산책기록 gps 필터링 개선

오늘은 산책정보를 좀 더 보기좋게 바꿔보려고 시도를 했다. 고등학교때 센서데이터를 보정하기 위해 칼만필터를 사용했던 기억이 나서, 칼만필터를 써보기로 결정했다.

kalman-filter

kalman-filter

간단하게 원리를 찾아보니 이전값을 통해서 예측값을 만들어내고, 측정된 값을 바로 반영하는게 아니라, 예측된 값과 함께 계산해서 반영하는 원리이다. 구체적인 부분은 어려워서 이해를 포기했다.

const {KalmanFilter} = require('kalman-filter');

const observations = [[0, 1], [0.1, 0.5], [0.2, 3], [4, 2], [1, 2]];
const kFilter = new KalmanFilter({observation: 2});
const res = kFilter.filterAll(observations)

이 라이브러리를 이용하면 2D좌표의 데이터들을 필터링하여 가공할 수 있다. 라이브러리를 사용해서 유의미한 필터링을 확인했다. 하지만 라이브러리가 내가 원하는 방향으로 연산을 수정하기도 좀 어렵고, 기존에 사용중인 로직에 그대로 사용하게 되면 연산해야할 양이 지나치게 많아질것 같아서 새로 만들기로 했다.

export class GpsFilter {
  protected round: number;
  protected prevDataArr: Array<Array<number>>;
  protected predictVal: Array<number>;

  constructor(round: number) {
    this.round = round;
    this.prevDataArr = [];
    this.predictVal = [];
  }

  clearFilter() {
    this.prevDataArr = [];
    this.predictVal = [];
  }

  filterNewData(data: [number, number]) {
      //0번은 latitude, 1번은 longitude

    if (this.prevDataArr.length < 1) {
      this.prevDataArr.push(data);
      return data;
    } else if (this.prevDataArr.length < 2) {
      let gapSum = [0, 0];
      gapSum[0] += data[0] - this.prevDataArr[0][0];
      gapSum[1] += data[1] - this.prevDataArr[0][1];

      const gapAvg = [gapSum[0], gapSum[1]];
      this.predictVal = [data[0] + gapAvg[0], data[1] + gapAvg[1]];
      this.prevDataArr.push(data);
      return data;
    } else {
      let gapSum = [0, 0];
      for (let i = 0; i < this.prevDataArr.length - 1; i++) {
        gapSum[0] += this.prevDataArr[i + 1][0] - this.prevDataArr[i][0];
        gapSum[1] += this.prevDataArr[i + 1][1] - this.prevDataArr[i][1];
      }

      const gapAvg = [
        gapSum[0] / (this.prevDataArr.length - 1),
        gapSum[1] / (this.prevDataArr.length - 1),
      ];

      const filteredData = [
        (data[0] + this.predictVal[0]) / 2,
        (data[1] + this.predictVal[1]) / 2,
      ];
      if (this.prevDataArr.length > this.round) {
        this.prevDataArr.shift();
      }
      this.prevDataArr.push(filteredData);
      this.predictVal = [data[0] + gapAvg[0], data[1] + gapAvg[1]];

      return filteredData;
    }
  }
}

크게 어려운 부분은 없고, 이전 좌표들에서의 변화량을 측정해서 다음 좌표를 예측하는 코드이다. 내가 기록했던 데이터 상에서는 칼만필터랑 크게 차이가 나지않았고, 필요하다면 내가 이전 좌표에 대한 내용을 얼마나 반영할지 조정도 할 수있어서, 이렇게 코드를 작성해봤다. 그리고 바로 실제 측정에 나섰다.

기기는 총 2대로 테스트 했다. 1번과 2번사진은 한기기로 동시에 측정을 한 것이다. 3번은 다른기기로, 동일한 경로를 움직였지만, GPS측정값이 온전하게 일치하지 않는다는점을 고려하고 봐야한다. https://github.com/mauron85/react-native-background-geolocation 해당 라이브러리가 기본적으로 뽑아내는 위치정보도 나름 쓸만한 수준으로 나온다. 라이브러리 내부에서 기본적으로 보정을 하는 느낌이다. 타사와 비교해서도 크게 차이가 나는 느낌은 아니다. 맨 마지막 사진이 내가 만든 필터를 적용하여 기록을 한 부분인데, 전체적으로 좀 둥글해지는 느낌이다. 필터가 적용되기때문에, 과보정된 부분이 중간중간에 보이는데, 이부분은 계수를 조정해서 좀 더 보완을 하면 될것같다. 라이브러리가 뽑아주는 위치정보에 내가 만든 필터 함수를 적용해서 하는 방식으로 진행하기로 결정했다.