1、漂移现象解析：什么是定位漂移、漂移的常见表现（跳点、拖尾、静止漂移）、漂移对应用的影响。

做定位算法这些年，我见过最多的反馈就是——「明明站在原地，地图上的点却在乱跑」。这就是典型的定位漂移。说白了，漂移就是定位系统输出的位置和真实位置之间的偏差，而且这个偏差会随着时间或环境变化而波动。

我记得刚入行那会儿，给一个室内导航项目做调试。用户拿着手机在走廊里走，定位点却直接穿墙到了隔壁办公室。当时客户问我：「这算法是不是喝多了？」嗯，虽然是个玩笑，但确实点出了漂移的本质——定位结果不可信了。

根据我多年的项目经验，漂移的表现形式主要有三种。每种我都踩过坑，下面一个个说。

跳点是最容易发现的。你明明在A点，定位结果突然跳到B点，然后又跳回来。这种现象在GPS信号弱或者Wi-Fi指纹突变时特别常见。

典型场景：室内靠近窗户的位置，GPS信号时有时无。定位点会在室内位置和室外位置之间来回跳，像打乒乓球一样。

为什么会这样？因为定位算法在融合不同传感器数据时，权重分配出了问题。GPS信号强的时候，算法偏向GPS；信号一弱，又切回Wi-Fi定位。切换瞬间，位置就跳了。

我在项目中遇到过最夸张的一次，跳点距离达到了500米。用户明明在商场一楼，定位却显示在隔壁小区。排查下来发现是基站定位的数据库更新延迟导致的。

拖尾，也叫「鬼影」。你明明已经停下来了，地图上的点还在往前滑一段，然后才慢慢停住。这就像你刹车后，车还往前溜了一段。

拖尾的本质是滤波算法的滞后效应。卡尔曼滤波也好，粒子滤波也好，都会对位置做平滑处理。平滑的好处是减少噪声，坏处就是——反应慢了半拍。

我的经验：拖尾在步行定位中最明显。人走路的速度变化很快，停下来的瞬间加速度变化很大。如果滤波器的响应时间设置得太长，拖尾就会很严重。我一般会把加速度计的阈值调高一些，让算法更快感知到「人停了」。

你想想看，如果导航软件告诉你已经到路口了，但实际你还在路口前5米。这种拖尾在需要精确停靠的场景下，比如停车场找车位，会让人非常抓狂。

这个最气人。手机放在桌上不动，定位点却在慢慢飘。有时候飘个几米，有时候飘个几十米。静止漂移是传感器噪声的累积效应。

我做过一个测试：把手机放在办公桌上，开着定位记录。10分钟后，定位点从桌子的位置飘到了隔壁工位。20分钟后，已经飘到走廊了。

注意：静止漂移在室内定位中尤其致命。因为室内空间小，几米的漂移就可能让用户从A房间「穿越」到B房间。我曾经在一个医院导航项目里，因为静止漂移没处理好，导致用户明明在急诊室门口，定位却显示在药房。

静止漂移的根源在于IMU（惯性测量单元）的零偏。陀螺仪和加速度计都有零偏，这些微小的误差在积分过程中不断累积，最终变成可观的位置偏移。

漂移不是小事。它直接影响用户体验，甚至决定一个产品能不能用。我总结了几点核心影响：

拿外卖配送来说，如果骑手的定位漂移了，用户看到骑手在附近，但实际骑手还在两条街外。这种误差会导致用户提前下楼等待，白白浪费时间。更严重的是，如果漂移导致配送范围判断错误，订单可能被错误分配。

我曾经参与过一个共享单车的项目。用户还车时，系统要求停在指定区域。结果因为静止漂移，明明车已经停好了，系统却显示还在区域外，用户被多扣了调度费。这种问题处理不好，用户直接卸载App。

一句话总结：漂移不是「有点不准」的问题，而是「能不能用」的问题。做定位算法，第一件事就是和漂移死磕。

嗯，这一章我们把漂移是什么、长什么样、有什么危害都讲清楚了。下一章我会聊聊漂移的数学本质，以及为什么坐标变换能成为纠正漂移的利器。到时候我会拿出我压箱底的项目案例，咱们一起拆解。