CN116465420A - 基于人工智能的导航轨迹修正方法及相关设备 - Google Patents
基于人工智能的导航轨迹修正方法及相关设备 Download PDFInfo
- Publication number
- CN116465420A CN116465420A CN202310288554.5A CN202310288554A CN116465420A CN 116465420 A CN116465420 A CN 116465420A CN 202310288554 A CN202310288554 A CN 202310288554A CN 116465420 A CN116465420 A CN 116465420A
- Authority
- CN
- China
- Prior art keywords
- drift
- point
- sampling
- points
- dimensional coordinates
- 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.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 45
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005070 sampling Methods 0.000 claims abstract description 251
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000012216 screening Methods 0.000 claims abstract description 18
- 238000006073 displacement reaction Methods 0.000 claims description 37
- 230000015654 memory Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000002715 modification method Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Classifications
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Navigation (AREA)
Abstract
本申请提出一种基于人工智能的导航轨迹修正方法及相关设备，基于人工智能的导航轨迹修正方法包括：在预设采样周期内获取多个采样点，将每个所述采样点的经纬度转换为二维坐标；依据所述二维坐标计算所有所述采样点对应的一标准速度；依据所述标准速度从所述多个采样点中筛选漂移点；对所有所述漂移点进行排序以设置每个所述漂移点的处理次序；依据所述漂移点的处理次序由前到后的顺序，分别对每个所述漂移点的二维坐标进行修正，获得每个所述漂移点的修正坐标，将所述漂移点的二维坐标替换为所述修正坐标以修正所述导航轨迹。该方法可以基于所有采样点的全局信息对具备偏差的采样点进行导航轨迹修正，从而能够提升导航轨迹修正的准确度。
Description
技术领域
本申请涉及人工智能及导航轨迹修正技术领域，尤其涉及一种基于人工智能的导航轨迹修正方法及相关设备，其中，相关设备包括基于人工智能的导航轨迹修正装置、电子设备及存储介质。
背景技术
随着通信科技的发展，定位与导航相关的技术在生活和生产中被越来越频繁的使用。以司乘导航为例，用户在等待司机接驾的过程中，需要向用户实时且准确的呈现司机的位置和行驶轨迹。
目前，现有的导航轨迹定位方案通常每隔一个周期记录被定位物体的位置，并将过去一个周期内被定位物体的位置在地图上实时展示。然而，当定位过程中某一个或多个定位点产生位置偏差时，呈现给用户的导航轨迹和被定位物体的运动方向可能会呈现较大的偏差，进而导致用户体验较差。
发明内容
鉴于以上内容，有必要提供一种基于人工智能的导航轨迹修正方法及相关设备，以解决如何提高导航轨迹的准确度这一技术问题，其中，相关设备包括基于人工智能的导航轨迹修正装置、电子设备及存储介质。
本申请实施例提供一种基于人工智能的导航轨迹修正方法，所述方法包括：
在预设采样周期内获取导航轨迹的多个采样点，将每个所述采样点的经纬度转换为二维坐标；
依据所述二维坐标计算所述采样点对应的标准速度；
依据所述标准速度从所述多个采样点中筛选漂移点；
对所述漂移点进行排序以设置每个所述漂移点的处理次序；
依据所述漂移点的处理次序，分别对每个所述漂移点的二维坐标进行修正，获得每个所述漂移点的修正坐标。
在一些实施例中，所述依据所述二维坐标计算所述采样点对应的标准速度，包括：
针对每个所述采样点，依据所述采样点的二维坐标与前一个采样点的二维坐标计算两个采样点之间的距离；
将所述采样点与前一个采样点之间的距离与所述采样点与前一个采样点之间的时间差的比值作为所述采样点的速度；
将所有所述采样点的速度的均值作为每个所述采样点对应的标准速度。
在一些实施例中，所述依据所述标准速度从所述多个采样点中筛选漂移点，具体包括：
依据所有所述采样点的速度与所述标准速度计算每个所述采样点对应的速度方差；
针对每个所述采样点，将所述采样点的速度与所述标准速度之间差值的平方作为所述采样点的评估值；
针对每个所述采样点，若所述评估值大于所述速度方差的三倍，且所述采样点的速度大于所述标准速度，则将所述采样点作为漂移点。
在一些实施例中，所述对所述漂移点进行排序以设置每个所述漂移点的处理次序，具体包括：
针对每个所述漂移点，若所述漂移点的前一个采样点不是漂移点，则将所述漂移点的处理次序设置为首个批次；
针对除所述首个批次之外的每个漂移点，依据所述漂移点的时间戳由早至晚的顺序设置所述漂移点的处理次序，所述漂移点的时间戳越早则处理次序越靠前。
在一些实施例中，所述分别对每个所述漂移点的二维坐标进行修正，获得每个所述漂移点的修正坐标，具体包括：
针对所述漂移点之外的所述采样点，利用预设的插值算法拟合所述采样点对应的轨迹函数；
针对每个漂移点，利用所述漂移点的前三个采样点的速度和二维坐标计算所述漂移点的位移，依据所述漂移点的二维坐标和所述位移计算所述漂移点的漂移范围；
将所述漂移范围与所述轨迹函数的交集作为所述漂移点的修正坐标。
在一些实施例中，所述利用所述漂移点的前三个采样点的速度和二维坐标计算所述漂移点的位移，具体包括：
计算所述漂移点的前三个采样点之间速度差的均值以作为所述漂移点的区间速度；
将所述漂移点与前一个采样点之间的时间差作为位移时间，并将所述区间速度与所述位移时间的乘积作为所述漂移点的位移。
在一些实施例中，所述依据所述漂移点的二维坐标和所述位移计算所述漂移点的漂移范围，具体包括：
将所述漂移点的前一个采样点的二维坐标作为中心坐标，并将所述位移作为半径，依据所述中心坐标和所述半径构建圆周公式，并将所述圆周公式作为所述漂移点的漂移范围。
本申请实施例还提供一种基于人工智能的导航轨迹修正装置，所述装置包括：
转换单元，用于在预设采样周期内获取导航轨迹的多个采样点，将每个所述采样点的经纬度转换为二维坐标；
计算单元，用于依据所述二维坐标计算所述采样点对应的标准速度；
筛选单元，用于依据所述标准速度从所述多个采样点中筛选漂移点；
排序单元，用于对所述漂移点进行排序以设置每个所述漂移点的处理次序；
修正单元，用于依据所述漂移点的处理次序，分别对每个所述漂移点的二维坐标进行修正，获得每个所述漂移点的修正坐标，将所述漂移点的二维坐标替换为所述修正坐标以修正所述导航轨迹。
本申请实施例还提供一种电子设备，所述电子设备包括：
存储器，存储计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现所述基于人工智能的导航轨迹修正方法。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述基于人工智能的导航轨迹修正方法。
上述基于人工智能的导航轨迹修正方法通过将预设周期内采集到的采样点的经纬度转换为二维坐标，降低了后续计算的难度，从而能够提升导航轨迹修正的效率，并依据所述二维坐标计算所有所述采样点对应的一标准速度，为后续筛选漂移点提供了数据支撑，能够提升漂移点判定的准确性。依据所述标准速度从所述多个采样点中筛选漂移点，并对所有所述漂移点进行排序以设置每个所述漂移点的处理次序，最终依据所述漂移点的处理次序由前到后的顺序，分别对每个所述漂移点的二维坐标进行修正，能够基于所有采样点的全局信息对具备偏差的采样点进行导航轨迹修正，提升了导航轨迹修正的准确度。
附图说明
图1是本申请所涉及的一种基于人工智能的导航轨迹修正方法的较佳实施例的流程图。
图2是本申请所涉及的基于人工智能的导航轨迹修正装置的较佳实施例的功能模块图。
图3是本申请所涉及的基于人工智能的导航轨迹修正方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本申请的目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互结合。在下面的描述中阐述了很多具体细节以便于充分理解本申请，所述描述的实施例仅是本申请一部分实施例，而不是全部的实施例。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本申请实施例提供一种基于人工智能的导航轨迹修正方法，可应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
如图1所示，是本申请基于人工智能的导航轨迹修正方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
S10，在预设采样周期内获取导航轨迹的多个采样点，将每个所述采样点的经纬度转换为二维坐标。
该可选的实施例中，所述采样点指导航应用在过去一个采样周期内接收到的导航轨迹上的多个定位坐标，所述定位坐标用于表征被定位物体的经纬度。示例性的，所述被定位物体可以是网约车平台中将要接驾的车辆，还可以是正在使用导航定位的手机、电脑等具备定位功能的终端设备。所述预设采样周期指预先设置的采样时间段，所述采样时间段可由导航应用的开发人员依据业务需求制定，示例性的，所述预设采样周期可以是10秒、20秒等，本申请对此不做限定。
该可选的实施例中，为了便于后续判断采样点的经纬度是否有偏差，首先可利用现有的经纬度坐标转换法将每个所述采样点的经纬度转换为二维坐标，示例性的，当某一个采样点的经度为：57°55’56.6″，则该采样点对应的二维坐标中的横坐标为：57.932388。
如此，将采样点的经纬度转换为二维坐标系中的坐标值，便于在后续对存在偏差的采样点进行导航轨迹修正，能够提高轨迹修正的准确度。
S11，依据所述二维坐标计算所述采样点对应的标准速度。
在一个可选的实施例中，所述依据所述二维坐标计算所述采样点对应的标准速度，包括：
针对每个所述采样点，依据所述采样点的二维坐标与前一个采样点的二维坐标计算两个采样点之间的距离；
将所述采样点与前一个采样点之间的距离与所述采样点与前一个采样点之间的时间差的比值作为所述采样点的速度；
将所有所述采样点的速度的均值作为所述采样点标准速度。
该可选的实施例中，针对每个采样点，可依据所述采样点的坐标与前一个采样点的坐标计算两个采样点之间的距离，所述距离用于表征所述被定位物体在两个采样点之间位移的距离，例如，网约车在两个采样点之间位移的距离，所述距离的计算公式为：
其中，Di代表第i个采样点与上一个采样点之间的距离；xi和yi分别代表第i个采样点的横坐标和纵坐标；xi-1和yi-1分别代表第i-1个采样点的横坐标和纵坐标。
示例性的，当所述被定位物体为网约车，当第2个采样点的坐标为(3,4)，第1个采样点的坐标为(1,2)，则该网约车从第1个采样点移动至第2个采样点所行驶过的距离为：
该可选的实施例中，针对每个所述采样点，可将所述采样点与前一个采样点之间的距离与所述采样点与前一个采样点之间的时间差的比值作为所述采样点的速度，所述速度用于表征所述被定位物体在所述采样点处的移动速度，所述速度的计算方式满足以下关系式：
其中，Vi代表第i个采样点对应的速度；Di代表第i个采样点与前一个采样点之间的距离；ti代表第i个采样点对应的采样时间点；ti-1代表上一个采样点对应的采样时间点。
示例性的，当所述被定位物体为网约车，当所述网约车从第1个采样点移动至第2个采样点所经过的距离D2为2.82米，且第二个采样点对应的采样时间点t2为2秒，第一个采样点对应的采样时间点为t1为1秒时，则该网约车在第2个采样点对应的速度V2的计算方式为：
该可选的实施例中，可将所有采样点对应的速度的均值作为每个所述采样点的标准速度，所述标准速度用于表征所述被定位物体在导航轨迹全程内的平均移动速度。所述所有采样点的速度与所述标准速度的单位可依据所述距离的单位来确定，可以是米每秒、米每毫秒等，本申请对此不做限定。其中需要注意的是，由于第一个采样点表征被定位物体开始移动的位置，因此本方案默认第一个采样点的速度为0。
示例性的，当所述被定位物体为网约车，当采样点的数量为4个且速度分别为0米每秒、2.82米每秒、3米每秒、4米每秒时，所述标准速度u为：2.455米每秒，该标准速度用于表征所述网约车在导航轨迹全程的平均移动速度为2.455米每秒。
如此，分别计算每个采样点处物体的移动速度，并将所有采样点的移动速度的均值作为所有采样点对应的标准速度，综合物体移动过程中的全局信息，为后续评估具备偏差的采样点提供了数据支撑。
S12，依据所述标准速度从所述多个采样点中筛选漂移点。
在一个可选的实施例中，所述依据所述标准速度从所述多个采样点中筛选漂移点，具体包括：
依据所有所述采样点的速度与所述标准速度计算所述采样点对应的速度方差；
针对每个所述采样点，将所述采样点的速度与所述标准速度之间差值的平方作为所述采样点的评估值；
针对每个所述采样点，若所述评估值大于所述速度方差的三倍，且所述采样点的速度大于所述标准速度，则将所述采样点作为漂移点。
该可选的实施例中，依据所有所述采样点的速度与所述标准速度计算所述采样点对应的速度方差，所述速度方差用于表征所述被定位物体在导航轨迹全程中移动速度的波动程度，所述速度方差越大则表明所述导航轨迹的波动越大，所述速度方差的计算方式为：
其中，sigma代表所述速度方差；i代表采样点的索引，n代表采样点的总数；vi代表第i个采样点的速度；u代表所述标准速度。
示例性的，当采样点的数量为4个且速度分别为0米每秒、2.82米每秒、3米每秒、4米每秒，标准速度为2.455米每秒，则所述速度方差为：
该可选的实施例中，针对每个采样点，可将所述采样点的速度与所述标准速度之间差值的平方作为所述采样点的评估值，若所述评估值大于所述速度方差的三倍，且所述采样点的速度大于所述标准速度，则表明所述采样点在定位上出现了偏移，则可将该采样点作为一个漂移点，所述漂移点用于表征具备较大定位偏差的采样点。
如此，基于每个采样点的速度与标准速度和标准方差之间的差异对每个采样点进行评估，能够对每个采样点进行独立判断，提升漂移点判断的准确度。
S13，对所述漂移点进行排序以设置每个所述漂移点的处理次序。
在一个可选的实施例中，所述对所有所述漂移点进行排序以设置每个所述漂移点的处理次序，具体包括：
针对每个所述漂移点，若所述漂移点的前一个采样点不是漂移点，则将所述漂移点的处理次序设置为首个批次；
针对除所述首个批次之外的每个漂移点，依据所述漂移点的时间戳由早至晚的顺序设置所述漂移点的处理次序，所述漂移点的时间戳越早则处理次序越靠前。
S14，依据所述漂移点的处理次序，分别对每个所述漂移点的二维坐标进行修正，获得每个所述漂移点的修正坐标，将所述漂移点的二维坐标替换为所述修正坐标以修正所述导航轨迹。
在一个可选的实施例中，所述分别对每个所述漂移点的二维坐标进行修正，获得每个所述漂移点的修正坐标，具体包括：
针对所述漂移点之外的所述采样点，利用预设的插值算法拟合所述采样点对应的轨迹函数；
针对每个漂移点，利用所述漂移点的前三个采样点的速度和二维坐标计算所述漂移点的位移，依据所述漂移点的二维坐标和所述位移计算所述漂移点的漂移范围；
将所述漂移范围与所述轨迹函数的交集作为所述漂移点的修正坐标。
该可选的实施例中，所述预设的插值算法可以是B样条插值算法、三次样条插值算法等现有的插值算法，本申请对此不做限定。以三次样条插值算为例，可分别将每个所述采样点的二维坐标输入所述三次样条插值算法中预设的多项式中，示例性的，所述多项式满足以下关系式：
y＝a*x3+b*x2+c*x+d
其中，x和y分别为所述二维坐标中的横坐标和纵坐标；a、b、c和d分别为待定的多项式参数。
该可选的实施例中，将所述采样点坐标输入所述多项式之后，可获得多个具备待定参数的公式，求解所述多个具备待定参数的公式可获得每个所述待定参数的确定数值，进而可将具备所述确定数值的多项式作为轨迹函数。
在一个可选的实施例中，所述利用所述漂移点的前三个采样点的速度和二维坐标计算所述漂移点的位移，具体包括：
计算所述漂移点的前三个采样点之间速度差的均值以作为所述漂移点的区间速度；
将所述漂移点与前一个采样点之间的时间差作为位移时间，并将所述区间速度与所述位移时间的乘积作为所述漂移点的位移。
该可选的实施例中，由于所述被定位物体在导航轨迹中的漂移点处的速度过大，为了修正所述导航轨迹，首先需要利用无异常的采样点处的速度预测所述被定位物体的移动速度，当第i个采样点为漂移点时，所述漂移点的区间速度的计算方式满足以下关系式：
其中，vi区间代表第i个采样点的区间速度，即所述被定位物体在所述漂移点的区间速度；vi-1代表所述被定位物体在所述漂移点的前一个采样点处的速度；vi-2代表所述被定位物体在所述漂移点的前两个采样点处的速度；vi-3代表所述被定位物体在所述漂移点的前三个采样点处的速度。
示例性的，当所述漂移点前一个采样点对应的速度为4米每秒、前两个采样点对应的速度为3米每秒、前三个采样点对应的速度为3米每秒，则所述漂移点的区间速度为：0.5米每秒。
该可选的实施例中，可将所述漂移点与前一个采样点之间的时间差作为位移时间，并将所述位移时间与所述区间速度的乘积作为所述漂移点的位移。示例性的，当所述漂移点的区间速度为0.5米每秒，且所述漂移点与前一个采样点之间的时间差为1秒，则所述漂移点的位移为0.5米。
在一个可选的实施例中，所述依据所述漂移点的二维坐标和所述位移计算所述漂移点的漂移范围，具体包括：
将所述漂移点的前一个采样点的二维坐标作为中心坐标，并将所述位移作为半径，依据所述中心坐标和所述半径构建圆周公式，并将所述圆周公式作为所述漂移点的漂移范围。
示例性的，当所述漂移点的前一个采样点的二维坐标为(7,7)，且所述漂移点的位移为0.5米，则所述圆周公式，即所述漂移点的漂移范围满足以下关系式：
(x-7)2+(y-7)2＝0.52
其中，x代表所述漂移点的横坐标，y代表所述漂移点的纵坐标。该公式用于表征所述漂移点可能存在的范围是以坐标(7,7)为圆心，以0.5为半径的圆周之上。
该可选的实施例中，可计算所述轨迹公式与所述漂移范围的交集，即查询所述轨迹公式代表的曲线与所述漂移范围代表的区间的交点，并将该交点的二维坐标作为所述漂移点的修正坐标。
该可选的实施例中，可依据所述修正坐标替换所述漂移点原本的二维坐标，以修正所述导航轨迹，提升物体运动过程中定位显示的精准度。
示例性的，在用户使用网约车平台等待接驾服务的过程中，可每过一个采样周期采集导航轨迹中的采样点，并依据步骤S11至步骤S14中的方法判定所述导航轨迹中的漂移点，即定位偏差较大的采样点，并计算每个所述漂移点对应的修正坐标，以替换所述漂移点原本的坐标，从而修正导航轨迹，最终可将修正后的导航轨迹推送给用户，以提升用户在使用导航定位服务过程中的体验，规避网约车平台中显示的网约车导航轨迹出现“瞬移”、“跳跃”等情况。
上述基于人工智能的导航轨迹修正方法通过将预设周期内采集到的采样点的经纬度转换为二维坐标，降低了后续计算的难度，从而能够提升导航轨迹修正的效率，并依据所述二维坐标计算所有所述采样点对应的一标准速度，为后续筛选漂移点提供了数据支撑，能够提升漂移点判定的准确性。依据所述标准速度从所述多个采样点中筛选漂移点，并对所有所述漂移点进行排序以设置每个所述漂移点的处理次序，最终依据所述漂移点的处理次序由前到后的顺序，分别对每个所述漂移点的二维坐标进行修正，能够基于所有采样点的全局信息对具备偏差的采样点进行导航轨迹修正，提升了导航轨迹修正的准确度。
如图2所示，是本申请实施例提供的基于人工智能的导航轨迹修正装置的较佳实施例的功能模块图。基于人工智能的导航轨迹修正装置11包括转换单元110、计算单元111、筛选单元112、排序单元113、修正单元114。本申请所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
所述转换单元110，用于在预设采样周期内获取导航轨迹的多个采样点，将每个所述采样点的经纬度转换为二维坐标。
所述计算单元111，用于依据所述二维坐标计算所述采样点对应的标准速度。
所述筛选单元112，用于依据所述标准速度从所述多个采样点中筛选漂移点。
所述排序单元113，用于对所述漂移点进行排序以设置每个所述漂移点的处理次序。
所述修正单元114，用于依据所述漂移点的处理次序，分别对每个所述漂移点的二维坐标进行修正，获得每个所述漂移点的修正坐标，将所述漂移点的二维坐标替换为所述修正坐标以修正所述导航轨迹。
在一个可选的实施例中，所述计算单元111具体用于：
针对每个所述采样点，依据所述采样点的二维坐标与前一个采样点的二维坐标计算两个采样点之间的距离；
将所述采样点与前一个采样点之间的距离与所述采样点与前一个采样点之间的时间差的比值作为所述采样点的速度；
将所有所述采样点的速度的均值作为每个所述采样点的标准速度。
在一个可选的实施例中，所述筛选单元112具体用于：
依据所有所述采样点的速度与所述标准速度计算每个所述采样点对应的一速度方差；
针对每个所述采样点，将所述采样点的速度与所述标准速度之间差值的平方作为所述采样点的评估值；
针对每个所述采样点，若所述评估值大于所述速度方差的三倍，且所述采样点的速度大于所述标准速度，则将所述采样点作为漂移点。
在一个可选的实施例中，所述排序单元113具体用于：
针对每个所述漂移点，若所述漂移点的前一个采样点不是漂移点，则将所述漂移点的处理次序设置为首个批次；
针对除所述首个批次之外的每个漂移点，依据所述漂移点的时间戳由早至晚的顺序设置所述漂移点的处理次序，所述漂移点的时间戳越早则处理次序越靠前。
在一个可选的实施例中，所述修正单元114具体用于：
针对所述漂移点之外的所述采样点，利用预设的插值算法拟合所述采样点对应的轨迹函数；
针对每个漂移点，利用所述漂移点的前三个采样点的速度和二维坐标计算所述漂移点的位移，依据所述漂移点的二维坐标和所述位移计算所述漂移点的漂移范围；
将所述漂移范围与所述轨迹函数的交集作为所述漂移点的修正坐标。
在一个可选的实施例中，所述修正单元114利用所述漂移点的前三个采样点的速度和二维坐标计算所述漂移点的位移，具体包括：
计算所述漂移点的前三个采样点之间速度差的均值以作为所述漂移点的区间速度；
将所述漂移点与前一个采样点之间的时间差作为位移时间，并将所述区间速度与所述位移时间的乘积作为所述漂移点的位移。
在一个可选的实施例中，所述修正单元114依据所述漂移点的二维坐标和所述位移计算所述漂移点的漂移范围，具体包括：
将所述漂移点的前一个采样点的二维坐标作为中心坐标，并将所述位移作为半径，依据所述中心坐标和所述半径构建圆周公式，并将所述圆周公式作为所述漂移点的漂移范围。
如图3所示，是本申请实施例提供的一种电子设备的结构示意图。电子设备1包括存储器12和处理器13。存储器12用于存储计算机可读指令，处理器13用执行储器中存储的计算机可读指令以实现上述任一实施例的基于人工智能的导航轨迹修正方法。
在一个可选的实施例中，电子设备1还包括总线、存储在存储器12中并可在处理器13上运行的计算机程序，例如基于人工智能的导航轨迹修正程序。
图3仅示出了具有存储器12和处理器13的电子设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
结合图1，电子设备1中的存储器12存储多个计算机可读指令以实现一种基于人工智能的导航轨迹修正方法，处理器13可执行多个指令从而实现：
在预设采样周期内获取导航轨迹的多个采样点，将每个所述采样点的经纬度转换为二维坐标；
依据所述二维坐标计算所述采样点对应的一标准速度；
依据所述标准速度从所述多个采样点中筛选漂移点；
对所述漂移点进行排序以设置每个所述漂移点的处理次序；
依据所述漂移点的处理次序，分别对每个所述漂移点的二维坐标进行修正，获得每个所述漂移点的修正坐标，将所述漂移点的二维坐标替换为所述修正坐标以修正所述导航轨迹。
具体地，处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，电子设备1既可以是总线型结构，也可以是星形结构，电子设备1还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置，例如电子设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是，电子设备1仅为举例，其他现有的或今后可能出现的电子产品如可适应于本申请，也应包含在本申请的保护范围以内，并以引用方式包含于此。
其中，存储器12至少包括一种类型的可读存储介质，所述可读存储介质可以是非易失性的，也可以是易失性的。所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。存储器12在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、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，存储器12还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于人工智能的导航轨迹修正程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是电子设备1的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在存储器12内的程序或者模块(例如执行基于人工智能的导航轨迹修正程序等)，以及调用存储在存储器12内的数据，以执行电子设备1的各种功能和处理数据。
所述处理器13执行电子设备1的操作系统以及安装的各类应用程序。处理器13执行所述应用程序以实现上述各个基于人工智能的导航轨迹修正方法实施例中的步骤，例如图1所示的步骤。
示例性的，所述计算机程序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/单元被存储在存储器12中，并由处理器13执行，以完成本申请。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可读指令段，该指令段用于描述所述计算机程序在电子设备1中的执行过程。例如，所述计算机程序可以被分割成转换单元110、计算单元111、筛选单元112、排序单元113、修正单元114。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、计算机设备，或者网络设备等)或处理器(processor)执行本申请各个实施例所述基于人工智能的导航轨迹修正方法的部分。
电子设备1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，本申请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示相关的硬件设备来完成，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(ROM，Read-Only Memory)、随机存储器及其他存储器等。
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
总线可以是外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，在图3中仅用一根箭头表示，但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现存储器12以及至少一个处理器13等之间的连接通信。
本申请实施例还提供一种计算机可读存储介质(图未示)，计算机可读存储介质中存储有计算机可读指令，计算机可读指令被电子设备中的处理器执行以实现上述任一实施例所述的基于人工智能的导航轨迹修正方法。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。说明书陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种基于人工智能的导航轨迹修正方法，其特征在于，所述方法包括：
在预设采样周期内获取导航轨迹的多个采样点，将每个所述采样点的经纬度转换为二维坐标；
依据所述二维坐标计算所述采样点对应的标准速度；
依据所述标准速度从所述多个采样点中筛选漂移点；
对所述漂移点进行排序以设置每个所述漂移点的处理次序；
依据所述漂移点的处理次序，分别对每个所述漂移点的二维坐标进行修正，获得每个所述漂移点的修正坐标，将所述漂移点的二维坐标替换为所述修正坐标以修正所述导航轨迹。
2.如权利要求1所述的基于人工智能的导航轨迹修正方法，其特征在于，所述依据所述二维坐标计算所述采样点对应的标准速度，包括：
针对每个所述采样点，依据所述采样点的二维坐标与前一个采样点的二维坐标计算两个采样点之间的距离；
将所述采样点与前一个采样点之间的距离与所述采样点与前一个采样点之间的时间差的比值作为所述采样点的速度；
将所有所述采样点的速度的均值作为每个所述采样点的标准速度。
3.如权利要求1所述的基于人工智能的导航轨迹修正方法，其特征在于，所述依据所述标准速度从所述多个采样点中筛选漂移点，具体包括：
依据所有所述采样点的速度与所述标准速度计算每个所述采样点对应的速度方差；
针对每个所述采样点，将所述采样点的速度与所述标准速度之间差值的平方作为所述采样点的评估值；
针对每个所述采样点，若所述评估值大于所述速度方差的三倍，且所述采样点的速度大于所述标准速度，则将所述采样点作为漂移点。
4.如权利要求1所述的基于人工智能的导航轨迹修正方法，其特征在于，所述对所述漂移点进行排序以设置每个所述漂移点的处理次序，具体包括：
针对每个所述漂移点，若所述漂移点的前一个采样点不是漂移点，则将所述漂移点的处理次序设置为首个批次；
针对除所述首个批次之外的每个漂移点，依据所述漂移点的时间戳由早至晚的顺序设置所述漂移点的处理次序，所述漂移点的时间戳越早则处理次序越靠前。
5.如权利要求1所述的基于人工智能的导航轨迹修正方法，其特征在于，所述分别对每个所述漂移点的二维坐标进行修正，获得每个所述漂移点的修正坐标，具体包括：
针对所述漂移点之外的所述采样点，利用预设的插值算法拟合所述采样点对应的轨迹函数；
针对每个漂移点，利用所述漂移点的前三个采样点的速度和二维坐标计算所述漂移点的位移，依据所述漂移点的二维坐标和所述位移计算所述漂移点的漂移范围；
将所述漂移范围与所述轨迹函数的交集作为所述漂移点的修正坐标。
6.如权利要求5所述的基于人工智能的导航轨迹修正方法，其特征在于，所述利用所述漂移点的前三个采样点的速度和二维坐标计算所述漂移点的位移，具体包括：
计算所述漂移点的前三个采样点之间速度差的均值以作为所述漂移点的区间速度；
将所述漂移点与前一个采样点之间的时间差作为位移时间，并将所述区间速度与所述位移时间的乘积作为所述漂移点的位移。
7.如权利要求5所述的基于人工智能的导航轨迹修正方法，其特征在于，所述依据所述漂移点的二维坐标和所述位移计算所述漂移点的漂移范围，具体包括：
将所述漂移点的前一个采样点的二维坐标作为中心坐标，并将所述位移作为半径，依据所述中心坐标和所述半径构建圆周公式，并将所述圆周公式作为所述漂移点的漂移范围。
8.一种基于人工智能的导航轨迹修正装置，其特征在于，所述装置包括：
转换单元，用于在预设采样周期内获取导航轨迹的多个采样点，将每个所述采样点的经纬度转换为二维坐标；
计算单元，用于依据所述二维坐标计算所述采样点对应的标准速度；
筛选单元，用于依据所述标准速度从所述多个采样点中筛选漂移点；
排序单元，用于对所述漂移点进行排序以设置每个所述漂移点的处理次序；
修正单元，用于依据所述漂移点的处理次序，分别对每个所述漂移点的二维坐标进行修正，获得每个所述漂移点的修正坐标，将所述漂移点的二维坐标替换为所述修正坐标以修正所述导航轨迹。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的基于人工智能的导航轨迹修正方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的基于人工智能的导航轨迹修正方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310288554.5A CN116465420A (zh) | 2023-03-15 | 2023-03-15 | 基于人工智能的导航轨迹修正方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310288554.5A CN116465420A (zh) | 2023-03-15 | 2023-03-15 | 基于人工智能的导航轨迹修正方法及相关设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116465420A true CN116465420A (zh) | 2023-07-21 |
Family
ID=87172611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310288554.5A Pending CN116465420A (zh) | 2023-03-15 | 2023-03-15 | 基于人工智能的导航轨迹修正方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116465420A (zh) |
-
2023
- 2023-03-15 CN CN202310288554.5A patent/CN116465420A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110083149A (zh) | 用于自动驾驶车辆的路径与速度优化后馈机制 | |
| CN108027243A (zh) | 用于操作自动驾驶车辆的控制误差校正规划方法 | |
| CN111319041B (zh) | 一种机器人位姿确定方法、装置、可读存储介质及机器人 | |
| CN110389582A (zh) | 利用多个线索跟踪对象 | |
| CN112198878B (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
| KR20210090249A (ko) | 이미지 처리 방법, 장치, 차량 탑재 연산 플랫폼, 전자 디바이스 및 시스템 | |
| CN111098842B (zh) | 车辆速度控制方法及相关设备 | |
| CN115326051A (zh) | 一种基于动态场景的定位方法、装置、机器人及介质 | |
| CN111489568A (zh) | 交通信号灯的调控方法、装置及计算机可读存储介质 | |
| CN116465420A (zh) | 基于人工智能的导航轨迹修正方法及相关设备 | |
| CN111539401A (zh) | 基于人工智能的车道线检测方法、装置、终端及存储介质 | |
| CN108120450B (zh) | 一种静止状态的判断方法及装置 | |
| CN112104292B (zh) | 电机控制方法、装置、终端设备及存储介质 | |
| CN115755012A (zh) | 姿态角预测模型的训练、姿态角预测方法、装置及设备 | |
| CN112488217B (zh) | 斑马线纠正方法、电子装置和存储介质 | |
| CN115366919A (zh) | 一种轨迹预测方法、系统、电子设备及存储介质 | |
| CN113048988B (zh) | 一种导航地图对应场景的变化元素检测方法及装置 | |
| CN114882183A (zh) | 车道线标注方法、装置、计算机设备及存储介质 | |
| CN110647599B (zh) | 用于显示信息的方法和装置 | |
| CN112800351A (zh) | 轨迹相似度判断方法、系统及计算机介质 | |
| CN112683216B (zh) | 用于生成车辆长度信息的方法、装置、路侧设备和云控平台 | |
| US20240273807A1 (en) | Virtual scene generation method, electronic device and storage medium | |
| CN114972761B (zh) | 基于人工智能的车辆部件分割方法及相关设备 | |
| CN115827807A (zh) | 面向高精度地图路口脱出道路的逆时针排序方法及系统 | |
| CN115905448A (zh) | 一种查询航向角的方法、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 |