Сглаживайте данные GPS

Question

Сглаживайте данные GPS

Мы используем AspectJ и аннотации Java с этой целью. Если мы должны знать ко времени выполнения для метода, мы простой аннотируем его. Больше усовершенствованной версии могло использовать собственный уровень журнала, который может, включил и отключил во времени выполнения.

public @interface Trace {
  boolean showParameters();
}

@Aspect
public class TraceAspect {
  [...]
  @Around("tracePointcut() && @annotation(trace) && !within(TraceAspect)")
  public Object traceAdvice ( ProceedingJintPoint jP, Trace trace ) {

    Object result;
    // initilize timer

    try { 
      result = jp.procced();
    } finally { 
      // calculate execution time 
    }

    return result;
  }
  [...]
}

141

gps smoothing

задан P̲̳x͓L̳ 28 March 2014 в 16:36

4 ответа

Другие вопросы по тегам:

gps smoothing

Похожие вопросы:

score 74 · Answer 1

То, что вы ищете, называется Фильтром Калмана . Он часто используется для сглаживания навигационных данных . Это не обязательно тривиально, и вы можете многое настроить, но это очень стандартный подход, который хорошо работает. Доступна библиотека KFilter , которая является реализацией C ++.

Мой следующий запасной вариант - метод наименьших квадратов . Фильтр Калмана сглаживает данные, принимая во внимание скорости, тогда как подход наименьших квадратов будет использовать только позиционную информацию. Тем не менее, это определенно проще реализовать и понять. Похоже, что в Научной библиотеке GNU может быть реализация этого.

score 4 · Answer 2

Один из методов, который требует меньше математики / теории, - это выборка 2, 5, 7 или 10 точек данных за раз и определение тех, которые являются выбросами. Менее точная мера выброса, чем фильтр Калмана, заключается в использовании следующего алгоритма для определения всех попарных расстояний между точками и исключения той, которая наиболее удалена от других. Обычно эти значения заменяются значением, наиболее близким к выпадающему значению, которое вы заменяете

Например,

Сглаживание в пяти точках выборки A, B, C, D, E

ATOTAL = СУММА расстояний AB AC AD AE

BTOTAL = СУММА расстояний AB BC BD BE

CTOTAL = СУММА расстояний AC BC CD CE

DTOTAL = СУММА расстояний DA DB DC DE

ETOTAL = СУММА расстояний EA EB EC DE

Если BTOTAL наибольшее, вы замените точку B на D, если BD = min {AB, BC, BD, BE}

Это сглаживание определяет выбросы и может быть увеличено за счет использования средней точки BD вместо точки D для сглаживания позиционной линии. Ваш опыт может отличаться, и существуют более математически строгие решения.

score 4 · Answer 3

Что касается аппроксимации методом наименьших квадратов, вот еще пара вещей, с которыми можно поэкспериментировать:

То, что аппроксимация методом наименьших квадратов, не означает, что она должна быть линейной. Вы можете подобрать квадратичную кривую к данным методом наименьших квадратов, тогда это будет соответствовать сценарию, в котором пользователь ускоряется. (Обратите внимание, что под методом наименьших квадратов я подразумеваю использование координат в качестве зависимой переменной и времени в качестве независимой переменной.)
Вы также можете попробовать взвесить точки данных на основе заявленной точности. Когда точность низкая, вес этих точек данных ниже.
Еще одна вещь, которую вы, возможно, захотите попробовать, - это не отображать одну точку, если точность низкая, отобразите кружок или что-то, указывающее диапазон, в котором пользователь может основываться на заявленная точность. (Это то, что делает встроенное в iPhone приложение Google Maps. )

score 3 · Answer 4

Вы также можете использовать сплайн. Введите имеющиеся у вас значения и интерполируйте точки между известными точками. Связывая это с методом наименьших квадратов, скользящее среднее или фильтр Калмана (как упоминалось в других ответах) дает вам возможность вычислять точки между вашими «известными» точками.

Возможность интерполировать значения между вашими известными точками дает вам приятный плавный переход и / разумный / приближение того, какие данные были бы представлены, если бы у вас была более высокая точность. http://en.wikipedia.org/wiki/Spline_interpolation

У разных сплайнов разные характеристики. Чаще всего используются сплайны Акима и Кубик.