[发明专利]一种运动轨迹数据的去噪方法及装置

说明书

本申请实施例提供了一种运动轨迹数据的去噪方法及装置，解决了现有的去噪算法难以保证去噪精度，或者难以应用到实际场景中的的技术问题。其中，方法包括：采集运动轨迹数据，并以时间顺序将运动轨迹数据排列处理成数据集；遍历数据集，并根据预设时间阈值将数据集划分为若干轨迹集；将若干轨迹集分别通过聚类分析算法进行处理，以得到第一结果集与第一噪点集，并剔除第一噪点集；将第一结果集通过航迹推演算法进行处理，以剔除第二噪点集，得到第二结果集；其中，第二噪点集为第一结果集中存在的噪点的集合。本申请实施例通过结合聚类分析和航迹推演的去噪方法，提高了去噪精度，并且算法复杂度适中，易于应用到实际应用场景中。

技术领域

本申请涉及定位跟踪技术领域，尤其涉及一种运动轨迹数据的去噪方法及装置。

背景技术

目前，在实际采集到的电子设备的定位点数据集合中会存在大量噪点，由于噪点的干扰，造成了不能真实显示设备运动状态和轨迹。因此，如何有效剔除存在的噪点，成为当前定位跟踪技术中研究的一个方向。

为了解决由于噪点干扰，使电子设备的定位不准确的问题，目前出现了以下三种现有技术方案：

1.基于双向长短时记忆模型和卡尔曼滤波的轨迹去噪，利用了循环神经网络的双向长短时记忆模型建模，利用模型输出建立卡尔曼滤波的输入，再由卡尔曼滤波完成去噪。但这种去噪算法复杂，计算量大，难于应用到实际应用场景中。

2.轨迹去噪方法，利用滑动窗口顺序多次滑动以对轨迹点进行划分；再根据滑动窗口中的轨迹点的特征动态调整参数值，虽然算法比较简单，但去噪精度难以保证。

3.利用聚类分析的方法，整体考虑轨迹的形态，利用实际运动轨迹在运动中存在相互关联的关系，噪点不相关的进行去噪。该方法在利用聚类分析方法分类过程中，有可能将误差大或者错点归在正常的分类簇中保留下来，无法根据时间将误差大的点判断出来，而且一段轨迹中存在点与点之间可能有时间间隔很长的情况，两点的相关性就比较小，如果这种情况下利用聚类方法进行去噪，有可能将实际的点当成噪点去掉的。

发明内容

本申请实施例提供了一种运动轨迹数据的去噪方法及装置，解决了现有的去噪算法过于简单，从而难以保证去噪精度，或者去噪算法过于复杂，从而难于应用到实际应用场景中的技术问题。

一方面，本申请实施例提供了一种运动轨迹数据的去噪方法，包括：采集运动轨迹数据，并以时间顺序将运动轨迹数据排列处理成数据集；遍历数据集，并根据预设时间阈值将数据集划分为若干轨迹集；将若干轨迹集分别通过聚类分析算法进行处理，以得到第一结果集与第一噪点集，并剔除第一噪点集；其中，所述第一噪点集为所述若干轨迹集中存在的部分噪点的集合；将第一结果集通过航迹推演算法进行处理，以剔除第二噪点集，得到第二结果集；其中，第二噪点集为第一结果集中存在的噪点的集合。

本申请实施例提供的一种运动轨迹数据的去噪方法，将采集的运动轨迹数据处理成数据集，通过遍历数据集，将数据集划分为若干轨迹集；然后，基于聚类分析算法，将若干轨迹集中与实际运动不相关的噪点去除。避免了有可能将实际点作为噪点去掉的可能，可以使去噪结果更加精确。最后，再基于航迹推演算法，将经过聚类分析去噪的轨迹数据进行分析去噪。本申请实施例有效的将聚类分析去噪过程中不能去除的误差大或者错误的轨迹点去除，使轨迹数据更贴近真实轨迹，进而提高去噪精度。且本申请实施例采用的算法复杂度适中，易于应用到实际应用场景中。

在本申请的一种实现方式中，根据预设时间阈值条件将数据集划分为若干轨迹集，具体包括：计算数据集中各轨迹点与其后一个轨迹点之间的时间差值；在时间差值大于预设时间阈值的情况下，将数据集断开，以得到若干轨迹集。

在本申请的一种实现方式中，在得到若干轨迹集之后，方法还具体包括：确定任一轨迹集中的任一轨迹点与其后一个轨迹点之间的时间差值大于预设时间阈值；以任一轨迹点为断开点，将任一轨迹集划分为两个轨迹集；遍历若干轨迹集，直至任一轨迹集中的任意两个轨迹点之间的时间差值不大于预设时间阈值。