CN111596594B - 一种全景大数据应用监测管控系统 - Google Patents

Abstract

本发明提供了一种全景大数据应用监测管控系统，其特征在于，包括成像设备、成像设备证书、存储器、联网装置和处理单元，所述成像设备被配置为检测第一物体，并基于所述成像设备证书、存储器、联网装置和处理单元来确定第一物体的近似位置以及该近似位置的可靠性值；所述成像设备的证书被配置为与第一物体相关联表面的拓扑或与成像设备与第一物体之间的接近度。进行数据的采集后，所述处理器被配置为对环境的重新构建，构建的过程中依据所述成像设备采集的数据为基础，逐步的构建出环境的全景，同时，也对周围环境做出预估性位置的判断，同时结合所述联网装置的大数据的采集，对所述预估位置做出最后的确定。

Description

一种全景大数据应用监测管控系统

技术领域

本发明涉及监控管控技术领域，尤其涉及一种全景大数据应用监测管控系统。

背景技术

监控系统一般是将数据传输到监控中心进行显示，实现实时视频监控，但每个摄像头所能采集的区域有限，不能实现全方位大范围监控。

如CN109640032A现有技术公开了一种基于人工智能多要素全景监控检测五维预警系统，被监视检测物体的距离不同、光照不同、安装的高度角度不同等等原因也极大了限制了这种新技术的推广和使用，其次现有的全景拼接技术仍然存在一些缺陷，摄像机出场时所使用的镜头全部为定焦镜头，即使是变焦镜头也需要人员拆开设备人工调节镜头参数后，恢复好设备再通过软件修正参数，才能够达到最好的拼接效果，即使是这样摄像机安装的高度和角度，也会收到很大的限制，如此繁琐的操作流程非专业人士是很难掌握和处理的。另一种典型的如WO2002065786A1的现有技术公开的一种用于OMNI方向图像和三维数据采集的方法和装置与数据归纳和动态范围扩展方法，存在不能实时监控全景，通过拼接处理亦不能达到无缝拼接的问题。再来看如US09706119B2的现有技术公开的一种数字照相机系统，这种简单的立体摄影无法实现扩大的或全景的视野。另外，无法获得舒适的视觉角度、视野图像的重叠程度超过人眼识别的范围。

为了解决本领域普遍存在参数调校复杂、全景视图监控不到位和视觉角度不佳、视野图像的重叠程度超过人眼识别的范围等等问题，作出了本发明。

发明内容

本发明的目的在于，针对目前全景监控所存在的不足，提出了一种全景大数据应用监测管控系统。

为了克服现有技术的不足，本发明采用如下技术方案：

一种全景大数据应用监测管控系统，包括成像设备、成像设备证书、存储器、联网装置和处理单元，所述成像设备被配置为检测第一物体，并基于所述成像设备证书、存储器、联网装置和处理单元来确定第一物体的近似位置以及该近似位置的可靠性值。

可选的，所述成像设备的证书被配置为与第一物体相关联表面的拓扑或成像设备与第一物体之间的接近度；

所述存储器被配置为存储第二物体的预定位置，其中，所述成像装置被配置为确定所述第二物体的预定位置是否在预定误差范围内与所述第一物体的近似位置匹配；

以及当存在不匹配项大于预定误差范围时存储第一物体及其近似位置的分布式图像元素，其中，当在预定误差范围内存在匹配项时，所述成像设备确定其确切位置根据存储在内存中存储的图像元素设定预估位置。

可选的，所述成像设备包括光学传感器、近似位置模块、可靠性值模块和匹配模块，所述光传感器被配置为检测第一物体；所述近似位置模块被配置为确定所述第一物体的近似位置；所述可靠性值模块被配置为基于所述成像设备的证书、拓扑结构中来确定所述近似位置的可靠性值；并确定与第一物体相关联的表面或所述成像设备与第一物体之间的接近度；所述匹配模块被配置为确定第二物体的预定位置是否与第一物体在预定余量内的近似位置匹配错误，当不匹配项大于预定的误差范围时，所述处理单元配置为将第一物体及其近似位置存储在分布式图像元素中，并且当匹配项的预定范围内存在匹配项时错误，所述处理单元基于存储在存储器中的预定位置确定成像设备的确切位置。

可选的，所述联网装置配置为访问网络服务器，基于所述网络服务器使用导航系统、定位系统、加速度计、陀螺仪、磁力计、指南针、气压计来确定所述成像装置的位置；同时，通过使用所述成像装置收集所述目标物体的大概位置，并通过估计第一物体与周围物体之间的距离，确定第一物体的大概位置；在已知的数据库中搜索第二物体及其预定位置；将第二物体及其预定位置存储在存储器中。

可选的，所述处理单元通过将所述第一物体的特征与所述已知物体进行匹配来识别所述已知的数据库中的所述第二物体，其中所述特征包括相关联的表面的拓扑，可识别的特征或特征中的至少一个位置；所述可识别特征包括文本、标记或边缘信息。

可选的，所述成像设备基于当所述第一物体具有在特定持续时间内可以参考特定位置的刚性结构特性和地理位置时，将所述第一物体识别为静止物体；并根据大概位置的可靠性值或特定时长中的所述第一物体采集，同时基于可识别特征进行排序；至少当所述第一物体被排名在预定等级以上时，将所述第一物体及其大约位置存储在所述分布式图像元素中。

本发明所取得的有益效果是：

1.通过采用所述成像设备证书生成包括通过采集到的所述图像的元素进行划分，并根据划分的元素进行特征数据的标号生成对应的采集设备的唯一标志符，保证分类更加的简单且可靠；

2.通过采用所述环境生成器还基于成像设备证书进行验证，保证数据传输的安全；

3.在进行数据的采集后，所述处理器被配置为对环境的重新构建，构建的过程中依据所述成像设备采集的数据为基础，逐步的构建出环境的全景，同时，也对周围环境做出预估性位置的判断，同时结合所述联网装置的大数据的采集，对所述预估位置做出最后的确定；

4.通过采用可靠性值模块基于成像装置的证书与第一对象相关联的表面的拓扑或成像之间的接近度中的至少一个来确定近似位置的可靠性值，保证采集到的图像符合整个全景的构建中；

5.通过采用所述匹配模块对同一位置进行切换以及对不同位置之间的转换，保证整个系统的具有高反应的优点；

6.通过采用网络服务器与网络服务器的配合进行大数据的收集，使得构建全景环境的监控更加的合理且可靠。

附图说明

从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定对应的部分。

图1为所述成像设备证书的控制流程示意图。

图2为系统的控制流程示意图。

图3为所述成像设备的控制流程示意图。

图4为所述联网装置的控制流程示意图。

图5为所述处理单元的控制流程示意图。

图6为所述成像设备进行识别的控制流程示意图。

具体实施方式

为了使得本发明的目的.技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它系统.方法和/或特征将变得显而易见。旨在所有此类附加的系统.方法.特征和优点都包括在本说明书内.包括在本发明的范围内，并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征，并且这些特征根据以下将详细描述将是显而易见的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”.“下”.“左”.“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位.以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

实施例一：一种全景大数据应用监测管控系统，包括成像设备、成像设备证书、存储器、联网装置和处理单元，所述成像设备被配置为检测第一物体，并基于所述成像设备证书、存储器、联网装置和处理单元来确定第一物体的近似位置以及该近似位置的可靠性值；所述成像设备的证书被配置为与第一物体相关联表面的拓扑或成像设备与第一物体之间的接近度；所述存储器被配置为存储第二物体的预定位置，其中，所述成像装置被配置为确定所述第二物体的预定位置是否在预定误差范围内与所述第一物体的近似位置匹配；以及当存在不匹配项大于预定误差范围时存储第一物体及其近似位置的分布式图像元素，其中，当在预定误差范围内存在匹配项时，所述成像设备确定其确切位置根据存储在内存中存储的图像元素设定预估位置；所述成像设备包括光学传感器、近似位置模块、可靠性值模块和匹配模块，所述光传感器被配置为检测第一物体；所述近似位置模块被配置为确定所述第一物体的近似位置；所述可靠性值模块被配置为基于所述成像设备的证书、拓扑结构中来确定所述近似位置的可靠性值；并确定与第一物体相关联的表面或所述成像设备与第一物体之间的接近度；所述匹配模块被配置为确定第二物体的预定位置是否与第一物体在预定余量内的近似位置匹配错误，当不匹配项大于预定的误差范围时，所述处理单元配置为将第一物体及其近似位置存储在分布式图像元素中，并且当匹配项的预定范围内存在匹配项时错误，所述处理单元基于存储在存储器中的预定位置确定成像设备的确切位置；所述联网装置配置为访问网络服务器，基于所述网络服务器使用导航系统、定位系统、加速度计、陀螺仪、磁力计、指南针、气压计来确定所述成像装置的位置；同时，通过使用所述成像装置收集所述目标物体的大概位置，并通过估计第一物体与周围物体之间的距离，确定第一物体的大概位置；在已知的数据库中搜索第二物体及其预定位置；将第二物体及其预定位置存储在存储器中；所述处理单元通过将所述第一物体的特征与所述已知物体进行匹配来识别所述已知的数据库中的所述第二物体，其中所述特征包括相关联的表面的拓扑，可识别的特征或特征中的至少一个位置；所述可识别特征包括文本、标记或边缘信息；所述成像设备基于当所述第一物体具有在特定持续时间内可以参考特定位置的刚性结构特性和地理位置时，将所述第一物体识别为静止物体；并根据大概位置的可靠性值或特定时长中的所述第一物体采集，同时基于可识别特征进行排序；当所述第一物体被排名在预定等级以上时，将所述第一物体及其大约位置存储在所述分布式图像元素中。

实施例二：本实施例应当理解为至少包含前述任一一个实施例的全部特征，并在其基础上进一步改进，具体的，提供一种全景大数据应用监测管控系统，包括成像设备、成像设备证书、存储器、联网装置和处理单元，所述成像设备被配置为检测第一物体，并基于所述成像设备证书、存储器、联网装置和处理单元来确定第一物体的近似位置以及该近似位置的可靠性值；具体的，包括检测第一物体并基于成像设备的近似位置确定其近似位置；以及基于成像设备的证书，与第一对象相关联的表面的拓扑，或者成像设备与第一对象之间的接近度中的至少一个来确定近似位置的可靠性值；从存储器接收第二对象的预定位置；确定第二物体的预定位置是否在预定误差范围内与第一物体的近似位置相匹配，其中，当不匹配度大于预定误差范围时，存储第一物体所处的大概位置，以及在预先确定的误差范围内匹配时，根据存储在存储器中的预定位置确定成像设备的确切位置；另外，在整个同中，还包括用于形成三维环境的环境生成器，所述环境生成器基于所述成像设备采集图形的元素进行场景的构建，特别的，所述环境生成器与所述处理单元进行连接，并在所述处理单元的控制下进行实时的生成；在本实施例中，所述环境生成器还基于成像设备证书进行验证，保证数据传输的安全；另外，所述成像设备证书生成包括通过采集到的所述图像的元素进行划分，并根据划分的元素进行特征数据的标号生成对应的采集设备的唯一标志符；根据所述标志服作为基础，并在所述控制器的控制下由证书生成器进行证书的生成；所述成像设备证书作为秘钥使得所述环境生成器能够在合理的范围内进行环境的建立；在本实施例中，为了方便说明，以第一物体进行举例，因而，本实施例中，不仅仅针对第一物体，也可以针对第二物体、第三物体等等，均采用与所述第一物体相似的构建方式，因而在本实施例中，不再一一进行赘述；

所述成像设备的证书被配置为与第一物体相关联表面的拓扑或成像设备与第一物体之间的接近度；所述存储器被配置为存储第二物体的预定位置，其中，所述成像装置被配置为确定所述第二物体的预定位置是否在预定误差范围内与所述第一物体的近似位置匹配；以及当存在不匹配项大于预定误差范围时存储第一物体及其近似位置的分布式图像元素，其中，当在预定误差范围内存在匹配项时，所述成像设备确定其确切位置根据存储在内存中存储的图像元素设定预估位置；具体的，所述成像设备的证书能够基于所述第一物品以及与所述第一物体相关联表面的拓扑或者所述成像设备与所述第一物体之间的接近度进行数据的采集，并根基残疾的数据进行数据的生成，有效的保证所述成像设备证书在整个系统中能够通用；另外，在本实施例中，所述成像设备对所述第一物体进行采集后，就会转移对下一物体进行数据的采集，所述成像设备采集的关系为：与所述第一物品相关的视觉范围内进行依次进行采集，有效的保证成像设备在采集的过程中不会遗漏的状况发生；在进行数据的采集后，所述处理器被配置为对环境的重新构建，构建的过程中依据所述成像设备采集的数据为基础，逐步的构建出环境的全景，同时，也对周围环境做出预估性位置的判断，同时结合所述联网装置的大数据的采集，对所述预估位置做出最后的确定；在本实施例中，所述成像设备采集的数据被存储在数据中，并根据所述数据库对每个对象的类型进行分类；在本实施例中，在周围环境的构架的过程中，可以根据标志物循迹进行全景环境的监控，例如：“路牌”可能是适当的分类；所述路牌可以根据所述联网装置进行大数据的采集后存储所述数据库中，并在进行全景模型的建立的过程中，实时的调用所述数据库中存储的各个数据；

所述成像设备包括光学传感器、近似位置模块、可靠性值模块和匹配模块，所述光传感器被配置为检测第一物体；所述近似位置模块被配置为确定所述第一物体的近似位置；所述可靠性值模块被配置为基于所述成像设备的证书、拓扑结构中来确定所述近似位置的可靠性值；并确定与第一物体相关联的表面或所述成像设备与第一物体之间的接近度；所述匹配模块被配置为确定第二物体的预定位置是否与第一物体在预定余量内的近似位置匹配错误，当不匹配项大于预定的误差范围时，所述处理单元配置为将第一物体及其近似位置存储在分布式图像元素中，并且当匹配项的预定范围内存在匹配项时错误，所述处理单元基于存储在存储器中的预定位置确定成像设备的确切位置；具体的，在本实施例中，整个系统还包括网络服务器的各个数据以及监控摄像头采集到的位置信息或者全景的图像；

所述成像设备可以包括被配置为检测第一物体的光学传感器，所述光学传感器可以将光线转换成电子信号以检测第一物体；所述光学传感器可以测量光的物理量，然后将其转换为成像装置可读取的形式；在本实施例中，所述成像设备包括微处理器，所述微处理器中包括近似位置模块，可靠性值模块和匹配模块；所述近似位置模块可以被配置为确定第一物体的近似位置；可靠性值模块可以被配置为基于成像装置的证书与第一对象相关联的表面的拓扑或成像之间的接近度中的至少一个来确定近似位置的可靠性值，保证采集到的图像符合整个全景的构建中；

在本实施例中，所述成像设可以包括配置为存储第二物体的预定位置的存储器；所述第一物体包括第一对象、第二对象……，第N对象，在本实施例中，所述第二对象可以与所述第一对象不同或相同；所述匹配模块可以被配置为在预定误差范围内确定第二对象的预定位置是否与第一对象的近似位置匹配，其中当不匹配大于预定误差范围时，处理器被配置为将第一对象及其大约位置存储在分布式图形元素上，并且当在预定的误差范围内存在匹配时，处理器被配置为确定成像设备的确切位置并基于存储在存储器中的预定位置，通过位置信息的切换保证全景监控的实时的监控，并进行实时切换，使得整个系统的具有高反应的优点；

所述成像设备的能力和准确性可以取决于但不限于许多因素，例如孔径大小、像素数量、透镜、像素大小、以及相机内的图像稳定技术；另外，所述成像设备也能够通过评估即时视野和从成像设备原点考虑的总距离来执行搜索；或者通过了解图像表面积的水平和垂直比率及其由镜头角度定义的代表图像来确定特定视场；然后，可以基于确定的摄像机视距，通过摄像机轴三维地拉伸视场；然后，将识别的三维几何图形视为已识别对象的搜索边界，所述边界的起点可以是相机镜头的中心点，所述边界的终点可以是由软件确定的任意距离；

所述联网装置配置为访问网络服务器，基于所述网络服务器使用导航系统、定位系统、加速度计、陀螺仪、磁力计、指南针、气压计来确定所述成像装置的位置；同时，通过使用所述成像装置收集所述目标物体的大概位置，并通过估计第一物体与周围物体之间的距离，确定第一物体的大概位置；在已知的数据库中搜索第二物体及其预定位置；将第二物体及其预定位置存储在存储器中；具体的，所述联网装置用于对网络服务器进行数据的收集，使得构建全景环境的监控更加的合理且可靠；另外，基于大数据进行数据的收集更加的高效的对全景环境进行收集；也可以根据导航系统、定位系统、加速度计、陀螺仪、磁力计、指南针、气压计确定所处位置的各个数据的信息，为全景模型进行建立的过程中提供参考，也为后续进行监控的过程中，对整个系统监控的质量起到实时输出的作用；

在本实施例中，提供一种用于成像设备收集数据的方法，所述方法包括：由处理单元处理图像数据以生成编码数据；以及所述处理单元从所述编码数据生成多个编码视网膜图像；所述处理单元从所述多个编码的视网膜图像生成降维数据，其中生成的所述降维数据包括从所述多个编码的视网膜图像生成用于多个视网膜图像区域的特征数据，其中特征数据包括具有与多个编码分量，所述分量是从视网膜图像的多个视网膜图像区域的各个区域相关联的值中进行划分，并在其中进行分量的划分；生成降维数据包括：将降维算法应用于多个所述视网膜编码图像，并且其中，所述降维算法为特定的摄像头或者监控器选择所述编码的视网膜图像的特征的子集，并且忽略特定摄像头和监控器任务的已编码视网膜图像的其他功能；处理所述图像数据以生成编码数据包括：对所述图像数据进行降维处理；并且其中，从多个所述编码后的保留图像生成降维的数据包括附加的降维操作；所述处理设备处从照相机或者监控器接收所述图像数据；所述特征数据包括与多个所述视网膜图像区域中的每个相对应的运动数据；所述运动数据包括与多个所述视网膜图像区域中的每个相对应的速度数据；所述特征数据包括与多个所述视网膜图像区域中的每个相对应的光流数据；生成多个所述编码的视网膜图像包括：对所述编码的数据应用训练过的算法；所述训练算法包括卷积神经网络；所述操作包括对所述编码数据进行额外压缩；相对于图像数据已减小尺寸；

另外，在本实施例中，还提供一种特征数据分量的采集方法，所述方法包括：在特征数据中收集K组数据，并组合形成X*Y的矩阵，并带入以下的公式中，进行角度的调整，具体的，

Sit(Xi，Yj)＝E[(Xi)-E(Xi)*(Yj-E(Yj))] (1)

Xi为在X列中抽取i个特征分量，Yj为在Y行中抽取j个特征分量，得出一个矩阵，目的是为了把采集的多余的干扰值进行剔除；

把上述的矩阵值带入求旋转向量的公式中就能够得出调整的参数值，旋转向量(假设在本实施例中，设定旋转向量大小为1×3的矢量或旋转矩阵3×3)和平移向量(tx,ty,tz)；旋转向量:旋转向量是旋转矩阵紧凑的变现形式，旋转向量为1×3的行矢量；

r就是旋转向量，旋转向量的方向是旋转轴,旋转向量的模为围绕旋转轴旋转的角度；通过上面的公式，我们就可以求解出旋转矩阵R；同样的已知旋转矩阵，我们也可以通过下面的公式求解得到旋转向量：

就出的所述旋转向量就是整个所述监控参数进行调整的参数；本领域的技术人员也可以，采用本领域常用的技术手段对监控设备进行调整，保证所述监控设备的监控角度达到最佳的位置；因而在本实施例中，不再一一赘述；

所述处理单元通过将所述第一物体的特征与所述已知物体进行匹配来识别所述已知的数据库中的所述第二物体，其中所述特征包括相关联的表面的拓扑，可识别的特征或特征中的至少一个位置；所述可识别特征包括文本、标记或边缘信息；具体的，这些可识别的功能在3D空间中提供唯一的位置信息，这可以允许原生增强现实计算成像设备的确切、实时、绝对、空间位置和高度；在已知对象的数据库可以通过多种技术来组织；同时，在已知对象的数据库可以通过绝对坐标和高度将所有对象分类；也可以在不同的感测能力和精度水平，为每个对象设置适当的精度水平，以便设备可以在不满足特定要求的情况下以低多边形分辨率报告新对象，可以首先在三维框中定义输入数据库中的对象，然后将该对象计算为存在于这些参数中，并且该框的体积的中心点为定义的中心点；从该基本量度来看，所述可识别特征还可以包括对象可能以检测到的边界、面、边缘和顶点，对象可能以检测到的边界、面、边缘和顶点的形式具有更高的准确性，这些边界、面、边缘和顶点最终形成了3D对象，保证全景监控的实际的过程中，对监控的场景进行构建，有效保证所述成像设备对实时、有效的监控；

所述成像设备基于当所述第一物体具有在特定持续时间内可以参考特定位置的刚性结构特性和地理位置时，将所述第一物体识别为静止物体；并根据大概位置的可靠性值或特定时长中的所述第一物体采集，同时基于可识别特征进行排序；当所述第一物体被排名在预定等级以上时，将所述第一物体及其大约位置存储在所述分布式图像元素中；具体的，在本实施例中，当所述第一物体被排名在预定等级以上时，当所述第一物体具有资格预审状态时或者当所述第一物体及其位置时，将所述第一物体及其大约位置存储在所述分布式图像元素中；在上述的几种情况中，均是针对整个装置进行图像的划分，并在收集到的图像中进行排名，保证收集到的图像或者监控的效果达到最佳，同时也符合实际的需要；在本实施例中，例如，建筑物地基可能会静止数十年，而其外部装饰，例如店面招牌，可能只会静止几个月；因而寿命等级较高的对象可用于在粒度位置计算过程中裁定设备的真实位置；通过对可识别特征进行排序有效提高整个系统的监控的能力，也使得整个系统不会出现监控不得到位的状态发生；在实施例中，所述刚性结构包括设置在场景模型中的常驻的建筑、路标、公园或者河流，即：在短时间内不会消失的设施或者建筑；所述等级的划分也根据所述刚性结构消失或者建立时间的长短或者高度进行划分，也可以根据本领域的技术人员所公知的其他方式进行划分；本实施例，不再一一进行赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

综上所述，本发明的一种全景大数据应用监测管控系统，通过采用所述成像设备证书生成包括通过采集到的所述图像的元素进行划分，并根据划分的元素进行特征数据的标号生成对应的采集设备的唯一标志符，保证分类更加的简单且可靠；通过采用所述环境生成器还基于成像设备证书进行验证，保证数据传输的安全；通过在进行数据的采集后，所述处理器被配置为对环境的重新构建，构建的过程中依据所述成像设备采集的数据为基础，逐步的构建出环境的全景，同时，也对周围环境做出预估性位置的判断，同时结合所述联网装置的大数据的采集，对所述预估位置做出最后的确定；通过采用可靠性值模块基于成像装置的证书与第一对象相关联的表面的拓扑或成像之间的接近度中的至少一个来确定近似位置的可靠性值，保证采集到的图像符合整个全景的构建中；通过采用所述匹配模块对同一位置进行切换以及对不同位置之间的转换，保证整个系统的具有高反应的优点；通过采用网络服务器与网络服务器的配合进行大数据的收集，使得构建全景环境的监控更加的合理且可靠。

虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。也就是说上面讨论的方法，系统和设备是示例。各种配置可以适当地省略，替换或添加各种过程或组件。例如，在替代配置中，可以以与所描述的顺序不同的顺序执行方法，和/或可以添加，省略和/或组合各种部件。而且，关于某些配置描述的特征可以以各种其他配置组合，如可以以类似的方式组合配置的不同方面和元素。此外，随着技术发展其中的元素可以更新，即许多元素是示例，并不限制本公开或权利要求的范围。

在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而，可以在没有这些具体细节的情况下实践配置例如，已经示出了众所周知的电路，过程，算法，结构和技术而没有不必要的细节，以避免模糊配置。该描述仅提供示例配置，并且不限制权利要求的范围，适用性或配置。相反，前面对配置的描述将为本领域技术人员提供用于实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下，可以对元件的功能和布置进行各种改变。

综上，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (5)

1.一种全景大数据应用监测管控系统，所述系统包括成像设备、成像设备证书、存储器、联网装置和处理单元，所述成像设备被配置为检测第一物体，并基于所述成像设备证书、存储器、联网装置和处理单元来确定第一物体的近似位置以及该近似位置的可靠性值；其特征在于，所述成像设备的证书被配置为与第一物体相关联表面的拓扑或与成像设备与第一物体之间的接近度；

所述存储器被配置为存储第二物体的预定位置，其中，所述成像设备被配置为确定所述第二物体的预定位置是否在预定误差范围内与所述第一物体的近似位置匹配；

以及当存在不匹配项大于预定误差范围时存储第一物体及其近似位置的分布式图像元素，其中，当在预定误差范围内存在匹配项时，所述成像设备确定其确切位置根据存储在内存中存储的图像元素设定预估位置。

2.如权利要求1所述的一种全景大数据应用监测管控系统，其特征在于，所述成像设备包括光学传感器、近似位置模块、可靠性值模块和匹配模块，所述光学传感器被配置为检测第一物体；所述近似位置模块被配置为确定所述第一物体的近似位置；所述可靠性值模块被配置为基于所述成像设备的证书、拓扑结构中来确定所述近似位置的可靠性值；并确定与第一物体相关联的表面或所述成像设备与第一物体之间的接近度；所述匹配模块被配置为确定第二物体的预定位置是否与第一物体在预定余量内的近似位置匹配错误，当不匹配项大于预定的误差范围时，所述处理单元配置为将第一物体及其近似位置存储在分布式图像元素中，并且当匹配项的预定范围内存在匹配项时错误，所述处理单元基于存储在存储器中的预定位置确定成像设备的确切位置。

3.如权利要求2所述的一种全景大数据应用监测管控系统，其特征在于，所述联网装置配置为访问网络服务器，基于所述网络服务器使用导航系统、定位系统、加速度计、陀螺仪、磁力计、指南针、气压计来确定所述成像设备的位置；同时，通过使用所述成像设备收集第一物体以及第二物体的大概位置，并通过估计第一物体与周围物体之间的距离，确定第一物体的大概位置；在已知的数据库中搜索第二物体及其预定位置；将第二物体及其预定位置存储在存储器中。

4.如权利要求3所述的一种全景大数据应用监测管控系统，其特征在于，所述处理单元通过将所述第一物体的特征与已知物体进行匹配来识别已知的所述数据库中的所述第二物体，其中所述特征包括相关联的表面的拓扑，可识别的特征或特征中的至少一个位置；所述可识别的特征包括文本、标记或边缘信息。

5.如前述权利要求4所述的一种全景大数据应用监测管控系统，其特征在于，所述成像设备基于当所述第一物体具有在特定持续时间内可以参考特定位置的刚性结构特性和地理位置时，将所述第一物体识别为静止物体；并根据大概位置的可靠性值或特定时长中的所述第一物体采集，同时基于可识别特征进行排序；当所述第一物体被排名在预定等级以上时，将所述第一物体及其大约位置存储在所述分布式图像元素中。

Images