js代码实现地图轨迹点抽稀 Douglas-Peuker(道格拉斯-普克)抽稀算法

本文主要是介绍js代码实现地图轨迹点抽稀 Douglas-Peuker(道格拉斯-普克)抽稀算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

缘起:

目前在开发展示船舶轨迹的应用,有很多地图展示页面,其中一项就是播放轨迹。然而轨迹点太多了,七天的数据就有一万八千多个,点过多会影响性能,于是想到了抽稀。

算法:

目前来说轨迹抽稀较为常用的算法有:步长法线段过滤法Douglas-Peuker算法以及垂距限值法。Douglas-Peuker相对来说精度不错,国内大部分开发者也都在用,所以就采用了这个算法。大概搜了下,有很多语言的实现,唯独没找到js代码实现的,所以就自己写了一个。

Douglas-Peuker算法:

  1. 在曲线首尾两点A,B之间连接一条直线AB,该直线为曲线的弦;
  2. 得到曲线上离该直线段距离最大的点C,计算其与AB的距离d;
  3. 比较该距离与预先给定的阈值threshold的大小,如果小于threshold,则该直线段作为曲线的近似,该段曲线处理完毕。
  4. 如果距离大于阈值,则用C将曲线分为两段AC和BC,并分别对两段取信进行1~3的处理。
  5. 当所有曲线都处理完毕时,依次连接各个分割点形成的折线,即可以作为曲线的近似。

代码实现:

计算两点之间的距离

calculationDistance: function (point1, point2) {let lat1 = point1.geometry.y;let lat2 = point2.geometry.y;let lng1 = point1.geometry.x;let lng2 = point2.geometry.x;let radLat1 = lat1 * Math.PI / 180.0;let radLat2 = lat2 * Math.PI / 180.0;let a = radLat1 - radLat2;let b = (lng1 * Math.PI / 180.0) - (lng2 * Math.PI / 180.0);let s = 2 * Math.asin(Math.sqrt(Math.pow(Math.sin(a / 2), 2)+ Math.cos(radLat1) * Math.cos(radLat2) * Math.pow(Math.sin(b / 2), 2)));return s * 6370996.81;}

 计算点pX到点pA和pB所确定的直线的距离

distToSegment: function (start, end, center) {let a = Math.abs(this.calculationDistance(start, end));let b = Math.abs(this.calculationDistance(start, center));let c = Math.abs(this.calculationDistance(end, center));let p = (a + b + c) / 2.0;let s = Math.sqrt(Math.abs(p * (p - a) * (p - b) * (p - c)));return s * 2.0 / a;}

递归方式压缩轨迹

compressLine: function (coordinate, result, start, end, dMax) {if (start < end) {let maxDist = 0;let currentIndex = 0;let startPoint = coordinate[start];let endPoint = coordinate[end];for (let i = start + 1; i < end; i++) {let currentDist = this.distToSegment(startPoint, endPoint, coordinate[i]);if (currentDist > maxDist) {maxDist = currentDist;currentIndex = i;}}if (maxDist >= dMax) {//将当前点加入到过滤数组中result.push(coordinate[currentIndex]);//将原来的线段以当前点为中心拆成两段,分别进行递归处理this.compressLine(coordinate, result, start, currentIndex, dMax);this.compressLine(coordinate, result, currentIndex, end, dMax);}}return result;}

供调用的抽稀入口函数

douglasPeucker: function (coordinate, dMax) {//轨迹点抽希if (!coordinate || !(coordinate.length > 2)) {return [];}//coordinate.forEach((item, index) => {//    item.id = index;//});var result = gisCommon.compressLine(coordinate, [], 0, coordinate.length - 1, dMax);result.push(coordinate[0]);result.push(coordinate[coordinate.length - 1]);var resultLatLng = result.sort(gisCommon._compare("utc"));//resultLatLng.forEach((item) => {//    item.id = undefined;//});return resultLatLng;}

 排序方法

_compare: function (prop) {return function (obj1, obj2) {	                 var val1 = obj1.attributes[prop];var val2 = obj2.attributes[prop];if (!isNaN(val1) && !isNaN(val2)) {val1 = Number(val1);val2 = Number(val2);}if (val1 < val2) {return -1;} else if (val1 > val2) {return 1;} else {return 0;}};}

上面的代码为了排序添加了id,最后去掉了,万一你的点对象里面有‘id’这个属性不想被覆盖,改个名字就行

转 作者:逆水行舟丶
来源:简书

这篇关于js代码实现地图轨迹点抽稀 Douglas-Peuker(道格拉斯-普克)抽稀算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/933517

相关文章

JS常用组件收集

收集了一些平时遇到的前端比较优秀的组件,方便以后开发的时候查找!!! 函数工具: Lodash 页面固定: stickUp、jQuery.Pin 轮播: unslider、swiper 开关: switch 复选框: icheck 气泡: grumble 隐藏元素: Headroom

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi