CN110865398B - 定位数据的处理方法及处理装置、终端设备和存储介质 - Google Patents

定位数据的处理方法及处理装置、终端设备和存储介质 Download PDF

Info

Publication number
CN110865398B
CN110865398B CN201810981602.8A CN201810981602A CN110865398B CN 110865398 B CN110865398 B CN 110865398B CN 201810981602 A CN201810981602 A CN 201810981602A CN 110865398 B CN110865398 B CN 110865398B
Authority
CN
China
Prior art keywords
data
sequence
time sequence
positioning
positioning data
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.)
Active
Application number
CN201810981602.8A
Other languages
English (en)
Other versions
CN110865398A (zh
Inventor
罗远浩
李炳国
李鸣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Tencent Dadi Tongtu Beijing Technology Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Tencent Dadi Tongtu Beijing Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd, Tencent Dadi Tongtu Beijing Technology Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201810981602.8A priority Critical patent/CN110865398B/zh
Priority to EP19856027.8A priority patent/EP3748297A4/en
Priority to PCT/CN2019/102211 priority patent/WO2020043019A1/zh
Publication of CN110865398A publication Critical patent/CN110865398A/zh
Priority to US17/017,515 priority patent/US11796686B2/en
Application granted granted Critical
Publication of CN110865398B publication Critical patent/CN110865398B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/50—Determining position whereby the position solution is constrained to lie upon a particular curve or surface, e.g. for locomotives on railway tracks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/35—Constructional details or hardware or software details of the signal processing chain
    • G01S19/37—Hardware or software details of the signal processing chain
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/40—Correcting position, velocity or attitude
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications

Abstract

本发明公开了一种定位数据的处理方法及处理装置、终端设备和存储介质。定位数据的处理方法包括：获取移动目标按时序产生的第一定位数据序列；根据预设滤波算法对第一定位数据序列进行滤波处理并得到滤波数据序列，并对滤波数据序列进行吸附计算并得到吸附数据序列，预设滤波算法是根据吸附数据序列对卡尔曼滤波算法进行修正后得到的算法；和输出滤波数据序列得到移动目标的第二定位数据序列。将吸附数据序列用于对卡尔曼滤波算法进行修正，在按时序递推计算的过程中，在一定程度上消除移动目标定位偏移，特别是定位缓慢偏移所导致的误差积累带来的影响，提高定位导航的精度，提高用户对定位导航产品，如车载导航产品的体验。

Description

定位数据的处理方法及处理装置、终端设备和存储介质
技术领域
本发明涉及导航技术领域，尤其是涉及一种定位数据的处理方法及处理装置、终端设备和存储介质。
背景技术
相关技术中，基于全球卫星定位系统(Global Positioning System，GPS)的定位领域常用的定位算法包括：最小二乘法、扩展卡尔曼滤波算法、二阶扩展卡尔曼滤波算法等。最小二乘法通过线性拟合，将具有最小欧氏距离的点作为当前定位的估计。卡尔曼滤波算法首先根据状态方程来对目标当前的位置、速度、GPS接收机时钟差等进行预测；然后，根据这一状态预测先验估计值和卫星星历所提供的卫星位置和速度，卡尔曼滤波器就能够预测GPS接收机对各颗卫星的伪距和多普勒偏移值，这些测量值和接收机的实际测量值(观测值)之差又形成了测量残差；最后，卡尔曼滤波器通过对测量残差进行处理得到系统状态估计值的校正量以及校正之后的最佳估计值。
最小二乘法是最基本、最简单的定位算法，但是在动态多径等情形下，最小二乘法的定位效果非常不理想。卡尔曼滤波算法通过对按照时序产生的GPS定位数据进行迭代计算，虽然解决了最小二乘法在多径效应等场景下定位效果不理想的问题，但是由于它使用上一次的最佳估计作为当前预测先验估计值的计算基础，因此无法避免误差累积的现象。对于GPS缓慢偏离路线的情况，现有卡尔曼滤波算法存在由于误差累积导致无法有效处理GPS缓慢漂移的问题，定位效果并不理想，影响用户体验。
发明内容
本发明的实施方式提供一种定位数据的处理方法及处理装置、终端设备和存储介质。
本发明实施方式的定位数据的处理方法包括：获取移动目标按时序产生的第一定位数据序列；根据预设滤波算法对所述第一定位数据序列进行滤波处理并得到滤波数据序列，且对所述滤波数据序列进行吸附计算并得到吸附数据序列，所述预设滤波算法是根据所述吸附数据序列对卡尔曼滤波算法进行修正后得到的算法；和输出所述滤波数据序列得到所述移动目标的第二定位数据序列。
在某些实施方式中，所述第一定位数据序列包括第一位置数据序列，根据预设滤波算法对所述第一定位数据序列进行滤波处理并得到滤波数据序列，并对所述滤波数据序列进行吸附计算并得到吸附数据序列包括：
根据所述预设滤波算法对所述第一位置数据序列进行滤波处理并得到滤波数据序列，并对所述滤波数据序列进行吸附计算并得到吸附数据序列。
在某些实施方式中，所述第一定位数据序列包括按j个时序产生的j个第一定位数据，j为自然数且j>＝2，第k个时序的滤波数据是利用第k个时序的所述第一定位数据、第k-1个时序的所述第一定位数据、第k-1个时序的所述滤波数据和第k-1个时序的吸附数据通过卡尔曼滤波算法计算得到，第k个时序的所述吸附数据是利用第k个时序的所述滤波数据进行吸附计算得到，其中，k为自然数且1<k<＝j。
在某些实施方式中，第一个时序的所述滤波数据是利用第一个时序的所述第一定位数据获取，第一个时序的所述吸附数据是利用第一个时序的所述滤波数据进行吸附计算得到。
在某些实施方式中，所述滤波数据包括最佳估计值和所述最佳估计值的误差协方差，所述第二定位数据序列是通过依次输出每个时序的所述最佳估计值得到。
在某些实施方式中，所述第一定位数据包括第一位置数据，所述滤波数据包括预测先验估计值、所述预测先验估计值的误差协方差和卡尔曼增益，
第k个时序的所述预测先验估计值是利用第k-1个时序的所述第一位置数据、第k-1个时序的所述最佳估计值和第k-1个时序的所述吸附数据计算得到，
第k个时序的所述预测先验估计值的误差协方差是利用第k-1个时序的所述最佳估计值的误差协方差计算得到，
第k个时序的所述卡尔曼增益是利用第k时序的所述第一位置数据、第k个时序的所述预测先验估计值和第k个时序的所述预测先验估计值的误差协方差计算得到，
第k个时序的所述最佳估计值是利用第k个时序的所述第一位置数据、第k个时序的所述预测先验估计值和第k个时序的所述卡尔曼增益计算得到，
第k个时序的所述最佳估计值的误差协方差是利用第k个时序的所述预测先验估计值的误差协方差和第k个时序的所述卡尔曼增益计算得到。
在某些实施方式中，第k个时序的所述吸附数据是利用第k个时序的所述最佳估计值进行吸附计算得到。
在某些实施方式中，所述第一定位数据包括定位精度、定位信号强度和定位卫星数目中的至少一种，利用所述定位精度、所述定位信号强度和所述定位卫星数目中的至少一种计算各个时序的所述预测先验估计值的误差协方差和所述最佳估计值的误差协方差。
在某些实施方式中，所述第二定位数据序列包括按j个时序得到的j个第二定位数据，j为自然数，第k个时序的吸附数据是在第k个时序的所述第二定位数据所对应的位置未偏离规划路线时，利用第k个时序的所述滤波数据进行吸附计算得到，k为自然数且k<＝j。
在某些实施方式中，所述规划路线在第k个时序的所述第二定位数据所对应的位置偏离所述规划路线时根据第k个时序的所述第二定位数据进行更新。
本发明实施方式的定位数据的处理装置包括：获取单元，用于获取移动目标按时序产生的第一定位数据序列；处理单元，用于根据预设滤波算法对所述第一定位数据序列进行滤波处理并得到滤波数据序列，且对所述滤波数据序列进行吸附计算并得到吸附数据序列，所述预设滤波算法是根据所述吸附数据序列对卡尔曼滤波算法进行修正后得到的算法；和输出单元，用于输出所述滤波数据序列得到所述移动目标的第二定位数据序列。
在某些实施方式中，所述第一定位数据序列包括第一位置数据序列，所述处理单元用于根据所述预设滤波算法对所述第一位置数据序列进行滤波处理并得到滤波数据序列，并对所述滤波数据序列进行吸附计算并得到吸附数据序列。
在某些实施方式中，所述第一定位数据序列包括按j个时序产生的j个第一定位数据，j为自然数且j>＝2，所述处理单元包括吸附模块和滤波模块，所述滤波模块用于利用第k个时序的所述第一定位数据、第k-1个时序的所述第一定位数据、第k-1个时序的滤波数据和第k-1个时序的吸附数据通过卡尔曼滤波算法计算得到第k个时序的所述滤波数据；
所述吸附模块用于利用第k个时序的所述滤波数据进行吸附计算得到第k个时序的所述吸附数据，其中，k为自然数且1<k<＝j。
本发明实施方式的终端设备包括存储器和处理器，所述存储器中存储有可执行程序，所述可执行程序被所述处理器执行时，所述处理器执行上述实施方式所述的定位数据的处理方法。
本发明实施方式的计算机可读存储介质存储有可执行程序，所述可执行程序被处理器执行时，所述处理器执行上述实施方式所述的定位数据的处理方法。
本发明实施方式的定位数据的处理方法和处理装置、终端设备和计算机可读存储介质中，根据预设滤波算法对第一定位数据序列进行滤波处理得到滤波数据序列，并对滤波数据序列进行吸附计算，将吸附计算得到的吸附数据序列用于对卡尔曼滤波算法进行修正，在按时序递推计算的过程中，可以得到移动目标的第二定位数据序列，从而在一定程度上消除移动目标定位偏移，特别是定位缓慢偏移所导致的误差积累带来的不利影响，提高定位导航的精度，提高用户对定位导航产品，如车载导航产品和移动终端的体验。
本发明的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实施方式的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本发明实施方式的硬件环境示意图。
图2是本发明实施方式的定位数据的处理方法的流程图。
图3是本发明实施方式的定位数据的处理装置的模块示意图。
图4是本发明实施方式的定位数据的处理方法的另一流程图。
图5是本发明实施方式的定位数据的处理方法的又一流程图。
图6是本发明实施方式的定位数据的处理方法的再一流程图。
图7是本发明实施方式的终端设备的模块示意图。
图8是本发明实施方式的一种第一定位数据序列的轨迹示意图。
图9是原始卡尔曼算法对图8的第一定位数据序列进行处理后输出的定位数据序列的轨迹示意图。
图10是本发明实施方式的定位数据的处理方法对图8的第一定位数据序列进行处理后输出的第二定位数据序列的轨迹示意图。
主要元件符号说明：
终端100、定位数据的处理装置10、获取单元12、处理单元14、吸附模块142、滤波模块144、输出单元16、初始化单元18、定位系统200、服务器300、终端设备400、存储器410、处理器420。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。
请参阅图1，本发明实施方式的定位数据的处理方法可以应用于由定位系统200、服务器300和终端100所构成的硬件环境和/或软件环境中。终端100可以从定位系统200获取定位数据。终端100可以通过有线或无线网络与定位系统200和服务器300进行连接，上述网络包括但不限于：广域网、城域网或局域网，终端100包括但不限定于PC、手机、平板电脑、车载终端等。车载终端比如为车载导航设备。本发明实施例的定位数据的处理方法可以由服务器300来执行，也可以由终端100来执行，还可以是由服务器300和终端100共同执行。其中，终端100执行本发明实施例的定位数据的处理方法时，可在终端100安装客户端应用软件来共同执行。客户端应用软件可为导航软件或地图软件。
请一并参阅图2和图3，本发明实施方式的定位数据的处理方法包括：
步骤S1，获取移动目标按时序产生的第一定位数据序列；
步骤S2，根据预设滤波算法对第一定位数据序列进行滤波处理并得到滤波数据序列，且对滤波数据序列进行吸附计算并得到吸附数据序列，预设滤波算法是根据吸附数据序列对卡尔曼滤波算法进行修正后得到的算法；和
步骤S3，输出滤波数据序列得到移动目标的第二定位数据序列。
本发明实施方式的定位数据的处理方法可以应用于本发明实施方式的定位数据的处理装置10，也即是说，本发明实施方式的定位数据的处理装置10可以利用本发明实施方式的定位数据的处理方法对第一定位数据序列进行处理以得到移动目标的第二定位数据序列，获取移动目标更准确的定位信息。
本发明实施方式的定位数据的处理装置10包括：获取单元12、处理单元14和输出单元16。获取单元12用于获取移动目标按时序产生的第一定位数据序列。处理单元14用于根据预设滤波算法对第一定位数据序列进行滤波处理并得到滤波数据序列，且对滤波数据序列进行吸附计算并得到吸附数据序列。输出单元16用于输出滤波数据序列得到移动目标的第二定位数据序列。
具体地，获取单元12可以实现步骤S1，在移动目标移动过程中通过GPS对移动目标进行定位，也即是说，获取单元12可以获取移动目标按时序产生的第一定位数据序列。其中，第一定位数据序列包括多个时序的第一定位数据，第一定位数据包括移动移动目标的移动速度、偏向角度、第一位置数据(例如，经度和纬度)和定位精度等数据。
由于GPS信号受到大气层干扰、卫星时钟可能存在误差、多径效应等，导致定位数据存在噪声，如此，处理单元14可以通过实现步骤S2，对获取单元12获取的第一定位数据序列进行滤波处理，减小第一定位数据中的噪声。处理单元14对按时序产生的第一定位数据序列中的第一定位数据逐一进行滤波处理，以得到滤波数据序列。
进一步地，处理单元14可以对滤波数据序列进行吸附计算，将吸附计算得到的吸附数据序列用于对卡尔曼滤波算法进行修正，使得按时序递推计算过程中，滤波处理得到的滤波数据序列的噪声减小。输出单元16可以实现步骤S3，输出的第二定位数据序列中，在一定程度上消除了移动目标定位偏移，特别是定位缓慢偏移所导致的误差积累带来的不利影响，提高定位导航的精度，提高用户对定位导航产品，如车载导航设备和移动终端的体验。
在一个例子中，第一定位数据序列可以是原始定位数据序列，即GPS的原始定位数据序列，第一定位数据可以是原始定位数据。第二定位数据序列可以是通过预设滤波算法对第一定位数据序列进行滤波处理后得到的定位数据序列，第二定位数据可以是通过预设滤波算法对第一定位数据进行滤波处理后得到的定位数据。
卡尔曼滤波算法是一种线性系统状态方程，通过系统输入观测数据，对观测数据进行处理，再输出处理结果，实现对系统进行最佳估计的算法。由于观测数据包括系统中的噪声，因而最佳估计也即为对系统中的噪声信号进行滤波的过程。
在原始卡尔曼滤波算法中，根据上一轮滤波处理得到的最优估计值进行预测计算得到当前滤波处理的预测先验估计值。但是这样预测得到的预测先验估计值存在不确定性，因此，可以利用当前滤波处理所获取的观测数据和当前滤波处理的预测先验估计值来共同计算得到滤波后的最佳估计值，在对定位数据的滤波处理中，最佳估计值就是定位数据的滤波结果，使得滤波后定位数据的噪声减小。
在具有多个时序的第一定位数据序列中，利用卡尔曼滤波算法对第一定位数据进行滤波处理的过程也即是对第一定位数据进行迭代计算。
在本发明的定位数据的处理方法中，根据吸附数据序列对卡尔曼滤波算法进行修正，使得利用卡尔曼滤波算法对第一定位数据序列进行滤波的过程中由于GPS缓慢漂移产生的误差积累进一步减小，进而得到的第二定位数据序列更加准确，有利于提高用户体验。
定位数据的处理装置10的一部分功能可以由上述服务器300或终端100实现，另一部分功能可由上述终端100或服务器300实现，或另一部分功能由独立于上述服务器300和终端100外的设备来实现。定位数据的处理装置10的全部功能也可由上述服务器300或终端100单独实现，或由独立于上述服务器300和终端100外的设备来实现。
第一定位数据序列可包括按j个时序产生的j个第一定位数据，j为自然数且j>＝2，在对第一定位数据序列进行滤波时，可建立如下的卡尔曼模型和方程式：
xk＝Fkxk-1+Bkuk+wk
其中，xk是系统状态的第k个时序的最佳估计值，xk-1是系统状态的第k-1个时序的最佳估计值；Fk是状态转移模型，Bk是第k个时序的系统控制输入，uk是第k个时序的系统控制向量，wk是过程噪声，k为自然数且1<k<＝j。
并建立如下的观测模型和方程式：
zk＝Hkxk+vk
其中，zk为第k个时序真实状态空间内系统状态的真实值xk的观测值，Hk为观测模型，vk为观测噪声。
在某些实施方式中，第一定位数据序列包括第一位置数据序列，步骤S2包括：
根据预设滤波算法对第一位置数据序列进行滤波处理并得到滤波数据序列，并对滤波数据序列进行吸附计算并得到吸附数据序列。
如此，可以对移动目标的第一位置数据序列进行滤波，例如对移动目标的经度和纬度进行滤波，减小移动目标第一位置数据的噪声。
对于定位数据的处理装置10来说，处理单元14可以用于根据预设滤波算法对第一位置数据序列进行滤波处理并得到滤波数据序列，并对滤波数据序列进行吸附计算并得到吸附数据序列。
也即是说，在本发明实施方式中，可以是对移动目标的第一位置数据进行滤波，而滤波数据包括滤波位置数据，第k个时序的最佳估计值xk和第k-1个时序的最佳估计值xk-1分别是移动目标第k个时序的滤波位置数据和第k-1个时序的滤波位置数据，具体地，第一位置数据和滤波位置数据可以是移动目标的经度和纬度，在卡尔曼滤波算法中以二维矩阵的形式进行滤波计算。
状态转移模型Hk作用于第k-1个时序移动目标的位置数据的最佳估计值xk-1。第k-1个时序吸附计算得到的吸附数据和根据第k-1个时序的移动目标的移动速度和偏向角度计算的位移，可以作为系统控制输入Bk作用于控制向量uk，也即是说，本发明实施方式中，卡尔曼模型和方程式根据吸附数据进行修正。具体地，第k个时序的卡尔曼模型和方程式根据第k-1个时序计算得到的吸附数据进行修正，然后对第k个时序的第一定位数据进行滤波处理。
在滤波过程中，假设过程噪声wk呈正态分布且均值为0，过程噪声的误差协方差为Qk，即：
Figure BDA0001778681790000071
过程噪声的误差协方差是过程噪声的不确定度。
在观测方程式中，移动目标的位置数据的观测值zk可以认为是真实状态空间中移动目标的位置数据的真实值xk通过观测模型Hk映射到观测空间得到的观测值。滤波过程中，假设观测噪声vk呈正态分布且均值为0，观测噪声的误差协方差为Rk，即：
Figure BDA0001778681790000072
观测噪声的误差协方差是观测噪声的不确定度。
请参阅图4，在某些实施方式中，第一个时序的滤波数据是利用第一个时序的第一定位数据获取，第一个时序的吸附数据是利用第一个时序的滤波数据进行吸附计算得到。
对于定位数据的处理装置10来说，定位数据的处理装置10包括初始化单元18，处理单元14包括吸附模块144，初始化单元18可以用于利用第一个时序的第一定位数据获取第一个时序的滤波数据。其中，第一个时序为获取单元12按时序获取的定位数据序列中的第一个定位数据对应的时序。吸附模块142可以用于利用第一个时序的滤波数据进行吸附计算得到第一个时序的吸附数据。
在某些实施方式中，滤波数据包括最佳估计值和最佳估计值的误差协方差。第二定位数据序列是通过依次输出每个时序的最佳估计值得到。
对于定位数据的处理装置10来说，初始化单元18可以用于利用第一个时序的第一定位数据获取第一个时序的最佳估计值和第一个时序的最佳估计值的误差协方差。进而输出单元16可以输出第一个时序的最佳估计值为第一个时序的第二定位数据。
具体地，吸附模块142可以用于利用第一时序的最佳估计值进行吸附计算得到第一个时序的吸附数据。其中，处理单元14可以将第一个时序的滤波数据用于第二个时序的第一定位数据的滤波处理。在对第二个时序的第一定位数据进行滤波处理时，处理单元14将吸附数据用于修正卡尔曼滤波算法。
可以理解，在定位数据的处理过程中，第一个时序的第一定位数据的滤波处理由于没有与第一定位数据上一轮滤波处理相关的滤波数据和吸附数据，因此，初始化单元18可以利用第一个时序的第一定位数据获取第一个时序的最佳估计值和第一个时序的最佳估计值的误差协方差，即根据第一个时序的第一定位数据设置第一个时序的最佳估计值和第一个时序的最佳估计值的误差协方差。
具体地，第一个时序的最佳估计值设置为：
Figure BDA0001778681790000081
其中，m、n分别是移动目标第一个时序的经度和纬度。
第一个时序的最佳估计值的误差协方差设置为：
Figure BDA0001778681790000082
其中，p为移动目标第一个时序的GPS定位数据的定位精度。
在某些实施方式中，初始化单元18用于根据经验值和统计值对状态转移模型、观测模型和过程噪声的误差协方差进行初始化。
可以理解，在卡尔曼滤波过程中，每一个时序的第一定位数据都会利用状态转移模型、观测模型和过程噪声的误差协方差进行滤波计算，且状态转移模型、观测模型和过程噪声的误差协方差在递推计算的过程中均保持不变，如此，可以通过初始化单元18对状态转移模型、观测模型和过程噪声的误差协方差进行初始化以确定它们的值，方便处理单元14对第一定位数据进行滤波处理。
具体地，状态转移模型初始化为：
Figure BDA0001778681790000083
观测模型初始化为：
Figure BDA0001778681790000084
过程噪声的误差协方差初始化为：
Figure BDA0001778681790000085
其中，状态转移模型、观测模型和过程噪声的误差协方差根据经验值和统计值确定，上述状态转移模型、观测模型和过程噪声的误差协方差的初始化结果仅作为示例，不能解释为对本发明的限定，在其他实施方式中，状态转移模型、观测模型和过程噪声的误差协方差的值可以根据实际需要进行变换，在此不做具体限定。
请参阅图5和图6，在某些实施方式中，第k个时序的滤波数据是利用第k个时序的第一定位数据、第k-1个时序的第一定位数据、第k-1个时序的滤波数据和第k-1个时序的吸附数据通过卡尔曼滤波算法计算得到，第k个时序的吸附数据是利用第k个时序的滤波数据进行吸附计算得到。
对于定位数据的处理装置10来说，处理单元14包括滤波模块144，滤波模块144用于利用第k个时序的第一定位数据、第k-1个时序的第一定位数据、第k-1个时序的滤波数据和第k-1个时序的吸附数据通过卡尔曼滤波算法计算得到第k个时序的滤波数据。吸附模块142用于利用第k个时序的滤波数据进行吸附计算得到第k个时序的吸附数据。在递推计算的过程中，处理单元14将吸附数据用于修正卡尔曼滤波算法。
例如，第二个时序的滤波数据可以是滤波模块144利用第二个时序的第一定位数据、第一个时序的滤波数据和第一个时序的吸附数据通过卡尔曼滤波算法计算得到。第二个时序的吸附数据可以是吸附模块142利用第二个时序的滤波数据进行吸附计算得到。
在某些实施方式中，输出单元16可以输出第k个时序的最佳估计值为第k个时序的第二定位数据。如此，输出单元16按时序依次输出滤波数据序列的每一个时序的最佳估计值得到移动目标的第二定位数据。
请参阅图6，在某些实施方式中，滤波数据包括预测先验估计值、预测先验估计值的误差协方差和卡尔曼增益，第k个时序的预测先验估计值是利用第k-1个时序的第一位置数据、第k-1个时序的最佳估计值和第k-1个时序的吸附数据计算得到，
第k个时序的预测先验估计值的误差协方差是利用第k-1个时序的最佳估计值的误差协方差计算得到。
对于定位数据的处理装置10来说，滤波模块144可以用于利用第k-1个时序的第一位置数据、第k-1个时序的最佳估计值和第k-1个时序的吸附数据通过上述卡尔曼模型和方程式计算得到第k个时序的预测先验估计值，即处理单元14将第k-1个时序的吸附数据用于修正卡尔曼滤波算法以对第k个时序的第一位置数据进行滤波处理。
滤波模块144可以用于利用第k-1个时序的最佳估计值的误差协方差通过上述卡尔曼模型和方程式计算得到第k个时序的预测先验估计值的误差协方差，以评估第k个时序的预测先验估计值的不确定度。
具体地，第k个时序的预测先验估计值根据下列方程式计算：
Figure BDA0001778681790000101
其中，
Figure BDA0001778681790000102
是移动目标第k个时序的预测先验估计值，
Figure BDA0001778681790000103
是移动目标第k-1个时序的最佳估计值。第k-1个时序的第一定位数据中移动目标的移动速度和偏向角度以及第k-1个时序的吸附数据可以作为系统控制输入Bk作用于控制向量uk，即利用吸附数据对卡尔曼滤波算法进行修正。在计算过程中，假设过程噪声的值为0，过程噪声的误差协方差为Qk。
进一步地，第k个时序的预测先验估计值的误差协方差根据下列方程式计算：
Figure BDA0001778681790000104
其中，Pk∣k-1是移动目标第k个时序的预测先验估计值
Figure BDA0001778681790000105
的误差协方差，Pk-1∣k-1是移动目标第k-1个时序的的最佳估计值
Figure BDA0001778681790000106
的误差协方差，其中，过程噪声的误差协方差为：
Figure BDA0001778681790000107
也即是说，过程噪声的误差协方差在第一定位数据迭代计算的过程中保持不变。
用于通过上述方程式计算得到移动目标第k个时序的的预测先验估计值和第k个时序的预测先验估计值的误差协方差。
在某些实施方式中，滤波数据包括残差和残差的误差协方差，第k个时序的残差是利用第k个时序的第一定位数据和第k个时序的预测先验估计值通过观测模型计算得到，
第k个时序的残差的误差协方差是利用第k个时序的第一定位数据和第k个时序的预测先验估计值的误差协方差通过观测模型计算得到。
对于定位数据的处理装置10来说，滤波模块144可以用于利用第k个时序的第一定位数据和第k个时序的预测先验估计值通过观测模型计算得到第k个时序的残差。并用于利用第k个时序的第一定位数据和第k个时序的预测先验估计值的误差协方差通过观测模型计算得到第k个时序的残差的误差协方差
具体地，第k个时序的残差通过下列方程式计算：
Figure BDA0001778681790000108
其中，
Figure BDA0001778681790000109
是移动目标的位置数据在第k个时序的残差，zk是移动目标的观测值。计算第k个时序的残差时，观测模型Hk作用于第k个时序的预测先验估计值
Figure BDA00017786817900001010
并将第k个时序的预测先验估计值
Figure BDA00017786817900001011
映射到与观测值zk相同的观测空间，以方便计算第k个时序的残差。在计算的过程中，假设观测噪声为0，观测噪声的误差协方差为Rk。具体地，观测值zk为GPS定位数据中移动目标第k个时序的第一位置数据，即
Figure BDA00017786817900001012
其中，mk、nk分别是移动目标第k个时序的经度和纬度。
进一步地，第k个时序的残差的误差协方差通过下列方程式计算：
Figure BDA0001778681790000111
其中，Sk是移动目标的位置数据在第k个时序的残差
Figure BDA0001778681790000112
的误差协方差。其中，第k个时序的观测噪声的误差协方差Rk根据GPS第k个时序的第一定位数据的定位精度确定，即
Figure BDA0001778681790000113
其中，pk是第k个时序的GPS定位数据的定位精度。
在某些实施方式中，第k个时序的卡尔曼增益是利用第k时序的第一位置数据、第k个时序的预测先验估计值和第k个时序的预测先验估计值的误差协方差计算得到。进一步地，第k个时序的卡尔曼增益是利用第k个时序的预测先验估计值的误差协方差和第k个时序的残差的误差协方差通过过观测模型计算得到。
对于定位数据的处理装置10来说，滤波模块144可以用于利用第k时序的第一位置数据、第k个时序的预测先验估计值和第k个时序的预测先验估计值的误差协方差通过上述卡尔曼模型和方程式以及观测模型计算得到第k个时序的卡尔曼增益。进一步地，滤波模块144可以用于利用第k个时序的预测先验估计值的误差协方差和第k个时序的残差的误差协方差通过过观测模型计算得到第k个时序的卡尔曼增益。
具体地，第k个时序的卡尔曼增益通过下列方程式计算：
Figure BDA0001778681790000114
其中，Kk是移动目标的位置数据在第k个时序的卡尔曼增益。
在某些实施方式中，第k个时序的最佳估计值是利用第k个时序的第一位置数据、第k个时序的预测先验估计值和第k个时序的卡尔曼增益计算得到，进一步地，第k个时序的最佳估计值是利用第k个时序的预测先验估计值、第k个时序的卡尔曼增益和第k个时序的残差计算得到。
第k个时序的最佳估计值的误差协方差是利用第k个时序的预测先验估计值的误差协方差和第k个时序的卡尔曼增益计算得到。
对于定位数据的处理装置10来说，滤波模块144可以用于利用第k个时序的第一位置数据、第k个时序的预测先验估计值和第k个时序的卡尔曼增益计算得到第k个时序的最佳估计值。其中，输出单元16可以将第k个时序的最佳估计值输出为第k个时序的第二定位数据。且第k个时序的最佳估计值可以用于后续时序的第一定位数据的滤波处理。
滤波模块144可以用于利用第k个时序的预测先验估计值的误差协方差和第k个时序的卡尔曼增益计算得到第k个时序的最佳估计值的误差协方差。第k个时序的最佳估计值的误差协方差可以用于后续时序的第一定位数据的滤波处理。
具体地，第k个时序的最佳估计值通过下列方程式计算：
Figure BDA0001778681790000121
其中，
Figure BDA0001778681790000122
是移动目标第k个时序的最佳估计值。
进一步地，第k个时序的最佳估计值的误差协方差通过下列方程式计算：
Figure BDA0001778681790000123
其中，Pk|k是移动目标第k个时序的最佳估计值
Figure BDA0001778681790000124
的误差协方差，I是单位矩阵。
在本发明的实施方式中，对第k个时序的第一位置数据进行滤波处理时，得到的最佳估计值可以认为是移动目标第k个时序的第二位置数据，从而输出单元16可以将最佳估计值输出为第二定位数据。在按时序递推过程中，按j个时序产生的j个第一定位数据经过滤波处理后可以由输出单元16按j个时序输出得到j个第二定位数据，即输出得到移动目标的第二定位数据序列。
在上述的实施方式中，处理单元14可以是根据GPS定位数据的定位精度确定第一个时序的最佳估计值的误差协方差和观测噪声的误差协方差，进而根据第一个时序的最佳估计值的误差协方差递推计算后续时序的预测先验估计值的误差协方差，及根据各个时序的观察噪声和各个时序的预测先验估计值的误差协方差计算对应时序的最佳估计值的误差协方差。
在某些实施方式中，第一定位数据包括定位精度、定位信号强度和定位的卫星数目中的至少一种，可以根据定位精度、定位信号强度和定位的卫星数目中的至少一种计算各个时序的预测先验估计值的误差协方差和最佳估计值的误差协方差。
也即是说，处理单元14还可以使用定位信号强度或定位卫星数目确定第一定位数据序列中第一个时序的最佳估计值的误差协方差和观测噪声的误差协方差，或使用定位精度、定位信号强度和定位卫星数目的两个或两个以上组合确定第一定位数据序列的第一个时序的最佳估计值的误差协方差和观测噪声的误差协方差。进一步地，根据第一个时序的最佳估计值的误差协方差递推计算后续时序的预测先验估计值误差协方差，及根据各个时序的观察噪声和各个时序的预测先验估计值的误差协方差计算对应时序的最佳估计值的误差协方差。
可以理解，在导航场景中，定位数据的处理装置10通常可以为移动目标在导航前设置规划路线，因此，吸附模块142可以用于判断第k个时序的第二定位数据所对应的位置是否偏离规划路线。以对移动目标进行导航使得移动目标沿规划路线移动。
在某些实施方式中，对于第一个时序的第二定位数据，吸附模块142可以用于判断第一个时序的第二定位数据所对应的位置是否偏离规划路线。第一个时序的吸附数据是在第一个时序的第二定位数据所对应的位置未偏离规划路线时，利用第一个时序的滤波数据进行吸附计算得到。
对于定位数据的处理装置10来说，吸附模块142用于在第一个时序的第二定位数据所对应的位置未偏离规划路线时，利用第一个时序的滤波数据进行吸附计算得到第一个时序的吸附数据。
具体地，在导航场景中，开启导航后获取单元12获取移动目标按时序产生的定位数据序列。而在开启导航前可以预先设置好规划路线，在导航开启后，判断第一个时序的第二定位数据所对应的位置是否偏离规划路线，可以避免开启导航时，移动目标的第一个时序的位置偏离规划路径而导致导航出错，进而有利于提高用户体验。
在某些实施方式中，规划路线在第一个时序的第二定位数据所对应的位置偏离规划路线时，根据第一个时序的滤波数据进行更新。
对于定位数据的处理装置10来说，吸附模块142用于在第一个时序的第二定位数据所对应的位置未偏离规划路线时，根据第一个时序的滤波数据更新规划路线。
在某些实施方式中，第k个时序的吸附数据是在第k个时序的第二定位数据所对应的位置未偏离规划路线时，利用第k个时序的滤波数据进行吸附计算得到。
对于定位数据的处理装置10来说，吸附模块142用于在第k个时序的第二定位数据所对应的位置未偏离规划路线时，利用第k个时序的滤波数据进行吸附计算得到第k个时序的吸附数据。
在第k个时序的第二定位数据所对应的位置未偏离规划路线时，可以认为第k个时序移动目标的位置在规划路线上，此时，计算第k个时序的第二定位数据在规划路线的对应位置，得到第k个时序的吸附数据。第k个时序的吸附数据可以作为计算后续时序的预测先验估计值的控制输入，即用于对卡尔曼滤波算法进行修正以对后续时序的第一定位数据进行滤波处理。
在某些实施方式中，第k个时序的吸附数据是利用第k个时序的最佳估计值进行吸附计算得到。
对于定位数据的处理装置10来说，吸附模块142可以用于利用第k个时序的最佳估计值进行吸附计算得到第k个时序的吸附数据。
可以理解，第k个时序的最佳估计值由输出单元16输出得到第k个时序的第二定位数据，在其他实施方式中，第k个时序的吸附数据可以是利用第k个时序的第二定位数据进行吸附计算得到。相应地，吸附模块142用于利用第k个时序的第二定位数据进行吸附计算得到第k个时序的吸附数据。同样地，可以通过吸附计算得到第k个时序的第二定位数据在规划路线的对应位置。
在某些实施方式中，规划路线在第k个时序的第二定位数据所对应的位置偏离规划路线时根据第k个时序的第二定位数据进行更新。
对于定位数据的处理装置10来说，吸附模块142可以用于在移动目标的第k个时序的第二定位数据所对应的位置偏离规划路线时，根据第k个时序的第二定位数据所对应的位置更新规划路线。如此，可以在移动目标偏离规划路线时，对规划路线进行实时更新，确保导航过程中，移动目标可以到达目标位置。
其中，更新规划路线时，以第二定位数据所对应的位置作为起点，重新确定规划路线。
具体地，判断第k个时序的第二定位数据是否偏离规划路线时，采集连续的多个时序的第二定位数据进行判断，若多个时序的第二定位数据所对应的位置均偏离规划路线，则可以认为移动目标偏离规划路线，再根据第k个时序的第二定位数据所对应的位置更新规划路线。
请参阅图7，本发明实施方式的终端设备400包括存储器410和处理器420，存储器410中存储有可执行程序，可执行程序被处理器420执行时，处理器420执行上述任一实施方式的定位数据的处理方法。
例如，可执行程序被处理器420执行时，处理器420可以执行以下步骤：
步骤S1，获取移动目标按时序产生的第一定位数据序列；
步骤S2，根据预设滤波算法对第一定位数据序列进行滤波处理并得到滤波数据序列，且对滤波数据序列进行吸附计算并得到吸附数据序列，预设滤波算法是根据吸附数据序列对卡尔曼滤波算法进行修正后得到的算法；和
步骤S3，输出滤波数据序列得到移动目标的第二定位数据序列。
上述终端设备中，处理器420执行定位数据上述任一实施方式的定位数据的处理方法，用于实现移动目标的定位导航，将吸附数据序列用于对卡尔曼滤波算法进行修正，在按时序递推计算的过程中，可以得到移动目标的第二定位数据序列，从而在一定程度上消除移动目标定位偏移，特别是定位缓慢偏移所导致的误差积累带来的影响，提高定位导航的精度，提高用户对终端设备10的体验。
在某些实施方式中，终端设备400可以是上述终端100。终端设备400可以和定位系统200以及服务器300通信连接构成导航系统。
在某些实施方式中，上述定位数据的处理装置10可以设置在终端设备400，具体地，定位数据的处理装置10可以是终端设备的一个独立功能部件，或定位数据的处理装置10的部分功能模块可以由处理器420实现，或定位数据的处理装置10的各个功能模块均由处理器420实现。
本发明实施方式的计算机可读存储介质存储有可执行程序，可执行程序被处理器420执行时，处理器420执行上述任一实施方式的定位数据的处理方法。
例如，可执行程序被处理器420执行时，处理器420可以执行以下步骤：
步骤S1，获取移动目标按时序产生的第一定位数据序列；
步骤S2，根据预设滤波算法对第一定位数据序列进行滤波处理并得到滤波数据序列，且对滤波数据序列进行吸附计算并得到吸附数据序列，预设滤波算法是根据吸附数据序列对卡尔曼滤波算法进行修正后得到的算法；和
步骤S3，输出滤波数据序列得到移动目标的第二定位数据序列。
请一并参阅图8、图9和图10，图示是终端显示的部分轨迹示意图，包括道路轨迹和定位数据的轨迹，其中，图中的各个点表示各个时序的定位数据所对应的位置。图8所示的各个点表示各个时序的第一定位数据序列的轨迹，轨迹中的每一个点对应移动目标的一个时序的第一定位数据。如图9所示的各个点表示利用原始卡尔曼滤波算法对图8所示的第一定位数据序列进行滤波处理后得到的定位数据序列的轨迹。如图10所示的各个点表示利用本发明实施方式的定位数据的处理方法对图8所述的第一定位数据序列进行处理后的第二定位数据序列的轨迹。
如图8所示，第一定位数据所对应的位置存在移动目标位于道路之外的情况，在实际应用中，特别是车辆的行驶过程中，车辆通常沿道路行驶，也即是说图8所示的第一定位数据中存在噪声。
如图9所示，定位数据序列的轨迹中的每一个点对应移动目标的一个时序的第一定位数据经过滤波处理后得到的定位数据。利用原始卡尔曼滤波算法进行滤波处理后得到的定位数据所对应的位置依然存在位于道路之外的情况，因此，原始卡尔曼滤波算法未能很好消除第一定位数据中的噪声。
如图10所示，第二定位数据序列的轨迹中的每一个点对应移动目标的一个时序的第二定位数据，图中的轨迹与道路能够较好的重合，第二定位数据中的噪声较小，即本发明实施方式的定位数据的处理方法可以有效地消除定位数据中的噪声，移动目标滤波处理后第二定位数据序列的轨迹符合道路轨迹，得到的第二定位数据序列更加准确可靠。
在本说明书的描述中，参考术语“某些实施方式”、“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (15)

1.一种定位数据的处理方法，其特征在于，包括：
获取移动目标按时序产生的第一定位数据序列，第一定位数据序列包括多个时序的第一定位数据，所述第一定位数据包括所述移动目标的移动速度、偏向角度、第一位置数据和定位精度；
根据预设滤波算法对所述第一定位数据序列进行滤波处理并得到滤波数据序列，且对所述滤波数据序列进行吸附计算并得到吸附数据序列，所述预设滤波算法是根据所述吸附数据序列对卡尔曼滤波算法进行修正后得到的算法；
所述滤波数据包括预测先验估计值、预测先验估计值的误差协方差和卡尔曼增益，第k个时序的预测先验估计值是利用第k-1个时序的第一位置数据、第k-1个时序的最佳估计值和第k-1个时序的吸附数据计算得到，所述预设滤波算法是根据所述吸附数据序列对卡尔曼滤波算法进行修正后得到的算法包括：根据状态转移模型、所述移动目标第k-1个时序的最佳估计值、第k个时序的系统控制输入和第k个时序的系统控制向量计算得到所述移动目标第k个时序的预测先验估计值，第k-1个时序的第一定位数据中所述移动目标的移动速度和偏向角度以及第k-1个时序的吸附数据可以作为所述第k个时序的系统控制输入作用于所述第k个时序的系统控制向量，为利用所述吸附数据对所述卡尔曼滤波算法进行修正，其中，k为自然数且k＞1；和
输出所述滤波数据序列得到所述移动目标的第二定位数据序列。
2.如权利要求1所述的定位数据的处理方法，其特征在于，所述第一定位数据序列包括第一位置数据序列，根据预设滤波算法对所述第一定位数据序列进行滤波处理并得到滤波数据序列，并对所述滤波数据序列进行吸附计算并得到吸附数据序列包括：
根据所述预设滤波算法对所述第一位置数据序列进行滤波处理并得到滤波数据序列，并对所述滤波数据序列进行吸附计算并得到吸附数据序列。
3.如权利要求1所述的定位数据的处理方法，其特征在于，所述第一定位数据序列包括按j个时序产生的j个第一定位数据，j为自然数且j>＝2，第k个时序的滤波数据是利用第k个时序的所述第一定位数据、第k-1个时序的所述第一定位数据、第k-1个时序的所述滤波数据和第k-1个时序的吸附数据通过卡尔曼滤波算法计算得到，第k个时序的所述吸附数据是利用第k个时序的所述滤波数据进行吸附计算得到，其中，k为自然数且1<k<＝j。
4.如权利要求3所述的定位数据的处理方法，其特征在于，第一个时序的所述滤波数据是利用第一个时序的所述第一定位数据获取，第一个时序的所述吸附数据是利用第一个时序的所述滤波数据进行吸附计算得到。
5.如权利要求3或4所述的定位数据的处理方法，其特征在于，所述滤波数据包括最佳估计值和所述最佳估计值的误差协方差，所述第二定位数据序列是通过依次输出每个时序的所述最佳估计值得到。
6.如权利要求5所述的定位数据的处理方法，其特征在于，所述处理方法包括：
第k个时序的所述预测先验估计值的误差协方差是利用第k-1个时序的所述最佳估计值的误差协方差计算得到，
第k个时序的所述卡尔曼增益是利用第k时序的所述第一位置数据、第k个时序的所述预测先验估计值和第k个时序的所述预测先验估计值的误差协方差计算得到，
第k个时序的所述最佳估计值是利用第k个时序的所述第一位置数据、第k个时序的所述预测先验估计值和第k个时序的所述卡尔曼增益计算得到，
第k个时序的所述最佳估计值的误差协方差是利用第k个时序的所述预测先验估计值的误差协方差和第k个时序的所述卡尔曼增益计算得到。
7.如权利要求6所述的定位数据的处理方法，其特征在于，第k个时序的所述吸附数据是利用第k个时序的所述最佳估计值进行吸附计算得到。
8.如权利要求6所述的定位数据的处理方法，其特征在于，所述第一定位数据包括定位精度、定位信号强度和定位卫星数目中的至少一种，利用所述定位精度、所述定位信号强度和所述定位卫星数目中的至少一种计算各个时序的所述预测先验估计值的误差协方差和所述最佳估计值的误差协方差。
9.如权利要求1所述的定位数据的处理方法，其特征在于，所述第二定位数据序列包括按j个时序得到的j个第二定位数据，j为自然数且j>＝2，第k个时序的吸附数据是在第k个时序的所述第二定位数据所对应的位置未偏离规划路线时，利用第k个时序的所述滤波数据进行吸附计算得到，k为自然数且1<＝k<＝j。
10.如权利要求9所述的定位数据的处理方法，其特征在于，所述规划路线在第k个时序的所述第二定位数据所对应的位置偏离所述规划路线时根据第k个时序的所述第二定位数据进行更新。
11.一种定位数据的处理装置，其特征在于，包括：
获取单元，用于获取移动目标按时序产生的第一定位数据序列，第一定位数据序列包括多个时序的第一定位数据，所述第一定位数据包括所述移动目标的移动速度、偏向角度、第一位置数据和定位精度；
处理单元，用于根据预设滤波算法对所述第一定位数据序列进行滤波处理并得到滤波数据序列，且对所述滤波数据序列进行吸附计算并得到吸附数据序列，所述预设滤波算法是根据所述吸附数据序列对卡尔曼滤波算法进行修正后得到的算法；
所述滤波数据包括预测先验估计值、预测先验估计值的误差协方差和卡尔曼增益，第k个时序的预测先验估计值是利用第k-1个时序的第一位置数据、第k-1个时序的最佳估计值和第k-1个时序的吸附数据计算得到，所述预设滤波算法是根据所述吸附数据序列对卡尔曼滤波算法进行修正后得到的算法包括：根据状态转移模型、所述移动目标第k-1个时序的最佳估计值、第k个时序的系统控制输入和第k个时序的系统控制向量计算得到所述移动目标第k个时序的预测先验估计值，第k-1个时序的第一定位数据中所述移动目标的移动速度和偏向角度以及第k-1个时序的吸附数据可以作为所述第k个时序的系统控制输入作用于所述第k个时序的系统控制向量，为利用所述吸附数据对所述卡尔曼滤波算法进行修正，其中，k为自然数且k＞1；和
输出单元，用于输出所述滤波数据序列得到所述移动目标的第二定位数据序列。
12.如权利要求11所述的定位数据的处理装置，其特征在于，所述第一定位数据序列包括第一位置数据序列，所述处理单元用于根据所述预设滤波算法对所述第一位置数据序列进行滤波处理并得到滤波数据序列，并对所述滤波数据序列进行吸附计算并得到吸附数据序列。
13.如权利要求11所述的定位数据的处理装置，其特征在于，所述第一定位数据序列包括按j个时序产生的j个第一定位数据，j为自然数且j>＝2，所述处理单元包括吸附模块和滤波模块，所述滤波模块用于利用第k个时序的所述第一定位数据、第k-1个时序的所述第一定位数据、第k-1个时序的滤波数据和第k-1个时序的吸附数据通过卡尔曼滤波算法计算得到第k个时序的所述滤波数据；
所述吸附模块用于利用第k个时序的所述滤波数据进行吸附计算得到第k个时序的所述吸附数据，其中，k为自然数且1<k<＝j。
14.一种终端设备，其特征在于，包括存储器和处理器，所述存储器中存储有可执行程序，所述可执行程序被所述处理器执行时，所述处理器执行如权利要求1至10中任一项所述的定位数据的处理方法。
15.一种计算机可读存储介质，存储有可执行程序，其特征在于，所述可执行程序被处理器执行时，所述处理器执行如权利要求1至10中任一项所述的定位数据的处理方法。
CN201810981602.8A 2018-08-27 2018-08-27 定位数据的处理方法及处理装置、终端设备和存储介质 Active CN110865398B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201810981602.8A CN110865398B (zh) 2018-08-27 2018-08-27 定位数据的处理方法及处理装置、终端设备和存储介质
EP19856027.8A EP3748297A4 (en) 2018-08-27 2019-08-23 PROCESSING METHODS AND PROCESSING DEVICE FOR POSITIONING DATA, COMPUTER DEVICE AND STORAGE MEDIUM
PCT/CN2019/102211 WO2020043019A1 (zh) 2018-08-27 2019-08-23 定位数据的处理方法及处理装置、计算设备和存储介质
US17/017,515 US11796686B2 (en) 2018-08-27 2020-09-10 Positioning data processing method and processing apparatus, computing device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810981602.8A CN110865398B (zh) 2018-08-27 2018-08-27 定位数据的处理方法及处理装置、终端设备和存储介质

Publications (2)

Publication Number Publication Date
CN110865398A CN110865398A (zh) 2020-03-06
CN110865398B true CN110865398B (zh) 2022-03-22

Family

ID=69643932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810981602.8A Active CN110865398B (zh) 2018-08-27 2018-08-27 定位数据的处理方法及处理装置、终端设备和存储介质

Country Status (4)

Country Link
US (1) US11796686B2 (zh)
EP (1) EP3748297A4 (zh)
CN (1) CN110865398B (zh)
WO (1) WO2020043019A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112584306B (zh) * 2020-11-27 2022-06-10 巢湖学院 一种基于卡尔曼滤波的室内机器人定位算法
CN112558125B (zh) * 2021-02-22 2021-05-25 腾讯科技（深圳）有限公司 一种车辆定位的方法、相关装置、设备以及存储介质
CN112596089B (zh) * 2021-03-02 2021-05-18 腾讯科技（深圳）有限公司 融合定位方法、装置、电子设备及存储介质
CN113805210B (zh) * 2021-09-17 2023-01-31 北谷电子有限公司 Tbox定位优化系统、方法、电子设备及存储介质
CN114440775A (zh) * 2021-12-29 2022-05-06 全芯智造技术有限公司 特征尺寸的偏移误差计算方法及装置、存储介质、终端
CN114701870B (zh) * 2022-02-11 2024-03-29 国能黄骅港务有限责任公司 翻车机给料系统及其高料位检测方法、装置
CN114634007B (zh) * 2022-02-11 2024-03-22 国能黄骅港务有限责任公司 翻车机给料系统及其低料位检测方法、装置
CN114822028B (zh) * 2022-04-25 2023-10-10 北京宏瓴科技发展有限公司 一种车辆行驶轨迹的矫正方法、装置和计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102928858A (zh) * 2012-10-25 2013-02-13 北京理工大学 基于改进扩展卡尔曼滤波的gnss单点动态定位方法
EP2570771A1 (en) * 2011-09-13 2013-03-20 TomTom Polska Sp. z.o.o. Route smoothing
CN104596530A (zh) * 2014-05-27 2015-05-06 腾讯科技（深圳）有限公司 一种车辆定位方法和装置
CN104613972A (zh) * 2014-04-30 2015-05-13 腾讯科技（深圳）有限公司 一种导航时识别偏航的方法、装置及服务器
CN107525507A (zh) * 2016-10-18 2017-12-29 腾讯科技（深圳）有限公司 偏航的判定方法和装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH095092A (ja) * 1995-06-16 1997-01-10 Maspro Denkoh Corp 移動体位置検出装置
US6297769B1 (en) * 2000-02-22 2001-10-02 Rockwell Collins System and method to estimate carrier signal in global positioning systems (GPS)
US6336061B1 (en) * 2000-02-22 2002-01-01 Rockwell Collins, Inc. System and method for attitude determination in global positioning systems (GPS)
US20070218931A1 (en) * 2006-03-20 2007-09-20 Harris Corporation Time/frequency recovery of a communication signal in a multi-beam configuration using a kinematic-based kalman filter and providing a pseudo-ranging feature
US7626534B1 (en) * 2007-06-12 2009-12-01 Lockheed Martin Corporation Unified navigation and inertial target tracking estimation system
JP5034935B2 (ja) * 2007-12-27 2012-09-26 セイコーエプソン株式会社 測位方法、プログラム、測位装置及び電子機器
US8120527B2 (en) * 2008-01-30 2012-02-21 Javad Gnss, Inc. Satellite differential positioning receiver using multiple base-rover antennas
US20110178705A1 (en) * 2010-01-15 2011-07-21 Qualcomm Incorporated Using Filtering With Mobile Device Positioning In A Constrained Environment
US11828859B2 (en) * 2016-05-07 2023-11-28 Canyon Navigation, LLC Navigation using self-describing fiducials
EP3339908B1 (en) 2016-12-23 2019-10-02 u-blox AG Distributed kalman filter architecture for carrier range ambiguity estimation
CN107807373A (zh) * 2017-10-17 2018-03-16 东南大学 基于移动智能终端的gnss高精度定位方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2570771A1 (en) * 2011-09-13 2013-03-20 TomTom Polska Sp. z.o.o. Route smoothing
CN102928858A (zh) * 2012-10-25 2013-02-13 北京理工大学 基于改进扩展卡尔曼滤波的gnss单点动态定位方法
CN104613972A (zh) * 2014-04-30 2015-05-13 腾讯科技（深圳）有限公司 一种导航时识别偏航的方法、装置及服务器
CN104596530A (zh) * 2014-05-27 2015-05-06 腾讯科技（深圳）有限公司 一种车辆定位方法和装置
CN107525507A (zh) * 2016-10-18 2017-12-29 腾讯科技（深圳）有限公司 偏航的判定方法和装置

Also Published As

Publication number Publication date
EP3748297A1 (en) 2020-12-09
CN110865398A (zh) 2020-03-06
US20200408925A1 (en) 2020-12-31
WO2020043019A1 (zh) 2020-03-05
US11796686B2 (en) 2023-10-24
EP3748297A4 (en) 2021-08-18

Similar Documents

Publication Publication Date Title
CN110865398B (zh) 定位数据的处理方法及处理装置、终端设备和存储介质
CN109696698B (zh) 导航定位预测方法、装置、电子设备及存储介质
CN107884800B (zh) 观测时滞系统的组合导航数据解算方法、装置及导航设备
WO2015013418A2 (en) Method for processing feature measurements in vision-aided inertial navigation
CN109143224B (zh) 一种多目标关联方法和装置
WO2012071320A1 (en) Coded filter
WO2014001320A1 (en) Sequential estimation in a real-time positioning or navigation system using historical states
US8949027B2 (en) Multiple truth reference system and method
US20180180420A1 (en) Method and System for Improving Inertial Measurement Unit Sensor Signals
Herrera et al. Adaptive methods of Kalman filtering for personal positioning systems
El-Shafie et al. Amplified wavelet-ANFIS-based model for GPS/INS integration to enhance vehicular navigation system
KR20190001086A (ko) 관성 및 단일 광학 센서를 이용한 슬라이딩 윈도우 기반 비-구조 위치 인식 방법, 이를 수행하기 위한 기록 매체 및 장치
CN114442133A (zh) 无人机定位方法、装置、设备及存储介质
JP2012063313A (ja) 車両用軌跡推定装置
US20200001886A1 (en) Methods for monitoring the output performance of state estimators in navigation systems
Glavine et al. Gps integrated inertial navigation system using interactive multiple model extended kalman filtering
CN109769206B (zh) 一种室内定位融合方法、装置、存储介质及终端设备
Sarunic Development of GPS receiver Kalman Filter algorithms for stationary, low-dynamics, and high-dynamics applications
US20200158877A1 (en) Method for Estimating a Position of a Mobile Device Using GNSS Signals
CN115112119A (zh) 一种基于lstm神经网络辅助的车载导航方法
CN110716219A (zh) 一种提高定位解算精度的方法
CN116917771A (zh) 用于借助卡尔曼滤波器确定至少一个系统状态的方法
CN114897942A (zh) 点云地图的生成方法、设备及相关存储介质
JP2018128386A (ja) 位置推定装置
Chauhan et al. Joint GPS and vision estimation using an adaptive filter

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40022104

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant