[發(fā)明專利]一種生成體素數(shù)據(jù)和邊緣圖像特征ID矩陣的邊緣計算平臺

有效

• 申請?zhí)枺?/td>: 202010511907.X
• 申請日: 2020-06-08
• 公開（公告）號: CN111681309B
• 公開（公告）日: 2023-07-25
• 發(fā)明（設(shè)計）人: 朱立新;白忠可;宿金超;孫馳
• 申請（專利權(quán)）人: 北京師范大學(xué)
• 主分類號: G06V10/94
• 分類號: G06V10/94;G06V10/44;G06V10/771;G06V10/80;G06V10/54;G06V10/56;G06V10/422;G06V10/40;G06V10/772
• 代理公司: 北京京萬通知識產(chǎn)權(quán)代理有限公司 11440
• 代理人: 許天易

本發(fā)明為一種生成體素數(shù)據(jù)和邊緣圖像特征ID矩陣的邊緣計算平臺，包括：特征提取模塊、關(guān)聯(lián)融合模塊、圖像ID化模塊、空間圖像體素化模塊和結(jié)構(gòu)化存儲模塊；其中，特征提取模塊，用于為獲取的圖像的特征，并生成邊緣特征最小子集，將圖像的邊緣特征最小子集合并起來構(gòu)成圖像的特征子集；關(guān)聯(lián)融合模塊，用于對圖像的特征子集進(jìn)行相關(guān)性和非相關(guān)性處理，形成邊緣相關(guān)性關(guān)系；圖像ID化模塊，用于對邊緣相關(guān)性關(guān)系進(jìn)行ID化處理，形成邊緣圖像ID矩陣集合；空間圖像體素化模塊，用于根據(jù)邊緣圖像ID矩陣集合形成體素，以進(jìn)行三維建模；結(jié)構(gòu)化存儲模塊，用于在本地保存ID矩陣和體素，或?qū)D矩陣或體素傳至云端。通過本發(fā)明生成的體素數(shù)據(jù)和ID矩陣，可以用于快速構(gòu)建三維環(huán)境，縮短建模響應(yīng)時間，提高帶寬可用性，大大改善用戶體驗。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種生成體素數(shù)據(jù)和邊緣圖像特征ID矩陣的邊緣計算平臺。

背景技術(shù)

隨著云計算和人工智能(AI)應(yīng)用的加速創(chuàng)新，越來越多的終端圖像等數(shù)據(jù)需要傳送至云端的服務(wù)器進(jìn)行處理，雖然當(dāng)前5G技術(shù)正在逐步興起，但是對于海量數(shù)據(jù)和前所未有的復(fù)雜性已經(jīng)超出了傳統(tǒng)的網(wǎng)絡(luò)和基礎(chǔ)架構(gòu)的能力范圍。而且各種終端設(shè)備產(chǎn)生的數(shù)據(jù)發(fā)送到集中式數(shù)據(jù)中心或云端處理往往會導(dǎo)致帶寬和延遲問題出現(xiàn)。而邊緣計算的出現(xiàn)，在一定程度上能夠大大減輕這兩個問題的產(chǎn)生。通常來說對于圖像和建模類的邊緣計算算法可在更接近數(shù)據(jù)源的位置提供更高效的替代方法處理數(shù)據(jù)和分析數(shù)據(jù)。由于數(shù)據(jù)不會通過網(wǎng)絡(luò)傳輸?shù)皆贫嘶驍?shù)據(jù)中心以進(jìn)行處理，因此延遲顯著減少。預(yù)計未來在5G網(wǎng)絡(luò)上進(jìn)行的移動邊緣計算支持更快、更全面的數(shù)據(jù)分析，創(chuàng)造機(jī)會獲得更深入的洞察，縮短響應(yīng)時間并改善客戶體驗。

當(dāng)前市面上利用圖像處理算法對三維環(huán)境進(jìn)行建模的方式普遍都是采用VR技術(shù)，在云端進(jìn)行大量的圖像采集和后期處理合成，都存在海量的圖像數(shù)據(jù)處理，傳統(tǒng)為了節(jié)省時間和性能而使用的單面建模可能行不通，用戶也會很近距離觀察物體，所以可能需要高分辨率的材質(zhì)。雖然這樣更為精細(xì)化的操作能夠更為準(zhǔn)確和細(xì)膩，但是卻犧牲了大量的時間，做一個小的項目往往都需要大量的人力和時間去處理才可以成型，其利用數(shù)據(jù)掃描技術(shù)，將照片上的信息注意提取，從而生成高度精確的三維環(huán)境體素。在以往的三維環(huán)境構(gòu)建中，甚至有通過三角格網(wǎng)、高度場或BSP樹等地理測繪方式來構(gòu)建學(xué)習(xí)環(huán)境的，然而它們都存在成本太高，僅為表面表示方式，不易修改或適用場合有限等問題，過程中做的無用功也是很多很多。另外對于圖像識別過程中很多的邊緣計算平臺只是簡單的預(yù)處理了圖像數(shù)據(jù)，對于關(guān)聯(lián)性做不到很好的把控，也就是邊緣計算如何遠(yuǎn)端把圖像特征ID化仍然存在以上問題。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的不足，本發(fā)明通過Atlas微處理器控制攝像頭結(jié)合系統(tǒng)邊緣計算算法提取圖像關(guān)聯(lián)信息，進(jìn)而解決學(xué)習(xí)環(huán)境三維環(huán)境建模過程中的體素數(shù)據(jù)獲取問題，快速獲取學(xué)習(xí)環(huán)境構(gòu)建所需數(shù)據(jù)，進(jìn)而提高學(xué)習(xí)環(huán)境三維建模速度，并將圖像特征關(guān)聯(lián)ID化，本地邊緣化計算縮短了云端處理響應(yīng)時間，提高了帶寬可用性。

為實現(xiàn)上述目的，本發(fā)明通過以下技術(shù)方案予以實現(xiàn)。

一種生成體素數(shù)據(jù)和邊緣圖像特征ID矩陣的邊緣計算平臺，包括：特征提取模塊、關(guān)聯(lián)融合模塊、圖像ID化模塊、空間圖像體素化模塊和結(jié)構(gòu)化存儲模塊；其中，

特征提取模塊，用于對獲取的圖像進(jìn)行特征提取，并生成邊緣特征最小子集，將所有圖像的邊緣特征最小子集合并起來構(gòu)成圖像的特征子集；

關(guān)聯(lián)融合模塊，用于對所述圖像的特征子集進(jìn)行線性相關(guān)性融合和非相關(guān)性融合處理，生成邊緣相關(guān)性關(guān)系；

圖像ID化模塊，用于對所述邊緣相關(guān)性關(guān)系進(jìn)行ID化處理，生成邊緣圖像ID矩陣集合；

空間圖像體素化模塊，用于根據(jù)所述邊緣圖像ID矩陣集合生成體素，以進(jìn)行三維建模；

結(jié)構(gòu)化存儲模塊，用于在本地保存ID矩陣和體素，或?qū)D矩陣或體素傳至云端。

進(jìn)一步的，所述特征提取模塊中生成邊緣特征最小子集的步驟包括：