CN109147043B - 一种数据处理方法、服务器及计算机存储介质 - Google Patents

Abstract

本发明公开了一种数据处理方法、服务器及计算机存储介质。其中方法包括：获取终端采集的三维视频数据，所述三维视频数据包括二维视频数据和深度数据；基于与所述终端握手阶段建立的模型，判断采集的二维视频数据是否准确；当确定采集的二维视频数据不准确时，基于预设模型，确定亮度值或色彩值；基于所述亮度值或色彩值对应的二维视频数据，对所述采集的二维视频数据进行填充；利用填充后的二维视频数据及采集的深度数据，建立三维模型。

Description

一种数据处理方法、服务器及计算机存储介质

技术领域

本发明涉及数据处理技术，具体涉及一种数据处理方法、服务器及计算机存储介质。

背景技术

随着移动通信网络的不断发展，移动通信网络的传输速率飞速提高，从而给三维视频业务的产生和发展提供了有力的技术支持。三维视频数据包括二维视频数据(例如RGB数据)和深度数据(Depth数据)，而三维视频数据的传输是分别传输二维视频数据和深度数据。在建立三维模型的过程中，如果终端传输至网络侧的二维视频数据不准确，会导致网络侧建立的三维模型不准确。

发明内容

为解决上述技术问题，本发明实施例提供了一种数据处理方法、服务器及计算机存储介质。

本发明实施例提供一种数据处理方法，应用于移动边缘计算(Mobile EdgeComputing，MEC)服务器，所述方法包括：

获取终端采集的三维视频数据，所述三维视频数据包括二维视频数据和深度数据；

基于与所述终端握手阶段建立的模型，判断采集的二维视频数据是否准确；

当确定采集的二维视频数据不准确时，基于预设模型，确定亮度值或色彩值；

基于所述亮度值或色彩值对应的二维视频数据，对所述采集的二维视频数据进行填充；

利用填充后的二维视频数据及采集的深度数据，建立三维模型。

上述方案中，所述基于与所述终端握手阶段建立的模型，判断采集的二维视频数据是否准确，包括：

在与所述终端的握手阶段，确定所述终端的当前场景；

从预设场景与模型的对应关系中，查找对应所述当前场景的模型；

基于查找到的模型，确定准确的二维视频数据的取值范围；

判断采集的二维视频数据的数值是否属于所述取值范围；

当确定属于所述取值范围时，确定采集的二维视频数据准确；否则，确定采集的二维视频数据不准确。

上述方案中，所述基于预设模型，确定亮度值或色彩值，包括：

从预设模型数据库中，查找与所述终端的握手阶段建立的模型相匹配的预设模型；

利用与所述终端的握手阶段建立的模型相匹配的预设模型，确定亮度值或色彩值。

上述方案中，当查找到至少两个预设模型时，所述方法还包括：

从至少两个预设模型中，随机确定一个预设模型；

基于随机确定的预设模型，确定亮度值或色彩值。

上述方案中，所述方法还包括：

当确定采集的二维视频数据准确时，利用采集的二维视频数据以及深度数据，建立三维模型。

本发明实施例提供一种MEC服务器，所述服务器包括：

获取单元，用于获取终端采集的三维视频数据，所述三维视频数据包括二维视频数据和深度数据；

判断单元，用于基于与所述终端握手阶段建立的模型，判断采集的二维视频数据是否准确；

确定单元，用于当确定采集的二维视频数据不准确时，基于预设模型，确定亮度值或色彩值；

填充单元，用于基于所述亮度值或色彩值对应的二维视频数据，对所述采集的二维视频数据进行填充；

建模单元，用于利用填充后的二维视频数据及采集的深度数据，建立三维模型。

上述方案中，所述判断单元，具体用于在与所述终端的握手阶段，确定所述终端的当前场景；从预设场景与模型的对应关系中，查找对应所述当前场景的模型；基于查找到的模型，确定准确的二维视频数据的取值范围；判断采集的二维视频数据的数值是否属于所述取值范围；当确定属于所述取值范围时，确定采集的二维视频数据准确；否则，确定采集的二维视频数据不准确。

上述方案中，所述确定单元，具体用于从预设模型数据库中，查找与所述终端的握手阶段建立的模型相匹配的预设模型；利用与所述终端的握手阶段建立的模型相匹配的预设模型，确定准确的二维视频数据。

上述方案中，所述确定单元，具体用于当查找到至少两个预设模型时，从至少两个预设模型中，随机确定一个预设模型；基于随机确定的预设模型，确定亮度值或色彩值。

上述方案中，所述建模单元，还用于当确定采集的二维视频数据准确时，利用采集的二维视频数据以及深度数据，建立三维模型。

本发明实施例提供一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上面所述任一项数据处理方法的步骤。

本发明实施例提供一种MEC服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上面所述任一项数据处理方法的步骤。

本发明实施例提供的技术方案，获取终端采集的三维视频数据，所述三维视频数据包括二维视频数据和深度数据；判断采集的二维视频数据是否准确；当确定采集的二维视频数据不准确时，基于预设模型，确定亮度值或色彩值；基于所述亮度值或色彩值对应的二维视频数据，对所述采集的二维视频数据进行填充；利用填充后的二维视频数据及采集的深度数据，建立三维模型。本发明实施例中，能够在获取的二维视频数据不准确的情况下，MEC服务器能够基于预设模型，确定亮度值或色彩值，并基于所述亮度值或色彩值对应的二维视频数据对所述采集的二维视频数据进行填充，从而MEC服务器能够利用准确的二维视频数据和深度数据进行建模，不仅能够提高建模的准确性，而且可使终端避免对三维视频数据进行重新采集。

附图说明

图1为本发明实施例数据处理方法应用的系统架构示意图；

图2为本发明实施例数据处理方法的流程示意图；

图3为本发明实施例服务器的结构组成示意图一；

图4为本发明实施例数据处理设备的结构组成示意图二。

具体实施方式

在对本发明实施例的技术方案进行详细说明之前，首先对本发明实施例的数据处理方法应用的系统架构进行简单说明。本发明实施例的数据处理方法应用于三维视频数据的相关业务，该业务例如是三维视频数据分享的业务，或者基于三维视频数据的直播业务等等。在这种情况下，由于三维视频数据的数据量较大，分别传输的深度数据和二维视频数据在数据传输过程中需要较高的技术支持，因此需要移动通信网络具有较快的数据传输速率，以及较稳定的数据传输环境。

图1为本发明实施例的数据处理方法应用的系统架构示意图；如图1所示，系统可包括终端、基站、MEC服务器、业务处理服务器、核心网和互联网(Internet)等；MEC服务器与业务处理服务器之间通过核心网建立高速通道以实现数据同步。

以图1所示的两个终端交互的应用场景为例，MEC服务器A为部署于靠近终端A(发送端)的MEC服务器，核心网A为终端A所在区域的核心网；相应的，MEC服务器B为部署于靠近终端B(接收端)的MEC服务器，核心网B为终端B所在区域的核心网；MEC服务器A和MEC服务器B可与业务处理服务器之间分别通过核心网A和核心网B建立高速通道以实现数据同步。

其中，终端A发送的三维视频数据传输到MEC服务器A后，由MEC服务器A通过核心网A将数据同步至业务处理服务器；再由MEC服务器B从业务处理服务器获取终端A发送的三维视频数据，并发送至终端B进行呈现。

这里，如果终端B与终端A通过同一个MEC服务器来实现传输，此时终端B和终端A直接通过一个MEC服务器实现三维视频数据的传输，不需要业务处理服务器的参与，这种方式称为本地回传方式。具体地，假设终端B与终端A通过MEC服务器A实现三维视频数据的传输，终端A发送的三维视频数据传输到MEC服务器A后，由MEC服务器A发送三维视频数据至终端B进行呈现。

这里，终端可基于网络情况、或者终端自身的配置情况、或者自身配置的算法选择接入4G网络的演进型基站(eNB)，或者接入5G网络的下一代演进型基站(gNB)，从而使得eNB通过长期演进(Long Term Evolution，LTE)接入网与MEC服务器连接，使得gNB通过下一代接入网(NG-RAN)与MEC服务器连接。

这里，MEC服务器部署于靠近终端或数据源头的网络边缘侧，所谓靠近终端或者靠近数据源头，不仅是逻辑位置上，还在地理位置上靠近终端或者靠近数据源头。区别于现有的移动通信网络中主要的业务处理服务器部署于几个大城市中，MEC服务器可在一个城市中部署多个。例如在某写字楼中，用户较多，则可在该写字楼附近部署一个MEC服务器。

其中，MEC服务器作为具有融合网络、计算、存储、应用核心能力的边缘计算网关，为边缘计算提供包括设备域、网络域、数据域和应用域的平台支撑。其联接各类智能设备和传感器，就近提供智能联接和数据处理业务，让不同类型的应用和数据在MEC服务器中进行处理，实现业务实时、业务智能、数据聚合与互操作、安全与隐私保护等关键智能服务，有效提升业务的智能决策效率。

当终端处于弱光场景下采集三维视频数据时，由于三维视频数据中的深度数据对光线不是太敏感，而二维视频数据与光线强相关，如果终端传输至MEC服务器的二维视频数据不准确，会造成MEC服务器建立的三维模型不准确，即构建轮廓的效果很好，而填充色块的效果很差。因此，MEC服务器可以对不准确的二维视频数据进行填充，以保证建模的准确。

下面结合附图及具体实施例对本发明作进一步详细的说明。

本发明实施例还提供了一种数据处理方法，应用于服务器，该服务器具体为图1中所示的MEC服务器。图2为本发明实施例的数据处理方法的流程示意图；如图2所示，所述方法包括：

步骤201：获取终端采集的三维视频数据。

其中，所述三维视频数据包括二维视频数据和深度数据；所述二维视频数据用于表征平面图像，例如可以是RGB数据；深度数据表征采集组件所针对的采集对象的表面与采集组件之间的距离。

这里，所述终端可以采集一帧三维视频数据之后，便向所述MEC服务器发送。其中，当待采集的图像是人脸时，所述一帧三维视频数据可以对应于人脸的一个部位，比如鼻子或嘴等等。

所述终端可以从至少能够采集深度信息的采集组件采集所述三维视频数据；所述采集组件能够与至少一个终端建立通信链路以使对应终端获得所述三维视频数据。

作为一种实施方式，所述终端可以通过独立于终端的采集组件采集三维视频数据，再通过采集组件和终端中的通信组件建立通信链路，使得终端获得采集组件采集的三维视频数据。其中，所述采集组件具体可通过以下至少之一实现：深度摄像头、双目摄像头、三维(3D，three dimensional)结构光摄像模组、飞行时间(TOF，Time Of Flight)摄像模组。

作为另一种实施方式，终端自身具备三维视频数据的采集功能，可以理解，终端设置有至少能够采集深度信息的采集组件，例如设置有以下组件至少之一：深度摄像头、双目摄像头、3D结构光摄像模组、TOF摄像模组，以采集三维视频数据。

步骤202：基于与所述终端握手阶段建立的模型，判断采集的二维视频数据是否准确。

考虑到终端采集三维视频数据的场景可能为弱光场景，由于三维视频数据中的深度数据对光线不是太敏感，而二维视频数据的精度与光线强相关，若二维视频数据不准确，会造成MEC服务器建立的三维模型不准确，即构建轮廓的效果很好，而填充色块的效果很差。因此，MEC服务器需要判断接收的二维视频数据是否准确，以保证建立准确的三维模型。

在一实施例中，所述基于与所述终端握手阶段建立的模型，判断获取的二维视频数据是否准确，包括：在与所述终端的握手阶段，确定所述终端的当前场景；从预设场景与模型的对应关系中，查找对应所述当前场景的模型；基于查找到的模型，确定准确的二维视频数据对应的取值范围；判断采集的二维视频数据对应的数值是否属于所述取值范围；当确定属于所述取值范围时，确定采集的二维视频数据准确；否则，确定采集的二维视频数据不准确。

其中，当二维视频数据为RGB数据时，可以判断RGB数据对应的亮度值是否属于所述取值范围，也可以判断RGB数据对应的色彩值是否属于所述取值范围。

作为一种实施方式，可以预先建立场景与模型的对应关系，其中，基于模型，能够确定出在弱光场景或强光场景下准确的二维视频数据的取值范围。

假设所述MEC服务器在与终端的握手阶段，确定出所述终端当前的场景为弱光场景，并从预先建立场景与模型的对应关系中，查找弱光场景对应的模型，基于确定的模型确定出准确的二维视频数据的取值范围，假设为(100，2000)；判断采集的二维视频数据对应的亮度值或色彩值是否属于所述取值范围；当确定三维视频数据中的二维视频数据对应的亮度值或色彩值属于所述取值范围时，确定获取的二维视频数据准确；否则，确定获取的二维视频数据不准确。

作为另一种实施方式，在在弱光场景下，还可以基于终端在弱光场景下的环境光的亮度，建立环境光亮度与模型的对应关系，其中，基于模型，能够确定出在不同环境光亮度下准确的二维视频数据的取值范围。

举例来说，假设终端当前的场景为弱光场景，环境光的亮度为level1，确定的场景模型为模型1，基于模型1能够确定出准确的二维视频数据的取值范围，假设为(100，1500)；环境光的亮度为level2，确定的模型为模型2，模型2能够确定出准确的二维视频数据的取值范围，假设为(100，1800)。

所述MEC服务器如果确定当前帧的三维视频数据中的二维视频数据准确，则向所述终端发送确认响应消息；所述确认响应消息用于指示所述终端继续采集下一帧三维视频数据。

步骤203：当确定采集的二维视频数据不准确时，基于预设模型，确定亮度值或色彩值；基于所述亮度值或色彩值对应的二维视频数据，对所述采集的二维视频数据进行填充。

这里，填充的目的是对采集的不准确的二维视频数据的数值进行更改；其中，当二维视频数据为RGB数据时，可以对RGB数据的亮度值或者色彩值进行更改。

考虑到当MEC服务器判断当前帧的三维视频数据中的二维视频数据不准确时，可能已经接收了准确的N帧二维视频数据，为了避免终端对N帧三维视频数据进行重采集而消耗更多的硬件资源，所述MEC服务器可以基于预设模型，确定亮度值或色彩值；并基于所述亮度值或色彩值对应的二维视频数据，对采集的不准确的二维视频数据进行填充。

在一实施例中，所述基于预设模型，确定亮度值或色彩值，包括：从预设模型数据库中，查找与所述终端的握手阶段建立的模型相匹配的预设模型；利用与所述终端的握手阶段建立的模型相匹配的预设模型，确定亮度值或色彩值。

在预设模型数据库中，可以存储有多个预设模型，并且可以将预设模型与场景进行一一对应。

举例来说，预设模型数据库中，弱光场景1与预设模型1对应；弱光场景1与预设模型2对应；其中，弱光场景1可以为在道路边的弱光场景；基于预设模型1，能够确定出准确的二维视频数据的亮度值或色彩值，假设为968；弱光场景2可以为在河流边的弱光场景；基于预设模型2，能够确定出准确的二维视频数据的亮度值或色彩值，假设为868。

作为一种实施方式，可以基于与所述终端的握手阶段建立的模型确定出的取值范围的最大值和最小值，从预设模型数据库中，查找与所述终端的握手阶段建立的模型相匹配的预设模型。

举例来说，可以将预设模型数据库中的预设模型确定的取值范围的最小值和最大值，分别与在握手阶段建立的模型确定出的取值范围的最小值和最小值进行比较；当二者的差值小于或等于预设阈值时，将相应的预设模型作为与所述终端的握手阶段建立的模型相匹配的预设模型。

作为另一种实施方式，可以基于所述终端当前所处的位置，从预设模型数据库中，查找与所述终端的握手阶段建立的模型相匹配的预设模型。

举例来说，假设MEC服务器在与所述终端握手阶段，已经确定出所述终端当前场景为弱光场景；假设所述终端当前所处的位置是在道路边，则从预设模型数据库中，查找弱光场景的地点为道路边对应的预设模型，将查找出的预设模型作为与所述终端的握手阶段建立的模型相匹配的预设模型。

如果查找到至少两个预设模型，可以从至少两个预设模型中，随机确定一个预设模型；基于随机确定的预设模型，确定亮度值或色彩值。

在确定了与所述终端的握手阶段建立的模型相匹配的预设模型之后，可以基于匹配的预设模型确定的准确的二维视频数据的亮度值或色彩值，对采集的不准确的二维视频数据进行填充，也就是说，利用匹配的预设模型确定的准确的二维视频数据的亮度值或色彩值，结合预设填充算法，对采集的不准确的二维视频数据的亮度值或色彩值进行更改。所述预设填充算法可以为注入填充区域算法、种子填算法、扫描线填充算法、边填充算法等等。

步骤204：利用填充后的二维视频数据及采集的深度数据，建立三维模型。

当对不准确的二维视频数据进行填充后，所述MEC服务器可以利用填充后的二维视频数据及采集的深度数据，并结合预设算法，建立三维模型。所述预设算法包括但不限于三维点云重建、三维模型网格细分、三维模型网格简化、双目视觉重建等等。

当确定采集的二维视频数据准确时，所述MEC服务器可以利用采集的准确的二维视频数据以及深度数据，并结合预设算法，建立三维模型。

作为一种实施方式，以所述MEC服务器利用三维点云重建算法建立三维人脸模型为例，可以基于终端采集的准确的或者填充后的二维视频数据如RGB数据，进行人脸识别；基于深度数据，对识别的人脸区域进行分割，以分割出前景部分对应的人脸数据；利用所述深度数据，获取三维点云数据；对所述三维点云数据和人脸数据，进行点云匹配、数据整合，得到三维人脸模型。

这里，在建立三维模型的过程中，深度数据用于构建轮廓。由于三维视频数据中的深度数据对光线不是太敏感，因而利用所述终端在弱光场景下采集的深度数据，仍可构建出效果较好的轮廓。在建立三维模型的过程中，二维视频数据用于填充色块。由于三维视频数据中的二维视频数据与光线强相关，因而利用所述终端在弱光场景下采集的二维视频数据，可能会造成建立的三维模型不准确，即填充色块的效果很差。显然，二维视频数据与建立的三维模型的准确性有很大关联。因此，MEC服务器可以利用准确的二维视频数据对不准确的二维视频数据进行填充，以保证建立准确的三维模型。

当终端处于弱光场景下采集三维视频数据时，由于MEC服务器可以通过查找与终端握手阶段建立的模型相匹配的模型，确定准确的二维视频数据，并利用准确的二维视频数据填充不准确的二维视频数据，因而MEC服务器可以基于准确的二维视频数据以及深度数据建立准确的三维模型，即不仅构建轮廓的效果很好，而且填充色块的效果也很好。

采用本发明实施例的技术方案，能够在获取的二维视频数据不准确的情况下，MEC服务器能够基于预设模型，确定准确的二维视频数据，并基于准确的二维视频数据对所述采集的二维视频数据进行填充，从而MEC服务器能够利用准确的二维视频数据和深度数据进行建模，不仅能够提高建模的准确性，而且可使终端避免对三维视频数据进行重新采集。

为实现本发明实施例服务器侧的方法，本发明实施例还提供了一种服务器，具体为MEC服务器。图3为本发明实施例的服务器的组成结构示意图；如图3所示，所述服务器包括：

获取单元31，用于获取终端采集的三维视频数据，所述三维视频数据包括二维视频数据和深度数据；

判断单元32，用于基于与所述终端握手阶段建立的模型，判断采集的二维视频数据是否准确；

确定单元33，用于当确定采集的二维视频数据不准确时，基于预设模型，确定亮度值或色彩值；

填充单元34，用于基于所述亮度值或色彩值对应的二维视频数据，对所述采集的二维视频数据进行填充；

建模单元35，用于利用填充后的二维视频数据及采集的深度数据，建立三维模型。

在一实施例中，所述判断单元32，具体用于在与所述终端的握手阶段，确定所述终端的当前场景；从预设场景与模型的对应关系中，查找对应所述当前场景的模型；基于查找到的模型，确定准确的二维视频数据的取值范围；判断采集的二维视频数据的数值是否属于所述取值范围；当确定属于所述取值范围时，确定采集的二维视频数据准确；否则，确定采集的二维视频数据不准确。

在一实施例中，所述确定单元33，具体用于从预设模型数据库中，查找与所述终端的握手阶段建立的模型相匹配的预设模型；利用与所述终端的握手阶段建立的模型相匹配的预设模型，确定亮度值或色彩值。

在一实施例中，所述确定单元33，具体用于当查找到至少两个预设模型时，从至少两个预设模型中，随机确定一个模型；基于随机确定的模型，确定亮度值或色彩值。

在一实施例中，所述建模单元35，还用于当确定采集的二维视频数据准确时，利用采集的二维视频数据以及深度数据，建立三维模型。

实际应用时，所述获取单元31可由服务器的通信接口实现；所述判断单元32、确定单元33、填充单元34、建模单元35可由服务器中的处理器实现。

需要说明的是：上述实施例提供的服务器在进行数据处理时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的服务器与数据处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

基于上述设备的硬件实现，本发明实施例还提供了一种数据处理设备，图4为本发明实施例的数据处理设备的硬件组成结构示意图，如图4所示，数据处理设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序；数据处理设备为服务器时，位于服务器的处理器执行所述程序时实现：获取终端采集的三维视频数据，所述三维视频数据包括二维视频数据和深度数据；基于与所述终端握手阶段建立的模型，判断采集的二维视频数据是否准确；当确定采集的二维视频数据不准确时，基于预设模型，确定亮度值或色彩值；基于所述亮度值或色彩值对应的二维视频数据，对所述采集的二维视频数据进行填充；利用填充后的二维视频数据及采集的深度数据，建立三维模型。

在一实施例中，位于服务器的处理器执行所述程序时实现：在与所述终端的握手阶段，确定所述终端的当前场景；从预设场景与模型的对应关系中，查找对应所述当前场景的模型；基于查找到的模型，确定准确的二维视频数据的取值范围；判断采集的二维视频数据的数值是否属于所述取值范围；当确定属于所述取值范围时，确定采集的二维视频数据准确；否则，确定采集的二维视频数据不准确。

在一实施例中，位于服务器的处理器执行所述程序时实现：从预设模型数据库中，查找与所述终端的握手阶段建立的模型相匹配的预设模型；利用与所述终端的握手阶段建立的模型相匹配的预设模型，确定亮度值或色彩值。

在一实施例中，位于服务器的处理器执行所述程序时实现：当查找到至少两个预设模型时，从至少两个预设模型中，随机确定一个预设模型；基于随机确定的预设模型，确定准确的二维视频数据。

在一实施例中，位于服务器的处理器执行所述程序时实现：当确定采集的二维视频数据准确时，利用采集的二维视频数据以及深度数据，建立三维模型。

可以理解，数据处理设备(服务器)还包括通信接口；数据处理设备(服务器)中的各个组件通过总线系统耦合在一起。可理解，总线系统用于实现这些组件之间的连接通信。总线系统除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。

可以理解，本实施例中的存储器可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，ReadOnly Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，RandomAccess Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

上述本发明实施例揭示的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、DSP，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成前述方法的步骤。

本发明实施例还提供了一种计算机存储介质，具体为计算机可读存储介质。其上存储有计算机指令，作为第一种实施方式，在计算机存储介质位于服务器时，该计算机指令被处理器执行时实现：获取终端采集的三维视频数据，所述三维视频数据包括二维视频数据和深度数据；基于与所述终端握手阶段建立的模型，判断采集的二维视频数据是否准确；当确定采集的二维视频数据不准确时，基于预设模型，确定亮度值或色彩值；基于所述亮度值或色彩值对应的二维视频数据，对所述采集的二维视频数据进行填充；利用填充后的二维视频数据及采集的深度数据，建立三维模型。

在一实施例中，该计算机指令被处理器执行时实现：在与所述终端的握手阶段，确定所述终端的当前场景；从预设场景与模型的对应关系中，查找对应所述当前场景的模型；基于查找到的模型，确定准确的二维视频数据的取值范围；判断采集的二维视频数据的数值是否属于所述取值范围；当确定属于所述取值范围时，确定采集的二维视频数据准确；否则，确定采集的二维视频数据不准确。

在一实施例中，该计算机指令被处理器执行时实现：从预设模型数据库中，查找与所述终端的握手阶段建立的模型相匹配的预设模型；利用与所述终端的握手阶段建立的模型相匹配的预设模型，确定亮度值或色彩值。

在一实施例中，该计算机指令被处理器执行时实现：当查找到至少两个预设模型时，从至少两个预设模型中，随机确定一个预设模型；基于随机确定的预设模型，确定亮度值或色彩值。

在一实施例中，该计算机指令被处理器执行时实现：当确定采集的二维视频数据准确时，利用采集的二维视频数据以及深度数据，建立三维模型。

在本发明所提供的几个实施例中，应该理解到，所揭露的方法和智能设备，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个第二处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是：本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种数据处理方法，其特征在于，应用于移动边缘计算MEC服务器，所述方法包括：

获取终端采集的三维视频数据，所述三维视频数据包括二维视频数据和深度数据；

基于与所述终端握手阶段建立的模型，判断采集的二维视频数据是否准确；

当确定采集的二维视频数据不准确时，基于预设模型，确定亮度值或色彩值；

基于所述亮度值或色彩值对应的二维视频数据，对所述采集的二维视频数据进行填充；

利用填充后的二维视频数据及采集的深度数据，建立三维模型；

其中，所述基于与所述终端握手阶段建立的模型，判断采集的二维视频数据是否准确，包括：

在与所述终端的握手阶段，确定所述终端的当前场景；

从预设场景与模型的对应关系中，查找对应所述当前场景的模型；

基于查找到的模型，确定准确的二维视频数据的取值范围；

判断采集的二维视频数据的数值是否属于所述取值范围；

当确定属于所述取值范围时，确定采集的二维视频数据准确；否则，确定采集的二维视频数据不准确。

2.根据权利要求1所述的方法，其特征在于，所述基于预设模型，确定亮度值或色彩值，包括：

从预设模型数据库中，查找与所述终端的握手阶段建立的模型相匹配的预设模型；

利用与所述终端的握手阶段建立的模型相匹配的预设模型，确定亮度值或色彩值。

3.根据权利要求2所述的方法，其特征在于，当查找到至少两个预设模型时，所述方法还包括：

从至少两个预设模型中，随机确定一个预设模型；

基于随机确定的预设模型，确定亮度值或色彩值。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当确定采集的二维视频数据准确时，利用采集的二维视频数据以及深度数据，建立三维模型。

5.一种移动边缘计算MEC服务器，其特征在于，所述服务器包括：

获取单元，用于获取终端采集的三维视频数据，所述三维视频数据包括二维视频数据和深度数据；

判断单元，用于基于与所述终端握手阶段建立的模型，判断采集的二维视频数据是否准确；

所述判断单元，具体用于在与所述终端的握手阶段，确定所述终端的当前场景；从预设场景与模型的对应关系中，查找对应所述当前场景的模型；基于查找到的模型，确定准确的二维视频数据的取值范围；判断采集的二维视频数据的数值是否属于所述取值范围；当确定属于所述取值范围时，确定采集的二维视频数据准确；否则，确定采集的二维视频数据不准确；

确定单元，用于当确定采集的二维视频数据不准确时，基于预设模型，确定亮度值或色彩值；

填充单元，用于基于所述亮度值或色彩值对应的二维视频数据，对所述采集的二维视频数据进行填充；

建模单元，用于利用填充后的二维视频数据及采集的深度数据，建立三维模型。

6.根据权利要求5所述的服务器，其特征在于，

所述确定单元，具体用于从预设模型数据库中，查找与所述终端的握手阶段建立的模型相匹配的预设模型；利用与所述终端的握手阶段建立的模型相匹配的预设模型，确定准确的二维视频数据。

7.根据权利要求6所述的服务器，其特征在于，

所述确定单元，具体用于当查找到至少两个预设模型时，从至少两个预设模型中，随机确定一个预设模型；基于随机确定的预设模型，确定亮度值或色彩值。

8.根据权利要求5所述的服务器，其特征在于，

所述建模单元，还用于当确定采集的二维视频数据准确时，利用采集的二维视频数据以及深度数据，建立三维模型。

9.一种计算机存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1至4任一项所述数据处理方法的步骤。

10.一种MEC服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至4任一项所述数据处理方法的步骤。

Images