CN115309847B - 一种处理定位点数据的方法、电子设备及存储介质 - Google Patents
一种处理定位点数据的方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115309847B CN115309847B CN202211242019.8A CN202211242019A CN115309847B CN 115309847 B CN115309847 B CN 115309847B CN 202211242019 A CN202211242019 A CN 202211242019A CN 115309847 B CN115309847 B CN 115309847B
- Authority
- CN
- China
- Prior art keywords
- positioning point
- corrected
- positioning
- target
- point 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 title claims abstract description 27
- 238000012937 correction Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24554—Unary operations; Data partitioning operations
- G06F16/24556—Aggregation; Duplicate elimination
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G06Q50/40—
Abstract
本发明公开了一种处理定位点数据的方法、电子设备及存储介质，属于人工智能数据处理技术领域。该方法包括：获取定位点数据并进行实时修正；对修正后的定位点数据进行分组，形成对应各个分路段的定位点数据；确定待修正定位点以及待修正定位点所属的待修正分路段；利用标准路线中的相应的定位点来替换所述待修正定位点；以及将修正后的行驶路线上传到云端服务器。本发明应用于在库作业车辆的管理，通过对获取到的定位点数据进行实时修正，以及利用相对应的标准路线的定位点数据来修正行驶路线，修正精确度高，具有较好的实际应用价值。
Description
技术领域
本发明涉及人工智能数据处理技术领域，尤其涉及一种处理定位点数据的方法、电子设备及存储介质。
背景技术
仓库中的货物搬运是物流的重要环节。目前，业内已广泛采用仓库中专用的在库作业车辆（例如，智能搬运车或者司机驾驶的商品车等）进行货物的搬运。物流管理中心通常需要收集在库作业车辆的行驶路线并进行分析，以便掌握在库作业车辆的行驶情况，还可通过统计在库作业车辆的历史路径，为在库作业车辆推荐更优的行驶路线。因此，获得在库作业车辆的准确的行驶路线，对在库作业车辆管理而言具有重要意义。
目前，在库作业车辆一般使用北斗高精度定位技术进行定位，但在使用过程中，由于仓库大多处于封闭环境，所以卫星信号不稳定、周围环境干扰等原因会导致不能获取定位点数据，即，获取到的在库作业车辆的行驶路线不准确，从而影响后续的分析处理。
现有的车辆线路修正方法只是针对在例如公路上行驶的一般车辆，并没有专门的针对物流领域中在库作业车辆的行驶线路修正方法，并且算法复杂度高，修正效率低，修正结果不够精确，不能满足对在库作业车辆的行驶线路进行修正的需要。
因此，亟需一种新的能够有效、精准的一种处理定位点数据的方法及装置，以对在库作业车辆的行驶线路进行修正。
发明内容
本发明提供在库作业车辆的行驶线路进行修正，目的在于对在库作业车辆行驶路线进行修正，以提高线路修正的效率和准确性。
本发明的技术方案应用于整车仓储中，本文所称的在库作业车辆可以指智能搬运车或者司机驾驶的停入指定库位中的商品车。所述在库作业车辆在仓库中作业时需要按照预先规划好的路径行驶。
第一方面，本发明实施例提供了一种处理定位点数据的方法，包括以下步骤：
S1.以预设时间间隔获取目标作业车辆的多个定位点数据，并对获取到的所述定位点数据进行实时修正，形成修正后的定位点数据集合；
S2.将所述修正后的定位点数据集合中的定位点数据按照时间排序，并按照预设的分组标准进行分组，以形成对应行驶路线中各个分路段的定位点数据；其中，预先存储与所述目标在库作业车辆的行驶路线相对应的最优行驶路线作为标准路线，并以相同的分组标准对所述标准路线进行分组，以使所述目标在库作业车辆的各个分路段与所述标准路线的各个分路段一一对应；
S3.基于各分路段对应的定位点数据，确定需要对所述目标在库作业车辆的行驶路线数据进行修正的待修正定位点以及待修正定位点所属的待修正分路段；
S4.基于所述待修正定位点和所述待修正分路段，查找所述标准路线的相应的分路段和定位点，并利用所述标准路线中的相应的定位点来替换所述待修正定位点，以完成对所述目标在库作业车辆的行驶路线的修正；
S5. 将修正后的所述目标在库作业车辆的行驶路线上传到云端服务器。
优选的，通过以下公式对获取到的所述定位点数据进行实时修正：
其中，
,
为修正后的目标在库作业车辆的位置坐标，x,y为修正前的目标在库作业车辆的位置坐标,H为定位装置距离地面的高度，
为目标在库作业车辆的方向角，
为目标在库作业车辆的纵向偏转角，
为目标在库作业车辆的横向偏转角。
优选的，步骤S1还包括：对修正后的定位点数据集合进行预处理，所述预处理具体包括以下步骤：
S11.选择任意相邻的两个定位点，时间在前的定位点为第一定位点，时间在后的定位点为第二定位点，计算两个定位点之间的距离；
S12.将计算出的所述距离与第一预设距离阈值和第二预设距离阈值进行比较，如果所述距离小于所述第一预设距离阈值，则去除所述第一定位点和所述第二定位点中的任意一个；否则，保留所述第一定位点和所述第二定位点。
优选的，预处理还可以包括：采用卡尔曼滤波器对所述定位点数据进行滤波，其中，卡尔曼滤波器的状态变量为：
其中,
其中,
为目标在库作业车辆在k时刻的位置坐标，
，
分别为目标在库作业车辆在k时刻的速度
在
和
+90°方向上的投影，
为目标在库作业车辆在k时刻的方向角误差；
卡尔曼滤波器的状态方程为：
其中, 
为包含采样时间间隔T和目标在库作业车辆在k时刻的方向角
的参数矩阵，
为过程噪声，其中：
卡尔曼滤波器的观测变量为校正后的位置坐标，观测方程为：
其中,
为观测矩阵，
为观测噪声，其中：
优选的，步骤S3具体包括以下步骤：
S31.针对每个分路段，计算各分路段内的任意相邻的两个定位点的时间间隔和距离，如果所述时间间隔大于预设时间阈值或者如果所述距离大于预设距离，则将所述两个定位点确定为候选异常定位点；
S32.计算两个所述候选异常定位点的方向角的差值，如果所述方向角的差值大于预设方向角差值，则将两个所述候选异常定位点确定为待修正定位点，将包括待修正定位点的分路段标记为待修正分路段。
优选的，采用蚁群算法确定所述目标在库作业车辆的标准路线。
优选的，所述定位装置为北斗高精度定位设备。
优选的，所述定位点数据包括目标作业车辆的标识、位置坐标、瞬时速度和采集时间。
第二方面，本发明实施例提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述实施例所述的处理定位点数据的方法。
第三方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有程序，所述程序被处理器执行时实现如上述实施例所述的处理定位点数据的方法。
本发明实施例提供的处理定位点数据的方法及装置，对获取到的定位点数据进行实时修正，通过分路段处理以及只修正拐弯处的定位点数据，可以有效提高行驶路线修正的效率，并且基于蚁群算法的标准路线与车辆的行驶路线分路段一一对应，从而可以快速查找到标准路线的相应的定位点来替换异常点，修正精确度高，具有较好的实际应用价值。
附图说明
图1为本发明实施例提供的一种处理定位点数据的方法及装置的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
本发明应用于在库作业车辆，在货物的运输过程中，会有多辆在库作业车辆在不同的时间重复的从出发点到目的点运输货物。每个作业车辆上都安装有车载终端，所述车载终端包括定位装置（例如，北斗高精度定位设备）、处理器、存储器和通信装置。因此，通过定位装置采集得到的定位数据，可以生成从出发点到目的点的多个行驶路线数据。
本发明的总体思路如下：首先，获得目标在库作业车辆的多个定位点数据并进行实时修正；然后，确定所述目标在库作业车辆行驶路线中的异常点（包括缺失点和相邻距离明显过大的点）；最后，从存储器中查找到与所述目标在库作业车辆的行驶路线相对应的标准路线，并用标准路线中的相应的定位点来替换所述缺失点，从而完成目标在库作业车辆的行驶路线的修正，其中，预先通过诸如蚁群算法获得目标在库作业车辆的最优路线，作为标准路线预先存储到存储器中。
本发明的主要改进点在于针对仓库中使用的在库作业车辆的作业特点，对行驶路线进行分段，通过分段修正，大大提高了修正的效率；另外，针对在库作业车辆可能发生碰撞等原因，本发明对获取到的行驶路线的定位点进行预处理，提高了获取到的定位点数据的精度，从而有效提高了最终修正行驶路线的精度；同时，本发明针对在库作业车辆和仓库的作业场景的特点，利用改进的蚁群算法获得最优的标准路线，并且通过将标准路线与目标作业车辆的行驶路线相对应，从而可以直接利用相应的定位点来替换行驶路线中的缺失点。因此，本发明针对在库作业车辆的作业特点，提出了一种新的处理定位点数据的方法及装置，可以极大提高修正行驶路线的效率和精确度。
下面结合附图，对本发明的具体实施例作进一步详细的描述。
如图1所示，本发明提供的一种处理定位点数据的方法及装置，包括以下步骤：
S1.以预设时间间隔获取目标作业车辆的多个定位点数据，并对获取到的所述定位点数据进行实时修正，形成修正后的定位点数据集合。
在步骤S1中，将多个在库作业车辆中需要获取并修正其行驶路线的在库作业车辆作为目标在库作业车辆。可以通过安装在目标在库作业车辆上的定位装置来获取在库作业车辆的多个定位点数据。根据本发明的优选实施例，通过北斗高精度定位设备以预设时间间隔获得所述多个定位点数据，其中，获得的所述定位点数据可以包括目标作业车辆的标识、位置坐标（即，经度和纬度）、瞬时速度和采集时间。所述预设时间间隔可以设为2秒，当然本发明并不对此作具体限定，也可以设为1秒、3秒等其他时间间隔。
在实际操作中，由于仓库环境比较复杂，有较多货架和货物，还有现场工作人员，并且仓库中有多辆在库作业车辆同时作业，因此，在库作业车辆难免会有碰撞情况或者行驶过程中遇到散落的货物等障碍物而发生倾斜。如上所述，本发明实施例适用于整体仓储场景，除了仓库内作业外，还适用于司机驾驶商品车入库的工作场景，司机驾驶商品车入库时，由于载物较重以及路面不平时，也会发生车身倾斜的情况。在库作业车辆发生倾斜后，车身上安装的定位装置获得的定位点数据不准确，为此，本发明对获得的定位点数据进行实时校正，以消除误差影响。
具体的，在目标在库作业车辆上安装有角度传感器（例如，陀螺仪等），通过角度传感器测量目标在库作业车辆的方向角
、纵向偏转角
和横向偏转角
，其中，方向角
为车辆的行驶方向与X轴之间的夹角，纵向偏转角
为目标在库作业车辆的车身纵轴与地面的夹角，横向偏转角
为目标在库作业车辆的车身横轴与地面的夹角。
根据本发明的优选实施例，目标在库作业车辆通过车辆上安装的定位装置获取到定位数据后，首先，根据定位装置距离地面的高度以及纵向偏转角和横向偏转角计算得到定位点数据的横向偏差值和纵向偏差值，然后通过映射变换得到针对目标作业车辆的定位偏差值。具体的，由处理器通过以下公式对获取到的所述定位点数据进行实时修正：
其中，
,
为修正后的目标在库作业车辆的位置坐标，x,y为修正前的目标在库作业车辆的位置坐标,H为定位装置距离地面的高度，
为目标在库作业车辆的方向角，
为目标在库作业车辆的纵向偏转角，
为目标在库作业车辆的横向偏转角。
通过以上描述可知，本发明在获得定位装置的定位数据后，并不是直接使用，而是充分考虑到在库作业车辆所处的仓库环境，即，有可能遇到障碍物或者相互碰撞引起的定位装置倾斜，从而导致的获取到的定位点数据不准确的问题，而首先对获取到的原始定位点数据进行修正，从而提高了获取的定位点数据的精确度，进而有利于提高后续行车路线修正的精确度。
根据本发明的优选实施例，步骤S1还包括：对修正后的定位点数据集合进行预处理，去除重复的定位点数据，以减少后续分析的数据量，从而提高处理效率。
所述预处理具体包括以下步骤：
S11.选择任意相邻的两个定位点，时间在前的定位点为第一定位点，时间在后的定位点为第二定位点，计算两个定位点之间的距离；
本领域技术人员理解，可以根据定位点的位置坐标计算两个相邻定位点之间的距离。
S12.将计算出的所述距离与第一预设距离阈值和第二预设距离阈值进行比较，如果所述距离小于所述第一预设距离阈值，则去除所述第一定位点和所述第二定位点中的任意一个；否则，保留所述第一定位点和所述第二定位点。
需要说明的是，如果两个相邻定位点之间的距离小于第一预设距离阈值，则说明目标在库作业车辆在预设的时间间隔内几乎没有移动，因此，可以去除其中的一个定位点。
在执行步骤S11-S12的预处理之后，预处理还可以包括：对定位点数据进行滤波，以去除噪声干扰。具体的，采用卡尔曼滤波器对所述定位点数据进行滤波，其中，卡尔曼滤波器的状态变量为：
其中,
其中,
为目标在库作业车辆在k时刻的位置坐标，
，
分别为目标在库作业车辆在k时刻的速度
在
和
+90°方向上的投影，
为目标在库作业车辆在k时刻的方向角误差。
卡尔曼滤波器的状态方程为：
其中, 
为包含采样时间间隔T（即，前文所述预设时间间隔）和目标在库作业车辆在k时刻的方向角
的参数矩阵，
为过程噪声，其中：
卡尔曼滤波器的观测变量为校正后的位置坐标，观测方程为：
其中,
为观测矩阵，
为观测噪声，其中：
经过上述预处理后，去除了重复的定位点数据，减少了数据量，并且去除了定位点数据中的噪声，便于后续的修正处理。
S2. 将所述修正后的定位点数据集合中的定位点数据按照时间排序，并按照预设的分组标准进行分组，以形成对应行驶路线中各个分路段的定位点数据；其中，预先存储与所述目标在库作业车辆的行驶路线相对应的最优行驶路线作为标准路线，并以相同的分组标准对所述标准路线进行分组，以使所述目标在库作业车辆的各个分路段与所述标准路线的各个分路段一一对应。
在通过步骤S1获取到多个定位点数据并优选的经过预处理后，首先对多个定位点数据按照采集时间进行排序，然后再按照预设的分组标准进行分组。通过分组，每个组内的定位点数据都对应一个路段，就相当于将目标在库作业车辆从起始点到目的点的行驶路线分为多个分路段，同时，预先存储的标准路线的定位点数据也进行分组处理。标准路线和目标在库作业车辆的行驶路线的各分组定位点数据都有对应的ID，并且相互对应，从而使得目标在库作业车辆的行驶路线的各分组定位点数据都有对应的标准路线的定位点数据。
本发明对定位点数据进行分组处理的主要目的是为了在后续的修正处理步骤按照分段线路进行处理，从而与现有技术中的针对整个行驶路线的数据进行处理的方式相比，可以显著提高数据处理的效率。
需要指出的是，本发明对预设的分组标准，即分组中的数据数量不作限定，例如，可以按照5米作为一个段路径进行拆分。
S3.基于各分路段对应的定位点数据，确定需要对所述目标在库作业车辆的行驶路线数据进行修正的待修正定位点以及待修正定位点所属的待修正分路段。
步骤S3可以具体包括以下步骤：
S31.针对每个分路段，计算各分路段内的任意相邻的两个定位点的时间间隔和距离，如果所述时间间隔大于预设时间阈值或者如果所述距离大于预设距离，则将所述两个定位点确定为候选异常定位点。
在步骤S31中，以分路段为单位进行计算，可以并行计算各分路段的定位点数据，从而极大提高了处理效率。
S32.计算两个所述候选异常定位点的方向角的差值，如果所述方向角的差值大于预设方向角差值，则将两个所述候选异常定位点确定为待修正定位点，将包括待修正定位点的分路段标记为待修正分路段。
如前所述，本发明的实施例按照预设时间间隔获取目标作业车辆的多个定位点数据，由于卫星信号较弱，不能获取定位点数据，从而导致缺失点。如果两个定位点之间的距离大于预设距离（例如，车速和时间间隔乘积得到的距离），则也说明该定位点存在异常。因此，将存在上述两种情况的定位点都列为候选定位点。
现有技术，通常直接将上述候选异常定位点确定为要修正的定位点，然而，在库作业车辆如果沿着一个方向行驶，其行驶路线通常为一条线段，而线段上的缺失点并不影响车辆的行驶路线图，因为缺失一些定位点并不会影响绘制并显示出的行驶路线的线段形状。因此，如果对于上述缺失点进行修正，会产生不必要的计算，浪费计算资源。
基于此，本发明还在步骤S22计算所述两个候选定位点的方向角的差值，只有方向角的差值大于预设方向角差值（例如，60度）时，才认为车辆行驶路线会有改变，即，会存在拐弯，因此，这种情况下，才有必要对缺失的定位点进行修正。
S4.基于所述待修正定位点和所述待修正分路段，查找所述标准路线的相应的分路段和定位点，并利用所述标准路线中的相应的定位点来替换所述待修正定位点，以完成对所述目标在库作业车辆的行驶路线的修正。
在步骤S4中，从存储器中查找到与所述目标在库作业车辆的行驶路线相对应的标准路线，如上所述，标准路线和目标在库作业车辆的行驶路线的分路段一一对应，并且标准线路和目标在库作业车辆的各分路段中的定位点数据都是按照时间排序且数量一致，因此，各定位点也是一一对应，由此，可以先查找对应的标准线路的分路段，然后再在分路段中查找到对应的定位点，并利用所述标准路线中的相应的定位点来替换所述待修正定位点，以完成对所述目标在库作业车辆的行驶路线的修正。
根据本发明的优选实施例，针对作业车辆在仓库作业的特点，采用蚁群算法确定所述目标在库作业车辆的标准路线。
S5.将修正后的所述目标在库作业车辆的行驶路线上传到云端服务器。
在步骤S5中，及时将修正后的所述目标在库作业车辆的行驶路线上传到云端服务器，从而完成行驶路线的备份，以便于后续提取在库作业车辆的行驶路线进行分析和管理。
本发明还提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述实施例的各个方法步骤。
本发明还提供了一种计算机可读存储介质，计算机可读存储介质上存储有程序，该程序被处理器执行时实现如上所述的方法实施例的各个方法步骤。其中，该计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random AccessMemory，简称RAM)、磁碟或者光盘等。
此外，需要指出的是，在本申请的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序或按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本申请的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现。
虽然，上文中已经用一般性说明、具体实施方式及试验，对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (7)
1.一种处理定位点数据的方法，包括以下步骤：
S1.以预设时间间隔获取目标作业车辆的多个定位点数据，并对获取到的所述定位点数据进行实时修正，形成修正后的定位点数据集合；
S2.将所述修正后的定位点数据集合中的定位点数据按照时间排序，并按照预设的分组标准进行分组，以形成对应行驶路线中各个分路段的定位点数据；其中，预先存储与目标在库作业车辆的行驶路线相对应的最优行驶路线作为标准路线，并以相同的分组标准对所述标准路线进行分组，以使所述目标在库作业车辆的各个分路段与所述标准路线的各个分路段一一对应；
S3.基于各分路段对应的定位点数据，确定需要对所述目标在库作业车辆的行驶路线数据进行修正的待修正定位点以及待修正定位点所属的待修正分路段；
S4.基于所述待修正定位点和所述待修正分路段，查找所述标准路线的相应的分路段和定位点，并利用所述标准路线中的相应的定位点来替换所述待修正定位点，以完成对所述目标在库作业车辆的行驶路线的修正；
S5. 将修正后的所述目标在库作业车辆的行驶路线上传到云端服务器；
其中，通过以下公式对获取到的所述定位点数据进行实时修正：
其中，
,
为修正后的目标在库作业车辆的位置坐标，x,y为修正前的目标在库作业车辆的位置坐标,H为定位装置距离地面的高度，
为目标在库作业车辆的方向角，
为目标在库作业车辆的纵向偏转角，
为目标在库作业车辆的横向偏转角；
其中，步骤S1还包括：对修正后的定位点数据集合进行预处理，所述预处理具体包括以下步骤：
S11.选择任意相邻的两个定位点，时间在前的定位点为第一定位点，时间在后的定位点为第二定位点，计算两个定位点之间的距离；
S12.将计算出的所述距离与第一预设距离阈值和第二预设距离阈值进行比较，如果所述距离小于所述第一预设距离阈值，则去除所述第一定位点和所述第二定位点中的任意一个；否则，保留所述第一定位点和所述第二定位点；
其中，预处理还包括：采用卡尔曼滤波器对所述定位点数据进行滤波，其中，卡尔曼滤波器的状态变量为：
其中,
其中,
为目标在库作业车辆在k时刻的位置坐标，
，
分别为目标在库作业车辆在k时刻的速度
在
和
+90°方向上的投影，
为目标在库作业车辆在k时刻的方向角误差；
卡尔曼滤波器的状态方程为：
其中, 
为包含采样时间间隔T和目标在库作业车辆在k时刻的方向角
的参数矩阵，
为过程噪声，其中：
卡尔曼滤波器的观测变量为校正后的位置坐标，观测方程为：
其中,
为观测矩阵，
为观测噪声，其中：
2.根据权利要求1所述的方法，其特征在于，步骤S3具体包括以下步骤：
S31.针对每个分路段，计算各分路段内的任意相邻的两个定位点的时间间隔和距离，如果所述时间间隔大于预设时间阈值或者如果计算出的所述各分路段内的任意相邻的两个定位点的距离大于预设距离，则将所述两个定位点确定为候选异常定位点；
S32.计算两个所述候选异常定位点的方向角的差值，如果所述方向角的差值大于预设方向角差值，则将两个所述候选异常定位点确定为待修正定位点，将包括待修正定位点的分路段标记为待修正分路段。
3.根据权利要求1所述的方法，其特征在于，采用蚁群算法确定所述目标在库作业车辆的标准路线。
4.根据权利要求1所述的方法，其特征在于，所述定位装置为北斗高精度定位设备。
5.根据权利要求1所述的方法，其特征在于，所述定位点数据包括目标作业车辆的标识、位置坐标、瞬时速度和采集时间。
6.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的处理定位点数据的方法。
7.一种计算机可读存储介质，计算机可读存储介质上存储有程序，所述程序被处理器执行时实现如权利要求1-5中任一所述的处理定位点数据的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211242019.8A CN115309847B (zh) | 2022-10-11 | 2022-10-11 | 一种处理定位点数据的方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211242019.8A CN115309847B (zh) | 2022-10-11 | 2022-10-11 | 一种处理定位点数据的方法、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115309847A CN115309847A (zh) | 2022-11-08 |
| CN115309847B true CN115309847B (zh) | 2023-01-24 |
Family
ID=83868465
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211242019.8A Active CN115309847B (zh) | 2022-10-11 | 2022-10-11 | 一种处理定位点数据的方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115309847B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104422465A (zh) * | 2013-09-09 | 2015-03-18 | 上海博泰悦臻电子设备制造有限公司 | 车载陀螺仪系数校正方法、装置及车载导航系统 |
| CN110147105A (zh) * | 2019-05-27 | 2019-08-20 | 安徽江淮汽车集团股份有限公司 | 无人驾驶车辆的路径控制方法、设备、存储介质及装置 |
| CN112414418A (zh) * | 2019-08-20 | 2021-02-26 | 北京图森智途科技有限公司 | 自动驾驶车辆的行驶规划方法、装置及自动驾驶车辆 |
| CN112508294A (zh) * | 2020-12-16 | 2021-03-16 | 交控科技股份有限公司 | 基于车群信息共享的目标列车控制方法，装置及列车 |
| CN112633812A (zh) * | 2020-12-30 | 2021-04-09 | 北京优挂信息科技有限公司 | 货运车辆的轨迹分段方法、装置、设备及存储介质 |
| CN113065274A (zh) * | 2021-05-08 | 2021-07-02 | 江南大学 | 车辆路径的规划方法、装置、终端及可读存储介质 |
-
2022
- 2022-10-11 CN CN202211242019.8A patent/CN115309847B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104422465A (zh) * | 2013-09-09 | 2015-03-18 | 上海博泰悦臻电子设备制造有限公司 | 车载陀螺仪系数校正方法、装置及车载导航系统 |
| CN110147105A (zh) * | 2019-05-27 | 2019-08-20 | 安徽江淮汽车集团股份有限公司 | 无人驾驶车辆的路径控制方法、设备、存储介质及装置 |
| CN112414418A (zh) * | 2019-08-20 | 2021-02-26 | 北京图森智途科技有限公司 | 自动驾驶车辆的行驶规划方法、装置及自动驾驶车辆 |
| CN112508294A (zh) * | 2020-12-16 | 2021-03-16 | 交控科技股份有限公司 | 基于车群信息共享的目标列车控制方法，装置及列车 |
| CN112633812A (zh) * | 2020-12-30 | 2021-04-09 | 北京优挂信息科技有限公司 | 货运车辆的轨迹分段方法、装置、设备及存储介质 |
| CN113065274A (zh) * | 2021-05-08 | 2021-07-02 | 江南大学 | 车辆路径的规划方法、装置、终端及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115309847A (zh) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109900298B (zh) | 一种车辆定位校准方法及系统 | |
| EP3667236B1 (en) | A method of determining position data | |
| US20200256977A1 (en) | Method and system for mapping and locating a vehicle based on radar measurements | |
| CN112880694B (zh) | 确定车辆的位置的方法 | |
| CN112406965B (zh) | 一种提高列车定位安全性的方法及系统 | |
| CN110806585A (zh) | 一种基于树干聚类跟踪的机器人定位方法及系统 | |
| CN114926809A (zh) | 可通行区域检测方法及装置、移动工具、存储介质 | |
| CN114114367A (zh) | Agv室外定位切换方法、计算机装置及程序产品 | |
| CN112558072A (zh) | 车辆定位方法、装置、系统、电子设备及存储介质 | |
| CN114998276A (zh) | 一种基于三维点云的机器人动态障碍物实时检测方法 | |
| CN112612975A (zh) | 车辆常运货物类型的识别方法、装置、设备及存储介质 | |
| CN114563795B (zh) | 基于激光里程计和标签融合算法的定位追踪方法及系统 | |
| CN115309847B (zh) | 一种处理定位点数据的方法、电子设备及存储介质 | |
| CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
| CN111580530B (zh) | 一种定位方法、装置、自主移动设备及介质 | |
| EP3904993A1 (en) | Positioning device and moving object | |
| CN114705180B (zh) | 高精地图的数据修正方法、装置、设备及存储介质 | |
| Deusch et al. | Improving localization in digital maps with grid maps | |
| CN116429121A (zh) | 基于多传感器的定位方法、装置、自移动设备及存储介质 | |
| CN116259022A (zh) | 基于视觉车道线的跟踪方法、电子设备、介质及车辆 | |
| CN111832343A (zh) | 目跟踪方法和装置、存储介质 | |
| CN112729252B (zh) | 基于机器人平台的隧道激光点云采集方法及机器人系统 | |
| Inoue et al. | Autonomous Navigation and Obstacle Avoidance in an Orchard Using Machine Vision Techniques for a Robotic Mower | |
| CN114358038B (zh) | 一种基于车辆高精度定位的二维码坐标标定方法及装置 | |
| JP7329079B2 (ja) | 汎用的に使用可能な特徴マップを生成する方法 |
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 |