运动轨迹的优化方法与装置的制造方法
【技术领域】
[0001] 本发明涉及轨迹优化领域，特别涉及运动轨迹的优化方法与装置。
【背景技术】
[0002] 随着GPS (Global Positioning System，全球定位系统）、北斗等定位技术的快速 发展，定位功能已经被广泛应用在人们的生产生活中。基于定位功能研发的导航仪、运动手 环等电子产品为人们的生活带来了诸多便利。
[0003] GPS、北斗等定位技术在应用时，由于电流层、比流层等环境因素的影响，生成的运 动轨迹具有一定的误差。运动轨迹是根据一系列定位得到的位置点信息生成的。目前针对 运动轨迹的优化方法主要有两种，一种是根据之前生成的运动轨迹，预测下一个位置点信 息，然后与实际生成的位置点信息进行比对，从而纠正实际生成的位置点信息；另一种方法 是纯粹的滤波方法，如中值滤波、多点滤波等。
[0004] 由上可知，现有技术中对运动轨迹的优化主要采用预测法和滤波法，优化后的运 动轨迹不够准确，与实际轨迹差距较大。
【发明内容】
[0005] 本发明提供了一种运动轨迹的优化方法与装置，根据概率理论对运动轨迹进行优 化，优化结果比较准确。
[0006] 第一方面，本发明实施例提供了一种运动轨迹的优化方法，所述方法包括：
[0007] 按照设定的采样间隔时长采集运动目标的位置点信息；所述位置点信息包括对应 位置的坐标和所述对应位置的时间；
[0008] 当采集到的所述位置点信息达到设定个数时，根据概率理论对采集到的所述位置 点信息进行异常点检测，检测出异常的位置点信息；
[0009] 逐一对检测出的所述异常的位置点信息进行纠正，使用纠正后的所述异常的位置 点信息更新所述运动目标的位置点信息；重复所述异常点检测、纠正和所述位置点信息更 新；
[0010] 当重复所述异常点检测、纠正和所述位置点信息更新的次数达到设定次数阈值或 者检测出的所述异常的位置点信息个数小于设定个数阈值时，将当前更新后的所述位置点 信息对应的轨迹作为优化后的所述运动目标的轨迹。
[0011] 结合第一方面，本发明实施例提供了第一方面第一种可能的实施方式，其中，在所 述根据概率理论对采集到的所述位置点信息进行异常点检测之前，还包括：
[0012] 按照采集到的所述位置点信息中的时间先后顺序对所述位置点信息中的坐标进 行排序，得到各个坐标对应的位置点的序列；
[0013] 检测所述位置点的序列中各个相邻的所述位置点间的距离，根据检测到的所述距 离计算相邻的所述位置点间的平均距离；
[0014] 查找检测到的所述距离中大于第一阈值，或所述距离小于第二阈值的相邻的位置 点；从所述位置点的序列中清除查找到的所述位置点；其中，所述第一阈值等于第一预定 倍率与所述平均距离的乘积，所述第二阈值等于第二预定倍率与所述平均距离的乘积。
[0015] 结合第一方面第一种可能的实施方式，本发明实施例提供了第一方面第二种可能 的实施方式，其中，所述根据概率理论对采集到的所述位置点信息进行异常点检测，包括：
[0016] 在所述位置点的序列中，确定待检测位置点，根据所述待检测位置点之前预定数 量的位置点、所述待检测位置点之后相同预定数量的位置点和所述待检测位置点，生成待 检测位置点序列；
[0017] 若所述待检测位置点满足以下两个公式中的任意一个，则所述待检测位置点为异 常的位置点；
[0020] 其中，P (L)表示所述待检测位置点序列中第一个和最后一个位置点间的距离基于 高斯分布的概率；P(S1)表示所述待检测位置点序列中第i对相邻位置点间的距离基于高 斯分布的概率；Π = 1 A5:.)表示所述待检测位置点序列中所有相邻位置点间的距离基于 高斯分布的概率的乘积；η表示所述待检测位置点序列中位置点的数量；R表示大于1的比 例常数。
[0021] 结合第一方面第一种可能的实施方式，本发明实施例提供了第一方面第三种可能 的实施方式，其中，所述方法还包括：
[0022] 若当前的待检测位置点为所述位置点的序列中的第一个位置点，计算所述待检测 位置点与所述位置点的序列中的第二个位置点间的第一距离；
[0023] 若当前的待检测位置点为所述位置点的序列中的最后一个位置点，计算所述待检 测位置点和所述位置点的序列中的倒数第二个位置点间的第二距离；
[0024] 比较所述第一距离/所述第二距离的值是否大于第三阈值，如果是，确定所述待 检测位置点为异常的位置点；其中，所述第三阈值等于第三预设倍率与所述平均距离的乘 积。
[0025] 结合第一方面第二种或第三种可能的实施方式，本发明实施例提供了第一方面第 四种可能的实施方式，其中，所述逐一对检测出的所述异常的位置点信息进行纠正，包括：
[0026] 采用以下公式逐一对检测出的所述异常的位置点进行纠正；
其中，A为所述异常的位置点的坐标，B1为所述异常的位置点之前第i个位置点的坐 标，C,为所述异常的位置点之后第j个位置点的坐标，P (AB J为所述异常的位置点和所述 异常的位置点之前第i个位置点间的距离基于高斯分布的概率，P(Aq)为所述异常的位置 点和所述异常的位置点之后第j个位置点间的距离基于高斯分布的概率;m为在所述异常 的位置点之前选择出来的位置点的数量；η为在所述异常的位置点之后选择出来的位置点 的数量。
[0028] 第二方面，本发明实施例提供了一种运动轨迹的优化装置，所述装置包括：
[0029] 采样模块，用于按照设定的采样间隔时长采集运动目标的位置点信息；所述位置 点信息包括对应位置的坐标和所述对应位置的时间；
[0030] 异常点检测模块，用于当采集到的所述位置点信息达到设定个数时，根据概率理 论对采集到的所述位置点信息进行异常点检测，检测出异常的位置点信息；
[0031] 纠正模块，用于逐一对检测出的所述异常的位置点信息进行纠正，使用纠正后的 所述异常的位置点信息更新所述运动目标的位置点信息；重复所述异常点检测、纠正和所 述位置点信息更新；
[0032] 优化模块，用于当重复所述异常点检测、纠正和所述位置点信息更新的次数达到 设定次数阈值或者检测出的所述异常的位置点信息个数小于设定个数阈值时，将当前更新 后的所述位置点信息对应的轨迹作为优化后的所述运动目标的轨迹。
[0033] 结合第二方面，本发明实施例提供了第二方面第一种可能的实施方式，其中，所述 装置还包括：
[0034] 序列生成模块，用于按照采集到的所述位置点信息中的时间先后顺序对所述位置 点信息中的坐标进行排序，得到各个坐标对应的位置点的序列；
[0035] 平均距离计算模块，用于检测所述位置点的序列中各个相邻的所述位置点间的距 离，根据检测到的所述距离计算相邻的所述位置点间的平均距离；
[0036] 位置点清除模块，用于查找检测到的所述距离中大于第一阈值，或所述距离小于 第二阈值的相邻的位置点；从所述位置点的序列中清除查找到的所述位置点；其中，所述 第一阈值等于第一预定倍率与所述平均距离的乘积，所述第二阈值等于第二预定倍率与所 述平均距离的乘积。
[0037] 结合第二方面第一种可能的实施方式，本发明实施例提供了第二方面第二种可能 的实施方式，其中，所述异常点检测模块包括：
[0038] 待检测位置点序列生成单元，用于在所述位置点的序列中，确定待检测位置点，根 据所述待检测位置点之前预定数量的位置点、所述待检测位置点之后相同预定数量的位置 点和所述待检测位置点，生成待检测位置点序列；
[0039] 异常位置点检测单元，用于若所述待检测位置点满足以下两个公式中的任意一 个，则所述待检测位置点为异常的位置点；
[0042] 其中，P (L)表示所述待检测位置点序列中第一个和最后一个位置点间的距离基于 高斯分布的概率；P(S1)表示所述待检测位置点序列中第i对相邻位置点间的距离基于高 斯分布的概率；Π = 1 AS,.)表示所述待检测位置点序列中所有相邻位置点间的距离基于 高斯分布的概率的乘积；η表示所述待检测位置点序列中位置点的数量；R表示大于1的比 例常数。
[0043] 结合第一方面第一种可能的实施方式，本发明实施例提供了第一方面第三种可能 的实施方式，其中，所述装置还包括：
[0044] 第一距离计算模块，用于若当前的待检测位置点为所述位置点的序列中的第一个 位置点，计算所述待检测位置点与所述位置点的序列中的第二个位置点间的第一距离； [0045] 第二距离计算模块，用于若当前的待检测位置点为所述位置点的序列中的最后一 个位置点，计算所述待检测位置点和所述位置点的序列中的倒数第二个位置点间的第二距 离；
[0046] 异常位置点确定模块，用于比较所述第一距离/所述第二距离的值是否大于第三 阈值，如果是，确定所述待检测位置点为异常的位置点；其中，所述第三阈值等于第三预设 倍率与所述平均距离的乘积。
[0047] 结合第二方面第二种或第三种可能的实施方式，本发明实施例提供了第二方面第 四种可能的实施方式，其中，所述纠正模块包括：
[0048] 位置点纠正单元，用于采用以下公式逐一对检测出的所述异常的位置点进行纠 正；
其中，A为所述异常的位置点的坐标，B1为所述异常的位置点之前第i个位置点的坐 标，C,为所述异常的位置点之后第j个位置点的坐标，P (AB J为所述异常的位置点和所述 异常的位置点之前第i个位置点间的距离基于高斯分布的概率，P(Aq)为所述异常的位置 点和所述异常的位置点之后第j个位置点间的距离基于高斯分布的概率;m为在所述异常 的位置点之前选择出来的位置点的数量；η为在所述异常的位置点之后选择出来的位置点 的数量。
[0050] 本发明实施例中，根据概率理论对采集到的位置点信息进行异常点检测，并对检 测出的异常的位置点信息进行纠正，从而对运动轨迹进行优化。与现有技术相比，本实施例 中的运动轨迹的优化方法不是简单的预测法和滤波法，而是基于概率理论的方法，优化结 果更加准确，更接近真实的运动轨迹。
【附图说明】
[0051] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附 图作简单地介绍，应当理解，