实时一维数据中的步距检测

Question

对于一个小型项目，我们正在尝试为老虎机实现自动驾驶仪。 陀螺仪传感器连接到汽车，并每秒传递20次Z值（意味着作用在汽车/传感器上的离心力的大小）。 其中一个至关重要的部分是检测汽车是否在弯道上或在直线部分上，何时准确进入以及何时离开该部分。 只有这样，我们才能对未来会发生的情况做出可靠的预测。

到目前为止，我们正在使用滑动窗口来平滑数据，然后使用硬编码的限制（左曲线为-400，右曲线为+400）来检测我们是哪种扇区（左，右，笔直）显然，这花了太长时间，因为要花费几条消息，直到程序由于平滑和硬编码限制而检测到方向改变为止。

这是一个从方格区域开始的简单回合中两回合的示例：

完美的算法将检测SSRRSLSRSRSRSRS扇区一轮，而延迟只有几个数据点。

我们曾考虑过使用陀螺仪值的一阶导数，但在示例图中，在第一条左曲线之后的第二条右曲线（介于22:36:40和22:36:42之间）显示出弯曲的迹象。 在这里，一阶导数将接近0并表示一个笔直的部分。此外，我们还需要再次设置一个硬编码的阈值，但是由于数据的噪声，可能会导致磁道中的小凸起在这样的噪声水平下，其导数将超过阈值。

现在我们不确定处理这种检测的最简单/最快/最可靠的方法。 使用导数会是个好主意吗？ 有没有更好的办法？

任何投入将不胜感激 ：）

现有软件是用Java编写的。

Answer 1

在此类问题中，您必须以鲁棒性为代价。 如果您不知道将来会发生什么，则只能进行假设。 这些假设可能成立，也可能不会成立。

从数据的外观来看，不需要进行任何平滑处理。 如果定义一个合理的阈值，则曲线应该被非常可靠地识别。 但是，如果不是这种情况，可以尝试以下操作：

您已经提到平滑。 关键点是您如何平滑。 一个不对称的平滑核可能是可取的（半三角滤波器可以在恒定时间内更新）。 您可以通过修改内核宽度直接权衡鲁棒性和即时性。

过滤的一种简单替代方法是计数。 如果您的数据高于曲线阈值，请暂时不要将其称为曲线。 连续计算有多少个数据点高于阈值。 如果超过阈值的数据点超过n个，则很可能会出现曲线。

使用导数可能存在问题。 反对导数的主要原因是，曲线根本不由任何导数定义（至少没有力的导数）。 第二个问题是，您只能通过数值估计导数，这在很多噪声的情况下非常不稳定。 因此，您将不得不平滑数据（或为噪声模型找到一个数值方案），这又需要一些延迟。