CN117196977A - 优化地图拐角轨迹的方法、装置、设备及介质 - Google Patents

Abstract

本发明涉及优化地图拐角轨迹的方法、装置、设备及介质，该方法，包括：收集拐角处的定位点原始数据，以得到集合A0；对集合A0进行漂移点过滤及数据移除，以得到集合A1；对集合A1进行补点，以得到集合A2；对集合A2进行降噪，以得到集合A3；对集合A3进行修正，以得到集合A4；对集合A4进行平滑，以得到集合A5；对集合A5进行抽希，以得到集合A6，即优化后的地图拐角轨迹。本发明通过收集拐角处的定位点原始数据，然后对定位点原始数据进行漂移点过滤和数据移除、补点、降噪、修正、平滑、以及抽希，得到优化后的地图拐角轨迹，可以使轨迹拐角处比较圆滑，解决轨迹拐角处像多条直线拼接起来的问题，提高用户的使用体验。

Description

优化地图拐角轨迹的方法、装置、设备及介质

技术领域

本发明涉及地图优化技术领域，尤其是指优化地图拐角轨迹的方法、装置、设备及介质。

背景技术

现有的基于定位器的地图轨迹拐角都是线段连接形成的多边形形状，定位点连接处较为尖锐突出，受限于环境因素和传感器本身的限制，定位点存在噪点和误差，及上报定位点的时间间隔较长等原因；在地图显示轨迹时，拐角处的轨迹线较为尖锐突出，整体不够圆滑，与正常的轨迹情况不贴合，导致用户的使用体验不佳。

发明内容

本发明的目的在于克服现有技术的不足，提供优化地图拐角轨迹的方法、装置、设备及介质。

为了解决上述技术问题，本发明采用如下技术方案：

第一方面，本实施例提供了一种优化地图拐角轨迹的方法，包括以下步骤：

收集拐角处的定位点原始数据，以得到集合A0；

对集合A0进行漂移点过滤及数据移除，以得到集合A1；

对集合A1进行补点，以得到集合A2；

对集合A2进行降噪，以得到集合A3；

对集合A3进行修正，以得到集合A4；

对集合A4进行平滑，以得到集合A5；

对集合A5进行抽希，以得到集合A6，即优化后的地图拐角轨迹。

其进一步技术方案为：所述对集合A0进行漂移点过滤及数据移除，以得到集合A1，包括：

根据定位点原始数据，计算当前定位点Pi和上一个定位点Pi-1之间的距离D(P i-1,P i)、以及时间间隔T(Pi-1,Pi)，并根据距离D(Pi-1,Pi)和时间间隔T(P i-1,P i)计算得到平均车速S(P i-1,Pi)；

结合车辆类型和行车数据，设定车速阀值St；

判断车速S(P i-1,P i)是否小于阀值St；

若车速S(P i-1,P i)小于阀值St，则该定位点符合要求；

若车速S(P i-1,P i)不小于阀值St，则将该定位点移除；

遍历集合A0中的所有定位点，将所有符合要求的定位点收集，以得到集合A1。

其进一步技术方案为：所述对集合A1进行补点，以得到集合A2，包括：

设定补充的定位点个数为n，遍历集合A1获取当前定位点Pa和下一个定位点Pb；

计算两点之间的时间间隔T(Pa，Pb)、距离D(Pa，Pb)和平均移动速度S(Pa，Pb)；

根据补点数n和时间T(Pa，Pb)，计算时间插值系数t，再由n和t计算得到补点Pn的时间；

根据补点数n和距离D(Pa，Pb)，计算距离插值系数d，再结合n、d及定位点Pa的位置，计算得到补点Pn的经纬度；

对集合A1进行遍历补点，以得到补点集，将补点集放入集合A1，以得到集合A2。

其进一步技术方案为：所述对集合A2进行降噪，以得到集合A3，包括：

计算当前定位点P i的上一个点Pi-1和下一个点Pi+1的连线L(P i-1，P i+1)到当前定位点P i的垂直距离LD(P i-1,Pi,Pi+1)；

判断垂直距离LD(Pi-1,Pi,Pi+1)是否小于等于阀值Dt；

若垂直距离LD(P i-1,Pi,Pi+1)小于等于阀值Dt，则该定位点符合要求；

若垂直距离LD(P i-1,Pi,Pi+1)大于阀值Dt，则将该定位点丢弃；

遍历集合A2中的所有定位点，将所有符合要求的定位点收集，以得到集合A3。

其进一步技术方案为：所述对集合A3进行修正，以得到集合A4步骤中，对集合A3采用卡尔曼滤波算法修正，对噪声和误差抑制，以得到集合A4。

其进一步技术方案为：所述对集合A4进行平滑，以得到集合A5步骤中，对集合A4采用五点线性平滑算法进行优化，以得到集合A5。

其进一步技术方案为：所述对集合A5进行抽希，以得到集合A6步骤中，对集合A5采用道格拉斯-普克抽希算法进行抽希，以得到集合A6。

第二方面，本实施例提供了一种优化地图拐角轨迹的装置，包括：收集单元、过滤移除单元、补点单元、降噪单元、修正单元、平滑单元及抽希单元；

所述收集单元，用于收集拐角处的定位点原始数据，以得到集合A0；

所述过滤移除单元，用于对集合A0进行漂移点过滤及数据移除，以得到集合A1；

所述补点单元，用于对集合A1进行补点，以得到集合A2；

所述降噪单元，用于对集合A2进行降噪，以得到集合A3；

所述修正单元，用于对集合A3进行修正，以得到集合A4；

所述平滑单元，用于对集合A4进行平滑，以得到集合A5；

所述抽希单元，用于对集合A5进行抽希，以得到集合A6，即优化后的地图拐角轨迹。

第三方面，本实施例提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如上述所述的优化地图拐角轨迹的方法。

第四方面，本实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如上述所述的优化地图拐角轨迹的方法。

本发明与现有技术相比的有益效果是：通过收集拐角处的定位点原始数据，然后对定位点原始数据进行漂移点过滤和数据移除、补点、降噪、修正、平滑、以及抽希，得到优化后的地图拐角轨迹，可以使轨迹拐角处比较圆滑，解决轨迹拐角处像多条直线拼接起来的问题，提高用户的使用体验。

下面结合附图和具体实施例对本发明作进一步描述。

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为本发明实施例提供的优化地图拐角轨迹的方法的流程示意图；

图2为本发明实施例提供的优化地图拐角轨迹的装置的示意性框图；

图3为本发明实施例提供的计算机设备的示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1所示的具体实施例，本发明公开了一种优化地图拐角轨迹的方法，包括以下步骤：

S1，收集拐角处的定位点原始数据，以得到集合A0；

具体地，通过车辆上的定位器采集定位点数据，然后将采集到的拐角处的定位点原始数据收集起来，以形成集合A0。

S2，对集合A0进行漂移点过滤及数据移除，以得到集合A1；

在一实施例中，所述对集合A0进行漂移点过滤及数据移除，以得到集合A1，包括：

根据定位点原始数据，计算当前定位点Pi和上一个定位点Pi-1之间的距离D(P i-1,P i)、以及时间间隔T(Pi-1,Pi)，并根据距离D(Pi-1,Pi)和时间间隔T(P i-1,P i)计算得到平均车速S(P i-1,Pi)；

具体地，S(P i-1,Pi)＝D(P i-1,Pi)/T(Pi-1,Pi)。

结合车辆类型和行车数据，设定车速阀值St；

具体地，车辆类型包括轿车、载货汽车、客车、挂车、非完整车辆、摩托车等；行车数据包括历史行车时间、速度等。阀值St指的是根据车辆类型，历史行车数据等一系列数据综合考量设置的最大平均车速值。

判断车速S(P i-1,P i)是否小于阀值St；

若车速S(P i-1,P i)小于阀值St，则该定位点符合要求；

若车速S(P i-1,P i)不小于阀值St，则将该定位点移除；

遍历集合A0中的所有定位点，将所有符合要求的定位点收集，以得到集合A1。

具体地，遍历集合A0中的所有定位点，将所有符合要求的定位点收集，以得到移除漂移点后的数据，即集合A1。

S3，对集合A1进行补点，以得到集合A2；

在一实施例中，所述对集合A1进行补点，以得到集合A2，包括：

设定补充的定位点个数为n，遍历集合A1获取当前定位点Pa和下一个定位点Pb；

具体地，根据具体需求，设定补充的定位点个数为n，其中n大于等于1。

计算两点之间的时间间隔T(Pa，Pb)、距离D(Pa，Pb)和平均移动速度S(Pa，Pb)；

具体地，S(Pa，Pb)＝D(Pa，Pb)/T(Pa，Pb)。

根据补点数n和时间T(Pa，Pb)，计算时间插值系数t，再由n和t计算得到补点Pn的时间；

具体地，时间插值系数t＝T/n。另外，将两点的时间间隔T(Pa，Pb)除以补点的数量n；得到的就是每个点的时间间隔也就是t；Pn就是n个点的时间间隔加上起点Pa的时间；例如：假设车辆在点Pa到Pb匀速移动，设备上报的Pa点的定位时间Ta＝2023-08-2118:00:00；Pb点的定位时间Tb＝2023-08-2118:30:00，补点n＝10(假设补10个点)，则T(Pa，Pb)＝Tb-Ta＝30分钟；t＝T(Pa，Pb)/n＝30/10＝3分钟；Pn＝Ta+n*t；(P1＝Ta+1*3＝2023-08-2118:03:00；以此类推)。

根据补点数n和距离D(Pa，Pb)，计算距离插值系数d，再结合n、d及定位点Pa的位置，计算得到补点Pn的经纬度；

具体地，距离插值系数d＝D/n。Pn为其中一个补点，将两点的经度和纬度的距离D(Pa，Pb)分别除以补点的数量n；得到的就是每个点的距离也就是d；Pn就是n个点的距离加上起点Pa的位置；例如：假设车辆在点Pa到Pb匀速移动，设备上报的Pa点的经纬度(Lat_a，Lng_a)；Pb点的经纬度(Lat_b,Lng_b)；补点n＝10(假设补10个点)，则两点的经纬度距离D(Pa,Pb)＝((Lat_b-Lat_a)/n,(Lng_b-Lng_a))，则经纬度的插值系数d：d_lat＝(Lat_b-Lat_a)/n；d_lng＝(Lng_b-Lng_a)/n；则点Pn的经纬度＝(Lat_a+n*d_lat,Lng_a+n*d_lng)。

对集合A1进行遍历补点，以得到补点集，将补点集放入集合A1，以得到集合A2。

具体地，对集合A1进行遍历补点，得到所有的补点，以形成补点集，然后将补点集放入集合A1，以得到集合A2。

S4，对集合A2进行降噪，以得到集合A3；

在一实施例中，所述对集合A2进行降噪，以得到集合A3，包括：

计算当前定位点Pi的上一个点Pi-1和下一个点Pi+1的连线L(Pi-1，Pi+1)到当前定位点Pi的垂直距离LD(Pi-1,Pi,Pi+1)；

具体地，垂直距离，一般由地图等SDK内置的算法提供或者自行计算，实现和计算方式一般采用Haversine公式(一种公开的算法)进行计算。

判断垂直距离LD(Pi-1,Pi,Pi+1)是否小于等于阀值Dt；

具体地，阀值Dt是根据以下准则综合考量设定的。测量误差：轨迹数据通常是通过全球定位系统(GPS)等设备获取的，而这些设备会存在一定的测量误差。在一般情况下，GPS的定位误差在10-20米左右。移动性限制：在真实的移动场景中，人或物体的移动通常不会出现突然的大范围跳跃或变化。

若垂直距离LD(Pi-1,Pi,Pi+1)小于等于阀值Dt，则该定位点符合要求；

若垂直距离LD(Pi-1,Pi,Pi+1)大于阀值Dt，则将该定位点丢弃；

遍历集合A2中的所有定位点，将所有符合要求的定位点收集，以得到集合A3。

具体地，通过阀值滤波算法，进行降噪，遍历集合A2中的所有定位点，将所有符合要求的定位点收集，以得到降噪后的集合A3。

S5，对集合A3进行修正，以得到集合A4；

在一实施例中，由于车辆在行驶过程中，受限于环境因素和定位器本身的限制，定位点存在噪声和误差；基于此，对集合A3采用卡尔曼滤波算法修正，对噪声和误差抑制，对轨迹提供更加平滑和准确的的位置估计结果，将定位点集合A3使用卡尔曼滤波算法修正后得到集合A4。

具体地，卡尔曼滤波(KalmanFilter)是一种用于估计系统状态的递归滤波器，通过将测量值与预测值进行融合来提高状态估计的准确性。它被广泛应用于信号处理、导航、控制系统等领域，是一种公开算法，具体的计算过程，在此不做详细描述。

S6，对集合A4进行平滑，以得到集合A5；

在一实施例中，为了进一步平滑轨迹线，对集合A4，采用五点线性平滑算法进行优化，使得轨迹线更加平滑，对A4中的所有定位点采用五点线性平滑算法进行计算得到集合A5。其中，五点线性平滑算法，是一种常用的滤波算法，包括有五点(1/2/3次)线性平滑算法等几个类型。

S7，对集合A5进行抽希，以得到集合A6，即优化后的地图拐角轨迹。

在一实施例中，由于手机性能对地图加载定位点的数量有影响，基于此，对集合A5使用道格拉斯-普克抽希算法进行抽希，得到最终的定位点集合A6，即优化后的地图拐角轨迹。

其中，道格拉斯-普克抽稀算法(Douglas-Peucker Algorithm)是一种用于曲线简化的算法，也称为抽希算法。它的目标是通过在曲线上选择一部分关键点，以减少曲线的数据点数量，并尽量保持原始曲线的形状特征。

算法的基本思想是通过递归地将曲线划分为子段，并判断子段上的点是否足够接近于原始曲线。具体流程如下：

1、选择曲线上的起点和终点作为关键点；

2、计算曲线上每个点到起点和终点所确定的直线的距离；

3、找到距离最大的点，如果该距离大于预设的阈值，则将该点选为新的关键点；

4、将曲线根据距离最大点进行切割，形成两个子曲线；

5、对每个子曲线重复步骤2到步骤4，直到所有的点都被处理完毕；

6、最终得到一系列关键点，这些点可以用来近似表示原始曲线。

道格拉斯-普克抽稀算法具有简单高效的特点，常用于地理信息系统(GI S)中的地图数据压缩、路径规划中的轨迹简化以及计算机图形学中的曲线绘制等领域。通过选择适当的阈值，可以控制简化后曲线与原始曲线之间的误差。

本发明通过收集拐角处的定位点原始数据，然后对定位点原始数据进行漂移点过滤和数据移除、补点、降噪、修正、平滑、以及抽希，得到优化后的地图拐角轨迹，可以使轨迹拐角处比较圆滑，解决轨迹拐角处像多条直线拼接起来的问题，提高用户的使用体验。

请参阅图2所示，本发明还公开了一种优化地图拐角轨迹的装置，包括：收集单元10、过滤移除单元20、补点单元30、降噪单元40、修正单元50、平滑单元60及抽希单元70；

所述收集单元10，用于收集拐角处的定位点原始数据，以得到集合A0；

所述过滤移除单元20，用于对集合A0进行漂移点过滤及数据移除，以得到集合A1；

所述补点单元30，用于对集合A1进行补点，以得到集合A2；

所述降噪单元40，用于对集合A2进行降噪，以得到集合A3；

所述修正单元50，用于对集合A3进行修正，以得到集合A4；

所述平滑单元60，用于对集合A4进行平滑，以得到集合A5；

所述抽希单元70，用于对集合A5进行抽希，以得到集合A6，即优化后的地图拐角轨迹。

需要说明的是，所属领域的技术人员可以清楚地了解到，上述优化地图拐角轨迹的装置和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。

上述优化地图拐角轨迹的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图3所示的计算机设备上运行。

请参阅图3，图3是本申请实施例提供的一种计算机设备的示意性框图；该计算机设备500可以是终端，也可以是服务器，其中，终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。

参阅图3，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。

该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种优化地图拐角轨迹的方法。

该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。

该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种优化地图拐角轨迹的方法。

该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：

收集拐角处的定位点原始数据，以得到集合A0；对集合A0进行漂移点过滤及数据移除，以得到集合A1；对集合A1进行补点，以得到集合A2；对集合A2进行降噪，以得到集合A3；对集合A3进行修正，以得到集合A4；对集合A4进行平滑，以得到集合A5；对集合A5进行抽希，以得到集合A6，即优化后的地图拐角轨迹。

应当理解，在本申请实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。其中，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。

本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。

因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中计算机程序包括程序指令，所述程序指令当被处理器执行时可实现上述的优化地图拐角轨迹的方法。该存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现上述的方法。该程序指令包括以下步骤：

收集拐角处的定位点原始数据，以得到集合A0；对集合A0进行漂移点过滤及数据移除，以得到集合A1；对集合A1进行补点，以得到集合A2；对集合A2进行降噪，以得到集合A3；对集合A3进行修正，以得到集合A4；对集合A4进行平滑，以得到集合A5；对集合A5进行抽希，以得到集合A6，即优化后的地图拐角轨迹。

所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。

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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，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。

本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。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，也可以是两个或两个以上单元集成在一个单元中。

该集成的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，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品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，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。

上述实施例为本发明较佳的实现方案，除此之外，本发明还可以其它方式实现，在不脱离本技术方案构思的前提下任何显而易见的替换均在本发明的保护范围之内。

Claims (10)

1.优化地图拐角轨迹的方法，其特征在于，包括以下步骤：

收集拐角处的定位点原始数据，以得到集合A0；

对集合A0进行漂移点过滤及数据移除，以得到集合A1；

对集合A1进行补点，以得到集合A2；

对集合A2进行降噪，以得到集合A3；

对集合A3进行修正，以得到集合A4；

对集合A4进行平滑，以得到集合A5；

对集合A5进行抽希，以得到集合A6，即优化后的地图拐角轨迹。

2.根据权利要求1所述的优化地图拐角轨迹的方法，其特征在于，所述对集合A0进行漂移点过滤及数据移除，以得到集合A1，包括：

根据定位点原始数据，计算当前定位点Pi和上一个定位点Pi-1之间的距离D(Pi-1,Pi)、以及时间间隔T(Pi-1,Pi)，并根据距离D(Pi-1,Pi)和时间间隔T(Pi-1,Pi)计算得到平均车速S(Pi-1,Pi)；

结合车辆类型和行车数据，设定车速阀值St；

判断车速S(Pi-1,Pi)是否小于阀值St；

若车速S(Pi-1,Pi)小于阀值St，则该定位点符合要求；

若车速S(Pi-1,Pi)不小于阀值St，则将该定位点移除；

遍历集合A0中的所有定位点，将所有符合要求的定位点收集，以得到集合A1。

3.根据权利要求1所述的优化地图拐角轨迹的方法，其特征在于，所述对集合A1进行补点，以得到集合A2，包括：

设定补充的定位点个数为n，遍历集合A1获取当前定位点Pa和下一个定位点Pb；

计算两点之间的时间间隔T(Pa，Pb)、距离D(Pa，Pb)和平均移动速度S(Pa，Pb)；

根据补点数n和时间T(Pa，Pb)，计算时间插值系数t，再由n和t计算得到补点Pn的时间；

根据补点数n和距离D(Pa，Pb)，计算距离插值系数d，再结合n、d及定位点Pa的位置，计算得到补点Pn的经纬度；

对集合A1进行遍历补点，以得到补点集，将补点集放入集合A1，以得到集合A2。

4.根据权利要求1所述的优化地图拐角轨迹的方法，其特征在于，所述对集合A2进行降噪，以得到集合A3，包括：

计算当前定位点Pi的上一个点Pi-1和下一个点Pi+1的连线L(Pi-1，Pi+1)到当前定位点Pi的垂直距离LD(Pi-1,Pi,Pi+1)；

判断垂直距离LD(Pi-1,Pi,Pi+1)是否小于等于阀值Dt；

若垂直距离LD(Pi-1,Pi,Pi+1)小于等于阀值Dt，则该定位点符合要求；

若垂直距离LD(Pi-1,Pi,Pi+1)大于阀值Dt，则将该定位点丢弃；

遍历集合A2中的所有定位点，将所有符合要求的定位点收集，以得到集合A3。

5.根据权利要求1所述的优化地图拐角轨迹的方法，其特征在于，所述对集合A3进行修正，以得到集合A4步骤中，对集合A3采用卡尔曼滤波算法修正，对噪声和误差抑制，以得到集合A4。

6.根据权利要求1所述的优化地图拐角轨迹的方法，其特征在于，所述对集合A4进行平滑，以得到集合A5步骤中，对集合A4采用五点线性平滑算法进行优化，以得到集合A5。

7.根据权利要求1所述的优化地图拐角轨迹的方法，其特征在于，所述对集合A5进行抽希，以得到集合A6步骤中，对集合A5采用道格拉斯-普克抽希算法进行抽希，以得到集合A6。

8.优化地图拐角轨迹的装置，其特征在于，包括：收集单元、过滤移除单元、补点单元、降噪单元、修正单元、平滑单元及抽希单元；

所述收集单元，用于收集拐角处的定位点原始数据，以得到集合A0；

所述过滤移除单元，用于对集合A0进行漂移点过滤及数据移除，以得到集合A1；

所述补点单元，用于对集合A1进行补点，以得到集合A2；

所述降噪单元，用于对集合A2进行降噪，以得到集合A3；

所述修正单元，用于对集合A3进行修正，以得到集合A4；

所述平滑单元，用于对集合A4进行平滑，以得到集合A5；

所述抽希单元，用于对集合A5进行抽希，以得到集合A6，即优化后的地图拐角轨迹。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的优化地图拐角轨迹的方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如权利要求1-7中任一项所述的优化地图拐角轨迹的方法。