Android地图轨迹抽稀、动态绘制
为何会有这篇文章？
因公司业务调整下降运动门槛，产品部要求引入地图，记录用户的运动轨迹上传至服务器，用户进入记录页面可查看运动轨迹。并且绘制轨迹的时候要求有一个绘制动画（参照咕咚）。听到这心中万只草泥马 ~~~ 但是需求下来了，仍是得硬着头皮作啊。
提前说一些废话吧（万一被我枯燥的文字折磨的滑不到文末，就中途退出，遂提至此处）
做为一个非计算机专业出身的菜鸟程序员（原专业：大通讯）作完这个需求以后，真正的意识到算法的重要性。若是你能坚持看完，我相信你会和我同样以为贼TM diao！！！
下面是公司20年Java大神告诫咱们的话：
“ 若是之后要是跳槽，最好选择去这两种公司：分析数据的公司 和 收集数据的公司 。未来全部的业务都是根据数据来定的，将来一个公司最宝贵的就是所收集的数据。利用这些数据能够扩展本身的业务，甚至你只须要收集数据，分析数据，利用数据衍生出服务，将这些服务卖个那些须要的群体。”
“ 数学是分析数据的基础，赶忙捡起大家的高等数学、线性代数、数理统计、算法导论等书。”
“ 将来若是你不懂得学习，那样你真的只会被淘汰的，人工智能时代真正到来的时候一个不会学习的人只可能生活在“胶囊”里面。”
PS: 40好几的人，依然保持旺盛的学习能力，并且据我本身观察，学习新知识超级快哦，瞬秒咱们公司20岁的一帮小正太（羞射~）
废话多了，直接进入正题。
本文用到的一切地图相关的东西都来源高德地图。至于地图展现不是本文重点，因此不作赘述。文中说起的距离的计算，根据本身引用的地图类型作替换便可。文中是地图API全部会有标注。效果如以下java
运动轨迹效果图
1、定位点的抽稀-道格拉斯算法
一、道格拉斯简介
Douglas一Peukcer算法由D.Douglas和T.Peueker于1973年提出，简称D一P算法，是眼下公认的线状要素化简经典算法。现有的线化简算法中，有至关一部分都是在该算法基础上进行改进产生的。它的长处是具备平移和旋转不变性，给定曲线与阂值后，抽样结果必定。
算法的基本思路是:对每一条曲线的首末点虚连一条直线,求全部点与直线的距离,并找出最大距离值dmax ,用dmax与限差D相比:若dmax < D ,这条曲线上的中间点全部舍去;若dmax ≥D ,保留dmax 相应的坐标点,并以该点为界,把曲线分为两部分,对这两部分反复使用该方法。git
算法的具体过程以下:
(1) 在曲线首尾两点间虚连一条直线,求出其他各点到该直线的距离，如图3（1）。
(2) 选其最大者与阈值相比較,若大于阈值,则离该直线距离最大的点保留,不然将直线两端点间各点全部舍去，如图3（2），第4点保留。
(3) 根据所保留的点,将已知曲线分红两部分处理,反复第一、2步操做，迭代操做，即仍选距离最大者与阈值比較,依次取舍,直到无点可舍去，最后获得知足给定精度限差的曲线点坐标，如图3（3）、（4）依次保留第6点、第7点，舍去其它点,即完成线的化简。程序员
道格拉斯算法示意图
二、算法代码实现
存储经纬度坐标的实体LatLngPointgithub
public class LatLngPoint implements Comparable<LatLngPoint> {
/**
* 用于记录每个点的序号
*/
public int id;
/**
* 每个点的经纬度
*/
public LatLng latLng;
public LatLngPoint(int id,LatLng latLng){
this.id = id;
this.latLng = latLng;
}
@Override
public int compareTo(@NonNull LatLngPoint o) {
if (this.id < o.id) {
return -1;
} else if (this.id > o.id)
return 1;
return 0;
}
}
使用三角形面积（使用海伦公式求得）相等方法计算点pX到点pA和pB所肯定的直线的距离,AMapUtils.calculateLineDistance(start.latLng, end.latLng)计算两点之间的距离，此公式高德API面试
/**
* 使用三角形面积（使用海伦公式求得）相等方法计算点pX到点pA和pB所肯定的直线的距离
* @param start 起始经纬度
* @param end 结束经纬度
* @param center 前两个点之间的中心点
* @return 中心点到 start和end所在直线的距离
*/
private double distToSegment(LatLngPoint start, LatLngPoint end, LatLngPoint center) {
double a = Math.abs(AMapUtils.calculateLineDistance(start.latLng, end.latLng));
double b = Math.abs(AMapUtils.calculateLineDistance(start.latLng, center.latLng));
double c = Math.abs(AMapUtils.calculateLineDistance(end.latLng, center.latLng));
double p = (a + b + c) / 2.0;
double s = Math.sqrt(Math.abs(p * (p - a) * (p - b) * (p - c)));
double d = s * 2.0 / a;
return d;
}
Douglas工具类具体代码算法
public Douglas(ArrayList<LatLng> mLineInit, double dmax) {
if (mLineInit == null) {
throw new IllegalArgumentException("传入的经纬度坐标list == null");
}
this.dMax = dmax;
this.start = 0;
this.end = mLineInit.size() - 1;
for (int i = 0; i < mLineInit.size(); i++) {
this.mLineInit.add(new LatLngPoint(i, mLineInit.get(i)));
}
}
/**
* 压缩经纬度点
*
* @return
*/
public ArrayList<LatLng> compress() {
int size = mLineInit.size();
ArrayList<LatLngPoint> latLngPoints = compressLine(mLineInit.toArray(new LatLngPoint[size]), mLineFilter, start, end, dMax);
latLngPoints.add(mLineInit.get(0));
latLngPoints.add(mLineInit.get(size-1));
//对抽稀以后的点进行排序
Collections.sort(latLngPoints, new Comparator<LatLngPoint>() {
@Override
public int compare(LatLngPoint o1, LatLngPoint o2) {
return o1.compareTo(o2);
}
});
ArrayList<LatLng> latLngs = new ArrayList<>();
for (LatLngPoint point : latLngPoints) {
latLngs.add(point.latLng);
}
return latLngs;
}
/**
* 根据最大距离限制，采用DP方法递归的对原始轨迹进行采样，获得压缩后的轨迹
* x
*
* @param originalLatLngs 原始经纬度坐标点数组
* @param endLatLngs 保持过滤后的点坐标数组
* @param start 起始下标
* @param end 结束下标
* @param dMax 预先指定好的最大距离偏差
*/
private ArrayList<LatLngPoint> compressLine(LatLngPoint[] originalLatLngs, ArrayList<LatLngPoint> endLatLngs, int start, int end, double dMax) {
if (start < end) {
//递归进行调教筛选
double maxDist = 0;
int currentIndex = 0;
for (int i = start + 1; i < end; i++) {
double currentDist = distToSegment(originalLatLngs[start], originalLatLngs[end], originalLatLngs[i]);
if (currentDist > maxDist) {
maxDist = currentDist;
currentIndex = i;
}
}
//若当前最大距离大于最大距离偏差
if (maxDist >= dMax) {
//将当前点加入到过滤数组中
endLatLngs.add(originalLatLngs[currentIndex]);
//将原来的线段以当前点为中心拆成两段，分别进行递归处理
compressLine(originalLatLngs, endLatLngs, start, currentIndex, dMax);
compressLine(originalLatLngs, endLatLngs, currentIndex, end, dMax);
}
}
return endLatLngs;
}
结果：
上图中展现的轨迹是定位获得的4417个点，通过抽稀以后绘制在地图上的样式。算法中传入的阙值是10，4417个点处理以后只136个点。并且这136个点绘制的轨迹和4417个点绘制的轨迹几乎没有什么差异。
不知道大家有没有被震撼到，反正我是不折不扣被震到了。做为算法小白的我，感受整个世界都被颠覆了。canvas
2、轨迹绘制-自定义运动轨迹View
最开始得时候认为直接在地图上绘制动态轨迹的，根据高德提供绘制轨迹的API，结果直接卡死。当时一脸懵逼的找高德客服，一提升德的客服更让人窝火。算了不提了。后面本身试了好多遍以后放弃直接在地图上绘制，不知道哪一刻，就忽然想到在地图上覆盖一个自定义的View。当时有一瞬间以为本身是这个世界上智商最接近250的 ┐(‘～`；)┌
地图API提供了经纬度转换成手机上的坐标，因此能够拿到地图上点对应的屏幕的位置，也就天然能够自定义一个View动态的绘制轨迹，当自定义View的动画结束以后，隐藏自定义View而后在地图上绘制轨迹。这就是个人总体思路，下面袖子撸起，上代码。数组
一、初始化变量、画笔、path
* 起点Paint
*/
private Paint mStartPaint;
/**
* 起点
*/
private Point mStartPoint;
/**
* 起点bitmap
*/
private Bitmap mStartBitmap;
/**
* 轨迹
*/
private Paint mLinePaint;
/**
* 小亮球
*/
private Paint mLightBallPaint;
/**
* 小两球的bitmap UI切图
*/
private Bitmap mLightBallBitmap;
/**
* 起点rect 若是为空时不绘制小亮球
*/
private Rect mStartRect;
/**
* 屏幕宽度
*/
private int mWidth;
/**
* 屏幕高度
*/
private int mHeight;
/**
* 轨迹path
*/
private Path mLinePath;
/**
* 保存每一次刷新界面轨迹的重点坐标
*/
private float[] mCurrentPosition = new float[2];
public SportTrailView(Context context) {
this(context, null);
}
public SportTrailView(Context context, @Nullable AttributeSet attrs) {
this(context, attrs, 0);
}
public SportTrailView(Context context, @Nullable AttributeSet attrs, int defStyleAttr) {
super(context, attrs, defStyleAttr);
initPaint();
}
/**
* 初始化画笔，path
*/
private void initPaint() {
mLinePaint = new Paint();
mLinePaint.setColor(Color.parseColor("#ff00ff42"));
mLinePaint.setStyle(Paint.Style.STROKE);
mLinePaint.setStrokeWidth(10);
mLinePaint.setStrokeCap(Paint.Cap.ROUND);
mLinePaint.setAntiAlias(true);
mLightBallPaint = new Paint();
mLightBallPaint.setAntiAlias(true);
mLightBallPaint.setFilterBitmap(true);
mStartPaint = new Paint();
mStartPaint.setAntiAlias(true);
mStartPaint.setFilterBitmap(true);
mLinePath = new Path();
}
二、轨迹View绘制
protected void onDraw(Canvas canvas) {
super.onDraw(canvas);
//绘制轨迹
canvas.drawPath(mLinePath, mLinePaint);
//绘制引导亮球
if (mLightBallBitmap !=null && mStartRect !=null){
int width = mLightBallBitmap.getWidth();
int height = mLightBallBitmap.getHeight();
RectF rect = new RectF();
rect.left = mCurrentPosition[0] - width;
rect.right = mCurrentPosition[0] + width;
rect.top = mCurrentPosition[1] - height;
rect.bottom = mCurrentPosition[1] + height;
canvas.drawBitmap(mLightBallBitmap, null, rect, mLightBallPaint);
}
//绘制起点
if (mStartBitmap != null && mStartPoint != null) {
if (mStartRect == null) {
int width = mStartBitmap.getWidth() / 2;
int height = mStartBitmap.getHeight() / 2;
mStartRect = new Rect();
mStartRect.left = mStartPoint.x - width;
mStartRect.right = mStartPoint.x + width;
mStartRect.top = mStartPoint.y - height;
mStartRect.bottom = mStartPoint.y + height;
}
canvas.drawBitmap(mStartBitmap, null, mStartRect, mStartPaint);
}
}
三、设置数据
/**
* 绘制运动轨迹
* @param mPositions 道格拉斯算法抽稀事后对应的点坐标
* @param startPointResId 起点图片的资源id
* @param lightBall 小亮球的资源id
* @param listener 轨迹绘制完成的监听
*/
public void drawSportLine(final List<Point> mPositions, @DrawableRes int startPointResId,@DrawableRes int lightBall, final OnTrailChangeListener listener) {
if (mPositions.size() <= 1) {
listener.onFinish();
return;
}
//用于
Path path = new Path();
for (int i = 0; i < mPositions.size(); i++) {
if (i == 0) {
path.moveTo(mPositions.get(i).x, mPositions.get(i).y);
} else {
path.lineTo(mPositions.get(i).x, mPositions.get(i).y);
}
}
final PathMeasure pathMeasure = new PathMeasure(path, false);
//轨迹的长度
final float length = pathMeasure.getLength();
if (length < ViewUtil.dip2Px(getContext(), 16)) {
listener.onFinish();
return;
}
//动态图中展现的亮色小球（UI切图）
mLightBallBitmap = BitmapFactory.decodeResource(getResources(), lightBall);
//起点
mStartPoint = new Point(mPositions.get(0).x, mPositions.get(0).y);
mStartBitmap = BitmapFactory.decodeResource(getResources(), startPointResId);
ValueAnimator animator = ValueAnimator.ofFloat(0, length);
animator.setDuration(3000);
animator.setInterpolator(new AccelerateDecelerateInterpolator());
animator.addUpdateListener(new ValueAnimator.AnimatorUpdateListener() {
@Override
public void onAnimationUpdate(ValueAnimator animation) {
float value = (Float) animation.getAnimatedValue();
// 获取当前点坐标封装到mCurrentPosition
pathMeasure.getPosTan(value, mCurrentPosition, null);
if (value == 0) {
//若是当前的运动轨迹长度为0，设置path的起点
mLinePath.moveTo(mPositions.get(0).x, mPositions.get(0).y);
}
//pathMeasure.getSegment（）方法用于保存当前path路径，
//下次绘制时从上一次终点位置处绘制，不会从开始的位置开始绘制。
pathMeasure.getSegment(0, value, mLinePath, true);
invalidate();
//若是当前的长度等于pathMeasure测量的长度，则表示绘制完毕，
if (value == length && listener != null) {
listener.onFinish();
}
}
});
animator.start();
}
/**
* 轨迹绘制完成监听
*/
public interface OnTrailChangeListener {
void onFinish();
}
来来来，小板凳，划重点！！！
本文重点：算法、算法、算法、PathMeasure、Path
说到底写这篇文章的初衷仍是想让大多数和我同样的朋友能意识到算法的重要性，以前由于不是计算机专业毕业，因此只听别人说算法如何如何重要，但在本身的心里里却并无多重视。可是当你程序中真正用到的时候，你会发现算法之美。强大的算法会让你在千千万万的数据中找寻真正的美（也就是去除噪声，原谅我毫无征兆的文艺一下）。做为一个叛变的工科生，曾经怀疑过为何要学数学，日常工做生活中彻底用不到当年所学的夹逼定理啊，让人有种报国无门的感受，但是通过此次算法的洗礼以后，让我想起了阔别多年的数学，并且让我第一次真正的意识到数学真的贼TM有用。若是你还想在程序这条路上继续下去那你真的应该尽快捡起数学。
至此，我想说的也完了。但愿能帮到有相似需求的猿友们，文中有错误的地方请指出。-.-服务器
Github主页：https://github.com/Walll-E架构
Android开发资料+面试架构资料 免费分享 点击连接 便可领取
相关文章
- 1. Android地图轨迹抽稀、动态绘制
- 2. 地图绘制行动轨迹
- 3. 高德地图轨迹绘制
- 4. 百度地图绘制轨迹
- 5. Android 高德地图 Polyline 实时绘制行动轨迹
- 6. 抽稀算法优化地图轨迹性能
- 7. 百度地图实时动态轨迹
- 8. android-百度地图：鹰眼轨迹的实时绘制
- 9. 使用百度地图JavaScript API GL绘制轨迹动画
- 10. threejs 绘制地球、飞机、轨迹
- 更多相关文章...
- • R 绘图 - 饼图 - R 语言教程
- • R 绘图 - 散点图 - R 语言教程
- • 漫谈MySQL的锁机制
- • 算法总结-滑动窗口
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. 安装cuda+cuDNN
- 2. GitHub的使用说明
- 3. phpDocumentor使用教程【安装PHPDocumentor】
- 4. yarn run build报错Component is not found in path “npm/taro-ui/dist/weapp/components/rate/index“
- 5. 精讲Haproxy搭建Web集群
- 6. 安全测试基础之MySQL
- 7. C/C++编程笔记：C语言中的复杂声明分析，用实例带你完全读懂
- 8. Python3教程(1)----搭建Python环境
- 9. 李宏毅机器学习课程笔记2：Classification、Logistic Regression、Brief Introduction of Deep Learning
- 10. 阿里云ECS配置速记
欢迎关注本站公众号,获取更多信息
相关文章