适用于无人机高频状态数据的可视化渲染方法.pdf

《适用于无人机高频状态数据的可视化渲染方法.pdf》由会员分享，可在线阅读，更多相关《适用于无人机高频状态数据的可视化渲染方法.pdf（11页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010126965.0 (22)申请日 2020.02.28 (71)申请人 江苏方天电力技术有限公司 地址 211102 江苏省南京市江宁科学园天 元中路19号 申请人 国网江苏省电力有限公司 (72)发明人 黄郑王红星朱洁宋煜黄祥 刘斌吴媚顾徐 (74)专利代理机构 南京钟山专利代理有限公司 32252 代理人 陈月菊 (51)Int.Cl. G06F 16/957(2019.01) G06F 16/904(2019.01) (54)发明名称 一种适用于无人机高频状态数。

2、据的可视化 渲染方法 (57)摘要 本发明公开了一种适用于无人机高频状态 数据的可视化渲染方法， 所述方法包括分析无人 机历史状态数据中每类状态信息随时间的变化 规律， 预置对应计算函数， 接收无人机真实状态 数据， 并将真实状态数据以低频速率绘制在浏览 器视图上， 将无人机真实状态数据代入计算函数 中计算未来某时刻的预测状态信息， 判断未来某 时刻的无人机预测状态信息与该未来时刻接收 到的无人机真实状态信息的误差是否小于预设 阈值， 若是则将未来某时刻的无人机预测状态信 息绘制在浏览器视图上， 实现高频次渲染。 本发 明通过对无人机状态信息进行预测， 优化无人机 状态信息数据在浏览器上高频次。

3、渲染性能， 提高 无人机状态显示的流畅性和实时性， 有效解决了 浏览器渲染卡顿问题。 权利要求书2页 说明书7页 附图1页 CN 111353113 A 2020.06.30 CN 111353113 A 1.一种适用于无人机高频状态数据的可视化渲染方法， 其特征在于， 所述方法包括： S1： 对预先存储的无人机历史状态数据进行分析， 根据无人机历史状态数据中每类状 态信息随时间的变化规律， 预置并调用对应的计算函数； S2： 建立无人机与后台服务端的通信连接， 接收无人机真实状态数据， 将无人机真实状 态数据存储于第一等待队列中； S3： 建立后台服务端与浏览器的通信连接， 以第一预设时间间。

4、隔从第一等待队列提取 无人机真实状态数据， 并存储于第二等待队列中， 设置一定时函数， 按照第二预设时间间隔 从第二等待队列中提取无人机真实状态数据， 并将无人机真实状态数据绘制在浏览器视图 上； 所述第一预设时间间隔小于第二预设时间间隔； S4： 将无人机真实状态数据中的每类状态信息代入对应的计算函数中进行计算， 得到 未来某时刻的无人机预测状态信息， 存储所述未来某时刻的无人机预测状态信息； S5： 比较未来某时刻的无人机预测状态信息与该未来时刻接收到的无人机真实状态信 息， 若二者的误差小于预设阈值时， 跳转至步骤S6， 否则， 结束本次渲染流程； S6： 将未来某时刻的无人机预测状态信。

5、息插入浏览器DOM节点上， 对页面进行渲染， 并 在该无人机预测状态信息对应的时间点上对浏览器进行渲染。 2.根据权利要求1所述的一种适用于无人机高频状态数据的可视化渲染方法， 其特征 在于， 所述每类状态信息随时间的变化规律包括： 线性关系、 指数关系、 自定义关系； 对应的所述计算函数包括： 线性函数、 指数函数、 自定义关系函数。 3.根据权利要求1所述的一种适用于无人机高频状态数据的可视化渲染方法， 其特征 在于， 所述无人机历史状态数据包括预先存储的部分无人机状态数据、 全部无人机状态数 据。 4.根据权利要求1所述的一种适用于无人机高频状态数据的可视化渲染方法， 其特征 在于， 所。

6、述方法还包括： 采用FP-free挖掘无人机历史状态数据中每类状态信息随时间的变 化规律。 5.根据权利要求1所述的一种适用于无人机高频状态数据的可视化渲染方法， 其特征 在于， 所述服务端与浏览器的通信连接包括websocket连接。 6.根据权利要求1所述的一种适用于无人机高频状态数据的可视化渲染方法， 其特征 在于， 所述方法还包括： 在所述计算函数中设置N个可变参数， 其中， N大于等于1； 计算未来某时刻的无人机预测状态信息与该未来时刻接收到的无人机真实状态信息 之间的误差； 将计算结果反馈到计算函数中， 修正所述可变参数。 7.根据权利要求6所述的一种适用于无人机高频状态数据的可视。

7、化渲染方法， 其特征 在于， 所述计算未来某时刻的无人机预测状态信息与该未来时刻接收到的无人机真实状态 信息之间的误差， 将计算结果反馈到计算函数中， 修正所述可变参数的过程包括以下步骤： (1)预测无人机状态信息g在当前时间tnow时的数值， 获取所需的已知参数， 所述已知参 数包括： 上一次对g的预测结果、 在时间段T内的k个真实状态信息数据g(t1),g(t2)g(tk)； (2)定义上一次预测结果对下一次预测结果的影响权值Wp； 权利要求书 1/2 页 2 CN 111353113 A 2 定义二元函数f(x)， 其中， 当x0时f(x)0， 用于生成g(t1),g(t2)g(tk)对。

8、预测结果的 影响系数； 定义预测结果与真实结果偏差的校正权值Wl； (3)假设t0tnowT， 计算f(t1t0),f(t2t0)f(tk-t0)的值； (4)建立xOy坐标系， 插入(t1-t0),f(t1t0)*g(t1)， (t2-t0),f(t2t0)*g(t2) (tk-t0),f(tkt0)*g(tk)这k个点的值， 并通过牛顿插值得到与坐标系点拟合的函数F； (5)计算xT时， 函数F的取值， 得到预测结果初始值g F(T)/f(T)； (6)根据上一次的预测结果glast调整g 的值， 得到gm(g +glast*Wp)/(1+Wp)； (7)判断调整后的预测结果gm是否偏离已。

9、知状态信息， 若是， 根据状态信息中最接近的 状态信息数值gl,， 调整gm得到gm ， gm (gm+gl*Wl)/(1+Wl)； (8)对生成的所有可变参数集合执行步骤(3)至步骤(7)， 计算得到各自对应的预测结 果并保存， 选取当前评分最佳的可变参数集合产出的值作为当前预测结果取值； (9)接收无人机真实状态信息更新， 并以此为依据对预测结果进行校正， 重新对生成的 可变参数集合进行评分， 选取评分最佳的可变参数集合。 8.根据权利要求1所述的一种适用于无人机高频状态数据的可视化渲染方法， 其特征 在于， 所述状态数据包括飞行姿态、 地理位置信息、 电量、 飞行速度、 GPS健康度。 。

10、权利要求书 2/2 页 3 CN 111353113 A 3 一种适用于无人机高频状态数据的可视化渲染方法 技术领域 0001 本发明涉及无人机可视化监控领域， 具体而言涉及一种适用于无人机高频状态数 据的可视化渲染方法。 背景技术 0002 近年来无人机一直是航空领域的研究热点， 由于其成本低、 机动性强、 功能多样化 等特点， 在我们生活中应用越来越广， 越来越多的领域开始探索使用无人机代替人工进行 作业， 例如： 军事行动、 地质勘测、 物流运输、 农业应用、 影视拍摄、 消防抗灾以及救援巡查 等。 0003 无人机在电力巡检领域的运用已取得了一定成就。 传统的人工巡检依靠人工爬 塔， 。

11、检查电塔设备， 工作强度高， 风险大， 巡检效率低。 无人机依靠其稳定的空间位置控制， 高清快速的实时图像传输， 使得巡检人员可以在地面操控无人机， 实现远距离铁塔检查。 0004 无人机实时状态监控是无人机远程作业、 无人值守化作业的重要环节。 在无人机 远程作业过程中， 无人机远离线路检修人员， 线路检修人员通过肉眼观察很难准确了解无 人机当前的各种状态， 无法进行精准作业。 在一个完整的无人机输电巡检系统中， 通常配备 一套功能完善的无人机可视化操控界面， 线路检修人员可以通过可视化操控界面， 对无人 机进行远程操作， 并实时监控无人机各种状态指标(比如， 飞行姿态、 地理位置信息、 电。

12、量、 飞行速度、 GPS健康度等等)。 如果出现一些极端情况， 导致无人机任务执行异常， 无人机操 控系统可以通过监控无人机状态对异常情况执行快速的应变措施， 并及时通知线路检修人 员， 防止发生事故。 0005 要做到无人机实时数据监控， 需要无人机以高频次向控制系统发送无人机的状态 信息数据， 但是由于实际作业环境都是在野外， 无人机控制系统运行的硬件设备都是工业 级的计算机， 对于普通计算机在稳定性上有一定的优势， 但性能上会比较差。 如果将无人机 的状态信息数据按照同样的高频次在无人机操控界面上做渲染， 会出现系统卡顿、 渲染流 畅度受阻的问题， 不利于线路检修人员查看无人机实时状态。。

13、 发明内容 0006 本发明的目的在于提供一种适用于无人机高频状态数据的可视化渲染方法， 所述 方法包括分析无人机历史状态数据中每类状态信息随时间的变化规律， 预置对应计算函 数， 接收无人机真实状态数据， 并将真实状态数据以低频速率绘制在浏览器视图上， 将无人 机真实状态数据代入计算函数中计算未来某时刻的预测状态信息， 判断未来某时刻的无人 机预测状态信息与该未来时刻接收到的无人机真实状态信息的误差是否小于预设阈值， 若 是则将未来某时刻的无人机预测状态信息绘制在浏览器视图上， 实现高频次渲染。 本发明 通过对无人机状态信息进行预测， 优化无人机状态信息数据在浏览器上高频次渲染性能， 提高无。

14、人机状态显示的流畅性和实时性， 有效解决了浏览器渲染卡顿问题。 0007 为达成上述目的， 结合图1， 本发明提出一种适用于无人机高频状态数据的可视化 说明书 1/7 页 4 CN 111353113 A 4 渲染方法， 所述方法包括： 0008 S1： 对预先存储的无人机历史状态数据进行分析， 根据无人机历史状态数据中每 类状态信息随时间的变化规律， 预置并调用对应的计算函数。 0009 S2： 建立无人机与后台服务端的通信连接， 接收无人机真实状态数据， 将无人机真 实状态数据存储于第一等待队列中。 0010 S3： 建立后台服务端与浏览器的通信连接， 以第一预设时间间隔从第一等待队列 提。

15、取无人机真实状态数据， 并存储于第二等待队列中， 设置一定时函数， 按照第二预设时间 间隔从第二等待队列中提取无人机真实状态数据， 并将无人机真实状态数据绘制在浏览器 视图上。 0011 所述第一预设时间间隔小于第二预设时间间隔。 0012 S4： 将无人机真实状态数据中的每类状态信息代入对应的计算函数中进行计算， 得到未来某时刻的无人机预测状态信息， 存储所述未来某时刻的无人机预测状态信息。 0013 S5： 比较未来某时刻的无人机预测状态信息与该未来时刻接收到的无人机真实状 态信息， 若二者的误差小于预设阈值时， 跳转至步骤S6， 否则， 结束本次渲染流程。 0014 S6： 将未来某时刻。

16、的无人机预测状态信息插入浏览器DOM节点上， 对页面进行渲 染， 并在该无人机预测状态信息对应的时间点上对浏览器进行渲染。 0015 进一步的实施例中， 所述每类状态信息随时间的变化规律包括： 线性关系、 指数关 系、 自定义关系。 0016 进一步的实施例中， 所述对应的所述计算函数包括： 线性函数、 指数函数、 自定义 关系函数。 0017 进一步的实施例中， 所述无人机历史状态数据包括预先存储的部分无人机状态数 据、 全部无人机状态数据。 0018 进一步的实施例中， 可以采用FP-free挖掘无人机历史状态数据中每类状态信息 随时间的变化规律。 0019 进一步的实施例中， 所述服务端。

17、与浏览器的通信连接包括websocket连接。 0020 进一步的实施例中， 所述方法还包括： 0021 在所述计算函数中设置N个可变参数， 其中， N大于等于1。 0022 计算未来某时刻的无人机预测状态信息与该未来时刻接收到的无人机真实状态 信息之间的误差。 0023 将计算结果反馈到计算函数中， 修正所述可变参数。 0024 进一步的实施例中， 可变参数修正的过程可以分解为： 0025 (1)预测无人机状态信息g在当前时间tnow时的数值， 获取所需的已知参数， 所述已 知参数包括： 上一次对g的预测结果、 在时间段T内的k个真实状态信息数据g(t1),g(t2)g (tk)。 0026。

18、 (2)定义上一次预测结果对下一次预测结果的影响权值Wp。 0027 定义二元函数f(x)， 其中， 当x0时f(x)0， 用于生成g(t1),g(t2)g(tk)对预测结 果的影响系数。 0028 定义预测结果与真实结果偏差的校正权值Wl。 0029 (3)假设t0tnowT， 计算f(t1t0),f(t2t0)f(tk-t0)的值。 说明书 2/7 页 5 CN 111353113 A 5 0030 (4)建立xOy坐标系， 插入(t1-t0) ,f(t1t0)*g(t1)， (t2-t0) ,f(t2t0)*g (t2)(tk-t0),f(tkt0)*g(tk)这k个点的值， 并通过牛顿。

19、插值得到与坐标系点拟合的 函数F。 0031 (5)计算xT时， 函数F的取值， 得到预测结果初始值g F(T)/f(T)。 0032 (6)根据上一次的预测结果glast调整g 的值， 得到gm(g +glast*Wp)/(1+Wp)。 0033 (7)判断调整后的预测结果gm是否偏离已知状态信息， 若是， 根据状态信息中最接 近的状态信息数值gl,， 调整gm得到gm ， gm (gm+gl*Wl)/(1+Wl)。 0034 (8)对生成的所有可变参数集合执行步骤(3)至步骤(7)， 计算得到各自对应的预 测结果并保存， 选取当前评分最佳的可变参数集合产出的值作为当前预测结果取值。 003。

20、5 (9)接收无人机真实状态信息更新， 并以此为依据对预测结果进行校正， 重新对生 成的可变参数集合进行评分， 选取评分最佳的可变参数集合。 0036 进一步的实施例中， 所述状态数据包括飞行姿态、 地理位置信息、 电量、 飞行速度、 GPS健康度。 0037 以上本发明的技术方案， 与现有相比， 其显著的有益效果在于： 0038 (1)本发明通过对无人机历史状态数据进行分析， 根据每类状态信息随时间的变 化规律， 预置并调用对应的计算函数， 可以对无人机状态信息进行预测， 提前预知未来某时 刻的状态信息数据。 0039 (2)本发明通过预测无人机状态信息的变化趋势， 优化无人机状态信息数据在。

21、浏 览器上高频次渲染性能， 提高无人机状态显示的流畅性和实时性， 有效解决了浏览器渲染 卡顿问题。 0040 (3)本发明可以根据不同资源情况选择不同的浏览器渲染策略， 有效解决 javascript引擎跟渲染引擎争抢资源的问题， 实现了浏览器性能优化及数据实时显示的平 衡。 0041 (4)本发明利用计算函数中的可变参数， 将无人机预测数据集与实际数据集的误 差反馈到计算函数中， 对计算函数的可变参数进行矫正， 以此来保证预测数据的有效性。 0042 应当理解， 前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这 样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。 另。

22、外， 所要求保 护的主题的所有组合都被视为本公开的发明主题的一部分。 0043 结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、 实 施例和特征。 本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面 的描述中显见， 或通过根据本发明教导的具体实施方式的实践中得知。 附图说明 0044 附图不意在按比例绘制。 在附图中， 在各个图中示出的每个相同或近似相同的组 成部分可以用相同的标号表示。 为了清晰起见， 在每个图中， 并非每个组成部分均被标记。 现在， 将通过例子并参考附图来描述本发明的各个方面的实施例， 其中： 0045 图1是本发明的一种适用于无人机高频。

23、状态数据的可视化渲染方法的流程图。 说明书 3/7 页 6 CN 111353113 A 6 具体实施方式 0046 为了更了解本发明的技术内容， 特举具体实施例并配合所附图式说明如下。 0047 在本公开中参照附图来描述本发明的各方面， 附图中示出了许多说明的实施例。 本公开的实施例不必定义在包括本发明的所有方面。 应当理解， 上面介绍的多种构思和实 施例， 以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实 施， 这是因为本发明所公开的构思和实施例并不限于任何实施方式。 另外， 本发明公开的一 些方面可以单独使用， 或者与本发明公开的其他方面的任何适当组合来使用。 00。

24、48 结合图1， 本发明提及一种适用于无人机高频状态数据的可视化渲染方法， 具体实 施例如下： 0049 S1： 对预先存储的无人机历史状态数据进行分析， 根据无人机历史状态数据中每 类状态信息随时间的变化规律， 预置并调用对应的计算函数。 0050 首先收集部分或全部的无人机历史状态数据作为训练集， 对预先存储的无人机历 史状态数据进行分析， 根据无人机历史状态数据中每类状态信息随时间的变化规律， 预置 并调用对应的计算函数。 0051 具体的， 判断无人机状态数据中的每类状态信息与时间的关系， 若与时间成线性 关系， 以线性相关的函数作为计算函数。 若与时间成指数关系， 以指数相关的函数作。

25、为计算 函数。 0052 优选的， 可以利用FP-tree挖掘无人机各类状态信息随时间变化的关联规则。 0053 优选的， 如果现有基本算法中的相关性函数无法描述状态信息随时间的变化关 系， 用户还可以自定义无人机的状态相关函数， 以自定义的函数作为计算函数， 用以应对复 杂的变化规律情形。 0054 S2： 建立无人机与后台服务端的通信连接， 接收无人机真实状态数据， 将无人机真 实状态数据存储于第一等待队列中。 0055 建立无人机与后台服务端的通信连接， 后台服务端接收无人机传回的实时状态数 据。 在后台服务端设置一固定长度的存储队列作为第一等待队列， 后台服务端将接收到的 无人机真实状。

26、态数据存储于该等待队列中。 0056 优选的， 最先进入存储队列的无人机真实状态数据放入队尾， 遵守先进先出的原 则。 0057 优选的， 为应对大量无人机状态数据的回传情况， 可以将存储队列的长度设置为 可变的。 0058 S3： 建立后台服务端与浏览器的通信连接， 以第一预设时间间隔从第一等待队列 提取无人机真实状态数据， 并存储于第二等待队列中， 设置一定时函数， 按照第二预设时间 间隔从第二等待队列中提取无人机真实状态数据， 并将无人机真实状态数据绘制在浏览器 视图上； 0059 所述第一预设时间间隔小于第二预设时间间隔。 0060 开始进行浏览器渲染， 建立后台服务器与浏览器之间的通。

27、信连接， 服务端与浏览 器的通信连接采用websocket连接方式。 0061 设置一固定长度的存储队列作为第二等待队列， 浏览器以一固定的频率从第一等 待队列的队尾中读取无人机真实状态数据并存储在第二等待队列中。 浏览器根据预先设置 说明书 4/7 页 7 CN 111353113 A 7 的定时缓存函数， 每隔固定时间间隔从第二等待队列中读取无人机真实状态数据， 并将其 绘制在浏览器的视图上。 0062 在具体的实施例中， 后台服务端接收无人机回传的实时状态信息的频率高， 间隔 时间短， 若浏览器按照如此高的频率读取存储的无人机真实状态数据并进行浏览器渲染， 需要在很短的时间内频繁生成渲染。

28、树计算布局和绘制视图， 较为耗费资源。 因此本发明设 置了2个时间间隔分别用于读取数据和浏览器渲染。 浏览器读取服务器后台的存储数据以 一个相对较高的频率、 相对较短的时间间隔进行， 浏览器渲染以一个相对较低的频率、 相对 较长的时间间隔进行。 如此降低了浏览器以真实状态数据进行页面渲染的频次， 这样可能 带来渲染画面实时性不高的问题。 因此后续步骤采用无人机真实状态数据信息对未来某时 刻的无人机可能的状态信息进行预测， 以预测结果对浏览器进行渲染， 保证了显示的流畅 性和实时性。 0063 具体实施例是基于浏览器开发的， 当前浏览器渲染界面的大致过程如下： 浏览器 会先创建一个DOM树(Do。

29、cument Object Model Tree)， 然后解析CSS(Cascading Style Sheets， 层叠样式表)规则生成一个CSSOM树(Cascading Style Sheets Object Model Tree)， 根据DOM树和CSS规则生成一个渲染树， 最后将渲染树绘制再屏幕上。 0064 浏览器创建一个DOM树需要先把从服务器请求到的HTML源代码进行解析， 在DOM树 上每个HTML标签都会生成一个对应的节点， HTML标签中的文本也有一个相应的文本节点。 解析HTML过程中， 遇到一些加载静态资源的标签， 就会向服务器发起请求， 比如用于加载 css文件的l。

30、ink标签。 渲染DOM树的同时， 浏览器也会一边解析已经加载的CSS源代码， 生成 CSSOM树。 CSS级联的优先级从低到高是： 浏览器默认的基本规则， 用户引用的样式表， 优先 级最高的的是外部引入的并且最终被加入到HTML标签的style属性中的行内样式。 DOM树和 CSSOM树都解析完之后， 浏览器会将DOM节点和CSS规则进行匹配， 最终创建一个渲染树 (Render Tree)。 0065 渲染树类似DOM树， 但它并不是跟DOM树一一对应的。 渲染树会收集网页上所有的 DOM节点信息， 以及每个节点的所有CSSOM样式信息。 DOM元素可能在渲染树中存在多个节 点， 比如说每。

31、个DOM节点中间存在一些嵌套的元素或者当前DOM元素的文本都需要一个渲染 节点。 此外， 渲染树上的节点被称为一个盒子。 每一个节点都有CSS盒子的属性， 包括宽度、 高度、 边框、 外边距等等。 渲染树被创建成功后， 浏览器会根据渲染树来精确地捕获每个元 素在视口内的确切位置和尺寸， 最后将计算好的各个节点绘制到屏幕上， 完成一次完整的 浏览器的渲染过程。 0066 无人机的状态输出， 浏览器端会接收到大量的状态数据， 如果直接按照数据接收 的频率来渲染界面， 浏览器需要在很短的时间内频繁生成渲染树计算布局和绘制视图， 较 为耗费资源。 此外， 由于浏览器中渲染引擎线程跟javascript。

32、引擎线程互斥的特性， javascript引擎执行时， 渲染引擎需要等待javascritp引擎执行完毕才可以执行渲染过 程， 这就导致了javascript引擎跟渲染引擎的资源争抢。 因此， 由于无人机通常工作在野外 作业环境下， 计算资源相对匮乏， 很容易出现无人机操控界面卡顿的现象。 0067 S4： 将无人机真实状态数据中的每类状态信息代入对应的计算函数中进行计算， 得到未来某时刻的无人机预测状态信息， 存储所述未来某时刻的无人机预测状态信息。 0068 后台服务端将无人机真实状态数据中的每类状态信息代入在训练阶段设置的计 说明书 5/7 页 8 CN 111353113 A 8 算函。

33、数中， 计算未来某一时刻的预测状态信息， 并将计算得到的预测状态信息进行存储， 用 于后续判断。 0069 具体的， 以地理位置信息为例， 通过无人机飞行过程中地理位置信息变化和速度、 时间的关系， 调用相关的计算函数， 可以得出当前无人机数据集下地理位置变化的函数相 关系数预测值， 利用这些预测值结合相关函数， 就可以计算出未来某一时刻无人机的地理 位置信息。 0070 S5： 比较未来某时刻的无人机预测状态信息与该未来时刻接收到的无人机真实状 态信息， 若二者的误差小于预设阈值时， 跳转至步骤S6， 否则， 结束本次渲染流程。 0071 将未来某时刻的无人机预测到的状态信息与该未来时刻接收。

34、到的无人机真实状 态信息进行比较， 计算二者的误差， 判断计算结果与预先设置的最小误差阈值的大小， 若小 于预设阈值时， 执行后续流程， 若大于或等于预设阈值， 则不将预测得到的状态信息插入浏 览器DOM节点进行渲染， 渲染策略仅采用低频的无人机真实状态信息数据进行渲染， 避免了 采用误差较大的预测信息导致浏览器显示的信息与实际信息差距较大， 以此来保证浏览器 操作的流畅度。 0072 S6： 将未来某时刻的无人机预测状态信息插入浏览器DOM节点上， 对页面进行渲 染， 并在该无人机预测状态信息对应的时间点上对浏览器进行渲染。 0073 在预测信息较为接近真实状态信息的情况下， 将未来某时刻的。

35、无人机预测状态信 息插入浏览器DOM节点上， 对页面进行渲染， 并在该无人机预测状态信息对应的时间点上对 浏览器进行渲染。 0074 优选的， 本发明所提及的一种适用于无人机高频状态数据的可视化渲染方法还包 括： 0075 在所述计算函数中设置N个可变参数， 其中， N大于等于1。 0076 计算未来某时刻的无人机预测状态信息与该未来时刻接收到的无人机真实状态 信息之间的误差， 将计算结果反馈到计算函数中， 用于修正所述可变参数， 不断调整使计算 函数更能准确地预测无人机状态信息。 0077 修正所述可变参数的过程包括以下步骤： 0078 (1)预测无人机状态信息g在当前时间tnow时的数值，。

36、 获取所需的已知参数， 所述已 知参数包括： 上一次对g的预测结果、 在时间段T内的k个真实状态信息数据g(t1),g(t2)g (tk)。 0079 (2)定义上一次预测结果对下一次预测结果的影响权值Wp。 0080 定义二元函数f(x)， 其中， 当x0时f(x)0， 用于生成g(t1),g(t2)g(tk)对预测结 果的影响系数。 0081 定义预测结果与真实结果偏差的校正权值Wl。 0082 (3)假设t0tnowT， 计算f(t1t0),f(t2t0)f(tk-t0)的值。 0083 (4)建立xOy坐标系， 插入(t1-t0) ,f(t1t0)*g(t1)， (t2-t0) ,f(。

37、t2t0)*g (t2)(tk-t0),f(tkt0)*g(tk)这k个点的值， 并通过牛顿插值得到与坐标系点拟合的 函数F。 0084 (5)计算xT时， 函数F的取值， 得到预测结果初始值g F(T)/f(T)。 0085 (6)根据上一次的预测结果glast调整g 的值， 得到gm(g +glast*Wp)/(1+Wp)。 说明书 6/7 页 9 CN 111353113 A 9 0086 (7)判断调整后的预测结果gm是否偏离已知状态信息， 若是， 根据状态信息中最接 近的状态信息数值gl,， 调整gm得到gm ， gm (gm+gl*Wl)/(1+Wl)。 0087 (8)对生成的所。

38、有可变参数集合执行步骤(3)至步骤(7)， 计算得到各自对应的预 测结果并保存， 选取当前评分最佳的可变参数集合产出的值作为当前预测结果取值。 0088 具体的， 以地理位置信息为例。 0089 浏览器对于上一次的预测输出结果glast， 收集其前后两次真实采样数据的结果g1 和g2， 通过g1和g2的值近似算出上一次进行预测时的真实输出结果gapp。 计算过程中， 如果真 实采样数据没给出当前glast的速度分量， 则假设g在采样时间段内均匀变化， 假设真实采样 数据中包含当前速度， 则可假设g 在采样时间段内， 加速度均匀， 以此去计算gapp。 0090 更新每组用于预测数据的可变参数集。

39、合的评分mm*factor+(gapp+g1)2,其中 factor为算法设定的一个小于1的数值， gapp的最终取值越小， 代表当前可变参数集合的评 分越优。 0091 (9)接收无人机真实状态信息更新， 并以此为依据对预测结果进行校正， 重新对生 成的可变参数集合进行评分， 选取评分最佳的可变参数集合。 0092 进一步的实施例中， 无人机的状态数据包括飞行姿态、 地理位置信息、 电量、 飞行 速度、 GPS健康度。 0093 本发明提及的一种适用于无人机高频状态数据的可视化渲染方法， 所述方法包括 分析无人机历史状态数据中每类状态信息随时间的变化规律， 预置对应计算函数， 接收无 人机真。

40、实状态数据， 并将真实状态数据以低频速率绘制在浏览器视图上， 将无人机真实状 态数据代入计算函数中计算未来某时刻的预测状态信息， 判断未来某时刻的无人机预测状 态信息与该未来时刻接收到的无人机真实状态信息的误差是否小于预设阈值， 若是则将未 来某时刻的无人机预测状态信息绘制在浏览器视图上， 实现高频次渲染。 本发明通过对无 人机状态信息进行预测， 优化无人机状态信息数据在浏览器上高频次渲染性能， 提高无人 机状态显示的流畅性和实时性， 有效解决了浏览器渲染卡顿问题。 0094 虽然本发明已以较佳实施例揭露如上， 然其并非用以限定本发明。 本发明所属技 术领域中具有通常知识者， 在不脱离本发明的精神和范围内， 当可作各种的更动与润饰。 因 此， 本发明的保护范围当视权利要求书所界定者为准。 说明书 7/7 页 10 CN 111353113 A 10 图1 说明书附图 1/1 页 11 CN 111353113 A 11 。