CN116430423B - 一种运动数据中卫星导航定位轨迹点坐标修正方法 - Google Patents

Abstract

本发明公开了一种运动数据中卫星导航定位轨迹点坐标修正方法，涉及卫星导航定位技术领域，包括以下步骤：S1、漏斗筛选，设置一个漏斗，筛选出在漏斗范围内的定位点，去除离群点；S2、数据集合理性筛选，基于大数据算法根据速度、加速度、方向，从定位点数据集中筛选出定位点；该运动数据中卫星导航定位轨迹点坐标修正方法，通过漏斗筛选、数据集合理性筛选、构造质心点、利用加速度传感器过滤漂移噪音、利用计步传感器补齐丢失数据和后向推导修正算法模型等多种方法，筛除了离散的异常定位点，并对定位点的漂移噪音进行过滤，实现了在移动设备中纠正运动数据中卫星导航定位轨迹点坐标，使之与真实值更贴近的功能。

Description

一种运动数据中卫星导航定位轨迹点坐标修正方法

技术领域

本发明涉及卫星导航定位技术领域，具体涉及一种运动数据中卫星导航定位轨迹点坐标修正方法。

背景技术

一般民用的卫星导航的误差在100米，为了提高定位的精度通常将卫星定位与基站定位结合，可将误差缩小到1-10米，而在进行基站切换或遇到卫星失锁的情况容易出现定位漂移的现象。

公开号为CN115014392A的中国专利，公开了一种卫星失锁下GNSS组合导航定位精度测试方法，其包括如下步骤：1）软硬件资源准备及安装；2）测试标定；3）初对准；4）定位测试；选取一段带有弯道和长度的高架下道路或隧道道路作为预选道路；进入该预选道路的某一车道，记录初始时间，同时开启样车的车道居中辅助功能，使车辆保持在车道中央行驶；在样车行驶到道路末端时，记录结束时间；5）真值轨迹提取：目标车道中心线坐标数据，将其作为真值轨迹数据；6）测试轨迹提取；7）多组数据获取：重复步骤3）至步骤6）获取多组测试数据；8）定位精度。本发明利用高精地图提取出相应的车道中心线作为真值轨迹，确保了测试结果的准确性。

然而其并没有解决定位过程中获取到的定位点数据集中的定位点的坐标均是准确的，对定位点筛选去除定位点中的异常数据和噪音数据的能力较差，且不具备对定位点和轨迹进行修正使之与真实值更贴近的功能。

发明内容

本发明的目的是提供一种运动数据中卫星导航定位轨迹点坐标修正方法，以解决现有技术中的上述不足之处。

为了实现上述目的，本发明提供如下技术方案：一种运动数据中卫星导航定位轨迹点坐标修正方法，包括以下步骤：

S1、漏斗筛选，设置一个漏斗，筛选出在漏斗范围内的定位点，去除离群点，该筛选方法可以有效地提高定位点数据的质量；

S2、数据集合理性筛选，基于大数据算法根据速度、加速度、方向，从定位点数据集中筛选出定位点，并去除定位点数据中的噪音和异常值，从而可以进一步提高定位点数据的准确性；

S3、构造质心点，计算出定位点的质心点，根据质心点确定移动设备的当前定位坐标，并通过对多个定位点的质心点的计算，确定移动设备的历史定位坐标，并根据历史定位坐标推算出移动设备的移动轨迹；

S4、利用加速度传感器过滤漂移噪音，利用加速度传感器的加速度数据，对定位点数据中的漂移数据产生的漂移噪音进行删除，提高定位点数据的精度；

S5、利用计步传感器补齐丢失数据，在移动设备运动过程中丢失定位点数据时，利用计步传感器对丢失的定位点数据进行补齐；

S6、利用后向推导修正算法模型，推导定位点数据的出现的概率，对定位点数据进行修正。

进一步的，所述漏斗筛选首先设置一个由定位点数据集的效应量和样本含量为坐标轴的坐标系，在所述坐标系上绘制出定位点数据集的效应量和样本含量散点图，根据散点图绘制出漏斗图，去除漏斗图外的离群点，保留漏斗图范围内的定位点。

进一步的，所述数据集合理性筛选使用基于k近邻隔离森林算法，算法流程为：

a1、使用欧氏距离定义定位点数据集中各定位点的距离；

a2、设x为空间上的点，x距离定位点p第k近的距离的点q为第k近邻；

a3、选择定位点T为圆心，以第k近邻的欧氏距离为半径画超球体，所述超球体为隔离球；

a4、按上述步骤生成n个隔离球，组成由n个隔离球的集合组成的隔离树；

a5、按上述步骤生成m个隔离树，组成由m个隔离树的集合组成的隔离森林；

a6、选择一个隔离树，将该隔离树中的n个隔离球以半径大小从小到大排序，并以其位置赋予其异常值， 隔离球半径越小， 其位置越靠前， 对应异常值也就越小，最小值为0， 最大值为1， 每棵隔离球对应一个异常值。

进一步的，所述构造质心点通过计算同一时间段多个定位点坐标的平均值来构造。

进一步的，利用加速度传感器过滤漂移噪音时，通过加速度传感器获取运动过程中的各时段的加速度，可通过定位点坐标计算出下一时段的定位点的坐标，并将计算的坐标与定位点数据集中对应时段的定位点的坐标对比，将定位点数据集中误差大于设定阈值的定位点判定为漂移噪音去除。

进一步的，利用后向推导修正算法模型采用HMM后向算法对S1-S5步骤组成的算法模型进行修正。

与现有技术相比，本发明提供的一种运动数据中卫星导航定位轨迹点坐标修正方法，通过漏斗筛选、数据集合理性筛选、构造质心点、利用加速度传感器过滤漂移噪音、利用计步传感器补齐丢失数据和后向推导修正算法模型等多种方法，筛除了离散的异常定位点，并对定位点的漂移噪音进行过滤，实现了在移动设备中纠正运动数据中卫星导航定位轨迹点坐标，使之与真实值更贴近的功能。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的整体方法流程图。

实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。

在下文中将参考附图更充分地描述示例实施例，但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之，提供这些实施例的目的在于使本公开透彻和完整，并将使本领域技术人员充分理解本公开的范围。

在不冲突的情况下，本公开各实施例及实施例中的各特征可相互组合。

如本文所使用的，术语“和/或”包括一个或多个相关列举条目的任何和所有组合。

本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的是，当本说明书中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。

本文所述实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此，可根据制造技术和/或容限来修改示例图示。因此，实施例不限于附图中所示的实施例，而是包括基于制造工艺而形成的配置的修改。因此，附图中例示的区具有示意性属性，并且图中所示区的形状例示了元件的区的具体形状，但并不旨在是限制性的。

除非另外限定，否则本文所用的所有术语(包括技术和科学术语）的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本文明确如此限定。

请参阅图1，一种运动数据中卫星导航定位轨迹点坐标修正方法，一种运动数据中卫星导航定位轨迹点坐标修正方法，包括以下步骤：

S1、漏斗筛选，设置一个漏斗，筛选出在漏斗范围内的定位点，去除离群点；所述漏斗筛选首先设置一个由定位点数据集的效应量和样本含量为坐标轴的坐标系，在所述坐标系上绘制出定位点数据集的效应量和样本含量散点图，根据散点图绘制出漏斗图，去除漏斗图外的离群点，保留漏斗图范围内的定位点。该筛选方法可以有效地提高定位点数据的质量。

S2、数据集合理性筛选，基于大数据算法根据速度、加速度、方向，从定位点数据集中筛选出定位点，并去除定位点数据中的噪音和异常值，从而可以进一步提高定位点数据的准确性；所述数据集合理性筛选使用基于k近邻隔离森林算法，算法流程为：

a1、使用欧氏距离定义定位点数据集中各定位点的距离，N维欧式空间中两点、间的距离定义如下式：

（1），

其中，N表示一共有几个维度，i表示当前维度数；

a2、设x为空间上的点，x距离定位点p第k近的距离的点q为第k近邻，具体公式为：

（2）；

其中为涵盖k个点的领域；

基于k近邻构建的隔离球在充分利用各维度信息的同时，适应复杂分布的数据，其半径大小直接表达该区域的稀疏程度，以k近邻的方法构建多个隔离球，形成隔离树，以覆盖数据集分布的区域，用于单次异常检测， 多棵隔离树共同组成隔离森林，进行多次异常检测，具体如下：

a3、选择定位点T为圆心，以第k近邻的欧氏距离为半径画超球体，所述超球体为隔离球，隔离球用c表示；

a4、按上述步骤生成n个隔离球，组成由n个隔离球的集合组成的隔离树，隔离树用表示；

a5、按上述步骤生成m个隔离树，组成由m个隔离树的集合组成的隔离森林，隔离森林用表示；

a6、选择一个隔离树，将该隔离树中的n个隔离球以半径大小从小到大排序，并以其位置赋予其异常值， 隔离球半径越小， 其位置越靠前， 对应异常值也就越小，最小值为0，最大值为1，每棵隔离球对应一个异常值。

定位点p的异常值计算公式为：

（3），

根据异常值可得出：

b1、如果异常值非常接近于1，则说明该隔离球的半径很大，其附近的点分布得很稀疏；

b2、如果异常值非常小，接近于0，则说明该隔离球的半径很小，其附近的点分布得很密集。

b3、如果异常值非常接近于0.5，则说明隔离球的半径适中，其附近的点分布得比较均匀。

S3、构造质心点，计算出定位点的质心点，根据质心点确定移动设备的当前定位坐标，并通过对多个定位点的质心点的计算，确定移动设备的历史定位坐标，并根据历史定位坐标推算出移动设备的移动轨迹；所述构造质心点通过计算同一时间段多个定位点坐标的平均值来构造。

S4、利用加速度传感器过滤漂移噪音，利用加速度传感器的加速度数据，对定位点数据中的漂移数据产生的漂移噪音进行删除，提高定位点数据的精度；利用加速度传感器过滤漂移噪音时，通过加速度传感器获取运动过程中的各时段的加速度，可通过定位点坐标计算出下一时段的定位点的坐标，并将计算的坐标与定位点数据集中对应时段的定位点的坐标对比，将定位点数据集中误差大于设定阈值的定位点判定为漂移噪音去除。

S5、利用计步传感器补齐丢失数据，在移动设备运动过程中丢失定位点数据时，利用计步传感器对丢失的定位点数据进行补齐；

S6、利用后向推导修正算法模型，推导定位点数据的出现概率，对定位点数据进行修正。

利用后向推导修正算法模型采用HMM后向算法对S1-S5步骤组成的算法模型进行修正；

后向算法表示的是已知隐马尔科夫模型及t时刻位于隐藏状态Si这一事实，从t+1时刻到终止时刻的局部观察序列的概率，公式如下：

首先初始化，令t=T时刻所有状态的后向变量为1：

（3）；

然后进行归纳，递归计算每个时间点，t=T-1，T-2，…，1时的后向变量：

（4），

从而可以计算每个时间点上所有的隐藏状态所对应的后向变量，如果需要利用后向算法计算观察序列的概率，只需将t=1时刻的后向变量（局部概率）相加即可。

以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。

Claims (3)

1.一种运动数据中卫星导航定位轨迹点坐标修正方法，其特征在于：包括以下步骤：

S1、漏斗筛选，设置一个漏斗，筛选出在漏斗范围内的定位点，去除离群点；所述漏斗筛选首先设置一个由定位点数据集的效应量和样本含量为坐标轴的坐标系，在所述坐标系上绘制出定位点数据集的效应量和样本含量散点图，根据散点图绘制出漏斗图，去除漏斗图外的离群点，保留漏斗图范围内的定位点；

S2、数据集合理性筛选，基于大数据算法根据速度、加速度、方向，从定位点数据集中筛选出定位点，并去除定位点数据中的噪音和异常值；所述数据集合理性筛选使用基于k近邻隔离森林算法，算法流程为：

a1、使用欧氏距离定义定位点数据集中各定位点的距离；

a2、设x为空间上的点，x距离定位点p第k近的距离的点q为第k近邻；

a3、选择定位点T为圆心，以第k近邻的欧氏距离为半径画超球体，所述超球体为隔离球；

a4、按上述步骤生成n个隔离球，组成由n个隔离球的集合组成的隔离树；

a5、按上述步骤生成m个隔离树，组成由m个隔离树的集合组成的隔离森林；

a6、选择一个隔离树，将该隔离树中的n个隔离球以半径大小从小到大排序，并以其位置赋予其异常值， 隔离球半径越小， 其位置越靠前， 对应异常值也就越小，最小值为0，最大值为1，每棵隔离球对应一个异常值；

S3、构造质心点，计算出定位点的质心点，根据质心点确定移动设备的当前定位坐标，并通过对多个定位点的质心点的计算，确定移动设备的历史定位坐标，并根据历史定位坐标推算出移动设备的移动轨迹；

S4、利用加速度传感器过滤漂移噪音，利用加速度传感器的加速度数据，对定位点数据中的漂移数据产生的漂移噪音进行删除，提高定位点数据的精度；

S5、利用计步传感器补齐丢失数据，在移动设备运动过程中丢失定位点数据时，利用计步传感器对丢失的定位点数据进行补齐；

S6、利用后向推导修正算法模型，推导定位点数据的出现的概率，对定位点数据进行修正，具体为：

首先初始化，令t=T时刻所有状态的后向变量为1：

；

然后进行归纳，递归计算每个时间点，t=T-1，T-2，…，1时的后向变量：

，

从而可以计算每个时间点上所有的隐藏状态所对应的后向变量，通过将t=1时刻的后向变量相加，计算出观察序列的概率。

2.根据权利要求1所述的一种运动数据中卫星导航定位轨迹点坐标修正方法，其特征在于：所述构造质心点通过计算同一时间段多个定位点坐标的平均值来构造。

3.根据权利要求1所述的一种运动数据中卫星导航定位轨迹点坐标修正方法，其特征在于：利用加速度传感器过滤漂移噪音时，通过加速度传感器获取运动过程中的各时段的加速度，可通过定位点坐标计算出下一时段的定位点的坐标，并将计算的坐标与定位点数据集中对应时段的定位点的坐标对比，将定位点数据集中误差大于设定阈值的定位点判定为漂移噪音去除。