gps - 近似和内插 GPS 轨迹

Question

我有一系列 gps 值，每个值包含:timestamp, latitude, longitude, n_sats, gps_speed, gps_direction, ... ( NMEA data 的某个子集)。我不确定方向和速度值的质量如何。此外，我不能指望序列均匀间隔 w.r.t.时间戳。我想在均匀的时间步长获得平滑的轨迹。

我读过卡尔曼滤波器是此类任务的首选工具。真的是这样吗？

我发现了一些适用于 Python 的卡尔曼滤波器的实现:

http://www.scipy.org/Cookbook/KalmanFiltering

http://ascratchpad.blogspot.de/2010/03/kalman-filter-in-python.html

然而，这些似乎假设有规则间隔的数据，即迭代。
整合对不规则间隔观测的支持需要什么？

我可以想象的一件事是将预测步骤重复/调整为基于时间的模型。您能为此应用推荐这样的模型吗？是否需要考虑 NMEA 速度值？

Answer 1

在四处寻找有关卡尔曼滤波器的可理解资源后，我强烈推荐这个:https://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python

对于您关于不规则间隔观察的特定问题:请查看上述引用资料中的第 8 章，以及“非平稳过程”标题下的内容。总而言之，您需要为每次迭代使用不同的状态转换函数和过程噪声协方差。这些是您在每次迭代中唯一需要更改的内容，因为它们是唯一依赖于 delta t 的组件。