如何对GPS点海拔数据做平滑处理以准确计算路线总爬升高度

优化思路 #

• 先做单点异常值过滤，再做平滑
  原有方案直接分组处理，容易把真实的短距离爬升和异常值混在一起。建议先遍历全量海拔序列，对每个点校验和前后各2个相邻点的差值，如果差值超过10米（民用GPS典型最大误差阈值，可根据设备精度调整），直接判定为异常值，用前后点的线性插值替换，从根源上剔除脉冲式的错误海拔数据。
• 替换固定分组平均为滑动中值滤波
  固定步长5分组会割裂连续的海拔变化，且均值滤波对残留的异常值敏感度高。改用窗口大小为3-5的滑动中值滤波，取窗口内海拔的中位数作为当前点的平滑值，对GPS这类脉冲噪声的抑制效果远好于均值滤波，同时能保留真实的海拔变化趋势。
• 增加爬升增量阈值过滤
  原有方案只要平滑后海拔上升就计入总和，会把米级以内的噪声波动也计为爬升。建议设置0.8-1.5米的最小爬升阈值，只有连续两个平滑点的海拔差超过该阈值时才计入总爬升，进一步过滤噪声。
• 补全边缘点处理逻辑
  原有代码的循环条件会丢弃序列末尾不足5个的海拔点，容易漏掉路线最后一段的爬升数据，需要补充末尾段的处理逻辑。

优化后代码示例 #

// 中值滤波工具函数
const getMedian = (values: number[]) => {
  const sorted = [...values].sort((a, b) => a - b);
  const mid = Math.floor(sorted.length / 2);
  return sorted.length % 2 === 0 ? (sorted[mid - 1] + sorted[mid]) / 2 : sorted[mid];
};

// 异常值替换工具函数
const filterOutliers = (elevations: number[], maxError = 10) => {
  const filtered = [...elevations];
  for (let i = 1; i < filtered.length - 1; i++) {
    const prevAvg = (filtered[i - 1] + (filtered[i - 2] ?? filtered[i - 1])) / 2;
    const nextAvg = (filtered[i + 1] + (filtered[i + 2] ?? filtered[i + 1])) / 2;
    const neighborAvg = (prevAvg + nextAvg) / 2;
    if (Math.abs(filtered[i] - neighborAvg) > maxError) {
      filtered[i] = neighborAvg;
    }
  }
  return filtered;
};

const calculateTotalElevationGain = (elevations: number[], windowSize = 5, minGainThreshold = 1) => {
  if (elevations.length < 2) return 0;
  // 第一步：先过滤单点异常值
  const filteredElevations = filterOutliers(elevations);
  // 第二步：滑动中值滤波平滑
  const smoothed = [];
  for (let i = 0; i < filteredElevations.length; i++) {
    const window = [];
    for (let j = Math.max(0, i - Math.floor(windowSize / 2)); j <= Math.min(filteredElevations.length - 1, i + Math.floor(windowSize / 2)); j++) {
      window.push(filteredElevations[j]);
    }
    smoothed.push(getMedian(window));
  }
  // 第三步：计算总爬升，过滤小增量
  let totalGain = 0;
  for (let i = 1; i < smoothed.length; i++) {
    const diff = smoothed[i] - smoothed[i - 1];
    if (diff > minGainThreshold) {
      totalGain += diff;
    }
  }
  return totalGain;
};

额外调优建议 #

如果你的GPS数据同时包含每个点的经纬度，可以额外增加坡度校验逻辑：计算相邻两个点的水平距离，如果海拔差和水平距离的比值超过30%（对应常规户外路线最大坡度），直接判定该海拔差为异常，不计入爬升，精度可以进一步提升。

内容的提问来源于stack exchange，提问作者Arthur Roberto Fronza