CN113704374A - 空间飞行器轨迹拟合方法、装置及终端 - Google Patents
空间飞行器轨迹拟合方法、装置及终端 Download PDFInfo
- Publication number
- CN113704374A CN113704374A CN202110983363.1A CN202110983363A CN113704374A CN 113704374 A CN113704374 A CN 113704374A CN 202110983363 A CN202110983363 A CN 202110983363A CN 113704374 A CN113704374 A CN 113704374A
- Authority
- CN
- China
- Prior art keywords
- time
- data set
- coordinate
- current
- fitting
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种空间飞行器轨迹拟合方法、装置及终端,该方法包括:获取轨迹数据集;将轨迹数据集分解为三个时序数据集,各个时序数据集所在的维度均不相同;针对每个时序数据集,从当前起始时间坐标开始,对该时序数据集进行拟合,并将当前拟合线段的终止时间坐标作为当前终止时间坐标;确定当前终止时间坐标对应的轨迹数据点,并保存该轨迹数据点;将当前终止时间坐标增加预设值更新当前起始时间坐标,并跳转至“对该时序数据集进行分段线性拟合”这一步骤,直至全部时序数据点被拟合。本发明通过将四维数据分解为三组二维数据分别进行拟合,再将拟合结果进行融合,可以提高时空数据拟合的实时性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种空间飞行器轨迹拟合方法、装置及终端。
背景技术
携带具有全球定位功能传感器的空间飞行器会定时获取当前的全球定位信息,一般包括经度、纬度和高度信息等。很明显,这是一种典型三维空间数据。如果加上时间因素,这种四维数据称作时空数据。对不同目标对应的时空数据进行分析,可以得到多种分析效果。譬如,民航客机飞行状态的监控、导弹飞行状态的监测、珍稀候鸟生活习性的发现等等。对时空数据进行拟合,是进行此类分析的基础。
现有的时空数据拟合方法包括最小二乘法和道格拉斯普克法,此类分析方法是建立在获取全部或部分数据基础上进行的后处理技术,实时性较差。
发明内容
本发明实施例提供了一种空间飞行器轨迹拟合方法、装置及终端,以解决现有的时空数据拟合方法的实时性较差的问题。
第一方面,本发明实施例提供了一种空间飞行器轨迹拟合方法,包括:
获取轨迹数据集,轨迹数据集包括多个轨迹数据点(ti,xi,yi,zi),其中t表示时间坐标,x表示x轴空间坐标,y表示y轴空间坐标,z表示z轴空间坐标,i表示轨迹数据点序号;
将轨迹数据集分解为三个时序数据集,每个时序数据集包括多个时序数据点(ti,ni),n∈{x,y,z};且各个时序数据集所在的维度均不相同;
针对每个时序数据集,将该时序数据集中最小的时间坐标作为当前起始时间坐标;
针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合,得到当前拟合线段,并将当前拟合线段的终止时间坐标作为当前终止时间坐标;
确定当前终止时间坐标对应的轨迹数据点,并将该轨迹数据点保存至压缩后的轨迹数据集;
将当前终止时间坐标增加预设值得到新时间坐标,采用新时间坐标更新当前起始时间坐标,并跳转至“针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合”这一步骤,直至全部时序数据点被拟合,得到压缩后的轨迹数据集。
在一种可能的实现方式中,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合包括:
基于DisConnAlg算法对第一时序数据集中的各个时序数据点进行拟合;第一时序数据集为任一时序数据集。
在一种可能的实现方式中,在将该时序数据集的最小时间点作为当前起始时间坐标之后,方法还包括:
确定当前起始时间坐标对应的轨迹数据点;
将当前起始时间坐标对应的轨迹数据点保存到压缩后的轨迹数据集。
在一种可能的实现方式中,确定当前起始时间坐标对应的轨迹数据点包括:
将当前起始时间坐标在第一时序数据集拟合的直线上对应的空间坐标作为当前起始时间坐标对应的轨迹数据点在n轴空间坐标;第一时序数据集为任一时序数据集,n表示第一时序数据集中空间坐标的维度。
在一种可能的实现方式中,确定当前终止时间坐标对应的轨迹数据点包括:
将当前终止时间坐标在第一时序数据集拟合的直线上对应的空间坐标作为当前终止时间坐标对应的轨迹数据点的n轴空间坐标;第一时序数据集为任一时序数据集,n表示第一时序数据集中空间坐标的维度。
第二方面,本发明实施例提供了一种空间飞行器轨迹拟合装置,包括:
获取模块,用于获取轨迹数据集,轨迹数据集包括多个轨迹数据点(ti,xi,yi,zi),其中t表示时间坐标,x表示x轴空间坐标,y表示y轴空间坐标,z表示z轴空间坐标,i表示轨迹数据点序号;
分解模块,用于将轨迹数据集分解为三个时序数据集,每个时序数据集包括多个时序数据点(ti,ni),n∈{x,y,z};且各个时序数据集所在的维度均不相同;
初始化模块,用于针对每个时序数据集,将该时序数据集中最小的时间坐标作为当前起始时间坐标;
拟合模块,针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合,得到当前拟合线段,并将当前拟合线段的终止时间坐标作为当前终止时间坐标;
端点确定模块,用于确定当前终止时间坐标对应的轨迹数据点,并将该轨迹数据点保存至压缩后的轨迹数据集;
更新模块,用于将当前终止时间坐标增加预设值作为当前起始时间坐标,并跳转至“针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合”这一步骤,直至全部时序数据点被拟合,得到压缩后的轨迹数据集。
第三方面,本发明实施例提供了一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面,本发明实施例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,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供的空间飞行器轨迹拟合方法包括:获取轨迹数据集,轨迹数据集包括多个轨迹数据点(ti,xi,yi,zi),其中t表示时间坐标,x表示x轴空间坐标,y表示y轴空间坐标,z表示z轴空间坐标,i表示轨迹数据点序号;将轨迹数据集分解为三个时序数据集,每个时序数据集包括多个时序数据点(ti,ni),n∈{x,y,z};且各个时序数据集所在的维度均不相同;针对每个时序数据集,将该时序数据集中最小的时间坐标作为当前起始时间坐标;针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合,得到当前拟合线段,并将当前拟合线段的终止时间坐标作为当前终止时间坐标;确定当前终止时间坐标对应的轨迹数据点,并将该轨迹数据点保存至压缩后的轨迹数据集;将当前终止时间坐标增加预设值得到新时间坐标,采用新时间坐标更新当前起始时间坐标,并跳转至“针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合”这一步骤,直至全部时序数据点被拟合,得到压缩后的轨迹数据集。本发明通过将四维数据分解为三组二维数据,分别进行拟合,再将拟合结果进行融合,将高维度拟合任务转化为低维度拟合任务,降低了拟合过程的时间复杂度,可以提高时空数据拟合的实时性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的空间飞行器轨迹拟合方法的实现流程图;
图2是本发明实施例提供的空间飞行器轨迹拟合装置的结构示意图;
图3是本发明实施例提供的终端的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
参见图1,其示出了本发明实施例提供的空间飞行器轨迹拟合方法的实现流程图,该方法应用于终端设备,详述如下:
步骤101,获取轨迹数据集,轨迹数据集包括多个轨迹数据点(ti,xi,yi,zi),其中t表示时间坐标,x表示x轴空间坐标,y表示y轴空间坐标,z表示z轴空间坐标,i表示轨迹数据点序号。
在本实施例中,轨迹数据集用于表示空间飞行器在各个时刻所在的位置,x、y、z可以分别对应经度、纬度和高度坐标,也可以根据实际需要,建立以任意位置为原点的空间直角坐标系。终端设备可以通过空间飞行器的定位装置获取轨迹数据集。
直观地,我们可以利用直线的简洁形式将时空数据进行分段拟合表示,即在某种误差度量下完成对时空数据的分段拟合。该类方法,一方面能将起到拟合原始时空数据目的;另一方面可以将原始空间数据规模减小,起到压缩数据的作用。目前,采用的误差度量有均方误差、垂直误差和最大误差(记作L∞)。可用方法包括基于均方误差的最小二乘法、基于垂直误差的道格拉斯普克法(Douglas-Peucker,DP)以及基于最大误差的线性分段法(piecewise linear approximation,PLA)。
大部分现有的时空数据直线拟合方法,以最小二乘法和DP为典型方法,均采用全局或局部批处理的方式进行,即此类分析方法是建立在获取全部或部分数据基础上进行的后处理技术,从拟合时空数据角度来说,最小二乘法和道格拉斯普克法都不具有对时空数据进行实时处理能力;都需要大量的运算,时间复杂度较高;获得的分段个数并不是最优的,即最小的。另一方面,从压缩角度来说,满足均方误差和垂直误差均不能保证解压缩后数据点的误差限定,即不能保证解压缩后数据的质量。
另外,基于最大误差的线性分段法目前主要针对一维数值型数据的实时处理,针对本专利提及的时空数据处理技术需要深化拓展。因此,对时空数据的实时处理技术有待进一步的扩展和研究。
步骤102,将轨迹数据集分解为三个时序数据集,每个时序数据集包括多个时序数据点(ti,ni),n∈{x,y,z};且各个时序数据集所在的维度均不相同。
在本实施例中,可以将轨迹数据集按照x对应经度、y对应纬度和z对应高度分解为三个时序数据集,得到PX={px1,px2,...,pxm},PY={py1,py2,...,pym}和PZ={pz1,pz2,...,pzm},其中pxi=(ti,xi),pyi=(ti,yi)和pzi=(ti,zi),1≤i≤n。
步骤103,针对每个时序数据集,将该时序数据集中最小的时间坐标作为当前起始时间坐标。
在本实施例中,本方法可以用于对空间飞行器的运行轨迹进行实时拟合,此时轨迹数据集中的轨迹数据点是实时获取的,按照时间顺序持续更新。因此终端设备从最早的时间点开始,对轨迹数据点按照时间顺序拟合。
步骤104,针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合,得到当前拟合线段,并将当前拟合线段的终止时间坐标作为当前终止时间坐标。
在本实施例中,终端设备分别对每个时序数据集进行分段线性拟合,可以得到至少一条拟合直线。拟合直线越长说明该拟合直线包含了越多的时序数据点,也就是空间飞行器的轨迹在该拟合直线所在的坐标上的变化较慢;拟合直线越短说明空间飞行器的轨迹在该拟合直线所在的坐标上的变化较快。为了保留空间飞行器的轨迹的变化特征,本实施例中将各个拟合直线的终点对应的时间坐标作为当前终止时间坐标。
步骤105,确定当前终止时间坐标对应的轨迹数据点,并将该轨迹数据点保存至压缩后的轨迹数据集。
在本实施例中,终端设备对空间飞行器的轨迹进行压缩拟合,得到的压缩拟合结果可以用轨迹数据点表示。压缩拟合得到的轨迹数据点可以用于复原空间飞行器的轨迹。
步骤106,将当前终止时间坐标增加预设值得到新时间坐标,采用新时间坐标更新当前起始时间坐标,并跳转至“针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合”这一步骤,直至全部时序数据点被拟合,得到压缩后的轨迹数据集。
在本实施例中,在确定当前终止时间坐标后,终端设备在剩余的时序数据点中重新确定当前起始时间坐标,继续对剩余的时序数据点进行拟合,直至全部时序数据点被拟合。可以将当前终止时间坐标之后一个或多个采样时间间隔的时间坐标作为重新确定的当前起始时间坐标,也可以直接将当前终止时间坐标作为重新确定的当前起始时间坐标,具体更新方式可以基于对拟合精度和拟合速度的需求确定。
可选的,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合包括:
基于DisConnAlg算法对第一时序数据集中的各个时序数据点进行拟合;第一时序数据集为任一时序数据集。
在本实施例中,DisConnAlg算法是一种在时域空间下用于解决不连续L∞-PLA问题的算法,即在L∞度量下,可以生成最优存储的不连续分段,即保证每个不连续分段拟合最多的数据点,这个目标通过在拟合数据点的过程中获取可行线段的范围来实现,当这个范围是空集的时候,表示拟合了最多的数据点,将产生一个不连续分段。本实施例中使用DisConnAlg算法可以获得在最大误差限定下的最优的存储,即获得最少的线段个数。并且DisConnAlg算法具有线性的时间复杂度,拟合一个数据点的平均时间消耗为百万分之一秒。
可选的,在将该时序数据集的最小时间点作为当前起始时间坐标之后,方法还包括:
确定当前起始时间坐标对应的轨迹数据点;
将当前起始时间坐标对应的轨迹数据点保存到压缩后的轨迹数据集。
在本实施例中,在将轨迹数据集分解为三个时序数据集,并分别对三个时序数据集在各自对应的空间坐标上进行分段线性拟合后,还需要将拟合结果进行融合,即确定当前起始时间坐标对应的轨迹数据点。此外,在更新当前起始时间坐标之后,如果当前起始时间坐标与前次拟合时的当前终止时间坐标不同,也需要确定当前起始时间坐标对应的轨迹数据点,以得到完整的压缩后的轨迹数据集。
可选的,确定当前起始时间坐标对应的轨迹数据点包括:
将当前起始时间坐标在第一时序数据集拟合的直线上对应的空间坐标作为当前起始时间坐标对应的轨迹数据点在n轴空间坐标;第一时序数据集为任一时序数据集,n表示第一时序数据集中空间坐标的维度。
在本实施例中,为了将三个时序数据集在各自对应的空间坐标上的拟合结果融合,可以确定当前起始时间坐标在各个时序数据集拟合的直线上对应的空间坐标,将确定的三个坐标作为当前起始时间坐标对应的轨迹数据点的三个空间坐标,得到的轨迹数据点坐标可以包含三个空间维度的轨迹特征。
可选的,确定当前终止时间坐标对应的轨迹数据点包括:
将当前终止时间坐标在第一时序数据集拟合的直线上对应的空间坐标作为当前终止时间坐标对应的轨迹数据点的n轴空间坐标;第一时序数据集为任一时序数据集,n表示第一时序数据集中空间坐标的维度。
在本实施例中,确定当前终止时间坐标对应的轨迹数据点的方法与确定当前起始时间坐标对应的轨迹数据点的方法相同。
在一个具体的实施例中,我们的目的是利用尽可能少的空间直线去拟合数据集P,并且保证每一个数据点和对应直线的距离小于事先指定的最大误差δ。本专利中我们空间直线采用不连续的表示形式,即假设空间直线集为S={s1,s2,...,sn′},si=(t'i,x'i,y'i,z'i),1≤i≤n′,那么S中含有直线的个数为(如果n′为奇数,sn′为孤立点),其中,第j条直线的起点和终点分别为s2j-1,s2j,且第j条直线的终点和第j+1条直线的起点时刻索引相差1。
为了从P中获取不连续的空间直线S,本实施例总体思想采用“分治-融合”的策略。将P按照经度、纬度、高度依次分解为三组时序数据,利用一维最优的不连续拟合算法DisConnAlg分别作用于三个时序数据集,行进过程中利用最短直线策略进行融合,从而获得空间直线。具体采用的技术,本专利中记作3DDisAlg,步骤如下:
首先,终端设备获取传感器获取的空间飞行器轨迹数据集P={p1,p2,...,pn},pi=(ti,xi,yi,zi),1≤i≤n,其中pn表示等时间间隔的采样点,n表示采集数据点的个数,ti,xi,yi,zi分别表示第i个数据点的当前的时间索引、经度、纬度和高度。然后,对轨迹数据集进行处理:
Step 1:将P按照经度、纬度、高度依次分解为三组时序数据,即得到PX={px1,px2,...,pxn},PY={py1,py2,...,pyn}和PZ={pz1,pz2,...,pzn},其中pxi=(ti,xi),pyi=(ti,yi)和pzi=(ti,zi),1≤i≤n。初始化k=1,tstart=1。
Step 2:从tstart开始在PX,PY和PZ上分别作用DisConnAlg算法,直到在任意一个数据集合上生成了一条不连续直线(其他两个集合还可以继续拟合),将此条直线的终点时刻记作tend。通过tstart和tend可以分别在PX、PY和PZ形成的当前拟合直线上得到对应的起点和终点,记作(tstart,pxstart),(tend,pxend),(tstart,pystart),(tend,pyend)和(tstart,pzstart),(tend,pzend)。
Step 3:将在PX,PY和PZ上得到的起点和终点进行融合,从而构成第k条时空直线的起始点s2k-1=(t2k-1,pxstart,pystart,pzstart)和终点s2k=(t2k,pxend,pyend,pzend)。更新k=k+1和tstart=tend+1,回到Step 2,直至全部时序数据被拟合。
基于上述步骤可知:
(1)因为DisConnAlg算法具有线性的时间复杂度,而3DDisAlg算法主要运算相当于进行了三次DisConnAlg过程,所以DisConnAlg同样具有线性时间复杂度的优点。其拟合一个数据点的平均时间消耗为百万分之一秒;
(2)3DDisAlg算法可以获得在最大误差限定下的最优的存储,即获得最少的线段个数。这一点,其他类似技术在对应的误差限定下均不能达到。
(3)3DDisAlg算法适用于对流时空数据的处理,即适合应用于实时目标分析的场景。这一点,其他基于全局或者局部处理的类似技术均不能达到。
本发明实施例提供的空间飞行器轨迹拟合方法包括:获取轨迹数据集,轨迹数据集包括多个轨迹数据点(ti,xi,yi,zi),其中t表示时间坐标,x表示x轴空间坐标,y表示y轴空间坐标,z表示z轴空间坐标,i表示轨迹数据点序号;将轨迹数据集分解为三个时序数据集,每个时序数据集包括多个时序数据点(ti,ni),n∈{x,y,z};且各个时序数据集所在的维度均不相同;针对每个时序数据集,将该时序数据集中最小的时间坐标作为当前起始时间坐标;针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合,得到当前拟合线段,并将当前拟合线段的终止时间坐标作为当前终止时间坐标;确定当前终止时间坐标对应的轨迹数据点,并将该轨迹数据点保存至压缩后的轨迹数据集;将当前终止时间坐标增加预设值得到新时间坐标,采用新时间坐标更新当前起始时间坐标,并跳转至“针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合”这一步骤,直至全部时序数据点被拟合,得到压缩后的轨迹数据集。本发明通过将四维数据分解为三组二维数据,分别进行拟合,再将拟合结果进行融合,将高维度拟合任务转化为低维度拟合任务,降低了拟合过程的时间复杂度,可以提高时空数据拟合的实时性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图2示出了本发明实施例提供的空间飞行器轨迹拟合装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图2所示,空间飞行器轨迹拟合装置2包括:
获取模块21,用于获取轨迹数据集,轨迹数据集包括多个轨迹数据点(ti,xi,yi,zi),其中t表示时间坐标,x表示x轴空间坐标,y表示y轴空间坐标,z表示z轴空间坐标,i表示轨迹数据点序号;
分解模块22,用于将轨迹数据集分解为三个时序数据集,每个时序数据集包括多个时序数据点(ti,ni),n∈{x,y,z};且各个时序数据集所在的维度均不相同;
初始化模块23,用于针对每个时序数据集,将该时序数据集中最小的时间坐标作为当前起始时间坐标;
拟合模块24,针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合,得到当前拟合线段,并将当前拟合线段的终止时间坐标作为当前终止时间坐标;
端点确定模块25,用于确定当前终止时间坐标对应的轨迹数据点,并将该轨迹数据点保存至压缩后的轨迹数据集;
更新模块26,用于将当前终止时间坐标增加预设值作为当前起始时间坐标,并跳转至“针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合”这一步骤,直至全部时序数据点被拟合,得到压缩后的轨迹数据集。
可选的,拟合模块具体用于:
基于DisConnAlg算法对第一时序数据集中的各个时序数据点进行拟合;第一时序数据集为任一时序数据集。
可选的,端点确定模块还用于,在将该时序数据集的最小时间点作为当前起始时间坐标之后,确定当前起始时间坐标对应的轨迹数据点,并将当前起始时间坐标对应的轨迹数据点保存到压缩后的轨迹数据集。
可选的,端点确定模块具体用于:
将当前起始时间坐标在第一时序数据集拟合的直线上对应的空间坐标作为当前起始时间坐标对应的轨迹数据点在n轴空间坐标;第一时序数据集为任一时序数据集,n表示第一时序数据集中空间坐标的维度。
可选的,端点确定模块具体用于:
将当前终止时间坐标在第一时序数据集拟合的直线上对应的空间坐标作为当前终止时间坐标对应的轨迹数据点的n轴空间坐标;第一时序数据集为任一时序数据集,n表示第一时序数据集中空间坐标的维度。
本发明实施例提供的空间飞行器轨迹拟合方法包括:获取轨迹数据集,轨迹数据集包括多个轨迹数据点(ti,xi,yi,zi),其中t表示时间坐标,x表示x轴空间坐标,y表示y轴空间坐标,z表示z轴空间坐标,i表示轨迹数据点序号;将轨迹数据集分解为三个时序数据集,每个时序数据集包括多个时序数据点(ti,ni),n∈{x,y,z};且各个时序数据集所在的维度均不相同;针对每个时序数据集,将该时序数据集中最小的时间坐标作为当前起始时间坐标;针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合,得到当前拟合线段,并将当前拟合线段的终止时间坐标作为当前终止时间坐标;确定当前终止时间坐标对应的轨迹数据点,并将该轨迹数据点保存至压缩后的轨迹数据集;将当前终止时间坐标增加预设值得到新时间坐标,采用新时间坐标更新当前起始时间坐标,并跳转至“针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合”这一步骤,直至全部时序数据点被拟合,得到压缩后的轨迹数据集。本发明通过将四维数据分解为三组二维数据,分别进行拟合,再将拟合结果进行融合,将高维度拟合任务转化为低维度拟合任务,降低了拟合过程的时间复杂度,可以提高时空数据拟合的实时性。
图3是本发明实施例提供的终端的示意图。如图3所示,该实施例的终端3包括:处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个空间飞行器轨迹拟合方法实施例中的步骤,例如图1所示的步骤101至步骤106。或者,所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能,例如图2所示模块/单元21至26的功能。
示例性的,所述计算机程序32可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器31中,并由所述处理器30执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序32在所述终端3中的执行过程。例如,所述计算机程序32可以被分割成图2所示的模块/单元21至26。
所述终端3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端3可包括,但不仅限于,处理器30、存储器31。本领域技术人员可以理解,图3仅仅是终端3的示例,并不构成对终端3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述终端3的内部存储单元,例如终端3的硬盘或内存。所述存储器31也可以是所述终端3的外部存储设备,例如所述终端3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括所述终端3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,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单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,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单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个空间飞行器轨迹拟合方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种空间飞行器轨迹拟合方法,其特征在于,包括:
获取轨迹数据集,所述轨迹数据集包括多个轨迹数据点(ti,xi,yi,zi),其中t表示时间坐标,x表示x轴空间坐标,y表示y轴空间坐标,z表示z轴空间坐标,i表示轨迹数据点序号;
将所述轨迹数据集分解为三个时序数据集,每个时序数据集包括多个时序数据点(ti,ni),n∈{x,y,z};且各个时序数据集所在的维度均不相同;
针对每个时序数据集,将该时序数据集中最小的时间坐标作为当前起始时间坐标;
针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合,得到当前拟合线段,并将当前拟合线段的终止时间坐标作为当前终止时间坐标;
确定当前终止时间坐标对应的轨迹数据点,并将该轨迹数据点保存至压缩后的轨迹数据集;
将当前终止时间坐标增加预设值得到新时间坐标,采用新时间坐标更新当前起始时间坐标,并跳转至“针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合”这一步骤,直至全部时序数据点被拟合,得到压缩后的轨迹数据集。
2.根据权利要求1所述的空间飞行器轨迹拟合方法,其特征在于,所述对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合包括:
基于DisConnAlg算法对第一时序数据集中的各个时序数据点进行拟合;所述第一时序数据集为任一时序数据集。
3.根据权利要求1所述的空间飞行器轨迹拟合方法,其特征在于,在所述将该时序数据集的最小时间点作为当前起始时间坐标之后,所述方法还包括:
确定当前起始时间坐标对应的轨迹数据点;
将当前起始时间坐标对应的轨迹数据点保存到压缩后的轨迹数据集。
4.根据权利要求3所述的空间飞行器轨迹拟合方法,其特征在于,所述确定当前起始时间坐标对应的轨迹数据点包括:
将当前起始时间坐标在第一时序数据集拟合的直线上对应的空间坐标作为当前起始时间坐标对应的轨迹数据点在n轴空间坐标;所述第一时序数据集为任一时序数据集,n表示所述第一时序数据集中空间坐标的维度。
5.根据权利要求1至4任一项所述的空间飞行器轨迹拟合方法,其特征在于,所述确定当前终止时间坐标对应的轨迹数据点包括:
将当前终止时间坐标在第一时序数据集拟合的直线上对应的空间坐标作为当前终止时间坐标对应的轨迹数据点的n轴空间坐标;所述第一时序数据集为任一时序数据集,n表示所述第一时序数据集中空间坐标的维度。
6.一种空间飞行器轨迹拟合装置,其特征在于,包括:
获取模块,用于获取轨迹数据集,所述轨迹数据集包括多个轨迹数据点(ti,xi,yi,zi),其中t表示时间坐标,x表示x轴空间坐标,y表示y轴空间坐标,z表示z轴空间坐标,i表示轨迹数据点序号;
分解模块,用于将所述轨迹数据集分解为三个时序数据集,每个时序数据集包括多个时序数据点(ti,ni),n∈{x,y,z};且各个时序数据集所在的维度均不相同;
初始化模块,用于针对每个时序数据集,将该时序数据集中最小的时间坐标作为当前起始时间坐标;
拟合模块,针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合,得到当前拟合线段,并将当前拟合线段的终止时间坐标作为当前终止时间坐标;
端点确定模块,用于确定当前终止时间坐标对应的轨迹数据点,并将该轨迹数据点保存至压缩后的轨迹数据集;
更新模块,用于将当前终止时间坐标增加预设值作为当前起始时间坐标,并跳转至“针对每个时序数据集,从当前起始时间坐标对应的时序数据点开始,对该时序数据集中的时序数据点依照时间坐标从小到大的顺序进行分段线性拟合”这一步骤,直至全部时序数据点被拟合,得到压缩后的轨迹数据集。
7.根据权利要求6所述的空间飞行器轨迹拟合装置,其特征在于,所述拟合模块具体用于:
基于DisConnAlg算法对第一时序数据集中的各个时序数据点进行拟合;所述第一时序数据集为任一时序数据集。
8.根据权利要求6所述的空间飞行器轨迹拟合装置,其特征在于,
所述端点确定模块还用于,在所述将该时序数据集的最小时间点作为当前起始时间坐标之后,确定当前起始时间坐标对应的轨迹数据点,并将当前起始时间坐标对应的轨迹数据点保存到压缩后的轨迹数据集。
9.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至5中任一项所述方法的步骤。
10.一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,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110983363.1A CN113704374B (zh) | 2021-08-25 | 2021-08-25 | 空间飞行器轨迹拟合方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110983363.1A CN113704374B (zh) | 2021-08-25 | 2021-08-25 | 空间飞行器轨迹拟合方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113704374A true CN113704374A (zh) | 2021-11-26 |
CN113704374B CN113704374B (zh) | 2022-05-03 |
Family
ID=78654787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110983363.1A Active CN113704374B (zh) | 2021-08-25 | 2021-08-25 | 空间飞行器轨迹拟合方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113704374B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115077308A (zh) * | 2022-05-18 | 2022-09-20 | 中国人民解放军61191部队 | 基于火箭发射时序的火箭时空位置模拟方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306284A (zh) * | 2011-08-12 | 2012-01-04 | 上海交通大学 | 基于监控录像的交通事故现场数字化重构方法 |
CN106649656A (zh) * | 2016-12-13 | 2017-05-10 | 中国科学院软件研究所 | 一种面向数据库的时空轨迹大数据存储方法 |
CN110455292A (zh) * | 2019-08-16 | 2019-11-15 | 四川九洲电器集团有限责任公司 | 飞行轨迹确定方法、设备、飞行轨迹推演系统及存储介质 |
CN110753930A (zh) * | 2018-12-29 | 2020-02-04 | 深圳市瑞立视多媒体科技有限公司 | 一种三维轨迹数据的拟合处理方法及光学动作捕捉方法 |
CN113269304A (zh) * | 2021-05-20 | 2021-08-17 | 前海七剑科技(深圳)有限公司 | 基于强化学习的轨迹规划方法、装置及存储介质 |
-
2021
- 2021-08-25 CN CN202110983363.1A patent/CN113704374B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306284A (zh) * | 2011-08-12 | 2012-01-04 | 上海交通大学 | 基于监控录像的交通事故现场数字化重构方法 |
CN106649656A (zh) * | 2016-12-13 | 2017-05-10 | 中国科学院软件研究所 | 一种面向数据库的时空轨迹大数据存储方法 |
CN110753930A (zh) * | 2018-12-29 | 2020-02-04 | 深圳市瑞立视多媒体科技有限公司 | 一种三维轨迹数据的拟合处理方法及光学动作捕捉方法 |
CN110455292A (zh) * | 2019-08-16 | 2019-11-15 | 四川九洲电器集团有限责任公司 | 飞行轨迹确定方法、设备、飞行轨迹推演系统及存储介质 |
CN113269304A (zh) * | 2021-05-20 | 2021-08-17 | 前海七剑科技(深圳)有限公司 | 基于强化学习的轨迹规划方法、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
HUANYU ZHAO等: "Segmenting time series with connected lines under maximum error bound", 《INFORMATION SCIENCES》 * |
薄梦雅: "时间序列数据压缩算法研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115077308A (zh) * | 2022-05-18 | 2022-09-20 | 中国人民解放军61191部队 | 基于火箭发射时序的火箭时空位置模拟方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113704374B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111815754B (zh) | 一种三维信息确定方法、三维信息确定装置及终端设备 | |
CN110321958B (zh) | 神经网络模型的训练方法、视频相似度确定方法 | |
CN112328715B (zh) | 视觉定位方法及相关模型的训练方法及相关装置、设备 | |
KR20180067426A (ko) | 희소 행렬을 재구성하기 위한 신호 수송 데이터를 인코딩하는 방법 및 장치 | |
CN113704374B (zh) | 空间飞行器轨迹拟合方法、装置及终端 | |
CN114593737A (zh) | 控制方法、装置、机器人及存储介质 | |
CN111199169A (zh) | 图像处理方法和装置 | |
CN111368860B (zh) | 重定位方法及终端设备 | |
CN108875901B (zh) | 神经网络训练方法以及通用物体检测方法、装置和系统 | |
CN111161348A (zh) | 一种基于单目相机的物体位姿估计方法、装置及设备 | |
CN111709473B (zh) | 对象特征的聚类方法及装置 | |
CN112487871A (zh) | 笔迹数据处理方法、装置及电子设备 | |
CN111127590B (zh) | 一种二阶贝塞尔曲线绘制方法及装置 | |
CN111353007B (zh) | 基于矢量切片的地理要素拾取方法、编码方法、装置及电子设备 | |
CN112444820A (zh) | 一种机器人位姿确定方法、装置、可读存储介质及机器人 | |
CN113407537B (zh) | 数据处理方法、装置及电子设备 | |
CN111931794B (zh) | 一种基于草图的图像匹配方法 | |
CN110487787B (zh) | 一种元器件损耗检测方法、装置、存储介质及终端设备 | |
CN109614854B (zh) | 视频数据处理方法及装置、计算机装置及可读存储介质 | |
CN112669196A (zh) | 一种硬件加速引擎中因子图优化数据的方法和设备 | |
CN111738311A (zh) | 面向多任务的特征提取方法、装置及电子设备 | |
CN111291539A (zh) | 文件编辑控制方法、装置、计算机装置及存储介质 | |
CN112085788A (zh) | 回环检测方法、装置、计算机可读存储介质及移动装置 | |
CN112487875B (zh) | 笔迹图形化方法、装置及电子设备 | |
CN112711965B (zh) | 一种绘本识别方法、装置及设备 |
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 |