CN108931795B - 定位设备轨迹优化和边界提取方法及装置 - Google Patents

Abstract

本发明提供了一种定位设备轨迹优化和边界提取方法及装置，所述方法包括：对定位设备输出原始轨迹序列进行轨迹坐标投影变换处理，得到在平面坐标系下的坐标；对变换后的轨迹序列进行滤波处理；进行轨迹序列降采样处理，去除冗余轨迹点；进行密集区自适应检测处理，自动识别轨迹点密集区：如果发现存在密集区则进行密集区骨架抽取处理，通过密集区骨架抽取处理，获取密集区精确的轨迹趋势；否则进行异常点检测处理；如果发现存在异常点则进行位置再修正处理；否则进行轨迹尾巴检测处理；如果发现存在轨迹出现尾巴现象，则进行轨迹尾巴处理；否则进行轨迹首尾闭合，构造一条多边形，生成区域边界；进行投影逆变换，把平面坐标转换成地理坐标。

Description

定位设备轨迹优化和边界提取方法及装置

技术领域

本发明属于导航轨迹优化技术领域，具体涉及一种定位设备轨迹优化和边界提取方法及装置。

背景技术

在植保、农田土地确权、林地土地确权等领域需要使用卫星定位设备输出的轨迹确定地物边界(这类设备又称为打点器，提供卫星定位的设备)，由于定位设备的误差(导航卫星的信号容易受到天气、电离层影响，导致定位设备输出的位置出现偶然误差)和人为操作不确定性因素，导致使用打点器定位设备采集地物边界与真实的地物边界存在一定的偏差，打点器输出的轨迹不能完全贴合地物的边界。打点器输出轨迹存在一下特点：①输出的轨迹经常出现首尾不相互连接，在首尾出现“轨迹拖尾”现象(轨迹起始和结束区域部分轨迹点冗余)；②在轨迹序列中部分轨迹点定位严重偏离实际位置，出现位置飘移；③由于在野外操作时间比较久，操作人行进过程中的速度不是均匀的，并且存在操作人员在行进间出现短暂的休息，这些人为因素导致部分轨迹点异常密集。

由于打点器输出的轨迹不能真实反映地物边界，需要对采集的轨迹序列进行优化处理后才能获得地物边界。对于采集的轨迹序列优化有两类方案：第一种方案是通过人工后处理实现；第二种方案是通过算法进行自动化处理。首先介绍人工后处理方案。

人工交互后处理需要以地理数据编辑软件为基础。人工交互后处理方案主要过程：第一步选择地理数据编辑工具；第二步在编辑工具中打开高分辨率正射影像(影像分辨率优于0.1米，影像采集时间需要最近日期)；第三步把打点器输出的轨迹数据转换成标准的矢量文件；第四步在地里数据编辑工具中打开轨迹对应的矢量文件，并把轨迹序列叠加到高分辨率影像上显示；第五步以高分辨率影像为基础，对轨迹点进行逐一检查和修改，首先对轨迹序列进行首尾相连，再删除部分密集点，并对明显偏离实际位置的轨迹点进行位置修改；第六步以修正后的轨迹序列为基础生成农田边界。

自动处理方案逐个计算每一个轨迹点(起终点除外)与前后两点连线的夹角，如果该点夹角α大于预设的夹角参数θ，则该点为正常点，如果该点夹角α小于预设的夹角参数θ，则该点为漂移点。如果是漂移点，删除该漂移点。自动处理方案的过程：第一步通过逐个计算轨迹点形成折线的夹角，首先可以判断出轨迹点的前后两点连线夹角α小于预设的夹角参数θ，把该点标记为漂移点，并删除；第二步由于删除漂移点，影响到前一个点的夹角判断，因此需要使用递归计算，对前一个点的夹角进行判断，如图示中该点的前后两点连线夹角α小于预设的夹角参数θ，为正常点；第三步递归重新计算夹角，并转入第一步，直至没有发现漂移点。

人工交互后处理方案需要大量的高分辨率影像支撑，而获取这些高分辨率影像需要付出很高的经济费用，由于需要介入大量的人力劳动，人力成本支出也需要很大一笔费用；人工交互需要投入大量的时间，导致时效性很低。因此人工交互处理方案满足不了实际需求。

现有的自动处理方案主要是源于导航定位算法，只能优化少量的异常点，导致处理后的数据仍然存在局部非正常凸起现象，另外也没有解决轨迹序列中轨迹尾巴、区域密集(区域密集是指存在很多不规律的轨迹点，这些轨迹点之间的距离小于轨迹点之间的平均距离)，导致从轨迹序列生成的地物边界与实际边界有较大误差，满足不了应用需求。

发明内容

本发明对卫星定位设备输出的轨迹进行优化，降低轨迹定位点异常、定位点密集、轨迹起始与终止位置没有紧密连接对目标边界的影响，利用优化后的轨迹点序列获取高精度的地物边界。

本发明采用的技术方案如下：

一种定位设备轨迹优化和边界提取方法，所述方法包括以下步骤：

对定位设备输出原始轨迹序列进行轨迹坐标投影变换处理，得到在平面坐标系下的坐标；

对经过轨迹坐标投影变换后的轨迹序列进行轨迹序列滤波处理，降低偶然定位误差，提高定位精度；

进行轨迹序列降采样处理，去除冗余轨迹点；

进行密集区自适应检测处理，自动识别轨迹点密集区：如果发现存在密集区则进行密集区骨架抽取处理，通过密集区骨架抽取处理，获取密集区精确的轨迹趋势；否则进行异常点检测处理；

如果发现存在异常点则对异常点进行位置再修正处理；否则进行轨迹尾巴检测处理；

如果发现存在轨迹出现尾巴现象，则进行轨迹尾巴处理；否则进行轨迹首尾闭合，构造一条多边形，生成区域边界；

进行投影逆变换，把平面坐标转换成地理坐标。

进一步地，所述密集区自适应检测包括以下步骤：

计算轨迹序列中每一点与相邻序列点之间的相邻距离；

计算相邻距离的平均值，得到序列点之间的平均距离，以平均距离乘以伸缩系数作为序列点邻居判断阈值；

以阈值为聚类半径，以每一个序列点为圆心，构造圆，保留聚类半径区域内密集点超过两个以上的圆，对相交圆进行合并，形成聚类区；

删除包含轨迹点少于4个的聚类区。

进一步地，所述密集区骨架抽取具体包括以下步骤：

确定骨架的起点和终点，起点是进入密集区的前序轨迹点，终点是远离密集区的后续轨迹点；

构造三角网，起点、终点、密集区域中的点构成联通区域，在联通区域内寻找一条从起点到终点的最优路径，为了获得最优路径以联通区域内的轨迹点为顶点构造三角网，所述三角网由三角形组成；

构造每一个三角形的中心线，起点对应顶点标记为S，终点对应顶点标记为E，以S为起点，E为终点，中心线为行走的边，在S到E的路径中距离最短的路径即为所需要的最优路径。

进一步地，所述构造三角网的步骤具体如下：

密集点构成的集合为P1；

把S加入集合P2，然后从P1中选择一个距离P2最近的点s1，在P2中对应的点为e0，再从P2中找一个点e1，e1是与e0临近顶点，而且s1与e1构成的边不与已存在的三角形相交，s1，e0，e1构成一个三角形，然后并从P1中删除s1，把s1加入P2，直至P1中所有的点都加入P2；

以终点E为顶点，从P2-{S}中选择一个距离E最近的顶点作为三角形第二，三个顶点构成最后一个三角形。

进一步地，所述异常点检测包括以下步骤：

计算每一个轨迹点与相邻轨迹形成的夹角，其中起始与终止轨迹点夹角设为90度；

计算每一个夹角与180度和90度之间的绝对差t1、t2；

筛选出潜在的异常点，如果t1或t2小于阈值a则该夹角对应的轨迹点为正常轨迹点，否则该轨迹点为潜在的异常点，存入集合S′；

标记异常点，逐一从集合S′中取出顶点，与相邻的轨迹点形成三角形，计算三角形的周长和面积比值，如果面积比值大于阈值则该点为异常点，并标记。

进一步地，所述异常点修正包括以下步骤：

从集合S′中取出一个异常轨迹点，如果异常轨迹点相邻的两个轨迹点是非异常点并且为共线轨迹点，则以相邻的两个轨迹点的中点位置代替异常轨迹点；如果异常轨迹点相邻的两个轨迹点不共线，则以相邻的两个轨迹点对应线段延长线的交点为修正后的位置；

如果相邻的两个轨迹点有一个为异常点则删除其中一个轨迹点；

直至所有异常点被处理完。

进一步地，所述轨迹尾巴检测具体包括以下步骤：

分别以轨迹起点和轨迹终点为圆心，以阈值为半径，分别获得半径范围内包含的轨迹起点集合和轨迹终点集合，分别计算轨迹起点集合和轨迹终点集合中轨迹点形成的夹角，如果夹角不接近90度或者180度且夹角对应的边小于阈值长度，则存在轨迹尾巴，否则不存在轨迹尾巴。

进一步地，所述轨迹尾巴处理具体包括以下步骤：

连接轨迹序列中的轨迹起点与轨迹终点，形成线段；

判断形成的线段是否同已有的轨迹序列相交，如果相交则计算相应交点，则选择封闭区域最大的交点为新的起点或终点；如果不相交则分别判断轨迹起点集合到终点半径区域内的最近距离r1，轨迹终点集合到开始半径区域内的最近距离r2，如果r1或者r2小于阈值，则求最近的投影点，投影点为闭合点。

本发明还提供了一种定位设备轨迹优化和边界提取装置，包括：

轨迹坐标投影变换单元，对定位设备输出原始轨迹序列进行轨迹坐标投影变换处理，得到在平面坐标系下的坐标；

轨迹序列滤波单元，对经过轨迹坐标投影变换后的轨迹序列进行轨迹序列滤波处理；

轨迹序列降采样单元，进行轨迹序列降采样处理，去除部分冗余轨迹点；

密集区自适应检测处理单元，对轨迹序列降采样处理后的轨迹点进行密集区自适应检测处理，自动识别轨迹点密集区：如果发现存在密集区则进行密集区骨架抽取处理，通过密集区骨架抽取处理，获取密集区精确的轨迹趋势；否则通过异常点检测处理单元进行处理；

异常点检测处理单元，如果发现异常点则进行位置再修正处理；否则进行轨迹尾巴检测处理；

轨迹尾巴检测处理单元，如果发现存在轨迹出现尾巴现象，则进行轨迹尾巴处理；否则进行轨迹首尾闭合，构造一条多边形，生成区域边界；

投影逆变换单元，基于区域边界进行投影逆变换，把平面坐标转换成地理坐标。

本发明还提供了一种存储器，所述存储器存储有计算机程序，所述计算机程序被处理器执行如下步骤：

对定位设备输出原始轨迹序列进行轨迹坐标投影变换处理，得到在平面坐标系下的坐标；

对经过轨迹坐标投影变换后的轨迹序列进行轨迹序列滤波处理，降低偶然定位误差，提高定位精度；

进行轨迹序列降采样处理，去除部分冗余轨迹点；

进行密集区自适应检测处理，自动识别轨迹点密集区：如果发现存在密集区则进行密集区骨架抽取处理，通过密集区骨架抽取处理，获取密集区精确的轨迹趋势；否则进行异常点检测处理；

如果发现存在异常点则对异常点进行位置再修正处理；否则进行轨迹尾巴检测处理；

如果发现存在轨迹出现尾巴现象，则进行轨迹尾巴处理；否则进行轨迹首尾闭合，构造一条多边形，生成区域边界；

进行投影逆变换，把平面坐标转换成地理坐标。

本发明的有益效果在于，提出了一种高效的解决方法，解决了轨迹点局部密集、局部轨迹异常凸起、轨迹拖尾问题，使得地物边界更加精确。

附图说明

图1为本发明定位设备轨迹优化和边界提取方法流程图；

图2为本发明定位设备轨迹优化和边界提取装置结构图。

具体实施方式

本发明实现了从定位设备(又称打点器)输出的轨迹序列中获取区域精确边界。下文中，结合附图和实施例对本发明作进一步阐述。

实施例一：

图1为本发明定位设备轨迹优化和边界提取方法流程图，包括以下步骤：

步骤一：对定位设备输出原始轨迹序列进行“轨迹坐标投影变换”处理，得到在平面坐标系下的坐标。

由于原始轨迹采用地理坐标记录位置(经纬度)，不利于几何计算和分析，需要把地理坐标转换成平面坐标，为了保证精度通常采用横轴墨卡托投影方法进行坐标变换。

步骤二：对经过坐标变换后的轨迹序列进行“轨迹序列滤波”处理，降低偶然定位误差，提高定位精度。

为了降低定位信号偶然误差带来的影响，对轨迹序列采用卡尔曼滤波(Kalmanfiltering)处理，卡尔曼滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。步骤二只能消除部分定位误差，对于出现的连续误差无法消除(轨迹序列中仍然存在部分异常凸起点)，还需要后序步骤继续处理。

步骤三：进行“轨迹序列降采样”处理，去除部分冗余轨迹点。

利用经典的道格拉斯简化算法，以极小的阈值对轨迹进行稀疏化处理，稀疏化的目的是从轨迹序列中删除一部分位置近似重叠的轨迹点，能够有利于降低计算的复杂度。

步骤四：进行“密集区自适应检测”处理，自动识别轨迹点密集区；如果发现存在密集区则转入步骤五，否则转入步骤六。

密集区自适应检测具体步骤如下：

首先计算轨迹序列中每一点与相邻序列点之间距离；然后计算相邻距离平均值，该距离为序列点之间的平均距离，该平均距离再乘以伸缩系数α作为序列点邻居判断阈值r。然后以r为聚类半径，以每一个序列点为圆心，构造圆，保留r区域内密集点超过两个以上的圆，再对相交圆进行合并，形成聚类区。删除包含轨迹点少于4个的聚类区。

步骤五：进行“密集区骨架抽取”处理，获取密集区更加精确的轨迹趋势，使得出来后的密集区能够更准确反映区域边界。

骨架反映了整体的运动走向，密集区骨架抽取具体包括以下步骤：

首先确定骨架的起点和终点，起点是进入密集区的前序轨迹点，终点是远离密集区的后续轨迹点。

第二步构三角网，起点、终点、密集区域中的点构成联通区域，在联通区域内寻找一条从起点到终点的最优路径，为了获得最优路径以联通区域内的轨迹点为顶点构造三角网，构造三角网算法是：起点对应顶点标记为S，终点顶点标记为E，密集点构成的集合为P1；把S加入集合P2，然后从P1中选择一个距离P2最近的点s1，在P2中对应的点为e0，再从P2中找一个点e1(e1是与e0临近顶点，而且s1与e1构成的边不与已存在的三角形相交)，这样s1，e0，e1这个顶点就构成一个三角形，然后并从P1中删除s1，把s1加入P2，直至P1中所有的点都加入P2；最后以终点E为顶点，从P2-{S}中选择一个距离E最近的顶点作为三角形第二，三个顶点构成最后一个三角形。

第三步构造每一个三角形的中心线，以S为起点，E为终点，中心线为行走的边，在S到E的路径中距离最短的路径即为所需要的最优路径。

步骤六：进行“异常点检测”处理，发现轨迹序列中定位异常的轨迹点；如果发现存在异常点则转入步骤七，否则转入步骤八。

异常点是指轨迹序列中严重偏离实际位置的轨迹点，由于定位设备容易受到环境干扰，需要进行异常点检测。异常点与邻近的正常轨迹点形成的闭合区域。异常点检测包括以下步骤：

首先计算每一个轨迹点与相邻轨迹形成的夹角，其中起始与终止轨迹点夹角设为90度；第二步计算每一个夹角与180度和90度之间的绝对差t1、t2；第三步筛选出潜在的异常点，如果t1或t2小于阈值a则该夹角对应的轨迹点为正常轨迹点，否则该轨迹点为潜在的异常点，存入集合S′；第四步标记异常点，逐一从集合S′中取出顶点，与相邻的轨迹点形成三角形，计算三角形的周长和面积比值，如果面积比值大于阈值b则该点为异常点，并标记(第五步把具有异常标记点序列点删除)。

步骤七：进行“异常点修正”处理，对异常点进行位置再修正处理。

异常点位置修正包括以下具体步骤：

从异常轨迹点集合S′中取出一个异常轨迹点m1，如果m1相邻的两个轨迹点A，B是非异常点并且为共线轨迹点(AB直接相连形成的夹角接近180度或者90度)，则以两个相邻轨迹点的中点位置代替异常轨迹点；如果A、B不共线，则以A、B邻近轨迹点对应线段延长线的交点为修正后的位置。如果相邻的轨迹点有一个为异常点则删除其中一个轨迹点。直至所有异常点被处理完。

步骤八：进行“轨迹尾巴检测”处理；如果发现存在轨迹出现“尾巴”现象，则转入步骤九，否则转入步骤十。

轨迹尾巴检测包括以下具体步骤：分别以轨迹起点s和终点e为圆心，以阈值r为半径，分别获得半径范围内包含的轨迹点集合S″和E″，分别计算集合S″和E″中轨迹点形成的夹角，如果夹角不接近90度或者180度且夹角对应的边小于阈值长度I，则存在轨迹尾巴，否则不存在轨迹尾巴。

步骤九：进行“轨迹尾巴处理”，具体包括以下步骤：

第一步连接轨迹序列中的起点s与终点e，形成线段es；第二步判断es是否同已有的轨迹序列相交，如果相交则计算相应交点，则选择封闭区域最大的交点为新的起始或终止点；如果不相交则分别判断S″到终点半径区域内(阈值a)的最近距离r1，E″到开始半径区域内的最近距离r2，如果r1或者r2小于阈值b，则求最近的投影点，投影点为闭合点。

步骤十：进行轨迹首尾闭合，构造一条多边形，生成区域边界。

步骤十一：进行“投影逆变换”，把平面坐标转换成地理坐标。

实施例二：

图2为本发明定位设备轨迹优化和边界提取装置结构图，所述装置包括：

轨迹坐标投影变换单元，对定位设备输出原始轨迹序列进行轨迹坐标投影变换处理，得到在平面坐标系下的坐标；

轨迹序列滤波单元，对经过轨迹坐标投影变换后的轨迹序列进行轨迹序列滤波处理；

轨迹序列降采样单元，进行轨迹序列降采样处理，去除部分冗余轨迹点；

密集区自适应检测处理单元，对轨迹序列降采样处理后的轨迹点进行密集区自适应检测处理，自动识别轨迹点密集区：如果发现存在密集区则进行密集区骨架抽取处理，通过密集区骨架抽取处理，获取密集区精确的轨迹趋势；否则通过异常点检测处理单元进行处理；

异常点检测处理单元，如果发现异常点则进行位置再修正处理；否则进行轨迹尾巴检测处理；

轨迹尾巴检测处理单元，如果发现存在轨迹出现尾巴现象，则进行轨迹尾巴处理；否则进行轨迹首尾闭合，构造一条多边形，生成区域边界；

投影逆变换单元，基于区域边界进行投影逆变换，把平面坐标转换成地理坐标。

实施例三：

本发明还提供了一种存储器，所述存储器存储有计算机程序，所述计算机程序被处理器执行如下步骤：

对定位设备输出原始轨迹序列进行轨迹坐标投影变换处理，得到在平面坐标系下的坐标；

对经过轨迹坐标投影变换后的轨迹序列进行轨迹序列滤波处理，降低偶然定位误差，提高定位精度；

进行轨迹序列降采样处理，去除部分冗余轨迹点；

进行密集区自适应检测处理，自动识别轨迹点密集区：如果发现存在密集区则进行密集区骨架抽取处理，通过密集区骨架抽取处理，获取密集区精确的轨迹趋势；否则进行异常点检测处理；

如果发现存在异常点则对异常点进行位置再修正处理；否则进行轨迹尾巴检测处理；

如果发现存在轨迹出现尾巴现象，则进行轨迹尾巴处理；否则进行轨迹首尾闭合，构造一条多边形，生成区域边界；

进行投影逆变换，把平面坐标转换成地理坐标。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (10)

1.一种定位设备轨迹优化和边界提取方法，其特征在于，所述方法包括以下步骤：

对定位设备输出原始轨迹序列进行轨迹坐标投影变换处理，得到在平面坐标系下的坐标；

对经过轨迹坐标投影变换后的轨迹序列进行轨迹序列滤波处理，降低偶然定位误差，提高定位精度；

进行轨迹序列降采样处理，去除冗余轨迹点；

进行密集区自适应检测处理，自动识别轨迹点密集区：如果发现存在密集区则进行密集区骨架抽取处理，通过密集区骨架抽取处理，获取密集区精确的轨迹趋势；否则进行异常点检测处理；

如果发现存在异常点则进行异常点修正处理；否则进行轨迹尾巴检测处理；

如果发现存在轨迹出现尾巴现象，则进行轨迹尾巴处理；否则进行轨迹首尾闭合，构造一条多边形，生成区域边界；

进行投影逆变换，把平面坐标转换成地理坐标。

2.如权利要求1所述的一种定位设备轨迹优化和边界提取方法，其特征在于，所述密集区自适应检测包括以下步骤：

计算轨迹序列中每一点与相邻序列点之间的相邻距离；

计算相邻距离的平均值，得到序列点之间的平均距离，以平均距离乘以伸缩系数作为序列点邻居判断阈值；

以阈值为聚类半径，以每一个序列点为圆心，构造圆，保留聚类半径区域内密集点为两个以上的圆，对相交圆进行合并，形成聚类区；

删除包含轨迹点少于4个的聚类区。

3.如权利要求1所述的一种定位设备轨迹优化和边界提取方法，其特征在于，所述密集区骨架抽取具体包括以下步骤：

确定骨架的起点和终点，起点是进入密集区的前序轨迹点，终点是远离密集区的后续轨迹点；

构造三角网，起点、终点、密集区域中的点构成联通区域，在联通区域内寻找一条从起点到终点的最优路径，为了获得最优路径以联通区域内的轨迹点为顶点构造三角网，所述三角网由三角形组成；

构造每一个三角形的中心线，起点对应顶点标记为S，终点对应顶点标记为E，以S为起点，E为终点，中心线为行走的边，在S到E的路径中距离最短的路径即为所需要的最优路径。

4.如权利要求3所述的一种定位设备轨迹优化和边界提取方法，其特征在于，所述构造三角网的步骤具体如下：

密集点构成的集合为P1；

将集合P2的初始点设置为S，然后从P1中选择一个距离P2最近的点s1，在P2中对应的点为e0，再从P2中找一个点e1，e1是与e0临近顶点，而且s1与e1构成的边不与已存在的三角形相交，s1，e0，e1构成一个三角形，然后并从P1中删除s1，把s1加入P2，直至P1中所有的点都加入P2；

以终点E为顶点，从P2-{S}中选择一个距离E最近的顶点作为三角形第二，三个顶点构成最后一个三角形。

5.如权利要求1所述的一种定位设备轨迹优化和边界提取方法，其特征在于，所述异常点检测包括以下步骤：

计算每一个轨迹点与相邻轨迹形成的夹角，其中起始与终止轨迹点夹角设为90度；

计算每一个夹角与180度和90度之间的绝对差t1、t2；

筛选出潜在的异常点，如果t1或t2小于阈值a则该夹角对应的轨迹点为正常轨迹点，否则该轨迹点为潜在的异常点，存入集合S′；

标记异常点，逐一从集合S′中取出顶点，与相邻的轨迹点形成三角形，计算三角形的周长和面积比值，如果面积比值大于阈值b则该点为异常点，并标记。

6.如权利要求5所述的一种定位设备轨迹优化和边界提取方法，其特征在于，所述异常点修正包括以下步骤：

从集合S′中取出一个异常轨迹点，如果异常轨迹点相邻的两个轨迹点是非异常点并且为共线轨迹点，则以相邻的两个轨迹点的中点位置代替异常轨迹点；如果异常轨迹点相邻的两个轨迹点不共线，则以相邻的两个轨迹点对应线段延长线的交点为修正后的位置；

如果相邻的两个轨迹点有一个为异常点则删除其中一个轨迹点；

直至所有异常点被处理完。

7.如权利要求6所述的一种定位设备轨迹优化和边界提取方法，其特征在于，所述轨迹尾巴检测具体包括以下步骤：

分别以轨迹起点和轨迹终点为圆心，以阈值为半径，分别获得半径范围内包含的轨迹起点集合和轨迹终点集合，分别计算轨迹起点集合和轨迹终点集合中轨迹点形成的夹角，如果夹角与90度或者180度的角度差值大于预设夹角阈值且夹角对应的边小于阈值长度，则存在轨迹尾巴，否则不存在轨迹尾巴。

8.如权利要求7所述的一种定位设备轨迹优化和边界提取方法，其特征在于，所述轨迹尾巴处理具体包括以下步骤：

连接轨迹序列中的轨迹起点与轨迹终点，形成线段；

判断形成的线段是否同已有的轨迹序列相交，如果相交则计算相应交点，则选择使得轨迹序列围成的封闭区域的面积达到最大的交点为新的起点或终点；如果不相交则分别判断轨迹起点集合到终点半径区域内的最近距离r1，轨迹终点集合到开始半径区域内的最近距离r2，如果r1或者r2小于阈值，则求最近的投影点，投影点为闭合点。

9.一种定位设备轨迹优化和边界提取装置，其特征在于，所述装置包括：

轨迹坐标投影变换单元，对定位设备输出原始轨迹序列进行轨迹坐标投影变换处理，得到在平面坐标系下的坐标；

轨迹序列滤波单元，对经过轨迹坐标投影变换后的轨迹序列进行轨迹序列滤波处理；

轨迹序列降采样单元，进行轨迹序列降采样处理，去除部分冗余轨迹点；

密集区自适应检测处理单元，对轨迹序列降采样处理后的轨迹点进行密集区自适应检测处理，自动识别轨迹点密集区：如果发现存在密集区则进行密集区骨架抽取处理，通过密集区骨架抽取处理，获取密集区精确的轨迹趋势；否则通过异常点检测处理单元进行处理；

异常点检测处理单元，如果发现异常点则进行位置再修正处理；否则进行轨迹尾巴检测处理；

轨迹尾巴检测处理单元，如果发现存在轨迹出现尾巴现象，则进行轨迹尾巴处理；否则进行轨迹首尾闭合，构造一条多边形，生成区域边界；

投影逆变换单元，基于区域边界进行投影逆变换，把平面坐标转换成地理坐标。

10.一种存储器，所述存储器存储有计算机程序，其特征在于，所述计算机程序被处理器执行如下步骤：

对定位设备输出原始轨迹序列进行轨迹坐标投影变换处理，得到在平面坐标系下的坐标；

对经过轨迹坐标投影变换后的轨迹序列进行轨迹序列滤波处理，降低偶然定位误差，提高定位精度；

进行轨迹序列降采样处理，去除部分冗余轨迹点；

进行密集区自适应检测处理，自动识别轨迹点密集区：如果发现存在密集区则进行密集区骨架抽取处理，通过密集区骨架抽取处理，获取密集区精确的轨迹趋势；否则进行异常点检测处理；

如果发现存在异常点则对异常点进行位置再修正处理；否则进行轨迹尾巴检测处理；

如果发现存在轨迹出现尾巴现象，则进行轨迹尾巴处理；否则进行轨迹首尾闭合，构造一条多边形，生成区域边界；

进行投影逆变换，把平面坐标转换成地理坐标。

Images