CN111625755B - 数据处理方法、装置、服务器、终端和可读存储介质 - Google Patents
数据处理方法、装置、服务器、终端和可读存储介质 Download PDFInfo
- Publication number
- CN111625755B CN111625755B CN202010436167.8A CN202010436167A CN111625755B CN 111625755 B CN111625755 B CN 111625755B CN 202010436167 A CN202010436167 A CN 202010436167A CN 111625755 B CN111625755 B CN 111625755B
- Authority
- CN
- China
- Prior art keywords
- data
- imu
- sampling
- median
- imu data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title abstract description 29
- 238000005070 sampling Methods 0.000 claims abstract description 187
- 238000012937 correction Methods 0.000 claims abstract description 93
- 238000000034 method Methods 0.000 claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 66
- 230000001133 acceleration Effects 0.000 claims description 100
- 230000008569 process Effects 0.000 claims description 26
- 230000003068 static effect Effects 0.000 claims description 20
- 239000012634 fragment Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 description 34
- 230000006399 behavior Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/18—Stabilised platforms, e.g. by gyroscope
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Navigation (AREA)
Abstract
本公开实施例涉及一种数据处理方法、装置、服务器、终端和可读存储介质。所述方法包括：获取终端上报的交通工具的IMU数据；其中，所述IMU数据中的各个采样数据具有时间属性；根据所述各个采样数据的时间属性对所述IMU数据进行处理，得到所述IMU数据的误差修正数据；其中，所述误差修正数据与所述IMU数据的中值数据相关；采用所述误差修正数据对所述各个采样数据进行修正，得到修正后的IMU数据。采用本方法能够提高交通工具的IMU数据的数据精度。
Description
技术领域
本公开实施例涉及数据处理技术领域，特别是涉及一种数据处理方法、装置、服务器、终端和可读存储介质。
背景技术
惯性测量单元(Inertial Measurement Unit，IMU)是测量物体姿态角(或角速率)以及加速度的装置。一般的，一个IMU包含了三个单轴的加速度计和三个单轴的陀螺，分别用于测量物体在三维空间中的加速度数据和角速度数据，即IMU数据。
目前，自动驾驶、导航***、驾驶安全等项目中均大量使用IMU数据。以驾驶安全为例，驾驶员的终端内设置有IMU，终端通过IMU测量终端的IMU数据并上报管理后台；管理后台获取该IMU数据后进行数据处理，对车辆的姿态进行还原，以此检测车辆是否存在急加速、急转弯、急变道、急减速等危险驾驶行为。
然而，上述终端上报的IMU数据精度较低，进而在一些应用IMU数据的场景中，经常出现各种应用上的准确度问题，例如，在利用IMU数据进行危险驾驶行为预测时，经常出现预测准确度不高的情况。
发明内容
本公开实施例提供一种数据处理方法、装置、服务器、终端和可读存储介质，可以用于提高交通工具的IMU数据的数据精度。
第一方面，本公开实施例提供一种数据处理方法，所述方法包括：
获取终端上报的交通工具的IMU数据；其中，所述IMU数据中的各个采样数据具有时间属性；
根据所述各个采样数据的时间属性对所述IMU数据进行处理，得到所述IMU数据的误差修正数据；其中，所述误差修正数据与所述IMU数据的中值数据相关；
采用所述误差修正数据对所述各个采样数据进行修正，得到修正后的IMU数据。
第二方面，本公开实施例提供一种数据处理方法，所述方法包括：
采集交通工具的IMU数据，并将所述IMU数据发送给服务器；所述IMU数据中的各个采样数据具有时间属性；
接收所述服务器下发的提示信息；所述提示信息与所述交通工具的行驶姿态有关，且所述提示信息为所述服务器采用上述第一方面所述的方法对所述IMU数据进行数据处理后生成的。
第三方面，本公开实施例提供一种数据处理装置，所述装置包括：
IMU数据获取模块，用于获取终端上报的交通工具的IMU数据；其中，所述IMU数据中的各个采样数据具有时间属性；
误差修正数据获取模块，用于根据所述各个采样数据的时间属性对所述IMU数据进行处理，得到所述IMU数据的误差修正数据；其中，所述误差修正数据与所述IMU数据的中值数据相关；
误差修正模块，用于采用所述误差修正数据对所述各个采样数据进行修正，得到修正后的IMU数据。
第四方面，本公开实施例提供一种数据处理装置，所述装置包括：
上报模块，用于采集交通工具的IMU数据，并将所述IMU数据发送给服务器；所述IMU数据中的各个采样数据具有时间属性；
提示信息接收模块，用于接收所述服务器下发的提示信息；所述提示信息与所述交通工具的行驶姿态有关，且所述提示信息为所述服务器采用上述第一方面所述的方法对所述IMU数据进行数据处理后生成的。
第五方面，本公开实施例提供一种服务器，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
第六方面，本公开实施例提供一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第二方面所述的方法。
第七方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面和第二方面所述的方法。
本公开实施例提供的数据处理方法、装置、服务器、终端和可读存储介质，通过采用与终端上报的交通工具的IMU数据的中值数据相关的误差修正数据，对该IMU数据中的各个采样数据进行修正，得到修正后的IMU数据，以IMU数据是加速度数据为例，由于物体受到的合外力是物体产生加速度的原因，若终端处于静止状态或者匀速状态，则终端受到的合外力只有重力和其它噪声，而在终端处于静止状态或者匀速状态时，终端采集的加速度数据等于IMU数据的中值数据，因此，该中值数据可以表征重力和其它噪声产生的加速度，也即重力和其它噪声对终端采集的加速度数据的干扰。而在该中值数据的附近波动的加速度数据也可以近似表征重力和其它噪声产生的加速度。由此，通过采用与终端上报的交通工具的IMU数据的中值数据相关的误差修正数据(误差修正数据可以是IMU数据的中值数据，也可以是在IMU数据的中值数据的附近波动的数据)，对该IMU数据中的各个采样数据进行修正，可以消除各个采样数据中重力和其它噪声的干扰，提高了交通工具的IMU数据的数据精度。进一步地，在一些应用IMU数据的场景中，通过采用本公开实施例数据处理方法，能够提升IMU数据的应用准确度，例如，以交通工具是车辆为例，传统技术中，一般是直接利用终端上报的车辆的IMU数据进行车辆危险驾驶行为预测，由于终端上报的车辆的IMU数据的精度较低，导致危险驾驶行为的预测准确度较低，但通过采用本公开实施例数据处理方法，对终端上报的车辆的IMU数据进行修正，得到修正后的IMU数据，提升了车辆的IMU数据的精度，再基于该修正后的IMU数据进行车辆的危险驾驶行为预测，从而提升了危险驾驶行为的预测准确度。
附图说明
图1为一个实施例中数据处理方法的应用环境图；
图2为一个实施例中数据处理方法的流程示意图；
图3为另一个实施例中数据处理方法的流程示意图；
图4为一个实施例中步骤S210的细化步骤示意图；
图5为一个实施例中步骤S212的细化步骤示意图；
图6为另一个实施例中数据处理方法的流程示意图；
图7为另一个实施例中数据处理方法的流程示意图；
图8为另一个实施例中数据处理方法的流程示意图；
图9为另一个实施例中数据处理方法的流程示意图；
图10为一个实施例中数据处理装置的结构框图；
图11为另一个实施例中数据处理装置的结构框图；
图12为另一个实施例中数据处理装置的结构框图；
图13为另一个实施例中数据处理装置的结构框图；
图14为另一个实施例中数据处理装置的结构框图；
图15为另一个实施例中数据处理装置的结构框图；
图16为一个实施例中终端的框图；
图17为一个实施例中服务器的框图。
具体实施方式
为了使本公开实施例的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开实施例进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本公开实施例，并不用于限定本公开实施例。
首先，在具体介绍本公开实施例的技术方案之前，先对本公开实施例基于的技术背景或者技术演进脉络进行介绍。通常情况下，在交通工具领域，当前的技术背景是：通过放置在交通工具内的终端测量交通工具的IMU数据，然后基于所测量的IMU数据进行交通工具姿态的还原、或者对司机的危险驾驶行为进行预测等等。基于该背景，申请人通过长期的IMU数据处理研发以及实验数据的搜集、演示和验证，发现终端测量的交通工具的IMU数据往往精度较低，从而导致在一些应用该IMU数据的场景中，会出现各种应用准确度低的问题。如何对交通工具的IMU数据进行修正，成为目前亟待解决的难题。另外，需要说明的是，从确定如何对交通工具的IMU数据进行修正以及下述实施例介绍的技术方案，申请人均付出了大量的创造性劳动。
下面结合本公开实施例所应用的场景，对本公开实施例涉及的技术方案进行介绍。
本公开实施例提供的数据处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。服务器104获取终端102上报的交通工具的IMU数据；其中，IMU数据中的各个采样数据具有时间属性；服务器104根据各个采样数据的时间属性对IMU数据进行处理，得到IMU数据的误差修正数据；其中，误差修正数据与IMU数据的中值数据相关；服务器104采用误差修正数据对各个采样数据进行修正，得到修正后的IMU数据。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种数据处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤S100，获取终端上报的交通工具的IMU数据。
其中，IMU数据中的各个采样数据具有时间属性。IMU(Inertial MeasurementUnit，惯性测量单元)一般包含加速度计和陀螺，分别用于测量物体在三维空间中的加速度数据和角速度数据。本实施例中，IMU数据可以是IMU加速度数据，在其它实施例中，IMU数据也可以是角速度数据、位移数据、速度数据等，在此不做具体限制。
本实施例中，终端可以是使用交通工具的用户的终端，例如，可以是司机终端，当前也可以是设置于交通工具内的其它终端。终端内设置有IMU，终端通过IMU可以测量交通工具的IMU数据，并将测量的交通工具的IMU数据上报至服务器。
作为一种实施方式，服务器可以向终端发送上报指令，指示终端按照上报指令携带的时间周期定期上报交通工具的IMU数据，时间周期例如可以是2分钟或3分钟等；终端接收到上报指令后，则按照该时间周期，将每个时间周期内采集的交通工具的IMU数据上报至服务器。在其它实施例中，服务器也可以在需要使用某一时间段内的交通工具的IMU数据时，则发送数据获取请求至终端，终端接收到该数据获取请求后，则向服务器上报该时间段内的交通工具的IMU数据，或者，终端也可以按照预设的时间周期向服务器主动上报终端采集的交通工具的IMU数据，等等，在此不做具体限制。
本实施例中，IMU数据包括终端在不同的采样时间采集到的采样数据，各个采样数据具有时间属性，时间属性可以是采样数据对应的采样时间。
步骤S200，根据各个采样数据的时间属性对IMU数据进行处理，得到IMU数据的误差修正数据。
本实施例中，误差修正数据与IMU数据的中值数据相关。以IMU数据是加速度数据为例，终端在采集加速度数据时，终端采集到的加速度数据会受外力的干扰，导致终端采集的加速度数据不准确。
由于物体受到的合外力是物体产生加速度的原因，若终端处于静止状态或者匀速状态，则终端受到的合外力只有重力和其它噪声，而在终端处于静止状态或者匀速状态时，终端采集的加速度数据等于IMU数据的中值数据，因此，该中值数据可以表征重力和其它噪声产生的加速度，也即重力和其它噪声对终端采集的加速度数据的干扰。而在该中值数据的附近波动的加速度数据也可以近似表征重力和其它噪声产生的加速度。
本实施例中，误差修正数据可以是IMU数据的中值数据，也可以是在IMU数据的中值数据的附近波动的数据，由此，误差修正数据可以表征重力和其它噪声对终端采集的加速度数据的干扰。
本实施例中，服务器根据各个采样数据的时间属性对IMU数据进行处理，具体可以是首先确定IMU数据的中值数据，IMU数据的中值数据可以是居于IMU数据中间位置的采样数据。服务器根据该中值数据确定IMU数据的误差修正数据，具体地，服务器可以将该中值数据作为IMU数据的误差修正数据，或者，服务器也可以将处于中值数据附近的数据，也即，与中值数据的差值的绝对值小于固定阈值的数据作为IMU数据的误差修正数据。
步骤S300，采用误差修正数据对各个采样数据进行修正，得到修正后的IMU数据。
服务器采用误差修正数据对各个采样数据进行修正，得到修正后的IMU数据。作为一种实施方式，服务器可以将各个采样数据减去误差修正数据，或者，服务器可以对采样数据和误差修正数据赋不同的权重值，然后将采样数据和误差修正数据进行加权求和，得到采样数据对应的修正后的采样数据，从而得到修正后的IMU数据。
本实施中，作为一种实施方式，采样数据可以是三轴加速度数据，即采样时间交通工具在x轴方向、y轴方向和z轴方向的加速度数据，其中，x轴方向表示交通工具行驶时的前后方向，y轴方向表示交通工具行驶时的左右方向，z轴方向表示上下方向。服务器可以根据各个采样时间下三轴加速度数据的时间属性，对每个轴的加速度数据分别进行处理，得到每个轴对应的误差修正数据，每个轴对应的误差修正数据与该轴加速度数据的中值数据相关。然后，服务器采用每个轴的误差修正数据对每个轴的加速度数据分别进行修正，例如，采样时间t1…tn对应的采样数据，即三轴加速度数据分别(a1x,a1y,a1z)…(anx,any,anz)，x轴对应的误差修正数据采用Cx表示，y轴对应的误差修正数据采用Cy表示,z轴对应的误差修正数据采用Cz表示，服务器则采用Cx对采样时间t1…tn对应的三轴加速度数据中的a1x…anx分别进行修正，采用Cy对采样时间t1…tn对应的三轴加速度数据中的a1y…any分别进行修正，采用Cz对采样时间t1…tn对应的三轴加速度数据中的a1z…anz分别进行修正。
通过上述分析可知，由于误差修正数据可以表征重力和其它噪声对终端采集的加速度数据的干扰，因此，服务器采用误差修正数据对各个采样数据进行修正，采样数据如三轴加速度数据，则可以消除各个三轴加速度数据中重力和其它噪声的干扰。本实施例得到的修正后的IMU数据，是消除了重力和其它噪声干扰后的IMU数据，因此，提高了交通工具的IMU数据的数据精度。
需要说明的是，在其它实施例中，对于IMU数据是角速度数据、位移数据、速度数据的情况，均可采用与中值数据相关的误差修正数据进行修正，从而去除由于测量分量噪音或误差产生的合矢量误差，本实施例在此不做具体限制。
作为一种实施方式，本实施例数据处理方法可以应用于直角笛卡尔坐标系，即终端上报的交通工具的IMU数据是在直角笛卡尔坐标系下测量到的，需要说明的是，本实施例数据处理方法也可以应用于任意仿射坐标或极坐标，在此不做具体限制。
综上，对于IMU加速度数据，由于物体受到的合外力是物体产生加速度的原因，若终端处于静止状态或者匀速状态，则终端受到的合外力只有重力和其它噪声，而在终端处于静止状态或者匀速状态时，终端采集的加速度数据等于IMU数据的中值数据，因此，该中值数据可以表征重力和其它噪声产生的加速度，也即重力和其它噪声对终端采集的加速度数据的干扰。而在该中值数据的附近波动的加速度数据也可以近似表征重力和其它噪声产生的加速度。由此，通过采用与终端上报的交通工具的IMU数据的中值数据相关的误差修正数据(误差修正数据可以是IMU数据的中值数据，也可以是在IMU数据的中值数据的附近波动的数据)，对该IMU数据中的各个采样数据进行修正，可以消除各个采样数据中重力和其它噪声的干扰，提高了交通工具的IMU数据的数据精度。进一步地，在一些应用IMU数据的场景中，通过采用本实施例数据处理方法，能够提升IMU数据的应用准确度，例如，以交通工具是车辆为例，传统技术中，一般是直接利用终端上报的车辆的IMU数据进行车辆危险驾驶行为预测，由于终端上报的车辆的IMU数据的精度较低，导致危险驾驶行为的预测准确度较低，但通过采用本实施例数据处理方法，对终端上报的车辆的IMU数据进行修正，得到修正后的IMU数据，提升了车辆的IMU数据的精度，再基于该修正后的IMU数据进行车辆的危险驾驶行为预测，从而提升了危险驾驶行为的预测准确度。
本公开实施例的申请人在研究过程中发现，终端放置在交通工具内时，终端的重力会对终端测量的交通工具的IMU数据的精度造成干扰。相关技术中，为了消除重力对IMU数据的影响，可以将终端处于静止状态时的采样数据的二范数近似为当地的重力加速度，以对IMU数据进行校准。具体地，对于终端上报的交通工具的IMU数据，服务器可以采用静态检测算法在IMU数据包括的多个采样数据中检测终端静止状态时的采样数据，然后基于转换矩阵或者六面法对IMU数据进行校准，进而消除重力对IMU数据的影响，然而，这种方式存在的弊端有：1)服务器采用静态检测算法在IMU数据包括的多个采样数据中检测终端静止状态时的采样数据时，需要人为设置阈值，服务器将采样数据的二范数小于该阈值的采样数据确定为终端静止状态时的采样数据，然而，该阈值的设置受人为主观影响较大；2)对IMU数据的校准只考虑了重力干扰因素，并未考虑其它噪声的干扰；3)对IMU数据进行校准时，涉及大量的矩阵运算，优化求解等复杂算法，并且转换矩阵方法中需要定义初始变换矩阵，状态方程，求解代价函数等，六面法需要构建校准模型，矩阵运算等，逻辑过程繁琐，计算复杂度高。
相较于该采用静态检测算法的方式对交通工具的IMU数据进行校准，本实施例服务器不需要进行复杂的矩阵运算或矩阵变换，也不需要人工设置阈值来检测终端的静止状态。本实施例利用与IMU数据的中值数据相关的误差修正数据，就可以达到对IMU数据修正的效果，对于处于不同摆放位置的终端上报的交通工具的IMU数据，均可采用本实施数据处理方法进行修正，避免了滤波，矩阵等复杂运算，本实施例计算复杂度极低，实用性高。
在一个实施例中，基于上述图2所示的实施例，如图3所示，本实施例涉及的是服务器如何根据各个采样数据的时间属性得到误差修正数据，并对各个采样数据进行修正的过程。具体的，本实施例包括如下步骤：
步骤S100，获取终端上报的交通工具的IMU数据。
其中，IMU数据中的各个采样数据具有时间属性。具体的，该步骤S100的具体过程可以参见上述实施例的描述，在此不再赘述。
步骤S210，根据各个采样数据的时间属性计算IMU数据对应的中值数据，并确定中值数据为误差修正数据。
本实施例中，具体地，服务器获取终端上报的交通工具的IMU数据后，根据各个采样数据的时间属性计算IMU数据对应的中值数据，该中值数据即为IMU数据的误差修正数据。
服务器根据各个采样数据的时间属性计算IMU数据对应的中值数据，具体地，IMU数据包括终端在不同的采样时间采集到的采样数据，即IMU数据包括多个采样数据，服务器计算该多个采样数据的中值数据则得到IMU数据对应的中值数据。
步骤S310，将各个采样数据分别减去中值数据，得到修正后的IMU数据。
本实施例中，具体地，服务器将IMU数据包括的各个采样数据分别减去中值数据，得到修正后的IMU数据。
例如，采样数据可以是三轴加速度数据，IMU数据为采样时间t1…tn对应的三轴加速度数据(a1x,a1y,a1z)…(anx,any,anz)，x轴对应的中值数据(误差修正数据)采用Cx表示，y轴对应的中值数据(误差修正数据)采用Cy表示,z轴对应的中值数据(误差修正数据)采用Cz表示，本实施例中，服务器将各个采样数据分别减去中值数据，具体可以是对a1xL anx分别减去Cx、对a1yL any分别减去Cy、对a1zL anz分别减去Cz，则得到的修正后的IMU数据为：(a1x-Cx,a1y-Cy,a1z-Cz)L(anx-Cx,any-Cy,anz-Cz)，其中，(a1x-Cx,a1y-Cy,a1z-Cz)为采样时间t1对应的修正后的三轴加速度数据，(anx-Cx,any-Cy,anz-Cz)为采样时间tn对应的修正后的三轴加速度数据。
本实施例中，通过根据各个采样数据的时间属性计算IMU数据对应的中值数据，将中值数据作为IMU数据的误差修正数据，若该中值数据对应的采样时间终端处于匀速状态或者静止状态，则该中值数据可以表征重力和其它噪声产生的加速度，也即重力和其它噪声对终端采集的加速度数据的干扰，若该中值数据对应的采样时间终端不处于匀速状态或者静止状态，则该中值数据可以近似表征重力和其它噪声产生的加速度，因此，对各个采样数据分别减去中值数据，可以消除各个采样数据中重力和其它噪声产生的干扰，能够达到降低计算复杂度，提升实用性的效果。
在一个实施例中，基于上述图3所示的实施例，如图4所示，本实施例涉及的是服务器如何根据各个采样数据的时间属性计算IMU数据对应的中值数据过程。本实施例中，上述步骤S210可以包括步骤S211和步骤S212：
步骤S211，根据各个采样数据的采样时间的先后顺序，对各个采样数据进行排序，得到IMU数据序列。
具体地，IMU数据中的各个采样数据具有时间属性，作为一种实施方式，IMU数据可以包括各个采样数据分别对应的采样时间，采样时间例如可以是采样时间戳，服务器可以按照各个采样数据的采样时间戳从小到大的顺序，对各个采样数据进行排序，得到IMU数据序列，由此，可以确保IMU数据序列中的各个采样数据是按照交通工具的实际驾驶行为的时间顺序产生的。
在其它实施例中，服务器也可以按照各个采样数据的采样时间戳从大到小的顺序，对各个采样数据进行排序得到IMU数据序列，本实施例在此不做具体限制。
步骤S212，根据IMU数据序列中采样数据的个数，确定IMU数据对应的中值数据。
中值又称中位数，是按顺序排列的一组数据中居于中间位置的数。本实施例中，服务器先根据各个采样数据的采样时间的先后顺序，对各个采样数据进行排序，得到IMU数据序列，然后再根据IMU数据序列中采样数据的个数，确定IMU数据对应的中值数据。例如，服务器可以将处于IMU数据序列的中间位置的采样数据确定为IMU数据对应的中值数据，并确定中值数据为误差修正数据。
本实施例避免了由于终端上报的IMU数据中，各个采样数据未严格按照采样时间的先后顺序排列，导致服务器确定的中值数据存在偏差的情况，提升IMU数据的中值数据的准确性。
在步骤S212一种可能的实施方式中，针对步骤S212，服务器可以直接根据所确定的IMU数据序列中采样数据的个数，来确定中值数据，即步骤S212可以包括：若IMU数据序列中采样数据的个数为奇数，则将处于IMU数据序列中间位置的采样数据确定为中值数据；若IMU数据序列中采样数据的个数为偶数，则将处于IMU数据序列中间位置的两个相邻采样数据的平均值确定为中值数据。
具体地，若IMU数据序列中采样数据的个数为奇数，服务器则将处于IMU数据序列中间位置的采样数据确定为中值数据。例如，IMU数据序列中采样数据的个数为9，服务器则从IMU数据序列的首部或者尾部开始计数，将第5个采样数据确定为中值数据。进一步地，若IMU数据序列中采样数据的个数为偶数，可以理解的是，处于IMU数据序列中间位置的采样数据为两个，例如，IMU数据序列中采样个数为10，服务器则从IMU数据序列的首部或者尾部开始计数，确定第5个采样数据和第6个采样数据，然后计算第5个采样数据和第6个采样数据的平均值，并将处于IMU数据序列中间位置的两个相邻采样数据的平均值确定为中值数据。
由此，服务器根据IMU数据序列中采样数据的个数，确定IMU数据对应的中值数据，具体是区分IMU数据序列中采样数据的个数是奇数还是偶数，对于奇数个数和偶数个数的情况采用对应的方式进行处理，由此，提升了IMU数据的中值数据的准确性。
在步骤S212另一种可能的实施方式中，针对步骤S212，服务器可以按照预设的时间划分窗口对IMU数据序列进行分段后，计算每个IMU数据序列片段对应的中值数据。参见图5，图5为步骤S212的细化步骤示意图。如图5所示，上述步骤S212可以包括如下步骤：
步骤S2121，按照预设的时间划分窗口，对IMU数据序列进行分段，得到多个IMU数据序列片段。
本实施例中，服务器根据各个采样数据的采样时间的先后顺序，对各个采样数据进行排序，得到IMU数据序列之后，服务器按照预设的时间划分窗口，对IMU数据序列进行分段，得到多个IMU数据序列片段。
例如，IMU数据序列是终端在3分钟内采集的多个采样数据，且终端每0.02秒采集一次采样数据，则IMU数据序列包括9000个采样数据，时间划分窗口例如是10秒，服务器则将IMU数据序列按照10秒进行分段，得到18个IMU数据序列片段，每个IMU数据序列片段中包括500个采样数据。
作为一种实施方式，若服务器对IMU数据序列进行分段后，IMU数据序列剩余的片段小于单次的划分量，服务器则将该剩余的片段归并至最后一个时间划分窗口内。例如，继续以IMU数据序列包括9000个采样数据为例，时间划分窗口例如是8秒，服务器则将该9000个采样数据划分为22个IMU数据序列片段后，还剩余200个采样数据，服务器则将剩余的200个采样数据归并至最后一个时间划分窗口内，即，服务器最终将该IMU数据序列划分为22个IMU数据序列片段，前21个IMU数据序列片段均包括400个采样数据，最后一个IMU数据序列片段包括600个采样数据。由此，通过对剩余采样数据的归并可以避免IMU数据序列进行分段过程中对采样数据的遗漏。
步骤S2122，根据每个IMU数据序列片段中的采样数据的个数，计算每个IMU数据序列片段对应的中值数据。
服务器根据每个IMU数据序列片段中的采样数据的个数，计算每个IMU数据序列片段对应的中值数据。
具体地，若一个IMU数据序列片段中的采样数据的个数为奇数，则将处于该IMU数据序列片段中间位置的采样数据确定为该IMU数据序列片段对应的中值数据。若一个IMU数据序列片段中的采样数据的个数为偶数，则将处于该IMU数据序列片段中间位置的两个相邻采样数据的平均值确定为该IMU数据序列片段对应的中值数据。
本实施例中，对时间划分窗口的设置不做具体限制。但是时间划分窗口不宜过小，如果过小，该时间划分窗口包括的采样数据的个数则较少，导致IMU数据序列片段对应的中值数据不能很好的对采样数据进行修正，例如，设置的时间划分窗口对IMU数据序列进行分段后，每个IMU数据序列片段中的采样数据的个数可以至少不小于100，当然，该举例并不对本实施例的应用造成限制。
基于上述图5所示的实施例，对应地，针对步骤S300，服务器具体可以将IMU数据序列片段中的各个采样数据分别减去IMU数据序列片段对应的中值数据，得到修正后的IMU数据。
对于每个IMU数据序列片段，服务器采用该IMU数据序列片段中的各个采样数据分别减去该IMU数据序列片段对应的中值数据，得到该IMU数据序列片段对应的修正后的IMU数据序列片段。修正后的IMU数据序列片段中的每个采样数据，都是服务器采用该IMU数据序列片段对应的中值数据修正后的采样数据，由此，对重力以及其它噪声对该时间划分窗口内各采样数据的干扰进行消除，得到IMU数据序列对应的多个修正后的IMU数据序列片段，即修正后的IMU数据，提升了IMU数据的精度。
本实施例中，将每个时间划分窗口内的中值数据作为终端所受的重力以及其它噪声对该时间划分窗口内各采样数据的干扰，对IMU数据序列片段中的各个采样数据进行修正。通过对IMU数据序列进行分段，得到多个IMU数据序列片段，然后再对各个IMU数据序列片段分别进行采样数据的修正，由此，服务器可以对各个IMU数据序列片段并行处理，提升了采样数据的修正效率。
在一个实施例中，基于上述图2所示的实施例，如图6所示，本实施例涉及的是服务器如何对IMU数据进行线性插值预处理的过程。本实施例中，该方法包括如下步骤：
步骤S100，获取终端上报的交通工具的IMU数据。
其中，IMU数据中的各个采样数据具有时间属性。具体的，该步骤S100的具体过程可以参见上述实施例的描述，在此不再赘述。
步骤S400，对IMU数据中的缺失采样数据进行线性插值处理，得到线性插值处理后的IMU数据。
本实施例中，服务器获取终端上报的交通工具的IMU数据之后，对IMU数据中的缺失采样数据进行线性插值处理。可以理解的是，终端在传输交通工具的IMU数据的过程中，可能存在采样数据丢失的情况，服务器对IMU数据中的缺失采样数据进行线性插值处理，以对IMU数据中的缺失采样数据进行修复。
线性插值是根据一维数据序列中需要插值的点的左右邻近两个数据点来进行数值的估计。本实施例中，作为一种实施方式，服务器可以计算缺失采样数据的左右邻近两个采样数据的平均值，并将该平均值作为该缺失采样数据的值。
步骤S220，根据各个采样数据的时间属性对线性插值处理后的IMU数据进行处理，得到误差修正数据。
服务器根据各个采样数据的时间属性对线性插值处理后的IMU数据进行处理，得到误差修正数据的具体过程可以参见上述实施例的描述，在此不再赘述。
步骤S300，采用误差修正数据对各个采样数据进行修正，得到修正后的IMU数据。
服务器采用误差修正数据对各个采样数据进行修正，得到修正后的IMU数据的具体过程可以参见上述实施例的描述，在此不再赘述。
本实施例通过对IMU数据中的缺失采样数据进行线性插值处理，提升了IMU数据的完整度和准确性，服务器根据各个采样数据的时间属性对线性插值处理后的IMU数据进行处理，得到误差修正数据，从而提升了误差修正数据的数据准确性。
在一个实施例中，基于上述图2所示的实施例，如图7所示，本实施例涉及的是服务器如何根据修正后的IMU数据对交通工具进行行驶姿态预测的过程。本实施例中，在服务器得到修正后的IMU数据之后，该方法还包括步骤S510和步骤S520：
步骤S510，根据修正后的IMU数据，计算各个采样数据的采样时间分别对应的综合加速度数据。其中，各综合加速度数据是计算对应采样数据的二范数后得到的。
作为一种实施方式，本实施例IMU数据可以为IMU加速度数据，修正后的IMU数据则可以是各采样时间下交通工具的修正后的加速度数据，具体为修正后的三轴加速度数据。例如，采样时间T对应的修正后的三轴加速度数据为(aTx,aTy,aTz)，其中，aTx为x轴对应的修正后的加速度数据，aTy为y轴对应的修正后的加速度数据,aTz为z轴对应的修正后的加速度数据，服务器计算采样时间T对应的综合加速度数据AT可以通过公式1计算：
通过上述方式，服务器可以计算各个采样数据的采样时间分别对应的综合加速度数据。
步骤S520，利用各综合加速度数据，对交通工具进行行驶姿态的预测。
服务器利用各综合加速度数据，对交通工具进行行驶姿态的预测。各个采样时间的综合加速度数据表征了对应采样时间，终端消除了重力和其它噪声影响后的受力情况，即消除了由于终端摆放位置的不同，重力和其它噪声对采样数据的影响，基于各综合加速度数据，对交通工具进行行驶姿态的预测，例如，预测交通工具是否存在急加速、急转弯、急变道、急减速等危险驾驶行为，可以提升行驶姿态预测的预测准确性。
进一步地，服务器若预测得到的预测结果为交通工具存在危险驾驶，则向终端发送提示信息，该提示信息用于提示驾驶者安全驾驶，从而对驾驶者的驾驶安全起到监督作用，该提示信息可以是语音提示信息或者文字提示信息，在此不做具体限制。
下面结合一个具体的出行场景来介绍本公开的一个实施例，具体参见图8所示，该方法包括如下步骤：
步骤S100，获取终端上报的交通工具的IMU数据。
其中，IMU数据中的各个采样数据具有时间属性。本实施例中，IMU数据包括终端在不同的采样时间采集到的采样数据，各个采样数据具有时间属性，时间属性可以是采样数据对应的采样时间。
本实施例IMU数据可以是IMU加速度数据，IMU数据包括的各采样时间对应的采样数据则可以是各采样时间下交通工具的加速度数据，具体是三轴加速度数据。
本实施例中，服务器可以对获取的IMU数据中的缺失采样数据进行线性插值处理，以对缺失采样数据进行修复。
步骤S211，根据各个采样数据的采样时间的先后顺序，对各个采样数据进行排序，得到IMU数据序列。
具体地，IMU数据中的各个采样数据具有时间属性，作为一种实施方式，IMU数据可以包括各个采样数据分别对应的采样时间，采样时间例如可以是采样时间戳，服务器可以按照各个采样数据的采样时间戳从小到大的顺序，对各个采样数据进行排序得到IMU数据序列，由此，可以确保IMU数据序列中的各个采样数据是按照交通工具的实际驾驶行为的时间顺序产生的。
例如，IMU数据包括采样时间t1…tn(n为大于1的整数)分别对应的采样数据(a1x,a1y,a1z)…(anx,any,anz)，但是，采样时间t1…tn对应的采样数据并不一定是严格按照t1、t2、t3、t4、…、tn-1、tn的顺序排列的，服务器根据各个采样数据的采样时间的先后顺序，对各个采样数据进行排序，得到IMU数据序列为：
(a1x,a1y,a1z)(a2x,a2y,a2z)(a3x,a3y,a3z)(a4x,a4y,a4z)…(an-1x,an-1y,an-1z)(anx,any,anz)
步骤S2121，按照预设的时间划分窗口，对IMU数据序列进行分段，得到多个IMU数据序列片段。
例如，IMU数据序列是终端在3分钟内采集的多个采样数据，且终端每0.02秒采集一次采样数据，则IMU数据序列包括9000个采样数据，时间划分窗口例如是10秒，服务器则将IMU数据序列按照10秒进行分段，得到18个IMU数据序列片段，每个IMU数据序列片段中包括500个采样数据。
若服务器对IMU数据序列进行分段后，IMU数据序列剩余的片段小于单次的划分量，服务器则将该剩余的片段归并至最后一个时间划分窗口内。例如，继续以IMU数据序列包括9000个采样数据为例，时间划分窗口例如是8秒，服务器则将该9000个采样数据划分为22个IMU数据序列片段后，还剩余200个采样数据，服务器则将剩余的200个采样数据归并至最后一个时间划分窗口内，即，服务器最终将该IMU数据序列划分为22个IMU数据序列片段，前21个IMU数据序列片段均包括400个采样数据，最后一个IMU数据序列片段包括600个采样数据。由此，通过对剩余采样数据的归并可以避免IMU数据序列进行分段过程中对采样数据的遗漏。
步骤S2122，根据每个IMU数据序列片段中的采样数据的个数，计算每个IMU数据序列片段对应的中值数据。
服务器根据每个IMU数据序列片段中的采样数据的个数，计算每个IMU数据序列片段对应的中值数据。
具体地，若一个IMU数据序列片段中的采样数据的个数为奇数，则将处于该IMU数据序列片段中间位置的采样数据确定为该IMU数据序列片段对应的中值数据。若一个IMU数据序列片段中的采样数据的个数为偶数，则将处于该IMU数据序列片段中间位置的两个相邻采样数据的平均值确定为该IMU数据序列片段对应的中值数据。
例如，第一个IMU数据序列片段中的采样数据的个数为101个，服务器则将该IMU数据序列片段中的第51个采样数据(amx,amy,amz)作为该IMU数据序列片段对应的中值数据，其中,m为小于n的正整数。
步骤S320，将IMU数据序列片段中的各个采样数据分别减去IMU数据序列片段对应的中值数据，得到修正后的IMU数据。
对于每个IMU数据序列片段，服务器采用该IMU数据序列片段中的各个采样数据分别减去该IMU数据序列片段对应的中值数据，得到该IMU数据序列片段对应的修正后的IMU数据序列片段。例如，继续上述举例，第一个IMU数据序列片段为：(a1x,a1y,a1z)(a2x,a2y,a2z)…，共101个采样数据，服务器将该101个采样数据分别减去该第一个IMU数据序列片段的中值数据，即该IMU数据序列片段中的第51个采样数据(amx,amy,amz)，得到修正后的第一个IMU数据序列片段：(a1x-amx,a1y-amy,a1z-amz)(a2x-amx,a2y-amy,a2z-amz)…。
对于每个IMU数据序列片段进行相同的处理，得到多个修正后的IMU数据序列片段，即修正后的IMU数据。
步骤S510，根据修正后的IMU数据，计算各个采样数据的采样时间分别对应的综合加速度数据。其中，各综合加速度数据是计算对应采样数据的二范数后得到的。
例如，对于上述修正后的第一个IMU数据序列片段中，采样时间t1对应的修正后的三轴加速度数据为(a1x-amx,a1y-amy,a1z-amz)，服务器将该采样时间t1对应的修正后的三轴加速度数据代入上述公式1中，计算得到采样时间t1对应的综合加速度数据为
通过上述方式，服务器可以计算各个采样数据的采样时间分别对应的综合加速度数据。
步骤S520，利用各综合加速度数据，对交通工具进行行驶姿态的预测。
服务器利用各综合加速度数据，对交通工具进行行驶姿态的预测。各个采样时间的综合加速度数据表征了对应采样时刻，终端消除了重力和其它噪声影响后的受力情况，即消除了由于终端摆放位置的不同，重力和其它噪声对采样数据的影响，基于各综合加速度数据，对交通工具进行行驶姿态的预测，例如，预测交通工具是否存在急加速、急转弯、急变道、急减速等危险驾驶行为，可以提升行驶姿态预测的预测准确性。
进一步地，服务器若预测得到的预测结果为交通工具存在危险驾驶，则向终端发送提示信息，该提示信息用于提示驾驶者安全驾驶，从而对驾驶者的驾驶安全起到监督作用，该提示信息可以是语音提示信息或者文字提示信息，在此不做具体限制。
本实施例通过采用与终端上报的交通工具的IMU数据的中值数据相关的误差修正数据，对该IMU数据中的各个采样数据进行修正，得到修正后的IMU数据，以IMU数据是加速度数据为例，由于物体受到的合外力是物体产生加速度的原因，若终端处于静止状态或者匀速状态，则终端受到的合外力只有重力和其它噪声，而在终端处于静止状态或者匀速状态时，终端采集的加速度数据等于IMU数据的中值数据，因此，该中值数据可以表征重力和其它噪声产生的加速度，也即重力和其它噪声对终端采集的加速度数据的干扰。而在该中值数据的附近波动的加速度数据也可以近似表征重力和其它噪声产生的加速度。由此，通过采用与终端上报的交通工具的IMU数据的中值数据相关的误差修正数据(误差修正数据可以是IMU数据的中值数据，也可以是在IMU数据的中值数据的附近波动的数据)，对该IMU数据中的各个采样数据进行修正，可以消除各个采样数据中重力和其它噪声的干扰，提高了交通工具的IMU数据的数据精度。
进一步地，在一些应用IMU数据的场景中，通过采用本实施例数据处理方法，能够提升IMU数据的应用准确度，例如，以交通工具是车辆为例，传统技术中，一般是直接利用终端上报的车辆的IMU数据进行车辆危险驾驶行为预测，由于终端上报的车辆的IMU数据的精度较低，导致危险驾驶行为的预测准确度较低，但通过采用本实施例数据处理方法，对终端上报的车辆的IMU数据进行修正，得到修正后的IMU数据，提升了车辆的IMU数据的精度，再基于该修正后的IMU数据进行车辆的危险驾驶行为预测，从而提升了危险驾驶行为的预测准确度。
在一个实施例中，如图9所示，提供了一种数据处理方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤S10，采集交通工具的IMU数据，并将IMU数据发送给服务器。
IMU数据中的各个采样数据具有时间属性。作为一种实施方式，终端可以按照预设的采样间隔，采集交通工具的IMU数据，例如，终端可以每0.02秒采集一次终端的IMU数据。
本实施例中，服务器可以向终端发送上报指令，指示终端按照上报指令携带的时间周期定期上报交通工具的IMU数据，时间周期例如可以是2分钟或3分钟等，终端接收到上报指令后，则按照该时间周期，将当前时间周期内，终端按照采样间隔采集的交通工具的IMU数据上报至服务器，作为一种实施方式，终端向服务器发送的IMU数据还可以包括各个采样数据的采样时间。
步骤S20，接收服务器下发的提示信息。
该提示信息与交通工具的行驶姿态有关，且提示信息为服务器采用图2-图9任一所示实施例对IMU数据进行数据处理后生成的。
本实施例中，提示信息可以是用于提示驾驶者安全驾驶，该提示信息可以是语音提示信息或者文字提示信息，在此不做具体限制。
由此，本实施例终端通过采集交通工具的IMU数据，并将IMU数据发送给服务器，接收服务器下发的提示信息，由此，可以对驾驶者的驾驶行为进行监督和提醒，提升交通工具的驾驶安全性。
应该理解的是，虽然图2-9的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-9中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图10所示，提供了一种数据处理装置，包括：
IMU数据获取模块10，用于获取终端上报的交通工具的IMU数据；其中，所述IMU数据中的各个采样数据具有时间属性；
误差修正数据获取模块20，用于根据所述各个采样数据的时间属性对所述IMU数据进行处理，得到所述IMU数据的误差修正数据；其中，所述误差修正数据与所述IMU数据的中值数据相关；
误差修正模块30，用于采用所述误差修正数据对所述各个采样数据进行修正，得到修正后的IMU数据。
在一个实施例中，在上述图10所示实施例的基础上，如图11所示，上述误差修正数据获取模块20，包括：中值数据计算单元201，用于根据所述各个采样数据的时间属性计算所述IMU数据对应的中值数据，并确定所述中值数据为所述误差修正数据；则上述误差修正模块30，具体用于将所述各个采样数据分别减去所述中值数据，得到所述修正后的IMU数据。
在一个实施例中，在上述图11所示实施例的基础上，如图12所示，上述中值数据计算单元201，包括：排序子单元2011，用于根据所述各个采样数据的采样时间的先后顺序，对所述各个采样数据进行排序，得到IMU数据序列；中值数据确定子单元2012，用于根据所述IMU数据序列中采样数据的个数，确定所述IMU数据对应的中值数据。
可选地，所述中值数据确定子单元2012具体用于：若所述IMU数据序列中采样数据的个数为奇数，则将处于所述IMU数据序列中间位置的采样数据确定为所述中值数据；若所述IMU数据序列中采样数据的个数为偶数，则将处于所述IMU数据序列中间位置的两个相邻采样数据的平均值确定为所述中值数据。
可选地，所述中值数据确定子单元2012，具体用于按照预设的时间划分窗口，对所述IMU数据序列进行分段，得到多个IMU数据序列片段，以及，根据每个IMU数据序列片段中的采样数据的个数，计算每个所述IMU数据序列片段对应的中值数据。
可选地，所述误差修正模块30，具体用于将所述IMU数据序列片段中的各个采样数据分别减去所述IMU数据序列片段对应的中值数据，得到修正后的IMU数据。
在一个实施例中，在上述图10所示实施例的基础上，如图13所示，上述数据处理装置还包括：插值模块40，用于对所述IMU数据中的缺失采样数据进行线性插值处理，得到线性插值处理后的IMU数据；则误差修正数据获取模块20，具体用于根据所述各个采样数据的时间属性对所述线性插值处理后的IMU数据进行处理，得到所述误差修正数据。
误差修正模块30，具体用于将所述各个采样数据分别减去所述中值数据，得到所述修正后的IMU数据。
可选地，所述IMU数据为IMU加速度数据。
在一个实施例中，在上述图10所示实施例的基础上，如图14所示，上述数据处理装置还包括：
综合加速度获取模块50，用于根据所述修正后的IMU数据，计算所述各个采样数据的采样时间分别对应的综合加速度数据；各综合加速度数据是计算对应采样数据的二范数后得到的；
行驶姿态预测模块60，用于利用各综合加速度数据，对所述交通工具进行行驶姿态的预测。
可选的，还可以包括提示信息发送模块70，用于若预测得到的预测结果为所述交通工具存在危险驾驶，则向所述终端发送提示信息；所述提示信息用于提示驾驶者安全驾驶。
在一个实施例中，如图15所示，提供了一种数据处理装置，包括：
上报模块100，用于采集交通工具的IMU数据，并将所述IMU数据发送给服务器；所述IMU数据中的各个采样数据具有时间属性；
提示信息接收模块200，用于接收所述服务器下发的提示信息；所述提示信息与所述交通工具的行驶姿态有关，且所述提示信息为所述服务器采用图2-图9任一所示实施例对IMU数据进行数据处理后生成的。
关于数据处理装置的具体限定可以参见上文中对于数据处理方法的限定，在此不再赘述。上述数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以以硬件形式内嵌于或独立于服务器或终端中的处理器中，也可以以软件形式存储于服务器或终端中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图16是根据一示例性实施例示出的一种终端1300的框图。例如，终端1300可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图16，终端1300可以包括以下一个或多个组件：处理组件1302，存储器1304，电源组件1306，多媒体组件1308，音频组件1310，输入/输出(I/O)的接口1312，传感器组件1314，以及通信组件1316。其中，存储器上存储有在处理器上运行的计算机程序或者指令。
处理组件1302通常控制终端1300的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1302可以包括一个或多个处理器1320来执行指令，以完成上述方法的全部或部分步骤。此外，处理组件1302可以包括一个或多个模块，便于处理组件1302和其他组件之间的交互。例如，处理组件1302可以包括多媒体模块，以方便多媒体组件1308和处理组件1302之间的交互。
存储器1304被配置为存储各种类型的数据以支持在终端1300的操作。这些数据的示例包括用于在终端1300上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件1306为终端1300的各种组件提供电力。电源组件1306可以包括电源管理***，一个或多个电源，及其他与为终端1300生成、管理和分配电力相关联的组件。
多媒体组件1308包括在所述终端1300和用户之间的提供一个输出接口的触控显示屏。在一些实施例中，触控显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1308包括一个前置摄像头和/或后置摄像头。当终端1300处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件1310被配置为输出和/或输入音频信号。例如，音频组件1310包括一个麦克风(MIC)，当终端1300处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1304或经由通信组件1316发送。在一些实施例中，音频组件1310还包括一个扬声器，用于输出音频信号。
I/O接口1312为处理组件1302和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1314包括一个或多个传感器，用于为终端1300提供各个方面的状态评估。例如，传感器组件1314可以检测到终端1300的打开/关闭状态，组件的相对定位，例如所述组件为终端1300的显示器和小键盘，传感器组件1314还可以检测终端1300或终端1300一个组件的位置改变，用户与终端1300接触的存在或不存在，终端1300方位或加速/减速和终端1300的温度变化。传感器组件1314可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1314还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1314还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件1316被配置为便于终端1300和其他设备之间有线或无线方式的通信。终端1300可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1316经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1316还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，终端1300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述图9所示的数据处理方法。
图17是根据一示例性实施例示出的一种服务器1400的框图。参照图17，服务器1400包括处理组件1420，其进一步包括一个或多个处理器，以及由存储器1422所代表的存储器资源，用于存储可由处理组件1420执行的指令或者计算机程序，例如应用程序。存储器1422中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1420被配置为执行指令，以执行上述图2-图8所示的数据处理方法。
服务器1400还可以包括一个电源组件1424被配置为执行设备的电源管理，一个有线或无线网络接口1426被配置为将设备连接到网络，和一个输入输出(I/O)接口1428。服务器1400可以操作基于存储在存储器1422的操作***，例如Window14 14erverTM，Mac O14XTM，UnixTM,LinuxTM，FreeB14DTM或类似。
在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器1422，上述指令可由服务器1400的处理器执行以完成上述方法。存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本公开实施例所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本公开实施例的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本公开实施例构思的前提下，还可以做出若干变形和改进，这些都属于本公开实施例的保护范围。因此，本公开实施例专利的保护范围应以所附权利要求为准。
Claims (25)
1.一种数据处理方法，其特征在于，所述方法包括：
获取终端上报的交通工具的惯性测量单元IMU数据；其中，所述IMU数据中的各个采样数据具有时间属性；
根据所述各个采样数据的时间属性对所述IMU数据进行处理，得到所述IMU数据的误差修正数据；其中，所述误差修正数据是所述IMU数据的中值数据，或者，所述误差修正数据是与所述中值数据的差值的绝对值小于固定阈值的数据；其中，所述IMU数据包括所述终端在不同的采样时间采集到的采样数据，所述中值数据是根据所述各个采样数据的采样时间的先后顺序对所述各个采样数据进行排序得到IMU数据序列，并将处于所述IMU数据序列的中间位置的采样数据确定为所述中值数据；所述中值数据对应的采样时间下所述终端处于匀速状态或静止状态；
采用所述误差修正数据对所述各个采样数据进行修正，得到修正后的IMU数据。
2.根据权利要求1所述的方法，其特征在于，所述根据所述各个采样数据的时间属性对所述IMU数据进行处理，得到所述IMU数据的误差修正数据，包括：
根据所述各个采样数据的时间属性计算所述IMU数据对应的中值数据；
对应地，所述采用所述误差修正数据对所述各个采样数据进行修正，得到修正后的IMU数据，包括：
将所述各个采样数据分别减去所述中值数据，得到所述修正后的IMU数据。
3.根据权利要求2所述的方法，其特征在于，所述根据所述各个采样数据的时间属性计算所述IMU数据对应的中值数据，包括：
根据所述各个采样数据的采样时间的先后顺序，对所述各个采样数据进行排序，得到IMU数据序列；
根据所述IMU数据序列中采样数据的个数，确定所述IMU数据对应的中值数据。
4.根据权利要求3所述的方法，其特征在于，所述根据所述IMU数据序列中采样数据的个数，确定所述IMU数据对应的中值数据，包括：
若所述IMU数据序列中采样数据的个数为奇数，则将处于所述IMU数据序列中间位置的采样数据确定为所述中值数据；
若所述IMU数据序列中采样数据的个数为偶数，则将处于所述IMU数据序列中间位置的两个相邻采样数据的平均值确定为所述中值数据。
5.根据权利要求3所述的方法，其特征在于，所述根据所述IMU数据序列中采样数据的个数，确定所述IMU数据对应的中值数据，包括：
按照预设的时间划分窗口，对所述IMU数据序列进行分段，得到多个IMU数据序列片段；
根据每个IMU数据序列片段中的采样数据的个数，计算每个所述IMU数据序列片段对应的中值数据。
6.根据权利要求5所述的方法，其特征在于，所述将所述各个采样数据分别减去所述中值数据，得到所述修正后的IMU数据，包括：
将所述IMU数据序列片段中的各个采样数据分别减去所述IMU数据序列片段对应的中值数据，得到修正后的IMU数据。
7.根据权利要求1所述的方法，其特征在于，所述获取终端上报的交通工具的惯性测量单元IMU数据之后，还包括：
对所述IMU数据中的缺失采样数据进行线性插值处理，得到线性插值处理后的IMU数据；
对应地，所述根据所述各个采样数据的时间属性对所述IMU数据进行处理，得到所述IMU数据的误差修正数据，包括：
根据所述各个采样数据的时间属性对所述线性插值处理后的IMU数据进行处理，得到所述误差修正数据。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述IMU数据为IMU加速度数据。
9.根据权利要求1-7任一项所述的方法，其特征在于，所述采用所述误差修正数据对所述各个采样数据进行修正，得到修正后的IMU数据之后，还包括：
根据所述修正后的IMU数据，计算所述各个采样数据的采样时间分别对应的综合加速度数据；各综合加速度数据是计算对应采样数据的二范数后得到的；
利用各综合加速度数据，对所述交通工具进行行驶姿态的预测。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
若预测得到的预测结果为所述交通工具存在危险驾驶，则向所述终端发送提示信息；所述提示信息用于提示驾驶者安全驾驶。
11.一种数据处理方法，其特征在于，所述方法包括：
采集交通工具的IMU数据，并将所述IMU数据发送给服务器；所述IMU数据中的各个采样数据具有时间属性；
接收所述服务器下发的提示信息；所述提示信息与所述交通工具的行驶姿态有关，且所述提示信息为所述服务器采用权利要求1-10任一项所述的方法对所述IMU数据进行数据处理后生成的。
12.一种数据处理装置，其特征在于，所述装置包括：
IMU数据获取模块，用于获取终端上报的交通工具的IMU数据；其中，所述IMU数据中的各个采样数据具有时间属性；
误差修正数据获取模块，用于根据所述各个采样数据的时间属性对所述IMU数据进行处理，得到所述IMU数据的误差修正数据；其中，所述误差修正数据是所述IMU数据的中值数据，或者，所述误差修正数据是与所述中值数据的差值的绝对值小于固定阈值的数据；其中，所述IMU数据包括所述终端在不同的采样时间采集到的采样数据，所述中值数据是根据所述各个采样数据的采样时间的先后顺序对所述各个采样数据进行排序得到IMU数据序列，并将处于所述IMU数据序列的中间位置的采样数据确定为所述中值数据；所述中值数据对应的采样时间下所述终端处于匀速状态或静止状态；
误差修正模块，用于采用所述误差修正数据对所述各个采样数据进行修正，得到修正后的IMU数据。
13.根据权利要求12所述的装置，其特征在于，所述误差修正数据获取模块，包括：
中值数据计算单元，用于根据所述各个采样数据的时间属性计算所述IMU数据对应的中值数据；
对应地，所述误差修正模块，具体用于将所述各个采样数据分别减去所述中值数据，得到所述修正后的IMU数据。
14.根据权利要求13所述的装置，其特征在于，所述中值数据计算单元，包括：
排序子单元，用于根据所述各个采样数据的采样时间的先后顺序，对所述各个采样数据进行排序，得到IMU数据序列；
中值数据确定子单元，用于根据所述IMU数据序列中采样数据的个数，确定所述IMU数据对应的中值数据。
15.根据权利要求14所述的装置，其特征在于，所述中值数据确定子单元具体用于：
若所述IMU数据序列中采样数据的个数为奇数，则将处于所述IMU数据序列中间位置的采样数据确定为所述中值数据；
若所述IMU数据序列中采样数据的个数为偶数，则将处于所述IMU数据序列中间位置的两个相邻采样数据的平均值确定为所述中值数据。
16.根据权利要求14所述的装置，其特征在于，所述中值数据确定子单元，具体用于按照预设的时间划分窗口，对所述IMU数据序列进行分段，得到多个IMU数据序列片段，以及，根据每个IMU数据序列片段中的采样数据的个数，计算每个所述IMU数据序列片段对应的中值数据。
17.根据权利要求16所述的装置，其特征在于，所述误差修正模块，具体用于将所述IMU数据序列片段中的各个采样数据分别减去所述IMU数据序列片段对应的中值数据，得到修正后的IMU数据。
18.根据权利要求12所述的装置，其特征在于，所述装置还包括：
插值模块，用于对所述IMU数据中的缺失采样数据进行线性插值处理，得到线性插值处理后的IMU数据；
对应地，所述误差修正数据获取模块，具体用于根据所述各个采样数据的时间属性对所述线性插值处理后的IMU数据进行处理，得到所述误差修正数据。
19.根据权利要求12-18任一项所述的装置，其特征在于，所述IMU数据为IMU加速度数据。
20.根据权利要求12-18任一项所述的装置，其特征在于，所述装置还包括：
综合加速度获取模块，用于根据所述修正后的IMU数据，计算所述各个采样数据的采样时间分别对应的综合加速度数据；各综合加速度数据是计算对应采样数据的二范数后得到的；
行驶姿态预测模块，用于利用各综合加速度数据，对所述交通工具进行行驶姿态的预测。
21.根据权利要求20所述的装置，其特征在于，所述装置还包括：
提示信息发送模块，用于若预测得到的预测结果为所述交通工具存在危险驾驶，则向所述终端发送提示信息；所述提示信息用于提示驾驶者安全驾驶。
22.一种数据处理装置，其特征在于，所述装置包括：
上报模块，用于采集交通工具的IMU数据，并将所述IMU数据发送给服务器；所述IMU数据中的各个采样数据具有时间属性；
提示信息接收模块，用于接收所述服务器下发的提示信息；所述提示信息与所述交通工具的行驶姿态有关，且所述提示信息为所述服务器采用权利要求1-10任一项所述的方法对所述IMU数据进行数据处理后生成的。
23.一种服务器，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10中任一项所述的方法的步骤。
24.一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求11所述的方法的步骤。
25.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010436167.8A CN111625755B (zh) | 2020-05-21 | 2020-05-21 | 数据处理方法、装置、服务器、终端和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010436167.8A CN111625755B (zh) | 2020-05-21 | 2020-05-21 | 数据处理方法、装置、服务器、终端和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111625755A CN111625755A (zh) | 2020-09-04 |
| CN111625755B true CN111625755B (zh) | 2023-10-31 |
Family
ID=72272577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010436167.8A Active CN111625755B (zh) | 2020-05-21 | 2020-05-21 | 数据处理方法、装置、服务器、终端和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111625755B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015190850A (ja) * | 2014-03-28 | 2015-11-02 | セイコーエプソン株式会社 | 誤差推定方法、運動解析方法、誤差推定装置及びプログラム |
| US9702702B1 (en) * | 2015-06-15 | 2017-07-11 | The Charles Stark Draper Laboratory, Inc. | Methods and apparatus for navigational aiding using celestial object tracking |
| CN109726771A (zh) * | 2019-02-27 | 2019-05-07 | 深圳市赛梅斯凯科技有限公司 | 异常驾驶检测模型建立方法、装置及存储介质 |
| CN109855617A (zh) * | 2019-02-28 | 2019-06-07 | 深圳市元征科技股份有限公司 | 一种车辆定位方法、车辆定位装置及终端设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10270642B2 (en) * | 2012-12-05 | 2019-04-23 | Origin Wireless, Inc. | Method, apparatus, and system for object tracking and navigation |
-
2020
- 2020-05-21 CN CN202010436167.8A patent/CN111625755B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015190850A (ja) * | 2014-03-28 | 2015-11-02 | セイコーエプソン株式会社 | 誤差推定方法、運動解析方法、誤差推定装置及びプログラム |
| US9702702B1 (en) * | 2015-06-15 | 2017-07-11 | The Charles Stark Draper Laboratory, Inc. | Methods and apparatus for navigational aiding using celestial object tracking |
| CN109726771A (zh) * | 2019-02-27 | 2019-05-07 | 深圳市赛梅斯凯科技有限公司 | 异常驾驶检测模型建立方法、装置及存储介质 |
| CN109855617A (zh) * | 2019-02-28 | 2019-06-07 | 深圳市元征科技股份有限公司 | 一种车辆定位方法、车辆定位装置及终端设备 |
Non-Patent Citations (1)
| Title |
|---|
| 李玉洁 ; 张海 ; 苌永娜 ; .余度IMU精度分析与数据融合方法改进.***仿真技术.(第04期),第261-266页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111625755A (zh) | 2020-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9448250B2 (en) | Detecting mount angle of mobile device in vehicle using motion sensors | |
| US9702899B2 (en) | Pedometer with lag correction | |
| CN111625764B (zh) | 移动数据的校准方法、装置、电子设备和存储介质 | |
| JP5012252B2 (ja) | 磁気データ処理装置、方法およびプログラム | |
| CN112414400B (zh) | 一种信息处理方法、装置、电子设备和存储介质 | |
| US11312430B2 (en) | Method and system for lean angle estimation of motorcycles | |
| CN111623799B (zh) | 终端的状态检测方法、装置、终端和存储介质 | |
| CN112525224B (zh) | 磁场校准方法、磁场校准装置及存储介质 | |
| CN112818898B (zh) | 模型训练方法、装置和电子设备 | |
| CN111857369B (zh) | 校准移动终端的接近传感器的方法、装置、终端和存储介质 | |
| JP2019082328A (ja) | 位置推定装置 | |
| CN111625755B (zh) | 数据处理方法、装置、服务器、终端和可读存储介质 | |
| CN112766023B (zh) | 目标对象的姿态确定方法、装置、介质及设备 | |
| CN111586295A (zh) | 图像生成方法、装置和电子设备 | |
| CN115719347A (zh) | 行为识别方法、装置、电子设备及车辆 | |
| CN110717467A (zh) | 头部姿势的估计方法、装置、设备及存储介质 | |
| CN113432620B (zh) | 误差估计方法、装置、车载终端及存储介质 | |
| JP6718166B1 (ja) | 情報処理システム、情報処理装置、プログラム、及び情報処理方法 | |
| CN111263084B (zh) | 基于视频的手势抖动检测方法、装置、终端和介质 | |
| WO2020071284A1 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| CN114563018B (zh) | 用于校准头戴显示设备的方法和装置 | |
| CN109521226B (zh) | 一种速度计算方法、***、电子设备及可读存储介质 | |
| US11232581B2 (en) | Information processing apparatus, information processing method, and recording medium | |
| CN115480666A (zh) | 触控检测方法、装置以及存储介质 | |
| CN113987741A (zh) | 一种多目标数据跟踪方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |