以取决于imu的取向或位置。因此，将惯性测量的加速度数据转换成地球的标准坐标(即，地面坐标或地球坐标)是有帮助的。以下等式示出了一种这样的转换方法：

其中和表示基于体坐标下所测量的加速度分量和而在地面坐标下所估计的加速度分量。

对于步行的人来说，转换后的加速度数据可以看起来像图2中的曲线201。在该示例中，高频(窄)峰和谷可能是由imu的振动引起的。因此，在使用加速度数据来确定对于确定移动物体的位移有用的移动特性之前，减小这种噪声是有帮助的。

对加速度数据进行降噪可以使用各种已知技术，这些已知技术可选地针对具体情况来进行配置。在一个示例中，利用平滑技术来处理表示所测量的加速度信息的数据集。平滑技术的非限制性示例包括：加法平滑、巴特沃斯滤波器、数字滤波器、指数平滑、卡尔曼滤波器、内核平滑器、kolmogorov-zurbenko滤波器、拉普拉斯平滑、局部回归、低通滤波器、ramer-douglas-peucker算法、savitzky-golay平滑滤波器、平滑样条、拉伸网格方法及其组合。

在一些情况下，平滑技术采用低通滤波器。低通滤波器可以是一阶滤波器或二阶滤波器。低通滤波器的具体示例包括但不限于：巴特沃斯滤波器、切比雪夫滤波器、椭圆滤波器、贝塞尔滤波器、高斯滤波器、勒让德滤波器、或linkwitz–riley滤波器。

此外或备选地，通过曲线拟合可以实现加速度数据的降噪。曲线拟合方法的非限制性示例包括：多项式插值、多项式回归、三角函数拟合、高斯拟合、洛伦兹拟合、voigt拟合、参数曲线拟合及其组合。

对于平滑方法或曲线拟合方法，利用适用于移动物体的移动模型来配置方法是有用的。在一个实施例中，平滑或曲线拟合被配置为确保保留目标频率并滤除噪声频率。可以预先确定或即时地计算用于确定目标频率和噪声频率的阈值。例如，对于以典型速度步行的人来说，低通滤波器可以被配置为使得主频率为小于0.5hz(即，fpass＝0.5hz)的频率的所有信号通过，并且阻止具有大于0.8hz(即，fstop＝0.8hz)的频率的所有信号。在该示例中，这两个频率之间的信号被减少但不被消除。

在一些实施方式中，fpass可以为从大约0.3hz至大约0.7hz、或者从0.35hz至大约0.65hz、或者从大约0.4hz至大约0.6hz、或者从大约0.45hz至大约0.55hz、或为大约0.5hz。在一些实施方式中，fstop可以为从大约0.6hz至大约1hz、从大约0.65hz至大约0.95hz、从大约0.7hz至大约0.9hz、从大约0.75hz至大约0.85hz、或为大约0.8hz。

也可以即时地确定目标频率。在一个示例中，可以利用与加速度曲线相交的直线来确定目标频率。该直线的示例是如图2所示的x轴，其中加速度为0。在该示例中，目标频率是通过直线上的两个相邻交点之间的间隔来确定的。

在另一示例中，目标频率通过将数据集变换到频域来确定。在一个示例中，该变换可以是傅里叶变换。然后，可以确定目标频率与具有最高幅度的一个或多个频率相对应。

根据加速度曲线，可以容易地导出移动物体的移动特性。移动特性可以包括移动的速度和方向。例如，可以利用积分函数将速度计算为曲线下方的面积。然后，这样的移动特性可以很容易地用来计算移动物体的位移。

根据由惯性测量导出的移动特性而确定的位移(本文也称为“im位移”)可以比近似位移的发生频率更频繁地发生。与近似位移一样，惯性测量也可能有误差。与近似位移不同，当多个连续的im位移组合时，与im位移相关联的误差会累积。

因此，在一些情况下，可以使用im位移和近似位移来相互验证或调整，以获得高频率和高精度的预估位移。下面描述用于组合im位移和近似位移的两种示例方法。应该理解的是，每次进行惯性测量时并不是都需要进行验证或调整。例如，在图1a的示例中，可以在测量im位移和近似位移两者的时间点hn/l2进行验证或调整。在h2至hn-1的时间点不需要这种验证或调整。

在一些情况下，在测量im位移时，可以为im位移估计误差。可以考虑用于估计误差的一个因素是惯性测量中的噪声(例如，竖直移动或侧向移动)水平。惯性测量中存在的噪声越多，降噪过程中可能引入的误差就越多。另一个因素是物体的移动的某些不规则性。不规则性可以是误差的结果或误差的反映。

为了测量近似位移，误差可以是已知的或可以被计算的。例如，如果通过与移动物体相关联的gps接收器获得了近似位移，则在gps接收器处接收到的gps信号的强度可以是误差水平的良好指示。同样，如果近似位移是由跟踪移动物体的uav提供的，则也可以估计跟踪的质量，然后可以用所估计的跟踪的质量来估计误差。

在im位移和近似位移之间，当将im位移和近似位移组合以产生组合的预估位移时，可以向具有较低估计误差的位移赋予更高的权重。参考图3a，在第一时间点时，移动物体被确定为在位置301处。经过一段时间后，在第二时间点时，近似位移估计移动物体已经移动到位置da。与此估计相关联，近似位移具有估计误差ea。圆303示出了在给定估计误差的情况下移动物体的可能实际位置的范围。

利用惯性测量，估计出移动物体已经沿着多个位置dim1、dim3、dim3、dim4...移动到达位置dim。这种测量的误差被估计为eim。圆302示出了误差的范围。在该示例中，可以计算根据近似位移和im位移的相应精度按比例地(或者根据它们的相应误差按反比地)组合da和dim而得到的预估位移/位置(de)。因此，在该示例中，由于ea大于eim，因此，相比于da，预估位移de更接近dim。

在图3b所示的示例中，近似位移测量被估计为具有相对小的误差(ea)，并且计算出的预估位移de在圆303之外。因此，根据本技术的一些实施例，预估位移进一步移向da，使得预估位移位于圆303内。所得到的更新的预估位移是d'e。

图4呈现了当前描述的方法的一个实施例的示例工作流程400。使用与移动物体相关联的gps接收器402来确定移动物体从第一时间点到第二时间点的近似位移(408)。gps测量发生地相对不频繁(例如，以大约1hz)，这意味着第二时间点在第一时间点之后至少大约1秒处。

同时，使用惯性测量单元(imu)401来测量在三个欧拉角(403)下的移动物体的各个加速度(404)。相对于近似位移的发生频率，这种惯性测量可以更频繁地发生。如此处所示，惯性测量的频率为大约50hz。各个加速度可以组合并转换为地球标准坐标内的综合加速度(405)，以调整imu装置的取向。

然后，可以向转换后的综合加速度数据应用低通滤波器(407)，去除或减少可能由移动物体未沿到下一位置的方向的移动而导致的高频噪声。如果移动物体是步行的人，则低通滤波器的应用可以考虑步行模型(407，比如移动类型和频率)。然后，可以使用滤波后的惯性测量来计算移动物体的移动特性(例如，移动速度和方向)。然后，可以使用速度和方向来估计移动物体的位移。

由gps单元估计的位移具有相对较低的频率或者抗累积误差；由惯性测量估计的位移可以更频繁地发生。因此，当这些估计组合起来时，可以对位移进行高频率和高精度的估计(409)。

然后，可以使用移动物体的位移的确定来调整跟踪平台(例如，uav)的移动，使得跟踪平台可以保持相对于移动目标而言的恒定的距离(和/或方向)。图5中示出了用于调整的示例方法。假设target_x、target_y、target_vx和target_vy表示平行于表面(例如，由x轴和y轴表示的水平平面)的二维空间中的位置和速度；并且init_x和init_y表示相对于跟踪平台的移动物体(即，目标)的初始(或期望)相对位置。此外，delta_x和delta_y用于表示在给定时间点的移动物体的相对位置，该相对位置可以基于移动物体的位移来计算。跟踪的一个示例目标是保持这个相对位置。另一示例目标是保持飞行方向(以及跟踪平台的取向)朝向移动物体。

在图5的流程图500中，在步骤501中，利用与移动物体相关联的移动装置(智能电话或可穿戴装置)来测量移动物体的位置和速度。这样的位置可以是绝对位置(即，相对于地面)，并且被发送给作为跟踪平台的示例的无人机。如果这是在启动跟踪之后第一次接收到这种数据(502)，则该数据可以用于设置跟踪目标，即用于使跟踪平台保持与移动物体的相对位置。因此，在步骤503处，通过与无人机的绝对位置(drone_x和drone_y)进行比较，确定移动物体的相对位置(init_x和init_y)。

如果已经设置了init_x和init_y，则计算移动物体的相对位置(delta_x和delta_y)(参见504)。计算期望的相对位置(init_x和init_y)与当前相对位置(delta_x和delta_y)之间的差，并且将该差称为error_x和error_y(505)。在步骤506处，使用差(error_x和error_y)来确定跟踪平台的新速度(v_x和v_y)，使得新速度将有助于将该差减小到零。在步骤506中还考虑了来自上次调整的差(error_x_last和error_y_last)。在图5中的步骤506处使用的等式是比例积分微分控制器方法，其中p和d可以凭经验确定。

在步骤507处，采用速度前馈。速度前馈考虑了通过前馈参数f加权的移动物体的速度(target_vx和target_vy)，前馈参数f也可以凭经验确定。然后，将跟踪平台的最终速度(vx和vy)提供给无人机的飞行控制中心(508)，以指导无人机的飞行。

图6示出了示出用于定位移动物体的方法的流程图600。该方法涉及：例如，基于移动物体在第一时间点和第二时间点的位置测量，获得移动物体在第一时间点和第二时间点之间的近似位移(601)；处理移动物体在第一时间点和第二时间点之间的多个间隔时间点的惯性测量，以获取移动物体在第一时间点和第二时间点之间的移动特性(602)；以及，基于所获取的移动物体的移动特性以及移动物体在第一时间点和第二时间点之间的近似位移，确定移动物体在第一时间点和第二时间点之间的所述间隔时间点的预估位移(603)。

在一些实施例中，近似位移是利用全球定位系统(gps)接收器来获得的。在一些实施例中，gps接收器被配置为在全球导航卫星系统(gnss)中操作。在一些实施例中，gnss是从由以下项组成的组中选择的：美国全球定位系统(gps)、全球导航卫星系统(格洛纳斯)、印度区域导航卫星系统(irnss)、中国北斗导航卫星系统(北斗二号)和欧洲伽利略导航卫星系统(伽利略)。

在一些实施例中，惯性测量是利用感测单元来获得的。在一些实施例中，感测单元包括惯性测量单元(imu)。在一些实施例中，imu包括加速度计、陀螺仪、磁力计或其组合。

在一些实施例中，移动目标是步行或跑步的个人或与这样的个人相关联。在一些实施例中，移动特性包括速度和速度的方向。在一些实施例中，移动特性还表征沿与所述方向不同的侧向的移动。在一些实施例中，侧向垂直于所述方向。

在一些实施例中，该方法还涉及滤除表示惯性测量的数据集中的噪声。在一些实施例中，该数据集表示加速度。在一些实施例中，滤波使用从由如下项组成的组中选择的方法：加法平滑、巴特沃斯滤波器、数字滤波器、指数平滑、卡尔曼滤波器、内核平滑器、kolmogorov-zurbenko滤波器、拉普拉斯平滑、局部回归、低通滤波器、ramer-douglas-peucker算法、savitzky-golay平滑滤波器、平滑样条、拉伸网格方法及其组合。

在一些实施例中，滤波包括低通滤波器的应用。在一些实施例中，低通滤波器被配置为滤除频率比上截止频率高的信号。在一些实施例中，低通滤波器被配置为滤除频率比下截止频率低的信号。在一些实施例中，上截止频率在大约0.7hz和大约0.9hz之间。在一些实施例中，下截止频率在大约0.4hz和大约0.6hz之间。在一些实施例中，低通滤波器是一阶滤波器或二阶滤波器。在一些实施例中，低通滤波器是巴特沃斯滤波器、切比雪夫滤波器、椭圆滤波器、贝塞尔滤波器、高斯滤波器、勒让德滤波器、或linkwitz–riley滤波器。

在一些实施例中，该方法还涉及确定数据集的目标频率。在一些实施例中，目标频率用于配置滤波。在一些实施例中，滤波是低通滤波。

在一些实施例中，目标频率是通过将表示数据集的曲线与直线相交来确定的。在一些实施例中，该直线是曲线中加速度等于0的x轴。在一些实施例中，目标频率是通过直线上的两个相邻交点之间的间隔来确定的。

在一些实施例中，目标频率通过将数据集变换到频域来确定。在一些实施例中，变换包括傅里叶变换。在一些实施例中，目标频率被确定为与具有最高幅度的一个或多个频率相对应。

在一些实施例中，该方法还涉及对表示惯性测量的数据集进行曲线拟合。在一些实施例中，曲线拟合使用从由如下项组成的组中选择的方法：多项式插值、多项式回归、三角函数拟合、高斯拟合、洛伦兹拟合、voigt拟合、参数曲线拟合及其组合。

在一些实施例中，以至少10hz的频率来获得惯性测量。在一些实施例中，以至少40hz的频率来获得惯性测量。在一些实施例中，第二时间点在第一时间点之后至少1/n秒，其中n至少为2hz。

在一些实施例中，移动特性包括根据数据集的积分而计算出的速度。在一些实施例中，该方法还涉及基于移动特性来计算惯性测量位移(im位移)。在一些实施例中，预估位移的确定包括融合im位移和近似位移。

在一些实施例中，该方法还涉及计算针对im位移的估计误差。在一些实施例中，该方法还涉及将预估位移更新为在近似位移和针对im位移的估计误差限定的范围内。

与上述任一实施例的方法一样，还提供了一种用于定位移动物体的系统，包括处理器和程序指令，程序指令在由处理器执行时将系统配置为：基于移动物体在第一时间点和第二时间点的位置测量，获得移动物体在第一时间点和第二时间点之间的近似位移；处理移动物体在第一时间点和第二时间点之间的多个间隔时间点的惯性测量，以获取移动物体在第一时间点和第二时间点之间的移动特性；以及，基于所获取的移动物体的移动特性以及移动物体在第一时间点和第二时间点之间的近似位移，确定移动物体在第一时间点和第二时间点之间的所述间隔时间点的预估位移。

与上述任一实施例的方法一样，还提供了一种非暂时性计算机可读介质程序指令，该程序指令在被执行时将系统配置为：基于移动物体在第一时间点和第二时间点的位置测量，获得移动物体在第一时间点和第二时间点之间的近似位移；处理移动物体在第一时间点和第二时间点之间的多个间隔时间点的惯性测量，以获取移动物体在第一时间点和第二时间点之间的移动特性；以及，基于所获取的移动物体的移动特性以及移动物体在第一时间点和第二时间点之间的近似位移，确定移动物体在第一时间点和第二时间点之间的所述间隔时间点的预估位移。

图7示出了示出用于跟踪移动物体的方法的流程图700。例如，该方法涉及：例如，针对第一时间点获取移动物体相对于跟踪平台的相对位置和移动物体的速度(701)；将移动物体在第一时间点的相对位置与移动物体在先前时间点的相对位置进行比较，以获得相对位置偏移(702)；以及，指示跟踪平台采用基于移动物体的相对位置偏移以及移动物体的速度而确定的速度(703)。

在另一实施例中，提供了一种系统，该系统包括处理器和程序指令，该指令将系统配置为：针对第一时间点获取移动物体相对于跟踪平台的相对位置和移动物体的速度；将移动物体在第一时间点的相对位置与移动物体在先前时间点的相对位置进行比较，以获得相对位置偏移；以及，指示跟踪平台采用基于移动物体的相对位置偏移以及移动物体的速度而确定的速度。

在一些实施例中，所述确定还基于在先前时间点获取的相对位置偏移。在一些实施例中，所述确定包括：获得在第一时间点的相对位置偏移与在先前时间点的相对位置偏移之间的差。在一些实施例中，所述确定包括：利用比例积分微分(pid)控制器来处理在第一时间点的相对位置偏移和在先前时间点的相对位置偏移。在一些实施例中，所述确定包括应用与移动物体的速度相关联的前馈系数。在一些实施例中，跟踪平台的速度和移动物体的速度是相对于地面而言的。

在一些实施例中，程序指令还指示跟踪平台在需要时调整朝向移动物体的方向。在一些实施例中，所述系统包括跟踪平台。在一些实施例中，跟踪平台包括无人机(uav)或道路载运工具。在一些实施例中，跟踪平台包括用于获取移动物体的位置的传感器。在一些实施例中，传感器包括图像传感器、红外传感器或超声传感器。

在一些实施例中，所述系统还包括与移动物体通信的远程装置。在一些实施例中，远程装置被配置用于确定移动物体的位置和速度。

在一些实施例中，所述确定包括通过以下操作来定位移动物体：基于移动物体在第一时间点和第二时间点的位置测量，获得移动物体在第一时间点和第二时间点之间的近似位移；处理移动物体在第一时间点和第二时间点之间的多个间隔时间点的惯性测量，以获取移动物体在第一时间点和第二时间点之间的移动特性；以及，基于所获取的移动物体的移动特性以及移动物体在第一时间点和第二时间点之间的近似位移，确定移动物体在第一时间点和第二时间点之间的间隔时间点的预估位移。

在一些实施例中，近似位移是利用设置在远程装置中的全球定位系统(gps)接收器来获得的。在一些实施例中，惯性测量是利用设置在远程装置中的感测单元来获得的。在一些实施例中，传感器包括惯性测量单元(imu)。

在一些实施例中，移动特性包括速度和速度的方向。在一些实施例中，所述定位还包括滤除表示惯性测量的数据集中的噪声。在一些实施例中，该数据集表示加速度。

在一些实施例中，滤波使用从由如下项组成的组中选择的方法：加法平滑、巴特沃斯滤波器、数字滤波器、指数平滑、卡尔曼滤波器、内核平滑器、kolmogorov-zurbenko滤波器、拉普拉斯平滑、局部回归、低通滤波器、ramer-douglas-peucker算法、savitzky-golay平滑滤波器、平滑样条、拉伸网格方法及其组合。

在一些实施例中，滤波包括应用低通滤波器。在一些实施例中，低通滤波器被配置为滤除频率比上截止频率高的信号。在一些实施例中，低通滤波器被配置为滤除频率比下截止频率低的信号。

在一些实施例中，滤波是用数据集的目标频率来配置的。在一些实施例中，目标频率是通过将表示数据集的曲线与直线相交来确定的。在一些实施例中，该直线是曲线中加速度等于0的x轴。在一些实施例中，目标频率是通过直线上的两个相邻交点之间的间隔来确定的。在一些实施例中，目标频率通过将数据集变换到频域来确定。在一些实施例中，变换包括傅里叶变换。在一些实施例中，目标频率被确定为与具有最高幅度的一个或多个频率相对应。

在一些实施例中，以至少10hz的频率来获得惯性测量。在一些实施例中，以至少40hz的频率来获得惯性测量。在一些实施例中，第二时间点在第一时间点之后至少1/n秒，其中n至少为2hz。

在一些实施例中，移动特性包括根据数据集的积分而计算出的速度。在一些实施例中，所述定位还包括基于移动特性来计算惯性测量位移(im位移)。在一些实施例中，预估位移的确定包括融合im位移和近似位移。在一些实施例中，所述定位还包括计算针对im位移的估计误差。在一些实施例中，所述定位还包括将预估位移更新为在近似位移和针对im位移的估计误差限定的范围内。在一些实施例中，远程装置被配置为耦合到移动物体。

在一个实施例中，还提供了一种非暂时性计算机可读介质，该可读介质包括程序指令，所述程序指令在被执行时配置跟踪平台，以针对第一时间点获取移动物体相对于跟踪平台的相对位置和移动物体的速度；将移动物体在第一时间点的相对位置与移动物体在先前时间点的相对位置进行比较，以获得相对位置偏移；以及，指示跟踪平台采用基于移动物体的相对位置偏移以及移动物体的速度而确定的速度。

还提供了支持或实现本公开的各种方法和技术的系统、设备、非暂时性计算机可读介质。例如，一个实施例提供了一种用于支持在表面上方进行空中操作的系统，包括处理器和指令，所述指令在由处理器执行时用于：获得包括多个飞行路段在内的表面的表示；以及确定飞行路线，该飞行路线允许飞行器在沿着飞行路线行驶时在每个飞行路段上方执行操作。

另一实施例提供了一种用于获取可移动物体的目标的系统，包括处理器和指令，所述指令在由所述处理器执行时用于响应于接收到初始化信号而提供请求信号；响应于请求信号，检测一个或多个可能候选者的动作；以及基于检测到的动作来从一个或多个可能候选者中识别目标。

另一实施例提供了一种用于指导个人移动的系统，包括处理器和指令，所述指令在由处理器执行时用于：检测与一组个人相关联的事件；基于所检测到的事件来生成移动信号；以及向个人提供移动信号。

另一实施例提供了一种用于获取可移动物体的目标的非暂时性计算机可读介质，包括存储在其中的指令，其中所述指令在由处理器执行时执行以下步骤：响应于接收到初始化信号而提供请求信号；响应于请求信号，检测一个或多个可能候选者的动作；以及基于检测到的动作来从一个或多个可能候选者中识别目标。

另一实施例提供了一种用于指导个人移动的非暂时性计算机可读介质，包括存储在其中的指令，其中所述指令在由处理器执行时执行以下步骤：检测与一组个人相关联的事件；基于所检测到的事件来生成移动信号；以及向个人提供移动信号。

另一实施例提供了一种用于获取可移动物体的目标的系统，包括：处理器；第一模块，被配置为响应于接收到初始化信号而提供请求信号；第二模块，被配置为响应于请求信号来检测一个或多个可能候选者的动作；以及第三模块，被配置为基于检测到的动作从所述一个或多个潜在候选者中识别目标。

另一实施例提供了一种用于指导个人移动的系统，包括：处理器；第一模块，被配置为检测与一组个人相关联的事件；第二模块，基于所检测到的事件来生成移动信号；以及第三模块，被配置为向个人提供移动信号。

另一实施例提供了一种用于获取可移动物体的目标的系统，包括：处理器；用于响应于接收到初始化信号而提供请求信号的装置；用于响应于请求信号来检测一个或多个可能候选者的动作的装置；以及用于基于所检测到的动作从一个或多个潜在候选者中识别目标的装置。

另一个实施例提供了一种用于指导个人移动的系统，包括：处理器；用于检测与一组个人相关联的事件的装置；用于基于所检测到的事件生成移动信号的装置；以及用于向个人提供移动信号的装置。

本发明的特征可以使用或借助于计算机程序产品来实现，计算机程序产品是存储有指令的存储介质(媒介)或计算机可读介质(媒介)，所述指令可以用于对处理系统进行编程以执行本文中呈现的任何特征。存储介质可以包括但不限于任何类型的盘，包括：软盘、光盘、dvd、cd-rom、微型驱动器和磁光盘、rom、ram、eprom、eeprom、dram、vram、闪存装置、磁卡或光卡、纳米系统(包括分子存储器ic)或者适于存储指令和/或数据的任何类型的介质或装置。

存储在任何一种机器可读介质(媒介)上的本发明的特征可以被并入到如下软件和/或固件中，所述软件和/或固件用于控制处理系统的硬件，并且用于使得处理系统能够利用本发明的结果与其它机构交互。这样的软件或固件可以包括但不限于应用代码、装置驱动器、操作系统和执行环境/容器。

本发明的特征还可以使用例如诸如专用集成电路(asic)和现场可编程门阵列(fpga)器件之类的硬件部件在硬件中实现。硬件状态机的实现以便执行本文所述的功能对于相关领域的技术人员将是显而易见的。

此外，可以使用包括一个或多个处理器、存储器和/或根据本公开的教导编程的计算机可读存储介质在内的一个或多个常规通用或专用数字计算机、计算装置、机器或微处理器，来方便地实现本公开。编程技术人员可以根据本公开的教导容易地准备适当的软件编码，这对软件领域的技术人员将是显然的。

尽管上面已经描述了本发明的各种实施例，但是应当理解，它们仅仅是作为示例而不是限制来呈现的。对于相关领域的技术人员显而易见的是，在不脱离本发明的精神和范围的情况下，可以在形式和细节上进行各种改变。

以上已经在示出指定功能的性能及该执行功能的关系的功能构建块的辅助下，描述了本发明。为便于描述，本文通常任意定义这些功能构建块的范围。只要所指定的功能及其关系被适当地执行，就可以定义备选范围。因此任何这样的备选范围都在本发明的范围和精神之内。

已经提供了本发明的上述描述，用于说明和描述的目的。这并不旨在穷举或将本发明限制于所公开的确切形式。本发明的宽度和范围不应当受到上述示例性实施例中任意一个的限制。许多修改和变化对于本领域普通技术人员将是显而易见的。这些修改和变化包括所公开的特征的任何相关组合。对实施例的选择和描述是为了最好地解释本发明的原理及其实际应用，从而使得本领域的其他技术人员能够理解本发明的各种实施例以及适合于预期特定用途的各种修改。旨在使得本发明的范围由以下权利要求及其等同物限定。