CN115561794A - 定位信息处理方法、定位信息评估方法及装置 - Google Patents

Abstract

本发明提供了一种定位信息处理方法、装置、电子设备、存储介质，包括：通过行人轨迹推算进程，对所述加速度传感器数据和所述旋转矢量传感器数据进行推算处理，确定行人轨迹推算结果；基于所述人轨迹推算结果以及所述全球导航卫星系统数据，进行组合定位处理，得到第一定位结果；通过分段平滑进程，对所述第一定位结果进行数据平滑处理，得到第二定位结果；基于所述随机抽样一致算法，利用所述第一定位结果、所述第二定位结果以及所述道路信息数据进行数据平滑处理，得到第三定位结果，降低了定位系统的使用成本，实现定位信息更加准确。本申请可应用的场景包括但不限于地图、导航、自动驾驶、车联网、车路协同等。

Description

定位信息处理方法、定位信息评估方法及装置

技术领域

本发明涉及卫星数据处理技术，尤其涉及一种定位信息处理方法、定位信息评估方法、装置、电子设备及存储介质。

背景技术

相关技术中，智能手机中的全球导航卫星系统(GNSS Global NavigationSatellite System)模块已经极大地改善了现代人类生活。在GNSS导航定位技术的发展中，导航或定位精度一直是制约其进一步应用于人类生产生活并发挥巨大作用的关键问题。随着人们对定位业务的需求越来越高，人们希望得到便捷廉价同时精确的定位服务。但是相关技术中，有技术中，APP生成行进轨迹主要依赖于GPS定位结果。然而，在一些特定的场景，如在天桥、地下通道、隧道、高楼大厦之间行进时，GPS的信号较弱或存在中断的情况，使得利用GPS定位结果确定的行进轨迹精确度非常低，用户体验差，影响了用户通过卫星导航系统进行定位的精准性。

发明内容

有鉴于此，本申请提供了一种定位信息处理方法，能够自动化地通过传感器数据集合，得到相应的定位结果，所得到的定位结果可以对定位精确度进行的评估。该方法的计算量小，实时性强，有利于小型设备使用，可以有效提升用户使用体验，实现定位信息更加准确。

本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种定位信息处理方法，包括：

对传感器数据集合进行数据分类处理，得到加速度传感器数据、旋转矢量传感器数据、全球导航卫星系统数据以及道路信息数据；

基于所述加速度传感器数据和所述旋转矢量传感器数据进行推算处理，确定行人轨迹推算结果；

基于所述人轨迹推算结果以及所述全球导航卫星系统数据，进行组合定位处理，得到第一定位结果；

响应于所述第一定位结果，触发分段平滑进程；

对所述第一定位结果进行数据平滑处理，得到第二定位结果；

基于所述随机抽样一致算法，利用所述第一定位结果、所述第二定位结果以及所述道路信息数据进行数据平滑处理，得到第三定位结果。

一种定位信息评估方法，包括：

定位设备接收定位请求；

响应于所述定位请求，接收传感器数据集合；

基于所述传感器数据集合，通过定位信息处理，得到第一定位结果、第二定位结果以及第三定位结果；

通过所述第三定位结果，对所述第一定位结果和第二定位结果进行测量，其中，定位信息处理可以通过前序方法实现。

本发明实施例还提供了一种定位信息处理装置，包括：

信息传输模块，用于对传感器数据集合进行数据分类处理，得到加速度传感器数据、旋转矢量传感器数据、全球导航卫星系统数据以及道路信息数据；

信息处理模块，用于通过行人轨迹推算进程，对所述加速度传感器数据和所述旋转矢量传感器数据进行推算处理，确定行人轨迹推算结果；

所述信息处理模块，用于基于所述人轨迹推算结果以及所述全球导航卫星系统数据，进行组合定位处理，得到第一定位结果；

所述信息处理模块，用于响应于所述第一定位结果，触发分段平滑进程；

所述信息处理模块，用于对所述第一定位结果进行数据平滑处理，得到第二定位结果；

所述信息处理模块，用于基于所述随机抽样一致算法，利用所述第一定位结果、所述第二定位结果以及所述道路信息数据进行数据平滑处理，得到第三定位结果。

上述方案中，

所述信息处理模块，用于通过行人轨迹推算进程，确定与所述加速度传感器数据对应的第一修正参数；

所述信息处理模块，用于基于所述第一修正参数对所述加速度传感器数据进行修正处理，得到修正加速度传感器数据；

所述信息处理模块，用于通过行人轨迹推算进程，确定与所述旋转矢量传感器数据对应的第二修正参数；

所述信息处理模块，用于基于所述第二修正参数对所述旋转矢量传感器数据进行修正处理，得到修正旋转矢量传感器数据；

所述信息处理模块，用于基于所述修正加速度传感器数据和所述修正旋转矢量传感器数据，确定行人轨迹推算结果。

上述方案中，

所述信息处理模块，用于进行组合定位处理，对所述人轨迹推算结果进行卡曼滤波处理，得到经过滤波处理的行人轨迹推算结果；

所述信息处理模块，用于进行组合定位处理，对所述全球导航卫星系统数据进行卡曼滤波处理，得到经过滤波处理的全球导航卫星系统数据；

所述信息处理模块，用于对所述经过滤波处理的行人轨迹推算结果，以及所述经过滤波处理的全球导航卫星系统数据进行数据融合处理，得到第一定位结果。

上述方案中，

所述信息处理模块，用于确定与所述分段平滑进程相匹配的第一时间段阈值；

所述信息处理模块，用于基于所述分段平滑进程的触发时间，以及所述第一时间段阈值，对所述第一定位结果进行数据平滑处理，得到第一中间变量；

所述信息处理模块，用于当通过所述第二定位结果完成定位时，基于所述第一时间段阈值，确定第二中间变量；

所述信息处理模块，用于基于所述第一中间变量和所述第二中间变量，确定所述第二定位结果。

上述方案中，

所述信息处理模块，用于根据传感器数据集合对应的定位设备类型，确定全球导航卫星系统的类型；

所述信息处理模块，用于基于所述全球导航卫星系统的类型对所述第一时间段阈值进行调整，以实习所述第一时间段阈值与所述全球导航卫星系统的类型相匹配。

上述方案中，

所述信息处理模块，用于基于所述第二定位结果以及所述道路信息数据，为所述第二定位结果中不同时间段的定位结果配置对应的权重参数；

所述信息处理模块，用于利用随机抽样一致算法，确定所述第二定位结果中的采样比例参数；

所述信息处理模块，用于基于所述采样比例参数，对所述第二定位结果进行采样处理，得到第二定位结果的采样结果；

所述信息处理模块，用于基于所述第一定位结果，对所述第二定位结果的采样结果进行数据筛选处理，得到经过筛选的第二定位结果；

所述信息处理模块，用于对经过筛选的第二定位结果进行数据平滑处理，得到第三定位结果。

上述方案中，

所述信息处理模块，用于将所述第二定位结果中不同时间段的定位结果与所述道路信息数据进行比对，得到距离偏差值；

所述信息处理模块，用于基于所述传感器数据集合的使用环境，确定基础权重参数；

所述信息处理模块，用于根据所述距离偏差值以及所述基础权重参数，为所述第二定位结果中不同时间段的定位结果配置对应的权重参数。

上述方案中，

所述信息处理模块，用于确定所述第二定位结果对应的采样比例参数阈值；

所述信息处理模块，用于确定所述第二定位结果中的数据量参数，并且基于所述数据量参数确定对应的采样次数；

所述信息处理模块，用于通过所述随机抽样一致算法，基于所述采样比例参数阈值以及采样次数确定所述第二定位结果中的采样比例参数。

上述方案中，

所述信息处理模块，用于当所述第一定位结果中包括全球导航卫星系统数据质量参数时，

所述信息处理模块，用于基于所述全球导航卫星系统数据质量参数，对所述第二定位结果的采样结果进行数据筛选处理，得到经过筛选的第二定位结果；或者

所述信息处理模块，用于当所述第一定位结果中不包括全球导航卫星系统数据质量参数时，对所述第二定位结果的采样结果进行等比例数据筛选处理，得到经过筛选的第二定位结果。

上述方案中，

所述信息处理模块，用于根据传感器数据集合对应的定位设备类型，确定全球导航卫星系统的类型；

所述信息处理模块，用于所述定位设备与不同全球导航卫星系统建立数据连接，获得连接数据，其中，所述连接数据包括码相位锁定标识信息；

所述信息处理模块，用于当所述不同全球导航卫星系统的连接数据均携带码相位锁定标识时，确定所述不同全球导航卫星系统所分别对应的卫星编号；

所述信息处理模块，用于根据所述不同全球导航卫星系统所分别对应的卫星编号，接收所述全球导航卫星系统的原始观测数据。

本发明实施例还提供了一种电子设备，所述电子设备包括：

存储器，用于存储可执行指令；

处理器，用于运行所述存储器存储的可执行指令时，实现前序的定位信息处理方法，或者实现前序的定位信息评估方法。

本发明实施例还提供了一种计算机可读存储介质，存储有可执行指令，所述可执行指令被处理器执行时实现前序的定位信息处理方法，或者实现前序的定位信息评估方法。

本发明实施例具有以下有益效果：

本发明通过对传感器数据集合进行数据分类处理，得到加速度传感器数据、旋转矢量传感器数据、全球导航卫星系统数据以及道路信息数据；通过行人轨迹推算进程，对所述加速度传感器数据和所述旋转矢量传感器数据进行推算处理，确定行人轨迹推算结果；基于所述人轨迹推算结果以及所述全球导航卫星系统数据，进行组合定位处理，得到第一定位结果；响应于所述第一定位结果，触发分段平滑进程；对所述第一定位结果进行数据平滑处理，得到第二定位结果；基于所述随机抽样一致算法，利用所述第一定位结果、所述第二定位结果以及所述道路信息数据进行数据平滑处理，得到第三定位结果。能够自动化地通过传感器数据集合，得到相应的定位结果，所得到的定位结果可以对定位精确度进行的评估。该方法的计算量小，实时性强，有利于小型设备使用，可以有效提升用户使用体验，实现定位信息更加准确。

附图说明

图1是本发明实施例提供的定位信息处理方法的使用环境示意图；

图2为本发明实施例提供的定位信息处理装置的组成结构示意图；

图3为本发明实施例提供的定位信息处理方法一个可选的流程示意图；

图4为本发明实施例提供的定位信息处理方法一个可选的流程示意图；

图5为本发明实施例提供的定位信息处理方法一个可选的流程示意图；

图6为本发明实施例提供的定位信息处理方法一个可选的流程示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，所描述的实施例不应视为对本发明的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。

1)响应于：用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。

2)位置服务：位置服务(LBS，Location Based Services)又称定位服务，位置服务是无线运营公司为用户提供的一种与位置有关的服务；基于位置的服务(Location BasedServices，LBS)，是利用各类型的定位技术来获取定位设备当前的所在位置，通过移动互联网向定位设备提供信息资源和基础服务。LBS首先读者可利用定位技术确定自身的空间位置，随后读者便可通过移动互联网来获取与位置相关资源和信息。LBS服务中融合了移动通讯、互联网络、空间定位、位置信息、大数据等多种信息技术，利用移动互联网络服务平台进行数据更新和交互，使用户可以通过空间定位来获取相应的服务。

3)全球卫星导航系统：全球卫星导航系统，(the Global Navigation Satelli teSystem)，也称为全球导航卫星系统，是能在地球表面或近地空间的任何地点为用户提供全天候的3维坐标和速度以及时间信息的空基无线电导航定位系统。常见系统有GPS、BDS、GLONASS和GALILEO四大卫星导航系统。最早出现的是美国的GPS(Global PositioningSystem)，现阶段技术最完善的也是GPS系统。随着近年来BDS、GLONASS系统在亚太地区的全面服务开启，尤其是BDS系统在民用领域发展越来越快。卫星导航系统已经在航空、航海、通信、人员跟踪、消费娱乐、测绘、授时、车辆监控管理和汽车导航与信息服务等方面广泛使用，而且总的发展趋势是为实时应用提供高精度服务。

4)移动终端：移动终端或者叫移动通信终端是指可以在移动中使用的计算机设备，包括手机、笔记本、平板电脑、POS机、车载设备等。随着网络和技术朝着越来越宽带化的方向的发展，移动通信产业将走向真正的移动信息时代。随着集成电路技术的飞速发展，移动终端的处理能力已经拥有了强大的处理能力，移动终端正在从简单的通话工具变为一个综合信息处理平台。移动终端也拥有非常丰富的通信方式，即可通过GSM、CDMA、WCDMA、EDGE、4G等无线运营网通讯，也可以通过无线局域网，蓝牙和红外进行通信，另外移动终端集成有全球卫星导航系统定位芯片，用于处理卫星信号以及进行用户的精准定位，目前已广泛用于位置服务；移动终端包含有定位设备。

5)PDR技术：即行人轨迹推算技术(PDR Pedestrian Dead Reckoning)，通过惯性传感器(磁力计，加速度，陀螺仪)解算用户的位置信息。

6)DR技术：即航位推算技术(Dead Reckoning，DR)，与PDR算法相似，可以通过惯性传感器采集的数据测算出正在行进对象的速度、运行距离和位置等位置信息。

7)Kalman滤波(Kalman filtering)：又称卡尔曼滤波，是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。在本申请实施例所涉及的定位技术领域中，卡尔曼滤波可以用于进行数据融合(例如将GPS数据与PDR推算所得数据进行融合)，可以实时得到高精度的定位结果。

8)RTS平滑算法：又称卡尔曼平滑算法(Rauch–Tung–Striebel smoother)，是一种平滑算法。在本申请实施例中，可以与Kalman滤波配合使用，可以利用用户导航过程中的所有滤波结果，平滑得到优化后的用户位置与用户方向，因此RTS平滑是一种后处理方法。

下面对本申请所提供的定位信息处理方法进行介绍，其中，图1为本发明实施例提供的定位信息处理方法的使用场景示意图，参见图1，终端(包括终端10-1和终端10-2)上设置有带有地图信息显示软件的客户端，用户通过所设置的地图客户端可以根据智能手机中的GNSS(Global Navigation Satellite System，全球导航卫星系统)模块实现精准定位，并将所接收的实时位置向用户进行展示；终端通过网络300连接服务器200，网络300可以是广域网或者局域网，又或者是二者的组合，使用无线链路实现数据传输，实现不同终端之间的地图信息的共享。终端(包括终端10-1和终端10-2)能够接收全球导航卫星系统的原始观测数据，并通过传感器数据集合，基于所述随机抽样一致算法，利用所述第一定位结果、所述第二定位结果以及所述道路信息数据进行数据平滑处理，得到第三定位结果。

下面对本发明实施例的定位信息处理装置的结构做详细说明，定位信息处理装置可以各种形式来实施，如带有全球导航卫星系统定位信息处理功能的专用终端，也可以为设置有全球导航卫星系统定位信息处理功能的服务器，例如前序图1中的服务器200。图2为本发明实施例提供的定位信息处理装置的组成结构示意图，可以理解，图2仅仅示出了定位信息处理装置的示例性结构而非全部结构，根据需要可以实施图2示出的部分结构或全部结构。

本发明实施例提供的定位信息处理装置包括：至少一个处理器201、存储器202、用户接口203和至少一个网络接口204。定位信息处理装置20中的各个组件通过总线系统205耦合在一起。可以理解，总线系统205用于实现这些组件之间的连接通信。总线系统205除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图2中将各种总线都标为总线系统205。

其中，用户接口203可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。

可以理解，存储器202可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。本发明实施例中的存储器202能够存储数据以支持终端(如10-1)的操作。这些数据的示例包括：用于在终端(如10-1)上操作的任何计算机程序，如操作系统和应用程序。其中，操作系统包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序。

在一些实施例中，本发明实施例提供的定位信息处理装置可以采用软硬件结合的方式实现，作为示例，本发明实施例提供的问答模型训练装置可以是采用硬件译码处理器形式的处理器，其被编程以执行本发明实施例提供的定位信息处理方法。例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC，Application SpecificIntegrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)或其他电子元件。

作为本发明实施例提供的定位信息处理装置采用软硬件结合实施的示例，本发明实施例所提供的定位信息处理装置可以直接体现为由处理器201执行的软件模块组合，软件模块可以位于存储介质中，存储介质位于存储器202，处理器201读取存储器202中软件模块包括的可执行指令，结合必要的硬件(例如，包括处理器201以及连接到总线205的其他组件)完成本发明实施例提供的定位信息处理方法。

作为示例，处理器201可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(DSP，Digital Signal Processor)，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，其中，通用处理器可以是微处理器或者任何常规的处理器等。

作为本发明实施例提供的定位信息处理装置采用硬件实施的示例，本发明实施例所提供的装置可以直接采用硬件译码处理器形式的处理器201来执行完成，例如，被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，ComplexProgrammable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable GateArray)或其他电子元件执行实现本发明实施例提供的定位信息处理方法。

本发明实施例中的存储器202用于存储各种类型的数据以支持定位信息处理装置20的操作。这些数据的示例包括：用于在定位信息处理装置20上操作的任何可执行指令，如可执行指令，实现本发明实施例的从定位信息处理方法的程序可以包含在可执行指令中。

在另一些实施例中，本发明实施例提供的定位信息处理装置可以采用软件方式实现，图2示出了存储在存储器202中的定位信息处理装置，其可以是程序和插件等形式的软件，并包括一系列的模块，作为存储器202中存储的程序的示例，可以包括定位信息处理装置，定位信息处理装置中包括以下的软件模块：信息传输模块2081，信息处理模块2082。当定位信息处理装置中的软件模块被处理器201读取到RAM中并执行时，将实现本发明实施例提供的定位信息处理方法，下面继续说明定位信息处理装置中各个软件模块的功能，其中，

信息传输模块2081，用于对传感器数据集合进行数据分类处理，得到加速度传感器数据、旋转矢量传感器数据、全球导航卫星系统数据以及道路信息数据。

信息处理模块2082，用于通过行人轨迹推算进程，对所述加速度传感器数据和所述旋转矢量传感器数据进行推算处理，确定行人轨迹推算结果。

所述信息处理模块2082，用于基于所述人轨迹推算结果以及所述全球导航卫星系统数据，进行组合定位处理，得到第一定位结果。

所述信息处理模块2082，用于响应于所述第一定位结果，触发分段平滑进程。

所述信息处理模块2082，用于对所述第一定位结果进行数据平滑处理，得到第二定位结果。

所述信息处理模块，用于基于所述随机抽样一致算法，利用所述第一定位结果、所述第二定位结果以及所述道路信息数据进行数据平滑处理，得到第三定位结果。

根据图2所示的电子设备，在本申请的一个方面中，本申请还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述定位信息处理方法的各种可选实现方式中所提供的不同实施例及实施例的组合。

在使用图2所示的电子设备对导航的定位信息记性测评时，专业测试人员的路测评定可以人为记录真实轨迹或利用高精度设备(如RTK设备)得到真实轨迹，对于线上大量用户，则以GPS结果与规划的路径作为位置参考，但是在一些特定的场景，如在天桥、地下通道、隧道、高楼大厦之间行进时，GPS的信号较弱或存在中断的情况，使得利用GPS定位结果确定的行进轨迹精确度非常低，用户体验差，影响了用户通过卫星导航系统进行定位的精准性。

为了解决上述缺陷，结合图2示出的定位信息处理装置说明本发明实施例提供的定位信息处理方法，参见图3，图3为本发明实施例提供的定位信息处理方法一个可选的流程示意图，可以理解地，图3所示的步骤可以由运行定位信息处理装置的各种电子设备执行，例如可以是如带有定位信息处理装置的专用终端、智能手机、智能手表等能够接收全球导航卫星系统数据的电子设备，其中，带有定位信息处理装置的专用终端可以为前序图2所示的实施例中带有定位信息处理装置的电子设备。下面针对图3示出的步骤进行说明。

步骤301：定位信息处理装置对传感器数据集合进行数据分类处理，得到加速度传感器数据、旋转矢量传感器数据、全球导航卫星系统数据以及道路信息数据。

在本发明的一些实施例中，根据传感器数据集合对应的定位设备类型，确定全球导航卫星系统的类型；所述定位设备与不同全球导航卫星系统建立数据连接，获得连接数据，其中，所述连接数据包括码相位锁定标识信息；当所述不同全球导航卫星系统的连接数据均携带码相位锁定标识时，确定所述不同全球导航卫星系统所分别对应的卫星编号；根据所述不同全球导航卫星系统所分别对应的卫星编号，接收所述全球导航卫星系统的原始观测数据。具体来说，用户的初始位置为(X，Y，Z)，假设有N颗卫星的GNSS Clock和GNSSMeasurement原始观测值，其中每颗卫星都含有码相位锁定标识(Code Lock标志)，其中，Time Nanos表示卫星观测值的时间，以纳秒为单位；Time Offset Nanos表示卫星观测值的时间偏差值，以纳秒为单位；Full Bias Nanos表示手机内部时间与真实GPS时间的差值，以纳秒为单位；Bias Nanos表示不足纳秒部分的时间，以纳秒为单位。在获取全球导航卫星系统数据之后，可以对全球导航卫星系统数据的质量进行排序，

在获取道路信息数据时，在终端上可以内置有接收GPS信号的芯片，通过接收到的GPS信号可以达到定位的目的；终端通过读取GPS信号可以解析出当前终端所处的地理位置信息，如经纬度坐标，进而在界面上显示的地图上根据地理位置信息画线即可得到用户的行进轨迹。在本申请中，GPS数据时指表征当前时刻的位置信息、速度信息和方向信息；通过相邻的位置信息和行进时间可以确定速度信息；通过相邻的位置信息可以推算出方向信息。

步骤302：定位信息处理装置通过行人轨迹推算进程，对所述加速度传感器数据和所述旋转矢量传感器数据进行推算处理，确定行人轨迹推算结果。

在本发明的一些实施例中，确定行人轨迹推算结果，可以通过以下方式实现：

通过行人轨迹推算进程，确定与所述加速度传感器数据对应的第一修正参数；基于所述第一修正参数对所述加速度传感器数据进行修正处理，得到修正加速度传感器数据；通过行人轨迹推算进程，确定与所述旋转矢量传感器数据对应的第二修正参数；基于所述第二修正参数对所述旋转矢量传感器数据进行修正处理，得到修正旋转矢量传感器数据；基于所述修正加速度传感器数据和所述修正旋转矢量传感器数据，确定行人轨迹推算结果。其中，需要说明的是，关于步骤302中的数据融合处理可以采用实施例中阐述的GPS/PDR融合方法、GPS/DR融合方法以外，还可以采用其他的融合方法或融合策略，例如粒子滤波、因子图方法、或不同状态向量、不同观测向量下的Kalman滤波设计方法。其中，平滑处理可以采用实施例中阐述的RTS算法以外，还可以采用其他的平滑方法，如：利用基于全局优化的平滑方法、基于机器学习的平滑方法、基于深度学习的平滑方法等，本申请不做具体限制。

步骤303：定位信息处理装置基于所述人轨迹推算结果以及所述全球导航卫星系统数据，进行组合定位处理，得到第一定位结果。

在本发明的一些实施例中，进行组合定位处理，得到第一定位结果，可以通过以下方式实现：

进行组合定位处理，对所述人轨迹推算结果进行卡曼滤波处理，得到经过滤波处理的行人轨迹推算结果；进行组合定位处理，对所述全球导航卫星系统数据进行卡曼滤波处理，得到经过滤波处理的全球导航卫星系统数据；对所述经过滤波处理的行人轨迹推算结果，以及所述经过滤波处理的全球导航卫星系统数据进行数据融合处理，得到第一定位结果。其中，利用GPS数据的基础上，结合惯性定位数据进行PDR推算、卡尔曼滤波和卡尔曼平滑处理等，可以实现在GPS信号较弱或GPS信号中断期间，恢复定位结果错误对应的行进轨迹，并提高计算所得行进轨迹的精确度。具体来说，进一步地，卡尔曼滤波是一种递归的估计，即只要获知上一时刻状态的估计值以及当前状态的观测值，就可以计算出当前状态的估计值。应用卡尔曼滤波时，首先需要建立卡尔曼滤波矩阵，并确定所述卡尔曼滤波矩阵中的滤波参数。其中，卡尔曼滤波矩阵的更新值为Update，第一调节值为downSpeed；通过公式：

Update＝init_update–(1.0/1.0+exp(-(downSpeed*Delta)))–A)*2.0，其中，A为动态系数，可以根据不同的终端类型进行调整，例如，定位信息处理方法应用于手机中，动态系数A可以配置为0.5，定位信息处理方法应用于智能手表或者手环中时，动态系数A可以配置为0.65，由此可以灵活地确定所述卡尔曼滤波矩阵的更新值。进一步地，记所述卡尔曼滤波矩阵的权重调节值为fPredicated，第二调节值为global_q，所述global_q能够实现对调节Delta分量对最终的预测预测权重的影响。

步骤304：定位信息处理装置通过分段平滑进程，对所述第一定位结果进行数据平滑处理，得到第二定位结果。

图4为本发明实施例提供的定位信息处理方法一个可选的流程示意图，可以理解地，图4所示的步骤可以由运行定位信息处理装置的各种电子设备执行，例如可以是如带有定位信息处理装置的专用终端、智能手机、智能手表等能够接收全球导航卫星数据的电子设备，下面针对图4示出的步骤进行说明。

步骤401：确定与所述分段平滑进程相匹配的第一时间段阈值。

在本发明的一些实施例中，可以根据传感器数据集合对应的定位设备类型，确定全球导航卫星系统的类型；基于所述全球导航卫星系统的类型对所述第一时间段阈值进行调整，以实习所述第一时间段阈值与所述全球导航卫星系统的类型相匹配。

步骤402：基于所述分段平滑进程的触发时间，以及所述第一时间段阈值，对所述第一定位结果进行数据平滑处理，得到第一中间变量。

步骤403：当通过所述第二定位结果完成定位时，基于所述第一时间段阈值，确定第二中间变量。

以GPS数据为例，可以设定分段的时间段长度，例如为10s，当第一次定位的时间为0时刻，每经过一个10s的时间段，对该10s内的数据通过RTS进程处理，得到第一中间变量(其中第一中间变量为RTS算法中的矩阵信息，例如状态矩阵X阵、观测噪声阵R阵等)，并进行存储，存储结果记为第一中间变量。在定位结束后，对最后一个时间段(可能不足10s)通过RTS进程处理，得到并存储中间数据到第一中间变量，可以实现对第一中间变量的补充。

步骤404：基于所述第一中间变量和所述第二中间变量，确定所述第二定位结果。

当确定第二定位结果后，继续执行步骤305。

步骤305：定位信息处理装置通过全局平滑进程，触发随机抽样一致算法，利用所述第一定位结果、所述第二定位结果以及所述道路信息数据进行数据平滑处理，得到第三定位结果。

参考图5，图5为本发明实施例提供的定位信息处理方法一个可选的流程示意图，图5所示的步骤可以由运行定位信息处理装置的各种电子设备执行，例如可以是如带有定位信息处理装置的专用终端、智能手机、智能手表等能够接收全球导航卫星数据的电子设备，下面针对图5示出的步骤进行说明。

步骤501：基于所述第二定位结果以及所述道路信息数据，为所述第二定位结果中不同时间段的定位结果配置对应的权重参数。

其中，可以将所述第二定位结果中不同时间段的定位结果与所述道路信息数据进行比对，得到距离偏差值；基于所述传感器数据集合的使用环境，确定基础权重参数；根据所述距离偏差值以及所述基础权重参数，为所述第二定位结果中不同时间段的定位结果配置对应的权重参数。具体来说，利用第一中间变量与道路数据信息，为第一中间变量中每个时间段的结果赋予权重。对于地图类APP，用户通常会按照规划的道路行走，此时，可以将道路数据作为参考标准：若第一中间变量中某个时间段的结果与道路信息相差较大，则根据距离偏差计算权重，距离差越大，权重越小。例如在20-30s的时段，GPS与偏离道路的距离为10m；40-50s的时段，距离为3m；则40-50s时段的权重要大于20-30s时段。同时，在设计权重时，由于用户可能实际存在偏离路线行走的情况，即便GPS偏离道路的距离较大，例如达到20m，也应该保留一定的最小权重。

步骤502：利用随机抽样一致算法，确定所述第二定位结果中的采样比例参数。

在本发明的一些实施例中，可以确定所述第二定位结果对应的采样比例参数阈值；确定所述第二定位结果中的数据量参数，并且基于所述数据量参数确定对应的采样次数；通过所述随机抽样一致算法，基于所述采样比例参数阈值以及采样次数确定所述第二定位结果中的采样比例参数。其中，针对RTS算法而言，大量的观测量并不是必须的，质量评估准确的少量GPS，即可很好的保证算法的进行；反之，若引入了误差较大的观测，反而会导致精度降低。因此，从第一中间变量中进行采样时，需要对采样的比例进行限制。例如定位时长共计1000s，则第一中间变量中共有100组数据；按照RANSAN算法进行采样，采样流程如下：1)从100组中采样10组数据，共进行100次采样，每次采样都需要依据步骤501中得到的权重进行采样；2)从100组中采样20组数据，共进行80次采样；2)从100组中采样20组数据，共进行60次采样；等等。也就是说，采样的组数越多，进行采样的次数越少。同时，限定采样组数最多占总组数的50％。记录以上所有采样结果至第二中间变量。

需要说明的是通过本申请所提供的定位信息处理方法利用随机抽样一致算法，确定第二定位结果中的采样比例参数时，采样比例参数可以根据使用环境的不同进行动态调整，例如，在虚拟场景或者体感游戏场景中，从100组数据样本中采样40组数据，共进行80次采样，以实现通过第三定位结果对游戏中人轨迹推算结果以及定位信息的精确度进行的评估，使得游戏用户获得更加准确的游戏体验。

步骤503：基于所述采样比例参数，对所述第二定位结果进行采样处理，得到第二定位结果的采样结果；

步骤504：基于所述第一定位结果，对所述第二定位结果的采样结果进行数据筛选处理，得到经过筛选的第二定位结果。

在本发明的一些实施例中，当所述第一定位结果中包括全球导航卫星系统数据质量参数时，基于所述全球导航卫星系统数据质量参数，对所述第二定位结果的采样结果进行数据筛选处理，得到经过筛选的第二定位结果；或者当所述第一定位结果中不包括全球导航卫星系统数据质量参数时，对所述第二定位结果的采样结果进行等比例数据筛选处理，得到经过筛选的第二定位结果。具体来说，若在分段RTS算法与GPS/PDR融合算法中，有对GPS质量进行计算，则在第二中间变量中，依据GPS质量进行剔除。第二中间变量的某2组采样P和Q中，若P中包含GPS质量差的点数量多于Q，则保留Q而剔除P。由于GPS质量计算必然会存在误差，因此即便根据GPS质量计算发现第一中间变量中某个时间段的GPS质量整体较差，也不允许完全剔除包含该时段的B中的采样，至少保留30％，同时对于不同的采样组数，可以进行等比例的剔除。例如第二中间变量中采样10组数据的采样，剔除30％；采样20组数据的采样，也剔除30％，由此完成数据筛选。

步骤505：对经过筛选的第二定位结果进行数据平滑处理，得到第三定位结果。

下面以终端设备为智能手环(计步器)为例，对本申请的定位信息处理方法进行说明，图6为本发明实施例提供的定位信息处理方法一个可选的流程示意图，可以理解地，图6所示的步骤可以由运行定位信息处理装置的各种电子设备执行，例如可以是如带有定位信息处理装置的专用终端、智能手机、智能手表等能够接收全球导航卫星系统数据的电子设备，其中，带有全球导航卫星系统的定位信息处理装置的专用终端前序的任一种全球导航卫星系统数据进行处理。下面针对图6示出的步骤进行说明。

步骤601：定位设备接收定位请求，响应于所述定位请求，接收全球导航卫星系统的原始观测数据，并获取实时的传感器数据。

步骤602：基于所述全球导航卫星系统的种类，对相应的实时导航星历进行解码，确定相匹配的卫星的星历参数。

步骤603：触发行人轨迹推算进程，对加速度传感器数据和所述旋转矢量传感器数据进行推算处理，确定行人轨迹推算结果。

步骤604：基于传感器数据集合，通过定位信息处理，得到第一定位结果、第二定位结果以及第三定位结果。

步骤605：通过所述第三定位结果，对所述第一定位结果和第二定位结果进行评估处理，得到所述第一定位结果的评估结果和所述第二定位结果的评估结果。

由此，可以对定位精确度进行的评估，使得定位信息更加准确。

有益技术效果：

本发明通过对传感器数据集合进行数据分类处理，得到加速度传感器数据、旋转矢量传感器数据、全球导航卫星系统数据以及道路信息数据；通过行人轨迹推算进程，对所述加速度传感器数据和所述旋转矢量传感器数据进行推算处理，确定行人轨迹推算结果；基于所述人轨迹推算结果以及所述全球导航卫星系统数据，进行组合定位处理，得到第一定位结果；响应于所述第一定位结果，触发分段平滑进程；对所述第一定位结果进行数据平滑处理，得到第二定位结果；基于所述随机抽样一致算法，利用所述第一定位结果、所述第二定位结果以及所述道路信息数据进行数据平滑处理，得到第三定位结果。能够自动化地通过传感器数据集合，得到相应的定位结果，所得到的定位结果可以对定位精确度进行的评估。该方法的计算量小，实时性强，有利于小型设备使用，可以有效提升用户使用体验，实现定位信息更加准确。

以上所述，仅为本发明的实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (15)

1.一种定位信息处理方法，其特征在于，所述方法包括：

对传感器数据集合进行数据分类处理，得到加速度传感器数据、旋转矢量传感器数据、全球导航卫星系统数据以及道路信息数据；

基于所述加速度传感器数据和所述旋转矢量传感器数据进行推算处理，确定行人轨迹推算结果；

基于所述人轨迹推算结果以及所述全球导航卫星系统数据，进行组合定位处理，得到第一定位结果；

对所述第一定位结果进行数据平滑处理，得到第二定位结果；

基于随机抽样一致算法，利用所述第一定位结果、所述第二定位结果以及所述道路信息数据进行数据平滑处理，得到第三定位结果。

2.根据权利要求1所述的方法，其特征在于，所述基于所述加速度传感器数据和所述旋转矢量传感器数据进行推算处理，确定行人轨迹推算结果，包括：

确定与所述加速度传感器数据对应的第一修正参数；

基于所述第一修正参数对所述加速度传感器数据进行修正处理，得到修正加速度传感器数据；

确定与所述旋转矢量传感器数据对应的第二修正参数；

基于所述第二修正参数对所述旋转矢量传感器数据进行修正处理，得到修正旋转矢量传感器数据；

基于所述修正加速度传感器数据和所述修正旋转矢量传感器数据，确定行人轨迹推算结果。

3.根据权利要求1所述的方法，其特征在于，所述基于所述人轨迹推算结果以及所述全球导航卫星系统数据，进行组合定位处理，得到第一定位结果，包括：

进行组合定位处理，对所述人轨迹推算结果进行卡曼滤波处理，得到经过滤波处理的行人轨迹推算结果；

进行组合定位处理，对所述全球导航卫星系统数据进行卡曼滤波处理，得到经过滤波处理的全球导航卫星系统数据；

对所述经过滤波处理的行人轨迹推算结果，以及所述经过滤波处理的全球导航卫星系统数据进行数据融合处理，得到第一定位结果。

4.根据权利要求1所述的方法，其特征在于，所述对所述第一定位结果进行数据平滑处理，得到第二定位结果，包括：

确定与分段平滑进程相匹配的第一时间段阈值；

基于所述分段平滑进程的触发时间，以及所述第一时间段阈值，对所述第一定位结果进行数据平滑处理，得到第一中间变量；

当通过所述第二定位结果完成定位时，基于所述第一时间段阈值，确定第二中间变量；

基于所述第一中间变量和所述第二中间变量，确定所述第二定位结果。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

根据传感器数据集合对应的定位设备类型，确定全球导航卫星系统的类型；

基于所述全球导航卫星系统的类型对所述第一时间段阈值进行调整，以实习所述第一时间段阈值与所述全球导航卫星系统的类型相匹配。

6.根据权利要求1所述的方法，其特征在于，所述基于所述随机抽样一致算法，利用所述第一定位结果、所述第二定位结果以及所述道路信息数据进行数据平滑处理，得到第三定位结果，包括：

基于所述第二定位结果以及所述道路信息数据，为所述第二定位结果中不同时间段的定位结果配置对应的权重参数；

利用随机抽样一致算法，确定所述第二定位结果中的采样比例参数；

基于所述采样比例参数，对所述第二定位结果进行采样处理，得到第二定位结果的采样结果；

基于所述第一定位结果，对所述第二定位结果的采样结果进行数据筛选处理，得到经过筛选的第二定位结果；

对经过筛选的第二定位结果进行数据平滑处理，得到第三定位结果。

7.根据权利要求6所述的方法，其特征在于，所述基于所述第二定位结果以及所述道路信息数据，为所述第二定位结果中不同时间段的定位结果配置对应的权重参数，包括：

将所述第二定位结果中不同时间段的定位结果与所述道路信息数据进行比对，得到距离偏差值；

基于所述传感器数据集合的使用环境，确定基础权重参数；

根据所述距离偏差值以及所述基础权重参数，为所述第二定位结果中不同时间段的定位结果配置对应的权重参数。

8.根据权利要求6所述的方法，其特征在于，所述利用随机抽样一致算法，确定所述第二定位结果中的采样比例参数，包括：

确定所述第二定位结果对应的采样比例参数阈值；

确定所述第二定位结果中的数据量参数，并且基于所述数据量参数确定对应的采样次数；

通过所述随机抽样一致算法，基于所述采样比例参数阈值以及采样次数确定所述第二定位结果中的采样比例参数。

9.根据权利要求6所述的方法，其特征在于，所述基于所述第一定位结果，对所述第二定位结果的采样结果进行数据筛选处理，得到经过筛选的第二定位结果，包括：

当所述第一定位结果中包括全球导航卫星系统数据质量参数时，

基于所述全球导航卫星系统数据质量参数，对所述第二定位结果的采样结果进行数据筛选处理，得到经过筛选的第二定位结果；或者

当所述第一定位结果中不包括全球导航卫星系统数据质量参数时，对所述第二定位结果的采样结果进行等比例数据筛选处理，得到经过筛选的第二定位结果。

10.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据传感器数据集合对应的定位设备类型，确定全球导航卫星系统的类型；

所述定位设备与不同全球导航卫星系统建立数据连接，获得连接数据，其中，所述连接数据包括码相位锁定标识信息；

当所述不同全球导航卫星系统的连接数据均携带码相位锁定标识时，确定所述不同全球导航卫星系统所分别对应的卫星编号；

根据所述不同全球导航卫星系统所分别对应的卫星编号，接收所述全球导航卫星系统的原始观测数据。

11.一种定位信息评估方法，其特征在于，所述方法包括：

定位设备接收定位请求；

响应于所述定位请求，接收传感器数据集合；

基于所述传感器数据集合，通过权里要求1-10任一所述的定位信息处理方法，得到第一定位结果、第二定位结果以及第三定位结果；

通过所述第三定位结果，对所述第一定位结果和第二定位结果进行评估处理，得到所述第一定位结果的评估结果和所述第二定位结果的评估结果。

12.一种定位信息处理装置，其特征在于，所述装置包括：

信息传输模块，用于对传感器数据集合进行数据分类处理，得到加速度传感器数据、旋转矢量传感器数据、全球导航卫星系统数据以及道路信息数据；

信息处理模块，用于基于所述加速度传感器数据和所述旋转矢量传感器数据进行推算处理，确定行人轨迹推算结果；

所述信息处理模块，用于基于所述人轨迹推算结果以及所述全球导航卫星系统数据，进行组合定位处理，得到第一定位结果；

所述信息处理模块，用于对所述第一定位结果进行数据平滑处理，得到第二定位结果；

所述信息处理模块，用于基于所述随机抽样一致算法，利用所述第一定位结果、所述第二定位结果以及所述道路信息数据进行数据平滑处理，得到第三定位结果。

13.一种定位信息评估装置，其特征在于，所述装置包括：

定位获取模块，用于定位设备接收定位请求；

定位处理模块，用于响应于所述定位请求，接收传感器数据集合；

所述定位处理模块，用于基于所述传感器数据集合，通过权里要求1-10任一所述的定位信息处理方法，得到第一定位结果、第二定位结果以及第三定位结果；

所述定位处理模块，用于通过所述第三定位结果，对所述第一定位结果和第二定位结果进行评估处理，得到所述第一定位结果的评估结果和所述第二定位结果的评估结果。

14.一种电子设备，其特征在于，所述电子设备包括：

存储器，用于存储可执行指令；

处理器，用于运行所述存储器存储的可执行指令时，实现权利要求1至10任一项所述的定位信息处理方法，或者实现权利要求11所述的定位信息评估方法。

15.一种计算机可读存储介质，存储有可执行指令，其特征在于，所述可执行指令被处理器执行时实现权利要求1至10任一项所述的定位信息处理方法，或者实现权利要求11所述的定位信息评估方法。

Images