GCJ02到WGS84的转换算法

一、问题概述

在移动端开发过程中，往往地图sdk或api（如高德地图）会提供GCJ02的坐标，而操作系统会提供WGS84坐标，两者之间需要一个相互转换的算法，才能满足我们日常的开发。而一般地图sdk或api只会提供WGS84到GCJ02的转换算法，我们需要一个反向算法，而且尽可能需要一个无损的反向算法。

二、问题定义

定义点P：
任意WGS84坐标P
定义点Q：
P经过偏移算法，转换成的GCJ02坐标为点Q
函数f：
$\vec f(P) = \overrightarrow{PQ} = Q - P$
问题定义：
已知Q、f，求P

三、一个猜想

1. 经验：

肉眼应该无法分辨现实中的广场和高德地图中的广场在形状上的畸变。

对于不同的点 $P_1$ 、 $P_2$ ，经过偏移后得到的 $Q_1$ 、 $Q_2$ ，不应该相同。

如果不满足上述两点，那么基于GCJ02的地图（如高德地图），在我们日常生活中将会变得毫无价值

2. 数学表达：

猜想一： $\exists \epsilon < 1(\epsilon \in R^+), \forall P_1, P_2 \in China ，P_1 \ne P_2\Rightarrow 0\leqslant\frac {|\overrightarrow{Q_1Q_2} - \overrightarrow{P_1P_2}|} {|\overrightarrow{P_1P_2}|} \leqslant \epsilon$
猜想二： $\forall P_1, P_2 \in China ,P_1 \ne P_2\Rightarrow Q_1\ne Q_2$

其中 $\frac {|\overrightarrow{Q_1Q_2} - \overrightarrow{P_1P_2}|} {|\overrightarrow{P_1P_2}|}$ 称为 $\overrightarrow{P_1P_2}$ 在 $\vec f$ 作用下的畸变率

3. 验证：

我们无法知道f的内部细节，因此无法从数学上证明上述经验公式。但是我们可以进行大规模验证，验证方式是循环以下步骤

在China范围内随机两个不同的点 $P_1$ 、 $P_2$

使用高德地图sdk或api计算 $Q_1$ 、 $Q_2$

计算 $\overrightarrow{P_1P_2}$ 的畸变率

计算 $Q_1、Q_2$ 是否相等

顺便计算一下 $|\overrightarrow{P_1Q_1}|$ 、 $|\overrightarrow{P_2Q_2}|$ 的值

大量重复上述步骤，可获得畸变率近似最大值 $MAX(\frac {|\overrightarrow{Q_1Q_2} - \overrightarrow{P_1P_2}|} {|\overrightarrow{P_1P_2}|} )$ ，也可以顺便获得偏移量 $|\overrightarrow{PQ}|$ 的近似最大值 $MAX(|\overrightarrow{PQ}|)$ 。经过长时间计算，我们发现：

$MAX(\frac {|\overrightarrow{Q_1Q_2} - \overrightarrow{P_1P_2}|} {|\overrightarrow{P_1P_2}|} ) < 0.07$
$MAX(|\overrightarrow{PQ}|)<1km$ 。

因此我们可以认为 $\epsilon=0.07$ 。

4. 一个简单而重要推论：

推论一： $\exists \epsilon < 1(\epsilon \in R^+), \forall P_1, P_2 \in China ，P_1 \ne P_2 \Rightarrow 0\leqslant{|\vec f(P_2) - \vec f(P_1)|} \leqslant \epsilon{|P_2-P_1|}$

证明：
$\exists \epsilon < 1(\epsilon \in R^+), \forall P_1, P_2 \in China, P_1 \ne P_2\Rightarrow 0\leqslant\frac {|\overrightarrow{Q_1Q_2} - \overrightarrow{P_1P_2}|} {|\overrightarrow{P_1P_2}|} \leqslant \epsilon$ (猜想一)
$\Leftrightarrow\exists \epsilon < 1(\epsilon \in R^+), \forall P_1, P_2 \in China, P_1 \ne P_2\Rightarrow 0\leqslant\frac {|(Q_2-Q_1) - (P_2-P_1)|} {|P_2-P_1|} \leqslant \epsilon$
$\Leftrightarrow\exists \epsilon < 1(\epsilon \in R^+), \forall P_1, P_2 \in China, P_1 \ne P_2\Rightarrow 0\leqslant\frac {|(Q_2-P_2) - (Q_1-P_1)|} {|P_2-P_1|} \leqslant \epsilon$ (交换 $P_2$ 和 $Q_1$ 的位置)
$\Leftrightarrow\exists \epsilon < 1(\epsilon \in R^+), \forall P_1, P_2 \in China, P_1 \ne P_2\Rightarrow 0\leqslant\frac {|\vec f(P_2) - \vec f(P_1)|} {|P_2-P_1|} \leqslant \epsilon$
$\Leftrightarrow\exists \epsilon < 1(\epsilon \in R^+), \forall P1, P2 \in China, P1 \ne P2\Rightarrow 0\leqslant{|\vec f(P2) - \vec f(P1)|} \leqslant \epsilon{|P2-P1|}$ (推论一)

三、构建点序列

定义：

$\{P_i\}, i = 0,1,2,3,...$

其中：

$P_0=Q$
$P_{i}=Q-\vec f(P_{i-1}),i=1,2,3,...$

四、求极限

$\forall i = 1,2,3,...$
$P_{i}=Q-\vec f(P_{i-1})$
$\Rightarrow P_{i} - P=Q-\vec f(P_{i-1}) - P$ （等式两边同时减P）
$\Rightarrow P_{i} - P= Q-P-\vec f(P_{i-1})$ （交换率）
$\Rightarrow P_{i} - P= \vec f(P)-\vec f(P_{i-1})$ （使用f的定义）
$\Rightarrow |P_{i} - P|= |\vec f(P)-\vec f(P_{i-1})|$ （等式两边取模）
$\Rightarrow |P_{i} - P| \leqslant \epsilon|P-P_{i-1}|$ （使用推论一）
$\Rightarrow |P_{i} - P| \leqslant \epsilon|P_{i-1}-P|$
$\Rightarrow |P_{i} - P| \leqslant \epsilon^{i}|P_0-P|$ （递归使用上一行的结论）
$\Rightarrow |P_{i} - P| \leqslant \epsilon^{i}|Q-P|$
$\Rightarrow |\overrightarrow{PP_{i}}| \leqslant \epsilon^{i}|\overrightarrow{PQ}|$
$\Rightarrow\frac { |\overrightarrow{PP_{i}}|} { |\overrightarrow{PQ}|}\leqslant \epsilon^{i}$
$\Rightarrow 0\leqslant \frac { |\overrightarrow{PP_{i}}|} { |\overrightarrow{PQ}|}\leqslant \epsilon^{i}$

显然：

$\epsilon < 1\Rightarrow \lim_{i\rightarrow \infty} \epsilon^i = 0$
$\lim_{i\rightarrow \infty} 0 = 0$

于是由夹逼定理可知：

$\lim_{i\rightarrow \infty} \frac { |\overrightarrow{PP_{i}}|} { |\overrightarrow{PQ}|}=0$
$\Rightarrow \frac {1}{|\overrightarrow{PQ}|} {\lim_{i\rightarrow \infty} { |\overrightarrow{PP_{i}}|}}=0$
$\Rightarrow \lim_{i\rightarrow \infty} { |\overrightarrow{PP_{i}}|}=0$
$\Rightarrow \lim_{i\rightarrow \infty} P_{i} = P$

因此，由第三章节中构建的点序列 $\{P_i\}$ ，最终会无限逼近P。

五、误差测算

令：

$L=|\overrightarrow{PQ}| < 1km$
$\delta_i=|\overrightarrow{PP_i}|$

由于：

$\overrightarrow{PP_i}<\epsilon^i|\overrightarrow{PQ}|$

可知：

$\delta_i<\epsilon^iL = 0.07^iL$

即：

$L_i<0.07^i * 1km$

由此可知：

$L_0 < 1km$
$L_1 < 70m$
$L_2 < 4.9m < 5m$
$L_3 < 0.35m = 35cm$
$L_4 < 2.5cm$
$L_5 < 0.18cm$

各位可以按照自己的精度需求，取上述精度进行计算。

最后编辑于：2024.01.25 00:07:35

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 204,921评论 6赞 478
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 87,635评论 2赞 381
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 151,393评论 0赞 338
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 54,836评论 1赞 277
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 63,833评论 5赞 368
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 48,685评论 1赞 281
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 38,043评论 3赞 399
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 36,694评论 0赞 258
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 42,671评论 1赞 300
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 35,670评论 2赞 321
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 37,779评论 1赞 332
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 33,424评论 4赞 321
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 39,027评论 3赞 307
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 29,984评论 0赞 19
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 31,214评论 1赞 260
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 45,108评论 2赞 351
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 42,517评论 2赞 343