Algorithm 将一组噪声点转换为路径的算法

我有一组稍微嘈杂的GPS坐标，我想把它们变成一条路径。我该怎么办

我发现它与此相似，只是我的分数是有序的。此外，路径不需要穿过这些点，只需遵循它们的大致方向即可

贝塞尔曲线似乎是答案，但有没有办法在数百个点上使用贝塞尔曲线

问答：

您的积分是如何排序的？它们是按时间排序的，并附在旅行车上。可能有数据指定汽车向后行驶，但我可以通过要求所有点向前移动来删除该数据。所以我应该有一个点的列表，所有的点都在空间中向前，并且不与它们相交

如果我们把所有的线都用直线连接起来，它看起来就不好看了。我希望线条是连续的和弯曲的

---

在所有点之间使用样条线怎么样？这也会产生太多噪音。这条路会很颠簸。如果我们不关心通过点，而只是靠近点，那就更好了。

这是一个有点笨重的机器，但是你可以将你的GPS观测建模为高斯噪声高斯过程中的点，其中，主高斯过程模型规定，两个测量值在时间上接近的潜在未知真实x和y坐标应接近，且噪声允许观测到的x和y GPS测量值与高斯过程模型预测的真实x和y值略有偏差。如果您感兴趣，可以在线阅读机器学习高斯过程这本书。我认为这是一个非常优雅、灵活且功能强大的解决方案，但要在这里对其进行足够详细的解释需要占用太多的空间，因此您确实需要从本书中了解它

---

一旦你学会了最有可能的高斯过程模型解决方案，你就可以预测任何时间点的x和y位置，它将是一条平滑的曲线，然后你可以绘制它。它无法准确通过观测到的GPS位置。

不，不幸的是，我们没有GPS可能要去哪里的道路数据。我觉得这可能比必要时更复杂？机器学习也是关于预测未来的，我不需要这些信息。但如果找不到更好的答案，我会调查的。谢谢@高斯过程模型确实可以预测未来的位置，但它的预测能力非常差，因为它可以外推预测的所有导数，而不仅仅是预测值本身。例如，如果x坐标在最后增加，那么GP模型通常会预测x在未来将以更快的速度增加。高斯过程更适合插值，而不是外推和拟合噪声数据，这听起来像你想要的。我承认这是一个有点重的机器，但我打赌它会做得很好，如果GPS噪音是高斯的。