给出轨迹数据压缩dp算法的python代码示例

以下是一个基于动态规划的轨迹数据压缩算法的 Python 代码示例：

import math

def compress_trajectory(points, epsilon):
    compressed_points = [points[0]]
    for i in range(1, len(points)-1):
        p1 = points[i-1]
        p2 = points[i]
        p3 = points[i+1]
        d = perpendicular_distance(p1, p2, p3)
        if d > epsilon:
            compressed_points.append(p2)
    compressed_points.append(points[-1])
    return compressed_points

def perpendicular_distance(p1, p2, p3):
    x1, y1 = p1
    x2, y2 = p2
    x3, y3 = p3
    numerator = abs((y2-y1)*x3 - (x2-x1)*y3 + x2*y1 - y2*x1)
    denominator = math.sqrt((y2-y1)**2 + (x2-x1)**2)
    return numerator / denominator

其中，`compress_trajectory` 函数接受一个轨迹点数组和一个 epsilon 参数，返回一个压缩后的轨迹点数组。该函数遍历所有点，计算其与前后两个点的垂直距离（即点到直线的距离），如果距离大于 epsilon，则将该点加入压缩后的数组中。

`perpendicular_distance` 函数计算一个点到直线的垂直距离，其中 p1、p2、p3 分别为直线上的三个点。该函数使用了数学公式计算距离。