[發(fā)明專利]一種運(yùn)動(dòng)軌跡數(shù)據(jù)的去噪方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010982034.0
• 申請(qǐng)日: 2020-09-17
• 公開(kāi)（公告）號(hào): CN112200832B
• 公開(kāi)（公告）日: 2023-03-14
• 發(fā)明（設(shè)計(jì)）人: 李連亮;劉在平;李全用;蔡富東;許寶進(jìn);陳兵
• 申請(qǐng)（專利權(quán)）人: 山東信通電子股份有限公司
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06T5/00;G06V10/762
• 代理公司: 北京君慧知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11716
• 代理人: 董延麗

本申請(qǐng)實(shí)施例提供了一種運(yùn)動(dòng)軌跡數(shù)據(jù)的去噪方法及裝置，解決了現(xiàn)有的去噪算法難以保證去噪精度，或者難以應(yīng)用到實(shí)際場(chǎng)景中的的技術(shù)問(wèn)題。其中，方法包括：采集運(yùn)動(dòng)軌跡數(shù)據(jù)，并以時(shí)間順序?qū)⑦\(yùn)動(dòng)軌跡數(shù)據(jù)排列處理成數(shù)據(jù)集；遍歷數(shù)據(jù)集，并根據(jù)預(yù)設(shè)時(shí)間閾值將數(shù)據(jù)集劃分為若干軌跡集；將若干軌跡集分別通過(guò)聚類分析算法進(jìn)行處理，以得到第一結(jié)果集與第一噪點(diǎn)集，并剔除第一噪點(diǎn)集；將第一結(jié)果集通過(guò)航跡推演算法進(jìn)行處理，以剔除第二噪點(diǎn)集，得到第二結(jié)果集；其中，第二噪點(diǎn)集為第一結(jié)果集中存在的噪點(diǎn)的集合。本申請(qǐng)實(shí)施例通過(guò)結(jié)合聚類分析和航跡推演的去噪方法，提高了去噪精度，并且算法復(fù)雜度適中，易于應(yīng)用到實(shí)際應(yīng)用場(chǎng)景中。

技術(shù)領(lǐng)域

本申請(qǐng)涉及定位跟蹤技術(shù)領(lǐng)域，尤其涉及一種運(yùn)動(dòng)軌跡數(shù)據(jù)的去噪方法及裝置。

背景技術(shù)

目前，在實(shí)際采集到的電子設(shè)備的定位點(diǎn)數(shù)據(jù)集合中會(huì)存在大量噪點(diǎn)，由于噪點(diǎn)的干擾，造成了不能真實(shí)顯示設(shè)備運(yùn)動(dòng)狀態(tài)和軌跡。因此，如何有效剔除存在的噪點(diǎn)，成為當(dāng)前定位跟蹤技術(shù)中研究的一個(gè)方向。

為了解決由于噪點(diǎn)干擾，使電子設(shè)備的定位不準(zhǔn)確的問(wèn)題，目前出現(xiàn)了以下三種現(xiàn)有技術(shù)方案：

1.基于雙向長(zhǎng)短時(shí)記憶模型和卡爾曼濾波的軌跡去噪，利用了循環(huán)神經(jīng)網(wǎng)絡(luò)的雙向長(zhǎng)短時(shí)記憶模型建模，利用模型輸出建立卡爾曼濾波的輸入，再由卡爾曼濾波完成去噪。但這種去噪算法復(fù)雜，計(jì)算量大，難于應(yīng)用到實(shí)際應(yīng)用場(chǎng)景中。

2.軌跡去噪方法，利用滑動(dòng)窗口順序多次滑動(dòng)以對(duì)軌跡點(diǎn)進(jìn)行劃分；再根據(jù)滑動(dòng)窗口中的軌跡點(diǎn)的特征動(dòng)態(tài)調(diào)整參數(shù)值，雖然算法比較簡(jiǎn)單，但去噪精度難以保證。

3.利用聚類分析的方法，整體考慮軌跡的形態(tài)，利用實(shí)際運(yùn)動(dòng)軌跡在運(yùn)動(dòng)中存在相互關(guān)聯(lián)的關(guān)系，噪點(diǎn)不相關(guān)的進(jìn)行去噪。該方法在利用聚類分析方法分類過(guò)程中，有可能將誤差大或者錯(cuò)點(diǎn)歸在正常的分類簇中保留下來(lái)，無(wú)法根據(jù)時(shí)間將誤差大的點(diǎn)判斷出來(lái)，而且一段軌跡中存在點(diǎn)與點(diǎn)之間可能有時(shí)間間隔很長(zhǎng)的情況，兩點(diǎn)的相關(guān)性就比較小，如果這種情況下利用聚類方法進(jìn)行去噪，有可能將實(shí)際的點(diǎn)當(dāng)成噪點(diǎn)去掉的。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種運(yùn)動(dòng)軌跡數(shù)據(jù)的去噪方法及裝置，解決了現(xiàn)有的去噪算法過(guò)于簡(jiǎn)單，從而難以保證去噪精度，或者去噪算法過(guò)于復(fù)雜，從而難于應(yīng)用到實(shí)際應(yīng)用場(chǎng)景中的技術(shù)問(wèn)題。

一方面，本申請(qǐng)實(shí)施例提供了一種運(yùn)動(dòng)軌跡數(shù)據(jù)的去噪方法，包括：采集運(yùn)動(dòng)軌跡數(shù)據(jù)，并以時(shí)間順序?qū)⑦\(yùn)動(dòng)軌跡數(shù)據(jù)排列處理成數(shù)據(jù)集；遍歷數(shù)據(jù)集，并根據(jù)預(yù)設(shè)時(shí)間閾值將數(shù)據(jù)集劃分為若干軌跡集；將若干軌跡集分別通過(guò)聚類分析算法進(jìn)行處理，以得到第一結(jié)果集與第一噪點(diǎn)集，并剔除第一噪點(diǎn)集；其中，所述第一噪點(diǎn)集為所述若干軌跡集中存在的部分噪點(diǎn)的集合；將第一結(jié)果集通過(guò)航跡推演算法進(jìn)行處理，以剔除第二噪點(diǎn)集，得到第二結(jié)果集；其中，第二噪點(diǎn)集為第一結(jié)果集中存在的噪點(diǎn)的集合。

本申請(qǐng)實(shí)施例提供的一種運(yùn)動(dòng)軌跡數(shù)據(jù)的去噪方法，將采集的運(yùn)動(dòng)軌跡數(shù)據(jù)處理成數(shù)據(jù)集，通過(guò)遍歷數(shù)據(jù)集，將數(shù)據(jù)集劃分為若干軌跡集；然后，基于聚類分析算法，將若干軌跡集中與實(shí)際運(yùn)動(dòng)不相關(guān)的噪點(diǎn)去除。避免了有可能將實(shí)際點(diǎn)作為噪點(diǎn)去掉的可能，可以使去噪結(jié)果更加精確。最后，再基于航跡推演算法，將經(jīng)過(guò)聚類分析去噪的軌跡數(shù)據(jù)進(jìn)行分析去噪。本申請(qǐng)實(shí)施例有效的將聚類分析去噪過(guò)程中不能去除的誤差大或者錯(cuò)誤的軌跡點(diǎn)去除，使軌跡數(shù)據(jù)更貼近真實(shí)軌跡，進(jìn)而提高去噪精度。且本申請(qǐng)實(shí)施例采用的算法復(fù)雜度適中，易于應(yīng)用到實(shí)際應(yīng)用場(chǎng)景中。

在本申請(qǐng)的一種實(shí)現(xiàn)方式中，根據(jù)預(yù)設(shè)時(shí)間閾值條件將數(shù)據(jù)集劃分為若干軌跡集，具體包括：計(jì)算數(shù)據(jù)集中各軌跡點(diǎn)與其后一個(gè)軌跡點(diǎn)之間的時(shí)間差值；在時(shí)間差值大于預(yù)設(shè)時(shí)間閾值的情況下，將數(shù)據(jù)集斷開(kāi)，以得到若干軌跡集。

在本申請(qǐng)的一種實(shí)現(xiàn)方式中，在得到若干軌跡集之后，方法還具體包括：確定任一軌跡集中的任一軌跡點(diǎn)與其后一個(gè)軌跡點(diǎn)之間的時(shí)間差值大于預(yù)設(shè)時(shí)間閾值；以任一軌跡點(diǎn)為斷開(kāi)點(diǎn)，將任一軌跡集劃分為兩個(gè)軌跡集；遍歷若干軌跡集，直至任一軌跡集中的任意兩個(gè)軌跡點(diǎn)之間的時(shí)間差值不大于預(yù)設(shè)時(shí)間閾值。