[发明专利]一种基于物联网和曲线拟合的轨迹复现方法

权利要求书

1.一种基于物联网和曲线拟合的轨迹复现方法，其特征在于，

根据动态部件前段时间的运动状态，动态采集样本数据，采用基于最小二乘法的曲线拟合算法，动态拟合轨迹方程，预测目标轨迹，消除目标位置显示问题。

2.根据权利要求1所述的方法，其特征在于，

对实时动态数据利用霍夫变换思想对野值进行剔除，将清洗后的实时数据利用最小二乘法进行轨迹曲线拟合。

3.根据权利要求2所述的方法，其特征在于，

首先利用霍夫变换对经纬度实测数据进行预处理，消除野值数据对后续轨迹拟合精度的影响。

4.根据权利要求3所述的方法，其特征在于，

趋于直线的轨迹野值点剔除；在一段直线中共含n个(n1)实测点，这些点可以共同构建n条直线段；根据直角坐标系转换到霍夫空间的映射原则，这些直线段映射为霍夫空间中的数据点，通过数据点在霍夫空间的分布规律逐步进行粗差剔除。

5.根据权利要求3所述的方法，其特征在于，

对弯曲路段的野值进行剔除，将弯道看作二次曲线，结合广义霍夫变换实现的野值剔除；在直角坐标系中，3个数据点映射成为霍夫空间中的一个点，在霍夫空间中来估计空间中点的分布密度，以此剔除弯道的粗差数据点。

6.根据权利要求2所述的方法，其特征在于，

基于最小二乘法对历史轨迹路线进行分段曲线拟合，随后进行轨迹叠加，即可得到连续平滑的历史轨迹曲线。

7.根据权利要求6所述的方法，其特征在于，

选取数据丢失时刻最近的轨迹点为采样点，运用最小二乘曲线拟合算法拟合出目标设定时期内轨迹曲线，并假定目标在该时期内按此轨迹行进，在轨迹上取点作为目标数据丢失区间内到达的轨迹点。

8.根据权利要求7所述的方法，其特征在于，

最小二乘曲线拟合轨迹预测算法步骤如下：

a)确定前r个轨迹采样点{(x_i-r+j,y_i-r+j)j＝1,2,...,r}；

b)由最小二乘曲线拟合准则，求出系数矩阵[a₀,a₁,...,a_n]^T的最优解，得到动态部件的轨迹方程；

c)取根据拟合的轨迹曲线计算出y_i+1，输出预测的轨迹点经纬度(x_i+1,y_i+1)；

d)若物联网采集模块有该点真实数据延时上报，则采用测量值替换预测值。