一种定位跟踪方法、装置、设备及介质与流程

1.本发明涉及定位技术领域，特别涉及一种定位跟踪方法、装置、设备及介质。


背景技术：

2.在现有的无基站定位跟踪算法中，一般是使用dr(dead reckoning，航位推测法)算法来对目标对象进行跟踪定位。也即，根据目标对象的当前位置、运动速度和前进方向来预测目标对象在下一时刻的运动位置，并由此来对目标对象的运动轨迹进行定位跟踪。但是，在利用dr算法对目标对象进行定位跟踪时，无法对目标对象的定位预测结果进行修正，这样就导致目标对象的定位误差会随着运动时长的增加而持续累积，进而导致目标对象的预测运动位置与实际运动位置之间存在较大的误差。目前，针对这一技术问题，还没有较为有效的解决办法。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种定位跟踪方法、装置、设备及介质，以进一步提高在对目标对象进行定位跟踪时的精确度。其具体方案如下：
4.一种定位跟踪方法，包括：
5.当要对多个目标对象的运动轨迹进行定位跟踪时，则根据多个目标对象在当前时刻的运动位置和dr算法确定多个目标对象在下一时刻的运动位置，得到目标位置集合；
6.确定多个目标对象中每两个目标对象之间的距离，得到目标距离集合，并根据mds算法和所述目标距离集合确定多个目标对象之间的目标位置关系；
7.根据所述目标位置集合中各个目标对象的运动位置对所述目标位置关系中对应目标对象的运动位置进行旋转平移，以确定出多个目标对象在下一时刻的实际运动位置。
8.优选的，多个目标对象包括运动的目标对象和静止的目标对象。
9.优选的，所述根据多个目标对象在当前时刻的运动位置和dr算法确定多个目标对象在下一时刻的运动位置的过程，包括：
10.利用imu确定多个目标对象的运动位姿以及加速度，并根据多个目标对象在当前时刻的运动位置和所述dr算法确定多个目标对象在下一时刻的运动位置。
11.优选的，所述根据所述目标位置集合中各个目标对象的运动位置对所述目标位置关系中对应目标对象的运动位置进行旋转平移的过程，包括：
12.确定所述目标位置关系中所有目标对象的相对位置中心，得到第一位置，并确定所述目标位置集合中所有目标对象的相对位置中心，得到第二位置；
13.获取所述第一位置和所述第二位置之间的目标平移量；
14.根据所述目标平移量对所述目标位置关系中各个目标对象的位置进行平移，得到平移后目标位置关系；
15.获取所述平移后目标位置关系与所述目标位置关系中各个目标对象的位置变化量，得到目标变量；
16.对所述目标变量进行奇异值分解，得到目标旋转量；
17.根据所述目标旋转量对所述平移后目标位置关系中的各个目标对象进行旋转。
18.优选的，所述确定多个目标对象中每两个目标对象之间的距离，得到目标距离集合的过程，包括：
19.利用uwb确定多个目标对象中每两个目标对象之间的距离，得到所述目标距离集合。
20.优选的，还包括：
21.若多个目标对象中存在实际运动位置为已知量的标识对象，则根据所述uwb、所述标识对象的实际运动位置以及所述dr算法确定多个目标对象在下一时刻的运动位置，得到校正位置集合；
22.相应的，所述根据所述目标位置集合中各个目标对象的运动位置对所述目标位置关系中对应目标对象的运动位置进行旋转平移的过程，包括：
23.根据所述校正位置集合中各个目标对象的运动位置对所述目标位置关系中对应目标对象的运动位置进行旋转平移。
24.优选的，所述根据所述目标位置集合中各个目标对象的运动位置对所述目标位置关系中对应目标对象的运动位置进行旋转平移的过程之后，还包括：
25.将多个目标对象的实际运动位置判定为多个目标对象在当前时刻的运动位置，并继续执行所述根据多个目标对象在当前时刻的运动位置和dr算法确定多个目标对象在下一时刻的运动位置的步骤。
26.相应的，本发明还公开了一种定位跟踪装置，包括：
27.位置预测模块，用于当要对多个目标对象的运动轨迹进行定位跟踪时，则根据多个目标对象在当前时刻的运动位置和dr算法确定多个目标对象在下一时刻的运动位置，得到目标位置集合；
28.关系计算模块，用于确定多个目标对象中每两个目标对象之间的距离，得到目标距离集合，并根据mds算法和所述目标距离集合确定多个目标对象之间的目标位置关系；
29.位置平移模块，用于根据所述目标位置集合中各个目标对象的运动位置对所述目标位置关系中对应目标对象的运动位置进行旋转平移，以确定出多个目标对象在下一时刻的实际运动位置。
30.相应的，本发明还公开了一种定位跟踪设备，包括：
31.存储器，用于存储计算机程序；
32.处理器，用于执行所述计算机程序时实现如前述所公开的一种定位跟踪方法的步骤。
33.相应的，本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质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如前述所公开的一种定位跟踪方法的步骤。
34.可见，在本发明中，当要对多个目标对象的运动轨迹进行定位跟踪时，首先是根据多个目标对象在当前时刻的运动位置和dr算法来确定多个目标对象在下一时刻的运动位置，得到目标位置集合；之后，再确定出多个目标对象中每两个目标对象之间的距离，得到目标距离集合，并根据mds算法和目标距离集合确定多个目标对象之间的目标位置关系；最
后，再根据目标位置集合中各个目标对象的运动位置对目标位置关系中对应目标对象的运动位置进行旋转平移，从而得到多个目标对象在下一时刻的实际运动位置。相较于现有技术而言，因为该方法能够对目标对象在运动过程中的运动位置进行实时修正，所以，通过该方法就可以显著提高在对目标对象运动轨迹进行预测时的精确度。相应的，本发明所提供的一种定位跟踪装置、设备及介质，同样具有上述有益效果。
附图说明
35.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
36.图1为本发明实施例所提供的一种定位跟踪方法的流程图；
37.图2为对目标位置关系中各个目标对象的运动位置进行旋转平移时的示意图；
38.图3为对多个目标对象的运动轨迹进行跟踪时的示意图；
39.图4为本发明实施例所提供的一种对5个目标对象在20分钟内的运动轨迹进行仿真时的示意图；
40.图5为分别利用dr算法和mds dr算法对目标对象1至目标对象5在0～5分钟进行定位跟踪时的累积分布函数误差示意图；
41.图6为分别利用dr算法和mds dr算法对目标对象1至目标对象5在5～10分钟进行定位跟踪时的累积分布函数误差示意图；
42.图7为分别利用dr算法和mds dr算法对目标对象1至目标对象5在10～15分钟进行定位跟踪时的累积分布函数误差示意图；
43.图8为分别利用dr算法和mds dr算法对目标对象1至目标对象5在15～20分钟进行定位跟踪时的累积分布函数误差示意图；
44.图9为目标对象2和目标对象3在第10分钟的实际运动位置在未知情况下，分别利用dr算法和mds dr算法对目标对象1、目标对象4和目标对象5在10～15分钟进行定位跟踪时的累积分布函数误差示意图；
45.图10为目标对象2和目标对象3在第10分钟的实际运动位置在已知情况下，分别利用dr算法和mds dr算法对目标对象1、目标对象4和目标对象5在10～15分钟进行定位跟踪时的累积分布函数误差示意图；
46.图11为目标对象2和目标对象3在第10分钟的实际运动位置在未知情况下，分别利用dr算法和mds dr算法对目标对象1、目标对象4和目标对象5在15～20分钟进行定位跟踪时的累积分布函数误差示意图；
47.图12为目标对象2和目标对象3在第10分钟的实际运动位置在已知情况下，分别利用dr算法和mds dr算法对目标对象1、目标对象4和目标对象5在15～20分钟进行定位跟踪时的累积分布函数误差示意图；
48.图13为本发明实施例所提供的一种定位跟踪装置的结构图；
49.图14为本发明实施例所提供的一种定位跟踪设备的结构图。
具体实施方式
50.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
51.请参见图1，图1为本发明实施例所提供的一种定位跟踪方法的流程图，该方法包括：
52.步骤s11：当要对多个目标对象的运动轨迹进行定位跟踪时，则根据多个目标对象在当前时刻的运动位置和dr算法确定多个目标对象在下一时刻的运动位置，得到目标位置集合；
53.步骤s12：确定多个目标对象中每两个目标对象之间的距离，得到目标距离集合，并根据mds算法和目标距离集合确定多个目标对象之间的目标位置关系；
54.步骤s13：根据目标位置集合中各个目标对象的运动位置对目标位置关系中对应目标对象的运动位置进行旋转平移，以确定出多个目标对象在下一时刻的实际运动位置。
55.在本实施例中，是提供了一种新型的定位跟踪方法，利用该方法来对多个目标对象进行定位跟踪，可以显著提高在对目标对象进行定位跟踪时的精确度。
56.具体的，当要对多个目标对象的运动轨迹进行定位跟踪时，首先是根据多个目标对象在当前时刻的运动位置和dr算法来确定多个目标对象在下一时刻的运动位置，得到多个目标对象在下一时刻的目标位置集合。可以理解的是，因为dr算法是一种传统的无基站跟踪导航算法，所以，根据多个目标对象在当前时刻的运动位置以及与其相对应的运动速度和运动方向就可以推测出多个目标对象在下一时刻的运动位置，也即，得到多个目标对象在下一时刻的目标位置集合。
57.当利用dr算法推测出多个目标对象在下一时刻的目标位置集合之后，则需要确定出多个目标对象中每两个目标对象之间的距离，得到目标距离集合。在实际操作过程中，可以利用激光、wifi(无线网络通信技术)或者是蓝牙等测距技术来测量得到多个目标对象中每两个目标对象之间的距离。
58.当确定出多个目标对象中每两个目标对象之间的距离，得到目标距离集合之后，就可以根据mds(multidimensional scaling，多维尺度变换)算法和目标距离集合确定出多个目标对象之间的目标位置关系。由于mds算法是一种能够在低维空间去展示高维多元数据的可视化方法，并且，在利用mds算法在低维空间去展示多个目标对象之间的相互位置关系时，不会出现失真现象，所以，在本实施例中，是根据mds算法和目标距离集合来确定多个目标对象之间的目标位置关系。
59.之后，再根据目标位置集合中各个目标对象的运动位置对目标位置关系中对应目标对象的运动位置进行旋转平移，就能够利用mds算法对多个目标对象在运动过程中的运动位置进行实时修正，并避免现有技术中在利用dr算法对多个目标对象进行定位跟踪时所产生的累积误差，由此就可以显著提高在对多个目标对象运动轨迹进行预测时的精确度。
60.可见，在本实施例中，当要对多个目标对象的运动轨迹进行定位跟踪时，首先是根据多个目标对象在当前时刻的运动位置和dr算法来确定多个目标对象在下一时刻的运动位置，得到目标位置集合；之后，再确定出多个目标对象中每两个目标对象之间的距离，得
到目标距离集合，并根据mds算法和目标距离集合确定多个目标对象之间的目标位置关系；最后，再根据目标位置集合中各个目标对象的运动位置对目标位置关系中对应目标对象的运动位置进行旋转平移，从而得到多个目标对象在下一时刻的实际运动位置。相较于现有技术而言，因为该方法能够对目标对象在运动过程中的运动位置进行实时修正，所以，通过该方法就可以显著提高在对目标对象运动轨迹进行预测时的精确度。
61.基于上述实施例，本实施例对技术方案作进一步的说明与优化，作为一种优选的实施方式，多个目标对象包括运动的目标对象和静止的目标对象。
62.在本实施例中，在对多个目标对象的运动轨迹进行定位跟踪时，这些目标对象既可以是运动的目标对象，也可以是静止的目标对象。也即，在对多个目标对象的运动轨迹进行定位跟踪时，这些目标对象中的任意一个目标对象既可以全程处于运动状态，也可以是间歇性的处于运动状态。
63.显然，通过本实施例所提供的技术方案，就可以极大的拓宽本技术所提供定位跟踪方法在实际生活中的应用范围。
64.基于上述实施例，本实施例对技术方案作进一步的说明与优化，作为一种优选的实施方式，上述步骤：根据多个目标对象在当前时刻的运动位置和dr算法确定多个目标对象在下一时刻的运动位置的过程，包括：
65.利用imu确定多个目标对象的运动位姿以及加速度，并根据多个目标对象在当前时刻的运动位置和dr算法确定多个目标对象在下一时刻的运动位置。
66.可以理解的是，在利用dr算法推测与计算多个目标对象在下一时刻的运动位置时，还需要知悉到多个目标对象的运动位姿和加速度，而imu(inertial measurement unit，惯性测量单元)是一种较为常见的测量物体三轴姿态角以及加速度的装置，所以，在本实施例中，在利用dr算法推测多个目标对象在下一时刻的运动位置时，首先是利用imu测量多个目标对象的运动位姿以及加速度，然后，再基于dr算法，并根据多个目标对象在当前时刻的运动位置、运动位姿以及加速度来确定多个目标对象在下一时刻的运动位置。
67.显然，通过本实施例所提供的技术方案，就可以相对提高本技术所提供定位跟踪方法在实际应用中的普适性。
68.基于上述实施例，本实施例对技术方案作进一步的说明与优化，作为一种优选的实施方式，上述步骤：根据目标位置集合中各个目标对象的运动位置对目标位置关系中对应目标对象的运动位置进行旋转平移的过程，包括：
69.确定目标位置关系中所有目标对象的相对位置中心，得到第一位置，并确定目标位置集合中所有目标对象的相对位置中心，得到第二位置；
70.获取第一位置和第二位置之间的目标平移量；
71.根据目标平移量对目标位置关系中各个目标对象的位置进行平移，得到平移后目标位置关系；
72.获取平移后目标位置关系与目标位置关系中各个目标对象的位置变化量，得到目标变量；
73.对目标变量进行奇异值分解，得到目标旋转量；
74.根据目标旋转量对平移后目标位置关系中的各个目标对象进行旋转。
75.在本实施例中，在对目标位置关系中各个目标对象的运动位置进行旋转平移时，
首先需要确定出目标位置关系中所有目标对象的相对位置中心，得到第一位置，并确定出目标位置集合中所有目标对象的相对位置中心，得到第二位置；然后，再获取第一位置和第二位置之间的目标平移量，并根据目标平移量对目标位置关系中各个目标对象的位置进行平移，得到平移后目标位置关系。能够想到的是，当根据目标平移量对目标位置关系中各个目标对象的位置进行平移，得到平移后目标位置关系之后，平移后目标位置关系中各个目标对象所对应的位置就会与目标位置集合中各个目标对象所对应的位置重合。之后，再获取平移后目标位置关系与目标位置关系中各个目标对象的位置变化量，得到目标变量，并对目标变量进行奇异值分解，得到目标旋转量；最后，再根据目标旋转量对平移后目标位置关系中的各个目标对象进行旋转。
76.请参见图2，图2为对目标位置关系中各个目标对象的运动位置进行旋转平移时的示意图。在图2中，mds表示利用mds算法确定出多个目标对象之间的目标位置关系，dr表示利用dr算法预测多个目标对象在下一时刻的运动位置，dr-mds表示利用mds算法和dr算法预测多个目标对象在下一时刻的实际运动位置。
77.基于上述实施例，本实施例对技术方案作进一步的说明与优化，作为一种优选的实施方式，上述步骤：确定多个目标对象中每两个目标对象之间的距离，得到目标距离集合的过程，包括：
78.利用uwb确定多个目标对象中每两个目标对象之间的距离，得到目标距离集合。
79.因为uwb(ultra wide band，超宽带)定位技术是使用间歇性的脉冲来收发数据，可以极大的降低通信设备所需要的能耗量，并且，uwb定位技术的定位精度能够达到10厘米以内，所以，当利用uwb来确定多个目标对象中每两个目标对象之间的距离时，就可以使得各个目标对象之间的相对位置距离更加精确与可靠，由此就能够进一步提高在对多个目标对象进行定位跟踪时的精确度。
80.作为一种优选的实施方式，上述定位跟踪方法还包括：
81.若多个目标对象中存在实际运动位置为已知量的标识对象，则根据uwb、标识对象的实际运动位置以及dr算法确定多个目标对象在下一时刻的运动位置，得到校正位置集合；
82.相应的，根据目标位置集合中各个目标对象的运动位置对目标位置关系中对应目标对象的运动位置进行旋转平移的过程，包括：
83.根据校正位置集合中各个目标对象的运动位置对目标位置关系中对应目标对象的运动位置进行旋转平移。
84.可以理解的是，在对多个目标对象的运动轨迹进行定位跟踪时，有的目标对象在运动过程中可能会经过固定已知的标志建筑物或者是局部定位系统，在此情况下，部分目标对象就可以准确地获取得到自身在运动过程中的实际运动位置。当出现该情形时，就可以利用目标对象在运动过程中的实际运动位置对其它目标对象的运动位置进行校正。
85.也即，当多个目标对象中存在实际运动位置为已知量的标识对象时，则可以根据标识对象的实际运动位置和dr算法准确地推测出标识对象在下一时刻的运动位置，并且，利用uwb还可以准确测量出标识对象与其它目标对象之间的距离，这样利用uwb、标识对象的实际运动位置以及dr算法就可以准确计算出多个目标对象在下一时刻的运动位置，从而得到多个目标对象的校正位置集合。
86.之后，根据mds算法和校正位置集合就可以确定出多个目标对象之间的目标位置关系，此时根据校正位置集合中各个目标对象的运动位置对目标位置关系中对应目标对象的运动位置进行旋转平移，就可以更为准确地计算出多个目标对象在下一时刻的实际运动位置。
87.作为一种优选的实施方式，上述步骤：根据目标位置集合中各个目标对象的运动位置对目标位置关系中对应目标对象的运动位置进行旋转平移，以确定出多个目标对象在下一时刻的实际运动位置的过程之后，还包括：
88.将多个目标对象的实际运动位置判定为多个目标对象在当前时刻的运动位置，并继续执行根据多个目标对象在当前时刻的运动位置和dr算法确定多个目标对象在下一时刻的运动位置的步骤。
89.可以理解的是，由于目标对象的定位跟踪是对目标对象实际运动位置进行持续定位与观测的过程，因此，为了准确、可靠地获取得到各个目标对象的运动轨迹。在根据上述方法确定出多个目标对象在下一时刻的实际运动位置之后，还可以把多个目标对象在该时刻的实际运动位置判定为多个目标对象在当前时刻下的运动位置，并继续执行根据多个目标对象在当前时刻的运动位置和dr算法确定多个目标对象在下一时刻的运动位置的步骤。
90.请参见图3，图3为对多个目标对象的运动轨迹进行跟踪时的示意图。当要对多个目标对象的运动轨迹进行定位跟踪时，首先是利用imu确定多个目标对象的运动位姿以及加速度，之后，dr预测模块会根据多个目标对象在当前时刻的运动位置、运动方向以及加速度来预测这些目标对象在下一时刻的运动位置。同时，再利用uwb技术测量得到多个目标对象中每两个目标对象之间的距离，得到目标距离集合，并根据mds算法和目标距离集合确定多个目标对象之间的目标位置关系；之后，再根据目标位置集合中各个目标对象的运动位置对目标位置关系中对应目标对象的运动位置进行旋转平移，就可以输出得到该轮定位追踪过程中多个目标对象在下一时刻的实际运动位置。
91.之后，多个目标对象预测得到的实际运动位置将会被回传至dr预测模块，并且，dr预测模块会将多个目标对象预测得到的实际运动位置判定为多个目标对象在当前时刻的运动位置，并继续对多个目标对象在下一时刻的运动位置进行预测，进而准确定位出多个目标对象的实际运动轨迹。
92.可见，通过本实施例所提供的技术方案，就可以更为准确、可靠地对多个目标对象的运动轨迹进行跟踪与定位。
93.基于前述实施例所公开的技术内容，本实施例通过具体的实验结果对上述定位跟踪方法的预测精度进行详细说明。为了判断本技术所提供的定位跟踪方法是否能够准确预测目标对象的运动轨迹，可以预先获取多个目标对象在一段时间内的运动轨迹。请参见图4，图4为本发明实施例所提供的一种对5个目标对象在20分钟内的运动轨迹进行仿真时的示意图。在图4中，node1、node2、node3、node4和node5分别代表目标对象1、目标对象2、目标对象3、目标对象4和目标对象5，其中，各个目标对象的平均行走速度为1m/s。
94.为了直观地观测出利用本技术所提供的定位跟踪方法对多个目标对象的运动轨迹进行定位跟踪时的精确度，在本实施例中是将本技术所提供的定位跟踪方法称之为mds dr算法，并将现有技术中利用dr算法对多个目标对象进行定位跟踪方法的称之为dr算法。在本实施例中，为了更加清楚地观测出在不同时刻下对多个目标对象进行定位跟踪时的误
差变化，是将多个目标对象在20分钟内的运动轨迹分割成了四段依次进行绘制，并通过cdf(cumulative distribution function，累积分布函数)进行展示与说明。
95.请参见图5至图8，图5为分别利用dr算法和mds dr算法对目标对象1至目标对象5在0～5分钟进行定位跟踪时的累积分布函数误差示意图；图6为分别利用dr算法和mds dr算法对目标对象1至目标对象5在5～10分钟进行定位跟踪时的累积分布函数误差示意图；图7为分别利用dr算法和mds dr算法对目标对象1至目标对象5在10～15分钟进行定位跟踪时的累积分布函数误差示意图；图8为分别利用dr算法和mds dr算法对目标对象1至目标对象5在15～20分钟进行定位跟踪时的累积分布函数误差示意图。从图5至图8可以看出，利用mds dr算法对5个目标对象进行定位跟踪时的累积分布函数误差要比利用dr算法对5个目标对象进行定位跟踪时的累积分布函数误差低两倍左右，并且，在20分钟的时间内将对5个目标对象进行定位跟踪时的总误差控制在了500mm左右，这充分说明了利用mds dr算法可以对5个目标对象的运动轨迹进行精确的定位与跟踪。
96.如果目标对象1至目标对象5中的部分目标对象在运动过程中获取得到了自身的实际运动位置，那么就可以利用实际位置已知的目标对象来降低这5个目标对象的整体定位误差。假设目标对象2和目标对象3在第10分钟时通过第三方途径获取得到了自身的实际运动位置，那么在此情况下，就可以利用目标对象2和目标对象3在第10分钟的实际运动位置来代替利用dr算法预测得到目标对象2和目标对象3在第10分钟时的预测运动位置，并根据目标对象2和目标对象3在第10分钟的实际运动位置对目标对象1、目标对象4以及目标对象5的运动位置进行校正与修改。
97.请参见图9至图12，图9为目标对象2和目标对象3在第10分钟的实际运动位置在未知情况下，分别利用dr算法和mds dr算法对目标对象1、目标对象4和目标对象5在10～15分钟进行定位跟踪时的累积分布函数误差示意图；图10为目标对象2和目标对象3在第10分钟的实际运动位置在已知情况下，分别利用dr算法和mds dr算法对目标对象1、目标对象4和目标对象5在10～15分钟进行定位跟踪时的累积分布函数误差示意图；图11为目标对象2和目标对象3在第10分钟的实际运动位置在未知情况下，分别利用dr算法和mds dr算法对目标对象1、目标对象4和目标对象5在15～20分钟进行定位跟踪时的累积分布函数误差示意图；图12为目标对象2和目标对象3在第10分钟的实际运动位置在已知情况下，分别利用dr算法和mds dr算法对目标对象1、目标对象4和目标对象5在15～20分钟进行定位跟踪时的累积分布函数误差示意图。
98.从图9至图12可以看出，尽管只提供了目标对象2和目标对象3在第10分钟时的实际运动位置，但是，目标对象1、目标对象4和目标对象5的定位误差也会随之减小。也即，目标对象1、目标对象4和目标对象5在第10～15分钟内的累积分布误差会从244.88mm下降到173.96mm，而目标对象1、目标对象4和目标对象5在第15～20分钟内的累积分布误差会从334.53mm下降到310.89mm。由此可见，当多个目标对象中的部分目标对象在运动过程中某一时刻的实际运动位置为已知状态时，本技术所提供的mds dr算法还可以自动校正其它目标对象的运动位置，从而达到一个群体受益的技术效果。
99.请参见图13，图13为本发明实施例所提供的一种定位跟踪装置的结构图，该装置包括：
100.位置预测模块21，用于当要对多个目标对象的运动轨迹进行定位跟踪时，则根据
多个目标对象在当前时刻的运动位置和dr算法确定多个目标对象在下一时刻的运动位置，得到目标位置集合；
101.关系计算模块22，用于确定多个目标对象中每两个目标对象之间的距离，得到目标距离集合，并根据mds算法和目标距离集合确定多个目标对象之间的目标位置关系；
102.位置平移模块23，用于根据目标位置集合中各个目标对象的运动位置对目标位置关系中对应目标对象的运动位置进行旋转平移，以确定出多个目标对象在下一时刻的实际运动位置。
103.本发明实施例所提供的一种定位跟踪装置，具有前述所公开的一种定位跟踪方法所具有的有益效果。
104.请参见图14，图14为本发明实施例所提供的一种定位跟踪设备的结构图，该设备包括：
105.存储器31，用于存储计算机程序；
106.处理器32，用于执行计算机程序时实现如前述所公开的一种定位跟踪方法的步骤。
107.本发明实施例所提供的一种定位跟踪设备，具有前述所公开的一种定位跟踪方法所具有的有益效果。
108.相应的，本发明实施例还公开了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如前述所公开的一种定位跟踪方法的步骤。
109.本发明实施例所提供的一种计算机可读存储介质，具有前述所公开的一种定位跟踪方法所具有的有益效果。
110.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
111.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
112.以上对本发明所提供的一种定位跟踪方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。