CN109959379A - 定位方法及电子设备 - Google Patents
定位方法及电子设备 Download PDFInfo
- Publication number
- CN109959379A CN109959379A CN201910116369.1A CN201910116369A CN109959379A CN 109959379 A CN109959379 A CN 109959379A CN 201910116369 A CN201910116369 A CN 201910116369A CN 109959379 A CN109959379 A CN 109959379A
- Authority
- CN
- China
- Prior art keywords
- turning
- difference
- threshold
- kurtosis
- event
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3844—Data obtained from position sensors only, e.g. from inertial navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
Abstract
本申请实施例提供一种定位方法及一种电子设备,该方法通过分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据并基于所述方位角度数据及所述加速度数据判断当前时刻是否发生转弯事件。如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示。本申请实施例对由于转弯产生的位置移动进行识别并定位,使得地图上显示的移动轨迹更加真实地反应实际的移动情况。
Description
技术领域
本申请实施例涉及电子信息技术领域,尤其涉及一种定位方法及一种电子设备。
背景技术
目前,越来越多的可穿戴设备中添加了定位功能。可穿戴设备主要利用内置的定位仪器每间隔一段时间通过GPS、WIFI或者基站获得用户当前时刻在地球上的经纬度值,将获取的经纬度值作为定位点并将相邻时刻获得的定位点进行直线连接获得用户的移动轨迹并在地图上进行显示。
但上述定位方式无法将周围环境考虑进去,例如地图上显示用户的移动轨迹可能穿越了一栋大楼或不同的街区,造成用户的移动轨迹无法反应用户真实的移动情况。而如果将用户地理位置上传至具有识别道路环境的第三方应用中对定位点进行纠偏,就导致用户信息外泄,使用户信息的安全性无法得到保证。
发明内容
本申请实施例提供一种定位方法、一种电子设备及一种定位服务器,通过对由于转弯产生的位置移动进行识别并定位,使得地图上显示的移动轨迹更加真实地反应实际移动情况。
本申请提供了一种定位方法,包括:
分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据;
基于所述方位角度数据及所述加速度数据判断当前时刻是否发生转弯事件;
如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示。
优选地,所述基于所述方位角度数据及所述加速度数据判断当前时刻是否发生转弯事件包括:
基于所述方位角度数据,判断当前时刻是否发生待识别转弯事件;
如果发生待识别转弯事件,基于所述加速度数据确定所述待识别转弯事件为所述转弯事件。
优选地,所述基于所述方位角度数据,判断当前时刻是否发生待识别转弯事件包括:
计算预设时间范围内起始时刻采集的第一方位角度数据与结束时刻采集的第二方位角度数据的角度差值;
判断所述角度差值是否大于角度阈值;
如果所述角度差值大于所述角度阈值,确定当前时刻发生所述待识别转弯事件。
优选地,所述如果发生待识别转弯事件,基于所述加速度数据确定所述待识别转弯事件是否为所述转弯事件包括:
基于所述加速度数据确定所述待识别转弯事件对应的运动状态及对应的运动特征值;
判断所述运动状态为运动型还是非运动型;
如果所述运动状态为运动型,所述运动特征值满足预设运动转弯条件时确定所述待识别转弯事件为所述转弯事件;
如果所述运动状态为非运动型,所述运动特征值满足预设非运动转弯条件时确定所述待识别转弯事件为所述转弯事件。
优选地,所述运动特征值包括:
当前预设时间周期内的采集的加速度数据的标准差、峰度、所述标准差与所述峰度的特征比值、峰度差值、波动性差值以及标准差差值中的一种或多种;
其中,所述峰度差值为当前预设时间周期内的采集的加速度数据的峰度与所述当前预设时间周期相邻的前至少一个预设时间周期的峰度均值的差;所述波动性差值为当前预设时间周期内采集的加速度数据的波动性与所述当前预设时间周期相邻的前至少一个预设时间周期的波动性均值的差;所述标准差差值为当前预设时间周期内的采集的加速度数据的标准差与所述当前预设时间周期相邻的前至少一个预设时间周期的标准差均值的绝对差。
优选地,所述如果所述运动状态为运动型,所述运动特征值满足预设运动转弯条件时确定所述待识别转弯事件为所述转弯事件包括:
如果所述运动状态为运动型,判断所述标准差是否小于第一标准差阈值和所述特征比值是否小于第一特征比值阈值;
如果所述标准差小于所述第一标准差阈值且所述特征比值小于所述第一特征比值阈值的同时,所述峰度差值小于等于第一峰度差值阈值,和/或所述峰度小于或等于第一峰度阈值,和/或所述波动性差值小于或等于第一波动性差值阈值,则所述运动特征值满足所述预设运动转弯条件,确定所述待识别转弯事件为所述转弯事件;
如果所述标准差大于或等于所述第一标准差阈值,和/或所述特征比值大于或等于所述第一特征比值阈值,再判断所述波动性差值是否大于所述第一波动性阈值;
如果所述波动性差值大于所述第一波动性阈值的同时,所述标准差差值小于或等于第一标准差差值阈值,和/或所述峰度差值小于所述第一峰度差值阈值,且所述峰度小于或等于所述第一峰度阈值,则确定所述运动特征值满足所述预设运动转弯条件;
如果所述波动性差值小于或等于所述第一波动性阈值,则所述运动特征值满足所述预设运动转弯条件,确定所述待识别转弯事件为所述转弯事件。
优选地,所述如果所述运动状态为非运动型,所述运动特征值满足预设非运动转弯条件时确定所述待识别转弯事件为所述转弯事件包括:
如果所述运动状态为非运动型,判断所述波动性差值是否大于第二波动性差值阈值;
如果所述波动性差值大于所述第二波动性差值阈值,再判断所述特征比值是否小于第二特征比值阈值;
如果所述特征比值小于所述第二特征比值阈值的同时,所述峰度差值小于或等于第二峰度差值阈值,和/或所述峰度小于或等于第二峰度阈值,和/或所述标准差差值小于或等于第二标准差差值阈值,则所述运动特征值满足所述预设非运动转弯条件,确定所述待识别转弯事件为所述转弯事件;
如果所述特征比值大于或等于所述第二特征比值阈值,则确定所述运动特征值满足所述预设非运动转弯条件;
如果所述波动性差值小于或等于所述第二波动性差值阈值,再判断所述特征比值是否小于第三特征比值阈值;
如果所述特征比值小于所述第三特征比值阈值的同时,所述峰度差值小于或等于第三峰度差值阈值,和/或所述峰度小于或等于第三峰度阈值,和/或所述标准差差值小于或等于第三标准差差值阈值,则确定所述运动特征值满足所述预设非运动转弯条件;
如果所述特征比值大于或等于所述第三特征比值阈值,则所述运动特征值满足所述预设非运动转弯条件,确定所述待识别转弯事件为所述转弯事件。
优选地,所述如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示包括:
如果发生转弯事件,生成定位请求;
发送所述定位请求至服务端,以使所述服务端基于所述定位请求获取当前时刻的位置数据;基于所述位置数据确定的定位点生成移动轨迹;
在地图中输出所述服务端发送移动轨迹。
本申请提供了一种电子设备,包括处理组件以及存储组件;所述存储组件用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理组件调用并执行;
所述处理组件用于:
分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据;
基于所述方位角度数据及所述加速度数据判断当前时刻是否发生转弯事件;
如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示。
本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被计算机执行时可以实现前述任一项所述的定位方法。
本申请实施实例提供了一种定位方法及一种电子设备,该方法通过分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据。基于所述方位角度数据及所述加速度数据判断当前时刻是否发生转弯事件来识别是否发生由于转弯产生的位置移动。如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示。实现对转弯位置的定位,使得地图上显示的移动轨迹更加真实地反应实际的移动情况。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请提供的一种定位方法的一个实施例的流程图;
图2示出了本申请提供的一种定位方法的一个实施例的流程图;
图3(a)-图3(b)示出了本申请提供的一种基于8s内采集的方位角度数据判断是否发生待识别转弯事件的示意图;
图4示出了本申请提供的基于加速度数据确定待识别转弯事件是否为转弯事件的流程示意图;
图5(a)-图5(d)示出了本申请提供的一种基于转弯事件及一种非转弯事件时采集的加速度数据的运动特征值的表现形式示意图;
图6示出了本申请提供的一种预设运动转弯条的判断示意流程图;
图7示出了本申请提供的一种预设非运动转弯条件的判断示意流程图;
图8示出了本申请提供的一种定位方法的一个实施例的流程图;
图9示出了本申请提供的一种定位装置的一个实施例的结构示意图;
图10示出了本申请提供的一种定位装置的另一个实施例的结构示意图;
图11示出了本申请提供的一种定位装置的一个实施例的结构示意图;
图12示出了本申请提供的一种电子设备的一个实施例的结构示意图;
图13示出了本申请提供的一种定位服务器的一个实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
本申请技术方案提供的一种定位方法可适用但不限于地图定位等应用场景。
目前,可穿戴设备主要利用内置的定位仪器每间隔一段时间通过GPS、WIFI或者基站获得用户当前时刻在地球上的经纬度值,将获取的经纬度值作为定位点并将相邻时刻获得的定位点进行直线连接获得用户的移动轨迹并在地图上进行显示。但由于间隔时间无法保证会采集到用户转弯时刻的拐点位置进行定位,就会导致将两个相邻的定位点进行直线连接时由于没有对拐点进行定位,出现在地图上显示的移动轨迹直接穿过移动大楼或穿越不同的街区等情况,无法真实反映用户实际的移动轨迹。
为了解决定位获得的移动轨迹无法真实反映实际的移动轨迹的技术问题,发明人通过一系列研究提出了本申请技术方案。本申请通过分别获取第一传感器采集的角度数据及第二传感器采集的加速度数据并基于方位角度数据及加速度数据判断当前时刻是否发生转弯事件。如果发生转弯事件,生成定位请求,以基于定位请求获取当前时刻的位置数据进行定位显示。本申请实施例对由于转弯产生的位置移动进行识别并定位,使得地图上显示的移动轨迹更加真实地反应实际的移动情况。
下面将结合附图对本申请技术方案进行详细描述。
图1为本申请实施例提供的一种定位方法的一个实施例的流程图。该方法可以包括:
101:分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据。
实际应用中,该定位方法可以适用于可穿戴设备中。该第一传感器可以是G-sensor(Gyroscope-sensor,陀螺仪传感器),该陀螺仪传感器可以为三轴陀螺仪用于分别采集X轴、Y轴、Z轴的子方位角度数据。基于分别采集的三轴的子方位角度数据通过卡曼滤波可以计算获得当前时刻实际偏移的方位角度数据,该方位角度数据也即用户移动过程中方位偏转引起的偏航角,单位为(°/s,度/秒)。实际应用中偏航角的计算方法包括但不限于卡曼滤波计算方法,其它现有技术也可适用于本申请偏航角的计算,在此不再赘述。
实际应用中,第二传感器可以是A-sensor(Accelerometer-sensor,加速度计传感器),该加速度计传感器可以为三轴加速度计分别用于采集X轴、Y轴、Z轴的子加速度数据。基于分别采集的子加速度数据计算获得当前时刻的加速度数据。该加速度数据实际为用户移动过程中实际的运动加速度,基于运动加速度的变化,可以确定用户当前时刻的运动状态。例如加速度为0时,为静止状态,加速度较小为慢行,加速度较快为快走或跑步等。该加速度数据的单位为g(9.8m2/s)。
实际上述方位角度数据和加速度数据的计算过程,可以基于A+Gsensor采集获得的数据通过卡曼滤波后进行六轴融合算法计算获得,该六轴融合算法为现有常用技术,在此不做赘述。
102:基于方位角度数据及所述加速度数据判断当前时刻是否发生转弯事件。
尽管陀螺仪传感器可以实现对用户移动过程中方位角度改变的测量,但是用户移动过程中,可能经常会出现在原地附近进行原地转弯、转身后停止移动或者晃动等非转弯事件时同样可以引起方位角度的变化,但用户的地理位置实际并未发生变换,如果对这种情况进行频繁地定位就会导致定位设备功耗过大,且无实际意义。为了避免对非转弯事件的频繁定位,降低系统功耗,此时,仅通过方位角度的改变无法辨别是否为正常的转弯事件。通过结合第二传感器采集的加速度数据可以进一步判断某一预设时间内(例如当前8s内)用户的运动状态,进而结合运动状态将前述引起的方位角度变化的非转弯事件滤除,仅对正常的转弯事件进行定位,在降低系统功耗的同时,大大提高了定位的精确度。
103:如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示。
当确定当前时刻发生转弯事件后,生成定位请求。该定位请求可以发送至可穿戴设备的定位装置,由定位装置例如GPS、WIFI等装置获取当前时刻的位置数据,基于获取的位置数据进行定位显示。
实际应用中,基于位置数据确定的定位点可以是发送至服务端后,由服务端基于该定位点生成移动轨迹,并将该移动轨迹发送至终端设备进行显示。当然,如果该定位是由服务端进行,则可以将该定位请求发送至定位服务器,由定位服务器基于该定位请求获取当前时刻的位置数据进行定位,并将基于转弯事件获取的位置数据的定位点确定的移动轨迹发送至可穿戴设备,在可穿戴设备的地图上进行显示。
可以理解的是,本申请是在结合现有定位方法(即每个一段时间通过GPS、WIFI或者基站获得当前时刻的用户在地球上的经纬度)的基础上实现的。因此,定位装置或定位服务器自身会每间隔一段时间获取用户的位置数据,并在接收到基于转弯事件生成的定位请求后,获取发生转弯事件时的位置数据,从而基于每间隔一段时间获取的位置数据及发生转弯事件时获取的定位数据确定用户的移动轨迹,可以使得地图上显示的移动轨迹更加真实地反应实际的移动情况。
本申请实施例中,通过采集用户移动时的方位角度数据及加速度数据,基于采集获得方位角度数据及加速度数据判断当前时刻是否发生转弯事件。通过对由于转弯产生的位置移动进行识别并定位,获得用户移动过程中转弯时拐点位置的定位点,从而使得地图上显示的移动轨迹更加真实地反应实际的移动情况。
可选地,在某些实施例中,所述如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示可以包括:
如果发生转弯事件,生成定位请求;
发送所述定位请求至服务端,以使所述服务端基于所述定位请求获取当前时刻的位置数据;基于所述位置数据确定的定位点生成移动轨迹;
在地图中输出所述服务端发送移动轨迹。
实际应用中,如果定位是在服务端进行,则需要将生成的定位请求发送至服务端,有服务端基于该定位请求及时获取当前时刻的位置数据并作为定位点,服务端在生成移动轨迹时,移动轨迹中包括发生转弯事件时的位置数据对应的定位点,从而使得服务端生成的移动轨迹能够更加真实的反映用户的移动情况。实际随着用户的移动,移动轨迹也会随着用户的位置改变进行实时更新从而在可穿戴设备的地图中对用户的真实移动情况进行实时显示。
图2为本申请实施例提供的一种定位方法的又一个实施例的流程图。
该方法可以包括:
201:分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据。
202:基于所述方位角度数据,判断当前时刻是否发生待识别转弯事件。
可选地,在某些实施例中,所述基于所述方位角度数据,判断当前时刻是否发生待识别转弯事件可以包括:
计算所述预设时间范围内起始时刻采集的第一方位角度数据与结束时刻采集的第二方位角度数据的角度差值;
判断所述角度差值是否大于角度阈值;
如果所述角度差值大于所述角度阈值,确定当前时刻发生所述待识别转弯事件。
实际应用中,第一传感器及第二传感器用于实时采集方位角度数据及加速度数据,其采样频率可以是26Hz(赫兹),可以每8s(秒)对采集的数据进行一次数据处理。因此,该预设时间范围可以设置为当前时刻8s内采集的数据,在采集获得当前8s内采集的方位角度数据后,基于当前8s内的第1s采集的第一方位角度数据及当前时刻即第8s采集的第二方位角度数据的角度差值判断,当前时刻是否发生转弯事件。理论上,当用户在户外行走时,路过路口时会发生90°的偏航角改变,反向移动时为出现180°偏航角的改变。因此,在本申请实施例中,可以设定角度阈值为50°,只要偏航角的变化超过50°时即可认为发生待识别转弯事件。
如图3(a)-图3(b)所示,为一个8s内采集的方位角度数据,由于第一传感器的采样频率为26Hz,因此在8s内采集获得208个数据。图3(a)中所示为,起始时刻采集的第一方位角度数据为0°,结束时刻采集的第二方位角度数据为4°用户在移动过程中被识别到方位角度发生了改变,在该8s内方位角度改变为4°,可判断该次方位角度的改变不是一次待识别转身事件。图3(b)中所示为,用户在移动过程中被识别到方位角度发生了改变,在该8s内采集方位角度变化的角度差值接近90°,确定为发生一次待识别转身事件。
可以理解的是,该第一预设时间可根据实际情况进行设定,例如为了进一步提高计算精度,可以根据用户不同的移动速度及运动状态,判断用户实际转弯所需的时间,将该时间作为第一预设时间。当然,还可以根据运算效率及数据采集速率,确定该第一预设时间。
同样地,角度阈值可以根据实际精度需求进行设置,在此不做具体限定。
203:如果发生待识别转弯事件,基于所述加速度数据确定所述待识别转弯事件是否为转弯事件。
204:如果待识别转弯事件为转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示。
作为一种可选的实施方式,所述如果发生待识别转弯事件,基于所述加速度数据确定所述待识别转弯事件是否为所述转弯事件可以包括:
基于所述加速度数据确定所述待识别转弯事件对应的运动状态及对应的运动特征值;
判断所述运动状态为运动型还是非运动型;
如果所述运动状态为运动型,所述运动特征值满足预设运动转弯条件时确定所述待识别转弯事件为所述转弯事件;
如果所述运动状态为非运动型,所述运动特征值满足预设非运动转弯条件时确定所述待识别转弯事件为所述转弯事件。
实际应用中,在基于方位角度数据确定待识别转弯事件后,基于第二传感器采集的加速度数据可以进一步地对用户运动状态进行划分。本申请实施例中,人为主动运动并引起位移的运动状态值为运动型,人被动运动并引起位移的运动状态和人主动运动但未引起位移的运动状态为非运动型。例如,把用户的运动状态例如步行(快走、慢走)及跑步标记为运动型,;用户其它行进过程中的运动状态例如踏步、骑行等标记为非运动型。同时,通过对加速度数据进行处理,可计算获得预设时间内采集的加速度数据的标准差(Std)、峰度(Kurtosis)、标准差与峰度的比值以及波动性等运动特征值。
实际应用中,利用加速度数据确定当前的运动状态并通过对加速度数据进行卡曼滤波等方法的处理获得运动特征值,已是本技术领域的现有技术。本申请实施例中基于加速度数据计算获得运动特征值及运动状态可采用现有计算方法实现,在此不再赘述。
实际预设运动转弯条件及预设非运动转弯条件可以根据实际的精度需求进行设定,本申请实施例中,是由发明人经过无数次的测试对不同条件下发生待识别转弯事件时采集的加速度数据的处理、分析并统计确定的,且满足对待识别转弯事件中的转弯事件的识别率达到系统精度要求,具体分析过程如下。
在理论上,标准差能反映波形的波动大小,峰度能反映波形的尖度,波动性为计算预设时间内(例如8s内)的每一秒的波动均值中的最大值和最小值的比值,可以反应波形的稳定程度。
在实际移动过程中,如果用户转弯之后在原地附近运动,其前后会发生运动状态的变化。因此,通过首先判断运动状态是否发生变化,然后在判断运动特征值是否发生变化,可以更好地判断该待识别转弯事件是否为转弯事件。
如图4所示,步骤203所述如果发生待识别转弯事件,基于所述加速度数据确定所述待识别转弯事件是否为转弯事件,可以包括以下子步骤:
2031:基于所述加速度数据确定所述待识别转弯事件对应的运动状态及对应的运动特征值。
2032:判断所述运动状态为运动型还是非运动型。
2033:如果所述运动状态为运动型,判断所述运动特征值是否满足预设运动转弯条件,如果是,执行步骤2035;如果否,执行步骤2036。
2034:如果所述运动状态为运动型,判断所述运动特征值是否满足预设非运动转弯条件;如果是,执行步骤2035;如果否,执行步骤2036。
2035:确定所述待识别转弯事件为所述转弯事件。
2036:确定所述待识别转弯事件为非转弯事件。
本申请发明人通过大量实验发现,发生待识别转弯事件中的转弯事件及非转弯事件在加速度数据上的反应是不同的。以8s内采集的加速度数据为例,在一个正常的转弯事件发生前后,用户的运动状态基本保持一致,同时可以表现在运动特征值上。且当前8s内的加速度数据的标准差、峰度、标准差/峰度及波动性与相邻的前一个及后一个8s运动特征值也基本保持一致。但是非转弯事件发生前后的运动状态会发生改变,而其当前8s内的特征值包括加速度数据的标准差、标准差与峰度的比值和波动性中至少一项与相邻的前一个及后一个8s运动特征值发生变化,甚至是无规律变化。因此,可以通过判断上述至少一种运动特征的组合特征来进一步滤除非转弯事件。
由于不同运动状态时,上述运动特征值表现出不同的特性,因此需要首先区分当前8s内的用户的运动状态,其中,可以通过运动状态值表示运动状态,例如运动状态为非运动型时设置运动状态值分别为1表示,为运动型时设置运动状态值以2表示。
如图5(a)所示为一次转弯事件,对应一个8s内用户在移动过程中直行一段后转弯90°改变方位角后继续直行。由图5(a)可以看出,方位角度发生变化的前后相应的加速度数据的幅度、峰值和波动性等前后几乎保持一致。如图5(b)所示为一次非转弯事件,对应一个8s内用户移动过程中直行一段时间后转弯90°,改变方位角度后在原地无规律的晃动。由图中可以看出方位角度发生变化前后,对应加速度数据的幅度、峰值和波动性等变化较大。
如图5(c)和图5(d)所示,为一个8s内直行转弯90°时采集的转弯事件及非转弯事件各自对应的加速度数据,通过比较可以看出非转弯事件相对转弯事件对应的加速度数据的波形幅值变换范围增大,波动更加无规律,波形更加尖锐、稳定性较差,更加容易区分。但在陀螺仪传感器采集的方位角度数据上则难以进行区分。
由上述可知,基于待识别转弯事件发生前后的采集的加速度数据的运动特征值的稳定性可以有效地滤除待识别转弯事件中的非转弯事件。
如表1所示为对应图5(a)中发生转弯事件时,当前8s内转弯90°采集的加速度数据的运动特征值以及相邻前3个8s及后三个8s内采集的加速度数据的运动特征值。表2所示为对应图5(b)中发生非转弯事件时,当前8s内转弯90°采集的加速度数据的运动特征值以及相邻前3个8s及后三个8s内采集的加速度数据的运动特征值。
表1
运动状态值 | 标准差 | 峰度 | 标准差/峰度 | 波动性 |
2 | 1694 | 277 | 6.1155 | 118 |
2 | 1655 | 290 | 5.7096 | 111 |
2 | 1803 | 318 | 5.6698 | 131 |
2 | 1730 | 282 | 6.1378 | 136 |
2 | 1948 | 257 | 5.5798 | 116 |
2 | 1729 | 234 | 7.3888 | 135 |
2 | 1622 | 235 | 6.9021 | 118 |
表2
运动状态值 | 标准差 | 峰度 | 标准差/峰度 | 波动性 |
2 | 2332 | 330 | 7.0666 | 161 |
2 | 2556 | 334 | 7.6527 | 139 |
2 | 2904 | 343 | 8.4664 | 179 |
2 | 1728 | 412 | 4.1941 | 312 |
2 | 1743 | 263 | 6.6273 | 147 |
2 | 2634 | 425 | 6.1976 | 247 |
2 | 1421 | 635 | 5.4030 | 223 |
由表1及表2可以看出,实际待识别转弯事件发生前后用户的运动状态均未发生变化,其运动状态值均为2。因此,无法基于运动状态的变化来滤除非转弯事件。但通过对比发现,非转弯事件发生时刻采集的8s内的加速度数据的运动特征值的变化(表2中灰色区域所示)与相邻前3个8s内采集的加速度数据的特征值及后3个8秒内采集的加速度数据的特征值,在标准差,峰度、标准差/峰度和波动性上均发生较大改变;而转弯事件发生时刻采集的8s内的加速度数据的运动特征值(表1中灰色区域所示)的变化与相邻前3个8s内采集的加速度数据的特征值及后3个8秒内采集的加速度数据的特征值,在标准差,峰度、标准差/峰度和波动性上变化不大。
由上可知,当通过运动状态无法滤除非转弯事件时,进一步地,还可以通过对发生转弯时对应的8s每采集加速度数据的特征值与之前稳定运动时刻采集的加速度数据的特征值的差值来进一步滤除非转弯事件。
为了排除数据采集的偶然性造成结果的差异,可以选取与当前8s距离最近的3个8s内的稳定运动时刻采集的加速度数据的特征值的均值作为与当前8s的运动特征值进行对比。
通过研究发现,由于一个8s内采集的加速度数据产生标准差由于不同情况会出现不同的变化,例如当用户转弯后在原地附近慢动(例如晃动或踱步),的时间在8s内所占的时间较长时,相应的标准差相对之前会减小,如果所占时间较短引起的标准差的变化就会较小。而用户转弯之后在原地附近打转,并且打转时间较长时标准差将会引起增大,因此,不同情况下,相邻前三个8s的加速度数据的标准差均值与当前8s的加速度数据的标准差可能是正值也可能是负值,但均为非正常转弯事件,因此在进行判断时,可以将判断标准差差值使用绝对值判断。
如表3所示,发明人通过对待识别转弯事件采集的数据进行了近900次测试和统计发现,转弯事件发生时用户对应的运动状态为运动型的所占比例较高,而非转弯事件则反之。因此,当判断待识别转弯事件在当前8s内用户的运动状态为运动型时,其极大概率为发生转弯事件。为了避免误识别发生,尽可能识别出转弯事件因此需要设置相对非运动型更为严格的转弯条件。
表3
因此,针对用户的运动状态,可以设置不同的类型的转弯条件,如图4所示,即如果确定所述待识别转弯事件对应为运动状态;需要判断当前8s内对应的运动特征值是否满足预设运动转弯条件。如果确定所述待识别转弯事件对应为非运动状态;需要判断当前8s内对应的运动特征值是否满足预设非运动转弯条件。
由上述可知,作为一种可选地的实施方式,
可选地,作为一种可实现的实施方式,所述运动特征值可以包括:
当前预设时间周期内的采集的加速度数据的标准差、峰度、所述标准差与所述峰度的特征比值、峰度差值、波动性差值以及标准差差值中的一种或多种;
其中,所述峰度差值为当前预设时间周期内的采集的加速度数据的峰度与所述当前预设时间周期相邻的前至少一个预设时间周期的峰度均值的差;所述波动性差值为当前预设时间周期内采集的加速度数据的波动性与所述当前预设时间周期相邻的前至少一个预设时间周期的波动性均值的差;所述标准差差值为当前预设时间周期内的采集的加速度数据的标准差与所述当前预设时间周期相邻的前至少一个预设时间周期的标准差均值的绝对差。
可以理解的是,该至少一个预设时间周期可以根据实际情况进行设定,例如选择前两个预设时间周期或前三个预设时间周期等,在此不做具体限定。
作为一种可选的实施方式,所述如果所述运动状态为运动型,根据所述运动特征值是否满足预设运动转弯条件来判断所述待识别转弯事件是否为所述转弯事件可以包括:
如果所述运动状态为运动型,判断所述运动特征值是否满足预设运动转弯条件;
如果是,确定所述待识别转弯事件为所述转弯事件;
如果否,确定所述待识别转弯事件为非转弯事件。
作为一种可选的实施方式,所述如果所述运动状态为非运动型,根据所述运动特征值是否满足预设非运动转弯条件来判断所述待识别转弯事件是否为所述转弯事件可以包括:
如果所述运动状态为非运动型,判断所述运动特征值是否满足预设非运动转弯条件;
如果是,确定所述待识别转弯事件为所述转弯事件;
如果否,确定所述待识别转弯事件为非转弯事件。
由前述可知,当用户的运动状态为运动型时的运动特征值与非运动型时的运动特征值具有不同的表现。因此,设置了预设运动转弯条件(如图6所示)及预设非运动转弯条件(如图7所示),以提高对用户在不同运动状态下发生转弯事件时的识别率。
其中,图6及图7中,Std表示标准差,Kurtosis表示峰度,Std/Kurtosis表示特征比值,峰度差值可以表示为当前预设时间周期的Kurtosis-相邻前三个预设时间周期Kurtosis的均值,标准差差值可以表示为abs|当前预设时间周期的Std-相邻前三个预设时间周期Std的均值|。
如图6所示,为待识别转弯事件对应为运动型时,对应的预设运动转弯条件的判断过程示意图,所述如果所述运动状态为运动型,所述运动特征值满足预设运动转弯条件时确定所述待识别转弯事件为所述转弯事件可以包括:
如果所述运动状态为运动型,判断所述标准差是否小于第一标准差阈值和所述特征比值是否小于第一特征比值阈值;
如果所述标准差小于所述第一标准差阈值且所述特征比值小于所述第一特征比值阈值的同时,所述峰度差值小于等于第一峰度差值阈值,和/或所述峰度小于或等于第一峰度阈值,和/或所述波动性差值小于或等于第一波动性差值阈值,则所述运动特征值满足所述预设运动转弯条件,确定所述待识别转弯事件为所述转弯事件;
如果所述标准差大于或等于所述第一标准差阈值,和/或所述特征比值大于或等于所述第一特征比值阈值,再判断所述波动性差值是否大于所述第一波动性阈值;
如果所述波动性差值大于所述第一波动性阈值的同时,所述标准差差值小于或等于第一标准差差值阈值,和/或所述峰度差值小于所述第一峰度差值阈值,且所述峰度小于或等于所述第一峰度阈值,则确定所述运动特征值满足所述预设运动转弯条件;
如果所述波动性差值小于或等于所述第一波动性阈值,则所述运动特征值满足所述预设运动转弯条件,确定所述待识别转弯事件为所述转弯事件。
实际应用中,所述第一标准差阈值、第一特征比值、第一峰度差阈值、第一波动性差值阈值、第一波动性阈值及第一标准差差值阈值均为经过大量测试和统计确定,且满足系统的识别精度要求。
实际当发生非转弯事件时,用户的运动状态相比之前会发生变化,此时,加速度计传感器采集到的加速度数据的波形会表现出更加混乱和尖锐的波峰,且当前8s内的特征比值变化也比较明显。经过统计发现Std/Kurtosis<第一特征比值阈值时,可以很好地识别待识别转弯事件中的转弯事件和非转弯事件,但是用户在慢走时发生正常转弯事件,满足Std/Kurtosis<第一特征比值阈值的同时Std<第一标准差阈值。但由于这仅是统计的经验值,因此基于上述条件将非转弯事件误识别为转弯事件以及将转弯事件识别为非转弯事件的可能仍然存在。为了进一步降低误识别率,保留更多的转弯事件,从而增加了对Kurtosis和波动性的分析。前述已经对表1和表2中可知,在发生非转弯事件及转弯事件时,在运动特征值上的表现不同,特别是波动性差值、峰度差值及标准差差值可以更好地对非转弯事件及转弯事件进行区分。经过对大量的测试数据统计发现,当前8s内的峰度差值>第一峰度差值阈值,且Kurtosis>第一峰度阈值以及波动性差值>第一波动性差值阈值作为判决条件时可以有效地滤除待识别转弯事件中的非转弯事件并保留转弯事件。下述表4、表5及表6即为分别在前述条件下对大量数据进行测试获得的测试数据及基于该前述条件识别时的未识别率。
表4对应为图6中基于待识别转弯事件的运动特征值进行识别的统计结果。由前述可知图6中601判决条件即运动特征值满足Std/Kurtosis<第一特征比值阈值的同时Std<第一标准差阈值时,可以有效地识别用户在慢走时发生正常转弯事件。由表4可以看出,601判决条件可以识别出大部分的转弯事件,识别概率为37/51,而非转弯事件满足该判决条件的统计概率为131/235。因此,为了滤除更多的非转弯事件,保留更多的转弯事件,由前述可知,波动性差值、峰度差值可以更好地对非转弯事件及转弯事件进行区分。由表4可以看出602判决条件可以将非转弯事件的误识别率降低为10/131,而将转弯事件的误识别率降低为5/37,满足系统的识别精度需求。
同时由表4可知,转弯事件的差值及特征比值满足Std<第一标准差阈值,且Std/Kurtosis≥第一特征比值阈值时,其波动性差值全部不满足波动性差值>40的判决条件,而非转弯事件此时满足上述判决条件的比例为83/104。可以,利用601-603分支的判决条件,可以将满足该判决条件的转弯事件全部保留,并滤除大部分的非转弯事件。同时,考虑到非转弯事件中仍存在18项测试数据被误识别为转弯事件,因此需要考虑进一步增加判决条件,以降低误识别率。由前述可知,当标准差差值可以有效地对转弯事件及非转弯事件进行区分,因此在604中增加标准差差值>400这一判决条件,以进一步降低系统的误识别率。
由图5和图6可以看出,增加604判决条件后,转弯事件的误识别概率降低为0,而非转弯事件的误识别概率也大大降低。
表4
表5
表6
因此,经前述分析和统计可知,本申请实施例中的,第一标准差阈值、第一特征比值阈值、第一峰度差值阈值、第一峰度阈值、第一波动性差值阈值、以及第一标准差差值阈值,可以根据实际需求进行设定,且最终使得待识别转弯事件的误识别率达到预设要求即可,在此不做具体限定。前述各运动特征值对应的阈值条件的一种或多种组合的组合判决条件,构成预设运动转弯条件。实际预设运动转弯条件并不限于前述阈值条件及预置条件的组合,可根据实际需求进行调整,当系统精度进一步提高时,该预设运动转弯条件可以通过修改不同运动特征值的阈值条件及对各运动特征值的阈值条件通过有效地组合进行多次的测试和统计,以进一步获得误识别率更低的预设运动转弯条件,在此不做具体限定。
同理,如图7所示,所述如果所述运动状态为非运动型,所述运动特征值满足预设非运动转弯条件时确定所述待识别转弯事件为所述转弯事件可以包括:
如果所述运动状态为非运动型,判断所述波动性差值是否大于第二波动性差值阈值;
如果所述波动性差值大于所述第二波动性差值阈值,再判断所述特征比值是否小于第二特征比值阈值;
如果所述特征比值小于所述第二特征比值阈值的同时,所述峰度差值小于或等于第二峰度差值阈值,和/或所述峰度小于或等于第二峰度阈值,和/或所述标准差差值小于或等于第二标准差差值阈值,则所述运动特征值满足所述预设非运动转弯条件,确定所述待识别转弯事件为所述转弯事件;
如果所述特征比值大于或等于所述第二特征比值阈值,则确定所述运动特征值满足所述预设非运动转弯条件;
如果所述波动性差值小于或等于所述第二波动性差值阈值,再判断所述特征比值是否小于第三特征比值阈值;
如果所述特征比值小于所述第三特征比值阈值的同时,所述峰度差值小于或等于第三峰度差值阈值,和/或所述峰度小于或等于第三峰度阈值,和/或所述标准差差值小于或等于第三标准差差值阈值,则确定所述运动特征值满足所述预设非运动转弯条件;
如果所述特征比值大于或等于所述第三特征比值阈值,则所述运动特征值满足所述预设非运动转弯条件,确定所述待识别转弯事件为所述转弯事件。
由前述可知波动性可以很好地衡量用户运动状态的改变,根据表7的测试和统计结果可以得出,转弯事件时采集数据波形的波动性变化很小,大部分数据波形的波动性差值均小于或等于第二波动性差值阈值,即表示发生转弯事件时,用户运动状态发生变化的概率较低;而非转弯事件时,用户运动状态发生变化的概率较高。因此,通过701判决条件即波动性差值>第一波动性差值阈值,可以识别出大部分的转弯事件,并滤除大部分的非转弯事件。其中,表8及表9对应图7中基于待识别转弯事件的运动特征值进行识别的统计结果。由表8可以看出转弯事件中特征比值<第二特征比值阈值(对应图7中的702判决条件)只占少部分,而非转弯事件的统计概率达到73/74,即非转弯事件中大部分均不满足特征比值<第二特征比值阈值这一判决条件。为了保留更多地转弯事件,降低误识别率,增加峰度差值、标准差差值的判决条件703,即峰度差值>第二峰度差值阈值且峰度>第二峰度阈值,以及标准差差值>第二标准差差值阈值。由表8可以看出,转弯事件的误识别率降低至3/74,得到了有效地控制,满足系统精度要求。
由表9可以通过特征比值<第三特征比值阈值(对应图7中的704判决条件)可以有效地滤除非转弯事件,但同时将大部分转弯事件滤除了,因此为了进一步降低误识别率,增加705对应的判决条件,通过峰度差值及标准差差值对进一步对转弯事件及非转弯事件进行有效地区分。由表9可以看出峰度差值>第三峰度差值阈值,且峰度>第三峰度阈值,同时标准差差值>第三标准差差值阈值可以有效地滤除非转弯事件并有效降低转弯事件的误识别率,使其达到9/293,满足系统精度要求。
表7
表8
表9
因此,经前述分析和统计可知,本申请实施例中的,第二波动性差值阈值、第二特征比值阈值、第三特征比值阈值、第二峰度差值阈值以及第二峰度阈值、第三峰度差值阈值、第三峰度阈值、第二标准差差值阈值、及第三标准差差值阈值,可以根据实际需求进行设定,且最终使得待识别转弯事件的误识别率达到预设要求即可,在此不做具体限定。前述各运动特征值对应的阈值条件的一种或多种组合的组合判决条件,构成预设非运动转弯条件。实际预设非运动转弯条件并不限于前述阈值条件及预置条件的组合,可根据实际需求进行调整,当系统精度进一步提高时,该预设非运动转弯条件可以通过修改不同运动特征值的阈值条件及对各运动特征值的阈值条件通过有效地组合进行多次的测试和统计,以进一步获得误识别率更低的预设非运动转弯条件,在此不做具体限定。
本申请实施例中所述的误识别率均为统计值,其统计结果根据测试次数、测试条件、测试环境及测试项数量等不同存在一定差异,本申请实施例中仅用于对预设运动转弯条件及预设非运动转弯条件的设置提供参考,且本申请实施例中提供的统计结果仅作为示例性描述不作为对系统误识别率的限定,可根据实际情况对对预设运动转弯条件及预设非运动转弯条件进行调整,在此不做具体限定。
表10
运动型 | 测试人数 | 转弯事件发生场景 | 误识别率 |
慢走 | 50 | 转弯90° | 2/50 |
慢走 | 50 | 转弯120° | 5/50 |
慢走 | 50 | 转弯180° | 1/50 |
走 | 50 | 转弯90° | 3/50 |
走 | 50 | 转弯120° | 2/50 |
走 | 50 | 转弯180° | 4/50 |
跑步 | 50 | 转弯90° | 1/50 |
跑步 | 50 | 转弯120° | 2/50 |
跑步 | 50 | 转弯180° | 2/50 |
总测试人数 | 450 | 总未识别率 | 22/450 |
表11
表10及表11为分别对不同场景下发生待识别转弯事件的测试和统计结果,其中,转弯事件对应的测试人数及非转弯事件对应的测试人数各为450人,其分别对应的误识别概率为22/450及32/450。
且经大量测试得到的统计结果表明,本申请实施例提供的转弯事件识别方法,可以将对转弯事件的识别率提高至96%,而对非转弯事件的误识别率仅为5.6%,大大提高了系统的对转弯产生位置变化定位的精度,使得系统可以及时有效地对用户转弯时的地理位置数据进行准确定位,进一步提高了移动轨迹准确度。
本申请实施例中,通过区分发生待识别转弯事件时用户运动状态,设置预设运动转弯条件及预设非运动转弯条件,从而进一步提高对转弯事件的识别精度,大大降低误识别率。系统的对转弯产生位置变化定位实现更高地定位精度,使得系统可以及时有效地对用户转弯时的地理位置数据进行准确定位,进一步提高了移动轨迹准确度,更接近用户实际的移动情况。
图8为本申请实施例提供的一种定位方法的一个实施例的流程图。该方法适用于服务端,该方法可以包括:
801:接收终端设备发送的定位请求。
其中,所述定位请求为所述终端设备确定当前时刻发生转弯事件时生成;所述转弯事件为所述终端设备基于分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据判断确定。
802:基于所述定位请求获取当前时刻的位置数据。
803:基于所述位置数据确定的定位点生成移动轨迹。
804:发送所述移动轨迹至所述终端设备,以使所述终端设备在显示的地图中输出所述移动轨迹。
前述已对本申请实施例的具体实施方法做了详细的说明,在此不再赘述。
本申请实施例中,通过终端设备采集用户移动时的方位角度数据及加速度数据,基于采集获得方位角度数据及加速度数据判断当前时刻是否发生转弯事件并接收终端设备基于转弯事件生成的定位请求,通过对由于转弯产生的位置移动进行识别并定位,获得用户移动过程中转弯时拐点位置的定位点,从而使得地图上显示的移动轨迹更加真实地反应实际的移动情况。
图9为本申请实施例提供的一种定位装置的一个实施例的结构示意图。
该装置可以包括:
第一获取模块901,用于分别获取第一传感器采集的角度数据及第二传感器采集的加速度数据。
判断模块902,用于基于所述角度数据及所述加速度数据判断当前时刻是否发生转弯事件。
定位模块903,用于如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示。
前述已对本申请实施例的具体实施方法做了详细的说明,在此不再赘述。
本申请实施例中,通过采集用户移动时的方位角度数据及加速度数据,基于采集获得方位角度数据及加速度数据判断当前时刻是否发生转弯事件。通过对由于转弯产生的位置移动进行识别并定位,获得用户移动过程中转弯时拐点位置的定位点,从而使得地图上显示的移动轨迹更加真实地反应实际的移动情况。
可选地,在某些实施例中,所述定位模块903具体可以用于:
如果发生转弯事件,生成定位请求;
发送所述定位请求至服务端,以使所述服务端基于所述定位请求获取当前时刻的位置数据;基于所述位置数据确定的定位点生成移动轨迹;
在地图中输出所述服务端发送移动轨迹。
实际应用中,如果定位是在服务端进行,则需要将生成的定位请求发送至服务端,有服务端基于该定位请求及时获取当前时刻的位置数据并作为定位点,服务端在生成移动轨迹时,移动轨迹中包括发生转弯事件时的位置数据对应的定位点,从而使得服务端生成的移动轨迹能够更加真实的反映用户的移动情况。实际随着用户的移动,移动轨迹也会随着用户的位置改变进行实时更新从而在可穿戴设备的地图中对用户的真实移动情况进行实时显示。
图10为本申请实施例提供的一种定位装置的又一个实施例的结构示意图。该装置可以包括:
第一获取模块1001,用于分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据。
判断模块1002,用于基于所述方位角度数据及所述加速度数据判断当前时刻是否发生转弯事件。
判断模块1002可以包括:
第一判断单元1011,用于基于所述方位角度数据,判断当前时刻是否发生待识别转弯事件。
可选地,在某些实施例中,所述第一判断单元1011具体可以用于:
计算所述预设时间范围内起始时刻采集的第一方位角度数据与结束时刻采集的第二方位角度数据的角度差值;
判断所述角度差值是否大于角度阈值;
如果所述角度差值大于所述角度阈值,确定当前时刻发生所述待识别转弯事件。
第一确定单元1012,用于如果发生待识别转弯事件,基于所述加速度数据确定所述待识别转弯事件是否为转弯事件。
定位模块1003,用于如果待识别转弯事件为转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示。
作为一种可选的实施方式,所述第一确定单元1012具体可以用于:
基于所述加速度数据确定所述待识别转弯事件对应的运动状态及对应的运动特征值。
判断所述运动状态为运动型还是非运动型。
如果所述运动状态为运动型,所述运动特征值满足预设运动转弯条件时确定所述待识别转弯事件为所述转弯事件;
如果所述运动状态为非运动型,所述运动特征值满足预设非运动转弯条件时确定所述待识别转弯事件为所述转弯事件。
作为一种可选地的实施方式,所述运动特征值可以包括:
当前预设时间周期内的采集的加速度数据的标准差、峰度、所述标准差与所述峰度的特征比值、峰度差值、波动性差值以及标准差差值中的一种或多种;
其中,所述峰度差值为当前预设时间周期内的采集的加速度数据的峰度与所述当前预设时间周期相邻的前至少一个预设时间周期的峰度均值的差;所述波动性差值为当前预设时间周期内采集的加速度数据的波动性与所述当前预设时间周期相邻的前至少一个预设时间周期的波动性均值的差;所述标准差差值为当前预设时间周期内的采集的加速度数据的标准差与所述当前预设时间周期相邻的前至少一个预设时间周期的标准差均值的绝对差。
作为一种可选的实施方式,所述如果所述运动状态为运动型,根据所述运动特征值是否满足预设运动转弯条件来判断所述待识别转弯事件是否为所述转弯事件具体可以用于:
如果所述运动状态为运动型,判断所述运动特征值是否满足预设运动转弯条件;
如果是,确定所述待识别转弯事件为所述转弯事件;
如果否,确定所述待识别转弯事件为非转弯事件。
作为一种可选的实施方式,所述如果所述运动状态为非运动型,根据所述运动特征值是否满足预设非运动转弯条件来判断所述待识别转弯事件是否为所述转弯事件具体可以用于:
如果所述运动状态为非运动型,判断所述运动特征值是否满足预设非运动转弯条件;
如果是,确定所述待识别转弯事件为所述转弯事件;
如果否,确定所述待识别转弯事件为非转弯事件。
可选地,在某些实施例中,所述如果所述运动状态为运动型,所述运动特征值满足预设运动转弯条件时确定所述待识别转弯事件为所述转弯事件具体可以用于:如果所述运动状态为运动型,判断所述标准差是否小于第一标准差阈值和所述特征比值是否小于第一特征比值阈值;
如果所述标准差小于所述第一标准差阈值且所述特征比值小于所述第一特征比值阈值的同时,所述峰度差值小于等于第一峰度差值阈值,和/或所述峰度小于或等于第一峰度阈值,和/或所述波动性差值小于或等于第一波动性差值阈值,则所述运动特征值满足所述预设运动转弯条件,确定所述待识别转弯事件为所述转弯事件;
如果所述标准差大于或等于所述第一标准差阈值,和/或所述特征比值大于或等于所述第一特征比值阈值,再判断所述波动性差值是否大于所述第一波动性阈值;
如果所述波动性差值大于所述第一波动性阈值的同时,所述标准差差值小于或等于第一标准差差值阈值,和/或所述峰度差值小于所述第一峰度差值阈值,且所述峰度小于或等于所述第一峰度阈值,则确定所述运动特征值满足所述预设运动转弯条件;
如果所述波动性差值小于或等于所述第一波动性阈值,则所述运动特征值满足所述预设运动转弯条件,确定所述待识别转弯事件为所述转弯事件。
可选地,在某些实施例中,所述如果所述运动状态为非运动型,所述运动特征值满足预设非运动转弯条件时确定所述待识别转弯事件为所述转弯事件具体可以用于:
如果所述运动状态为非运动型,判断所述波动性差值是否大于第二波动性差值阈值;
如果所述波动性差值大于所述第二波动性差值阈值,再判断所述特征比值是否小于第二特征比值阈值;
如果所述特征比值小于所述第二特征比值阈值的同时,所述峰度差值小于或等于第二峰度差值阈值,和/或所述峰度小于或等于第二峰度阈值,和/或所述标准差差值小于或等于第二标准差差值阈值,则所述运动特征值满足所述预设非运动转弯条件,确定所述待识别转弯事件为所述转弯事件;
如果所述特征比值大于或等于所述第二特征比值阈值,则确定所述运动特征值满足所述预设非运动转弯条件;
如果所述波动性差值小于或等于所述第二波动性差值阈值,再判断所述特征比值是否小于第三特征比值阈值;
如果所述特征比值小于所述第三特征比值阈值的同时,所述峰度差值小于或等于第三峰度差值阈值,和/或所述峰度小于或等于第三峰度阈值,和/或所述标准差差值小于或等于第三标准差差值阈值,则确定所述运动特征值满足所述预设非运动转弯条件;
如果所述特征比值大于或等于所述第三特征比值阈值,则所述运动特征值满足所述预设非运动转弯条件,确定所述待识别转弯事件为所述转弯事件。
前述以对本申请实施例的具体实施方法做了详细的说明,在此不再赘述。
本申请实施例中,通过区分发生待识别转弯事件时用户运动状态,设置预设运动转弯条件及预设非运动转弯条件,从而进一步提高对转弯事件的识别精度,大大降低误识别率。系统的对转弯产生位置变化定位实现更高地定位精度,使得系统可以及时有效地对用户转弯时的地理位置数据进行准确定位,进一步提高了移动轨迹准确度,更接近用户实际的移动情况。
图11为本申请实施例提供的一种定位装置的一个实施例的结构示意图。该装置可以包括:
第一接收模块1101,用于接收终端设备发送的定位请求。
其中,所述定位请求为所述终端设备确定当前时刻发生转弯事件时生成;所述转弯事件为所述终端设备基于分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据判断确定。
位置数据获取模块1102,用于基于所述定位请求获取当前时刻的位置数据。
移动轨迹生成模块1103,用于基于所述位置数据确定的定位点生成移动轨迹。
移动轨迹发送模块1104,用于发送所述移动轨迹至所述终端设备,以使所述终端设备在显示的地图中输出所述移动轨迹。
前述已对本申请实施例的具体实施方法做了详细的说明,在此不再赘述。
本申请实施例中,通过终端设备采集用户移动时的方位角度数据及加速度数据,基于采集获得方位角度数据及加速度数据判断当前时刻是否发生转弯事件并接收终端设备基于转弯事件生成的定位请求,通过对由于转弯产生的位置移动进行识别并定位,获得用户移动过程中转弯时拐点位置的定位点,从而使得地图上显示的移动轨迹更加真实地反应实际的移动情况。
图12为本申请实施例提供的一种电子设备一个实施例的结构示意图,该终端设备可以包括处理组件1201以及存储组件1202。所述存储组件1202用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理组件调用并执行。
所述处理组件1201可以用于:
分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据;
基于所述方位角度数据及所述加速度数据判断当前时刻是否发生转弯事件;
如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示。
其中,处理组件1201可以包括一个或多个处理器来执行计算机指令,以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
存储组件1202被配置为存储各种类型的数据以支持在服务器中的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
当然,该设备必然还可以包括其他部件,例如输入/输出接口、通信组件等。
在实际应用中,该电子设备可以为智能手环、智能手表、定位器、智能耳机、智能衣服等可穿戴设备,也可以是手机、平板电脑、导航仪等电子设备。
本申请实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被计算机执行时可以实现上述图1和图2所示实施例的定位方法。
图13为本申请实施例提供的一种定位服务器一个实施例的结构示意图,该终端设备可以包括处理组件1301以及存储组件1302。所述存储组件1302用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理组件调用并执行。
所述处理组件1301可以用于:
接收终端设备发送的定位请求。
其中,所述定位请求为所述终端设备确定当前时刻发生转弯事件时生成;所述转弯事件为所述终端设备基于分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据判断确定;
基于所述定位请求获取当前时刻的位置数据;
基于所述位置数据确定的定位点生成移动轨迹;
发送所述移动轨迹至所述终端设备,以使所述终端设备在显示的地图中输出所述移动轨迹。
其中,处理组件1301可以包括一个或多个处理器来执行计算机指令,以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
存储组件1302被配置为存储各种类型的数据以支持在服务器中的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
当然,该定位服务器必然还可以包括其他部件,例如输入/输出接口、通信组件等。
本申请实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被计算机执行时可以实现上述任一实施例的姿态信息获取方法。
本申请实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被计算机执行时可以实现上述图8所示实施例的定位方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种定位方法,其特征在于,包括:
分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据;
基于所述方位角度数据及所述加速度数据判断当前时刻是否发生转弯事件;
如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示。
2.根据权利要求1所述的方法,其特征在于,所述基于所述方位角度数据及所述加速度数据判断当前时刻是否发生转弯事件包括:
基于所述方位角度数据,判断当前时刻是否发生待识别转弯事件;
如果发生待识别转弯事件,基于所述加速度数据确定所述待识别转弯事件是否为所述转弯事件。
3.根据权利要求2所述的方法,其特征在于,所述基于所述方位角度数据,判断当前时刻是否发生待识别转弯事件包括:
计算预设时间范围内起始时刻采集的第一方位角度数据与结束时刻采集的第二方位角度数据的角度差值;
判断所述角度差值是否大于角度阈值;
如果所述角度差值大于所述角度阈值,确定当前时刻发生所述待识别转弯事件。
4.根据权利要求2所述的方法,其特征在于,所述如果发生待识别转弯事件,基于所述加速度数据确定所述待识别转弯事件是否为所述转弯事件包括:
基于所述加速度数据确定所述待识别转弯事件对应的运动状态及对应的运动特征值;
判断所述运动状态为运动型还是非运动型;
如果所述运动状态为运动型,所述运动特征值满足预设运动转弯条件时确定所述待识别转弯事件为所述转弯事件;
如果所述运动状态为非运动型,所述运动特征值满足预设非运动转弯条件时确定所述待识别转弯事件为所述转弯事件。
5.根据权利要求4所述的方法,其特征在于,所述运动特征值包括:
当前预设时间周期内的采集的加速度数据的标准差、峰度、所述标准差与所述峰度的特征比值、峰度差值、波动性差值以及标准差差值中的一种或多种;
其中,所述峰度差值为当前预设时间周期内的采集的加速度数据的峰度与所述当前预设时间周期相邻的前至少一个预设时间周期的峰度均值的差;所述波动性差值为当前预设时间周期内采集的加速度数据的波动性与所述当前预设时间周期相邻的前至少一个预设时间周期的波动性均值的差;所述标准差差值为当前预设时间周期内的采集的加速度数据的标准差与所述当前预设时间周期相邻的前至少一个预设时间周期的标准差均值的绝对差。
6.根据权利要求5所述的方法,其特征在于,所述如果所述运动状态为运动型,所述运动特征值满足预设运动转弯条件时确定所述待识别转弯事件为所述转弯事件包括:
如果所述运动状态为运动型,判断所述标准差是否小于第一标准差阈值和所述特征比值是否小于第一特征比值阈值;
如果所述标准差小于所述第一标准差阈值且所述特征比值小于所述第一特征比值阈值的同时,所述峰度差值小于等于第一峰度差值阈值,和/或所述峰度小于或等于第一峰度阈值,和/或所述波动性差值小于或等于第一波动性差值阈值,则所述运动特征值满足所述预设运动转弯条件,确定所述待识别转弯事件为所述转弯事件;
如果所述标准差大于或等于所述第一标准差阈值,和/或所述特征比值大于或等于所述第一特征比值阈值,再判断所述波动性差值是否大于所述第一波动性阈值;
如果所述波动性差值大于所述第一波动性阈值的同时,所述标准差差值小于或等于第一标准差差值阈值,和/或所述峰度差值小于所述第一峰度差值阈值,且所述峰度小于或等于所述第一峰度阈值,则确定所述运动特征值满足所述预设运动转弯条件;
如果所述波动性差值小于或等于所述第一波动性阈值,则所述运动特征值满足所述预设运动转弯条件,确定所述待识别转弯事件为所述转弯事件。
7.根据权利要求5所述的方法,其特征在于,所述如果所述运动状态为非运动型,所述运动特征值满足预设非运动转弯条件时确定所述待识别转弯事件为所述转弯事件包括:
如果所述运动状态为非运动型,判断所述波动性差值是否大于第二波动性差值阈值;
如果所述波动性差值大于所述第二波动性差值阈值,再判断所述特征比值是否小于第二特征比值阈值;
如果所述特征比值小于所述第二特征比值阈值的同时,所述峰度差值小于或等于第二峰度差值阈值,和/或所述峰度小于或等于第二峰度阈值,和/或所述标准差差值小于或等于第二标准差差值阈值,则所述运动特征值满足所述预设非运动转弯条件,确定所述待识别转弯事件为所述转弯事件;
如果所述特征比值大于或等于所述第二特征比值阈值,则确定所述运动特征值满足所述预设非运动转弯条件;
如果所述波动性差值小于或等于所述第二波动性差值阈值,再判断所述特征比值是否小于第三特征比值阈值;
如果所述特征比值小于所述第三特征比值阈值的同时,所述峰度差值小于或等于第三峰度差值阈值,和/或所述峰度小于或等于第三峰度阈值,和/或所述标准差差值小于或等于第三标准差差值阈值,则确定所述运动特征值满足所述预设非运动转弯条件;
如果所述特征比值大于或等于所述第三特征比值阈值,则所述运动特征值满足所述预设非运动转弯条件,确定所述待识别转弯事件为所述转弯事件。
8.根据权利要求1所述的方法,其特征在于,所述如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示包括:
如果发生转弯事件,生成定位请求;
发送所述定位请求至服务端,以使所述服务端基于所述定位请求获取当前时刻的位置数据;基于所述位置数据确定的定位点生成移动轨迹;
在地图中输出所述服务端发送移动轨迹。
9.一种电子设备,其特征在于,包括处理组件以及存储组件;所述存储组件用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理组件调用并执行;
所述处理组件用于:
分别获取第一传感器采集的方位角度数据及第二传感器采集的加速度数据;
基于所述方位角度数据及所述加速度数据判断当前时刻是否发生转弯事件;
如果发生转弯事件,生成定位请求,以基于所述定位请求获取当前时刻的位置数据进行定位显示。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被计算机执行时可以实现前述1-8任一项所述的定位方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910116369.1A CN109959379B (zh) | 2019-02-13 | 2019-02-13 | 定位方法及电子设备 |
US17/310,631 US20220163348A1 (en) | 2019-02-13 | 2019-12-28 | Positioning method and electronic device |
PCT/CN2019/129573 WO2020164320A1 (zh) | 2019-02-13 | 2019-12-28 | 定位方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910116369.1A CN109959379B (zh) | 2019-02-13 | 2019-02-13 | 定位方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109959379A true CN109959379A (zh) | 2019-07-02 |
CN109959379B CN109959379B (zh) | 2021-06-08 |
Family
ID=67023678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910116369.1A Active CN109959379B (zh) | 2019-02-13 | 2019-02-13 | 定位方法及电子设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220163348A1 (zh) |
CN (1) | CN109959379B (zh) |
WO (1) | WO2020164320A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020164320A1 (zh) * | 2019-02-13 | 2020-08-20 | 歌尔股份有限公司 | 定位方法及电子设备 |
CN112533146A (zh) * | 2020-11-24 | 2021-03-19 | 维沃移动通信有限公司 | 导航数据库建立方法、装置和电子设备 |
CN113554932A (zh) * | 2020-04-23 | 2021-10-26 | 华为技术有限公司 | 轨迹回放方法及相关装置 |
CN115003885A (zh) * | 2020-01-24 | 2022-09-02 | 卡特彼勒公司 | 用于作业机器的机具的基于噪声的停留检测 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10479356B1 (en) | 2018-08-17 | 2019-11-19 | Lyft, Inc. | Road segment similarity determination |
US11928557B2 (en) | 2019-06-13 | 2024-03-12 | Lyft, Inc. | Systems and methods for routing vehicles to capture and evaluate targeted scenarios |
US11449475B2 (en) | 2019-06-28 | 2022-09-20 | Lyft, Inc. | Approaches for encoding environmental information |
US11788846B2 (en) * | 2019-09-30 | 2023-10-17 | Lyft, Inc. | Mapping and determining scenarios for geographic regions |
US11816900B2 (en) | 2019-10-23 | 2023-11-14 | Lyft, Inc. | Approaches for encoding environmental information |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080243384A1 (en) * | 2006-10-04 | 2008-10-02 | Sony Corporation | Azimuth determination apparatus, azimuth determination method and azimuth determination program |
CN103454657A (zh) * | 2012-05-30 | 2013-12-18 | 中兴通讯股份有限公司 | 智能终端综合定位方法及定位装置 |
CN103969669A (zh) * | 2013-01-31 | 2014-08-06 | 卡西欧计算机株式会社 | 行走状态检测装置、行走状态检测方法 |
CN104197932A (zh) * | 2014-09-26 | 2014-12-10 | 哈尔滨工业大学 | 基于人类行为学的位置跟踪方法 |
CN104236575A (zh) * | 2014-09-16 | 2014-12-24 | 百度在线网络技术(北京)有限公司 | 出行路径记录方法和装置、导航方法和装置 |
CN104394588A (zh) * | 2014-11-15 | 2015-03-04 | 北京航空航天大学 | 基于Wi-Fi指纹和多维尺度分析的室内定位方法 |
CN104501808A (zh) * | 2014-11-19 | 2015-04-08 | 广东欧珀移动通信有限公司 | 路径追踪方法及装置 |
EP2951530A1 (en) * | 2013-02-01 | 2015-12-09 | Ricoh Company, Ltd. | Inertial device, method, and program |
CN105318874A (zh) * | 2014-07-31 | 2016-02-10 | 精工爱普生株式会社 | 跑步时着地位置评价方法及装置、检测方法及检测装置 |
CN105953793A (zh) * | 2016-04-21 | 2016-09-21 | 深圳市元征科技股份有限公司 | 一种车辆急转弯的识别方法以及装置 |
CN106355927A (zh) * | 2016-08-30 | 2017-01-25 | 成都路行通信息技术有限公司 | Gps标记点确定方法、轨迹优化方法及装置 |
CN106441340A (zh) * | 2015-08-06 | 2017-02-22 | 平安科技(深圳)有限公司 | 行车轨迹提示方法、车辆及电子设备 |
CN106612494A (zh) * | 2017-01-20 | 2017-05-03 | 泉州奇鹭物联网科技有限公司 | 一种智能追踪定位方法及系统 |
CN106679657A (zh) * | 2016-12-06 | 2017-05-17 | 北京航空航天大学 | 一种运动载体导航定位方法及装置 |
CN106740865A (zh) * | 2016-11-18 | 2017-05-31 | 杭州好好开车科技有限公司 | 一种依加速度和陀螺仪判定车辆急转弯事件的方法 |
CN107796394A (zh) * | 2016-09-05 | 2018-03-13 | 华为终端(东莞)有限公司 | 一种车辆室内定位方法、装置、系统及可穿戴式智能设备 |
CN108709557A (zh) * | 2018-05-18 | 2018-10-26 | 东南大学 | 基于多用户轨迹拟合的室内地图生成方法 |
CN108716917A (zh) * | 2018-04-16 | 2018-10-30 | 天津大学 | 一种基于elm融合惯性和视觉信息的室内定位方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3532773B2 (ja) * | 1998-09-26 | 2004-05-31 | ジヤトコ株式会社 | 携帯用位置検出装置および位置管理システム |
CN102169182B (zh) * | 2010-02-26 | 2013-06-12 | 宏达国际电子股份有限公司 | 移动导航装置 |
US8457880B1 (en) * | 2012-11-28 | 2013-06-04 | Cambridge Mobile Telematics | Telematics using personal mobile devices |
US9127946B1 (en) * | 2014-05-15 | 2015-09-08 | State Farm Mutual Automobile Insurance Company | System and method for identifying heading of a moving vehicle using accelerometer data |
CN109959379B (zh) * | 2019-02-13 | 2021-06-08 | 歌尔科技有限公司 | 定位方法及电子设备 |
-
2019
- 2019-02-13 CN CN201910116369.1A patent/CN109959379B/zh active Active
- 2019-12-28 WO PCT/CN2019/129573 patent/WO2020164320A1/zh active Application Filing
- 2019-12-28 US US17/310,631 patent/US20220163348A1/en active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080243384A1 (en) * | 2006-10-04 | 2008-10-02 | Sony Corporation | Azimuth determination apparatus, azimuth determination method and azimuth determination program |
CN103454657A (zh) * | 2012-05-30 | 2013-12-18 | 中兴通讯股份有限公司 | 智能终端综合定位方法及定位装置 |
CN103969669A (zh) * | 2013-01-31 | 2014-08-06 | 卡西欧计算机株式会社 | 行走状态检测装置、行走状态检测方法 |
EP2951530A1 (en) * | 2013-02-01 | 2015-12-09 | Ricoh Company, Ltd. | Inertial device, method, and program |
CN105318874A (zh) * | 2014-07-31 | 2016-02-10 | 精工爱普生株式会社 | 跑步时着地位置评价方法及装置、检测方法及检测装置 |
CN104236575A (zh) * | 2014-09-16 | 2014-12-24 | 百度在线网络技术(北京)有限公司 | 出行路径记录方法和装置、导航方法和装置 |
CN104197932A (zh) * | 2014-09-26 | 2014-12-10 | 哈尔滨工业大学 | 基于人类行为学的位置跟踪方法 |
CN104394588A (zh) * | 2014-11-15 | 2015-03-04 | 北京航空航天大学 | 基于Wi-Fi指纹和多维尺度分析的室内定位方法 |
CN104501808A (zh) * | 2014-11-19 | 2015-04-08 | 广东欧珀移动通信有限公司 | 路径追踪方法及装置 |
CN106441340A (zh) * | 2015-08-06 | 2017-02-22 | 平安科技(深圳)有限公司 | 行车轨迹提示方法、车辆及电子设备 |
CN105953793A (zh) * | 2016-04-21 | 2016-09-21 | 深圳市元征科技股份有限公司 | 一种车辆急转弯的识别方法以及装置 |
CN106355927A (zh) * | 2016-08-30 | 2017-01-25 | 成都路行通信息技术有限公司 | Gps标记点确定方法、轨迹优化方法及装置 |
CN107796394A (zh) * | 2016-09-05 | 2018-03-13 | 华为终端(东莞)有限公司 | 一种车辆室内定位方法、装置、系统及可穿戴式智能设备 |
CN106740865A (zh) * | 2016-11-18 | 2017-05-31 | 杭州好好开车科技有限公司 | 一种依加速度和陀螺仪判定车辆急转弯事件的方法 |
CN106679657A (zh) * | 2016-12-06 | 2017-05-17 | 北京航空航天大学 | 一种运动载体导航定位方法及装置 |
CN106612494A (zh) * | 2017-01-20 | 2017-05-03 | 泉州奇鹭物联网科技有限公司 | 一种智能追踪定位方法及系统 |
CN108716917A (zh) * | 2018-04-16 | 2018-10-30 | 天津大学 | 一种基于elm融合惯性和视觉信息的室内定位方法 |
CN108709557A (zh) * | 2018-05-18 | 2018-10-26 | 东南大学 | 基于多用户轨迹拟合的室内地图生成方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020164320A1 (zh) * | 2019-02-13 | 2020-08-20 | 歌尔股份有限公司 | 定位方法及电子设备 |
CN115003885A (zh) * | 2020-01-24 | 2022-09-02 | 卡特彼勒公司 | 用于作业机器的机具的基于噪声的停留检测 |
CN115003885B (zh) * | 2020-01-24 | 2023-10-27 | 卡特彼勒公司 | 用于作业机器的机具的基于噪声的停留检测方法 |
CN113554932A (zh) * | 2020-04-23 | 2021-10-26 | 华为技术有限公司 | 轨迹回放方法及相关装置 |
CN112533146A (zh) * | 2020-11-24 | 2021-03-19 | 维沃移动通信有限公司 | 导航数据库建立方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
US20220163348A1 (en) | 2022-05-26 |
WO2020164320A1 (zh) | 2020-08-20 |
CN109959379B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109959379A (zh) | 定位方法及电子设备 | |
US9594150B2 (en) | Determining device locations using movement, signal strength | |
CN108413968B (zh) | 一种运动识别的方法和系统 | |
JP4126485B2 (ja) | ナビゲート装置及びプログラム | |
CN103699795B (zh) | 一种运动行为识别方法、装置及运动强度监测系统 | |
EP3351040B1 (en) | Augmenting indoor-outdoor detection using side information | |
CN103984763B (zh) | 一种轨迹图显示设备、方法和监控终端 | |
EP3362994A1 (en) | Accurately determining real time parameters describing vehicle motion based on multiple data sources | |
KR20160075686A (ko) | 관심 지점을 위한 클러스터링 방법 및 관련 장치 | |
CN109883423A (zh) | 基于卡尔曼滤波的定位方法、系统、设备及存储介质 | |
CN110166991A (zh) | 用于定位电子设备的方法、设备、装置以及存储介质 | |
CN109756837A (zh) | 定位方法及装置 | |
US20200196268A1 (en) | System and method for positioning a gateway of an architecture | |
CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
CN107277222A (zh) | 基于手机内置传感器的用户行为状态判断方法 | |
CN111723880A (zh) | 设备巡检作业的检测方法及装置 | |
CN111983655B (zh) | 城市峡谷区域的确定方法、装置、电子设备及存储介质 | |
CN108882169A (zh) | 一种WiFi位置指纹数据的获取方法及装置和机器人 | |
US11692829B2 (en) | System and method for determining a trajectory of a subject using motion data | |
JP4229146B2 (ja) | ナビゲート装置及びプログラム | |
CN113806413B (zh) | 一种轨迹筛选分类方法、装置、计算机设备和存储介质 | |
CN103808959B (zh) | 一种感测系统及其方法 | |
CN113657340A (zh) | 轨迹匹配方法及相关装置 | |
CN107346010A (zh) | 用于定位电子设备所处的区域的方法和装置 | |
CN112911363A (zh) | 轨迹视频生成方法、终端设备以及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |