近似和插值GPS軌跡

我有一個gps值序列，每個值包含：timestamp, latitude, longitude, n_sats, gps_speed, gps_direction, ...（NMEA data的一些子集）。我不確定方向和速度值的質量。此外，我不能指望序列是均勻分佈的w.r.t.時間戳。我希望在一個平穩的時間步驟中獲得平穩的軌跡。近似和插值GPS軌跡

我讀過卡爾曼濾波器是這類任務的首選工具。這確實是這樣嗎？

我發現卡爾曼濾波器的一些實施方式用於Python：

這些然而似乎假定規則間隔的數據，即迭代。整合對不規則間距觀測的支持需要什麼？

我可以想象的一件事是重複/調整預測步驟以基於時間的模型。你能爲這個應用推薦這樣的模型嗎？它是否需要考慮NMEA速度值？

來源

2012-08-07 moooeeeep

你找到任何答案，這樣你的自我？ – 2014-09-06 16:10:13

@pksorensen最終我還不需要（但） - 但現在我重新閱讀這個問題，它可能是一個<偏離主題/太寬泛/基於意見>來適應這個網站。 – moooeeeep 2014-09-06 16:28:14

當然。卡爾曼濾波器應該是一個很好的工具。只需查找實現細節並運行問題 – 2014-09-06 18:15:43

有到處尋找卡爾曼濾波器可以理解的資源，我強烈推薦這一個：https://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python

要針對不規則間隔觀察特定的問題：看看上面的參考第8章，並根據標題爲「非平穩過程」。總而言之，您需要爲每次迭代使用不同的狀態轉換函數和過程噪聲協方差。這些是你在每次迭代中需要改變的唯一的東西，因爲它們是依賴於delta t的唯一組件。

來源

2016-02-04 14:32:40

您也可以嘗試運動插值來查看結果是否符合您的預期。

這裏的這些算法之一的Python實現：https://gist.github.com/talespaiva/128980e3608f9bc5083b

來源

2016-02-15 16:11:35

近似和插值GPS軌跡

回答

相關問題