CN111818156A - 一种边缘计算装置和共享方法 - Google Patents

Abstract

本发明提供一种边缘计算装置和共享方法，该边缘计算装置包括：主处理器模块、第一通信接口模块、第二通信接口模块和存储模块；所述存储模块、所述第一通信接口模块和所述第二通信接口模块分别与所述主处理器模块连接；所述第一通信接口模块连接第一终端设备，所述第一终端设备用于采集信号；所述第二通信接口模块连接至少一个云平台，以调用所述至少一个云平台的算法模型进行数据处理。本发明实施例可以提高边缘计算装置的资源利用率。

Description

一种边缘计算装置和共享方法

技术领域

本发明涉及物联网技术领域，特别涉及一种边缘计算装置和共享方法。

背景技术

万物互联和5G时代的到来，催生了边缘计算的迅猛发展，视频监控设备得到越来越广泛的应用。在靠近业务现场的位置部署边缘计算装置，将汇聚的视频及物联网业务数据就近处理和存储，可减少对回传带宽和云存储空间的消耗，既可降低业务时延，节省项目实施成本，还可以缓解客户对数据外流或泄露的担忧，提高产品的竞争力和适应性。

目前市场上的边缘计算装置采用自建算法库，自主开发算法的方式进行数据处理，边缘计算装置的资源利用率较低。

发明内容

本发明实施例的目的在于提供一种边缘计算装置和共享方法，以解决边缘计算装置的资源利用率较低的问题。

为了达到上述目的，本发明实施例提供一种边缘计算装置，包括：主处理器模块、第一通信接口模块、第二通信接口模块和存储模块；所述存储模块、所述第一通信接口模块和所述第二通信接口模块分别与所述主处理器模块连接；所述第一通信接口模块连接第一终端设备，所述第一终端设备用于采集信号；所述第二通信接口模块连接至少一个云平台，以调用所述至少一个云平台的算法模型进行数据处理。

可选的，所述边缘计算装置应用于视频监控，所述主处理器模块包括：CPU(中央处理器，Central Processing Unit)和GPU(图形处理器，Graphics Processing Unit)；所述第一终端设备用于采集图像信号；所述第一通信接口模块包括至少一个接口，以连接至少一个所述第一终端设备；所述第二通信接口模块包括至少一个接口，以连接至少一个所述云平台。

可选的，所述边缘计算装置还包括：

供电模块，用于在断电情况下提供实时时钟，所述供电模块与所述主处理器模块连接；

功能型模块，用于导入和导出数据、外接显示器和重启系统，所述功能型模块与所述主处理器连接。

本发明实施例还提供一种共享方法，应用于所述边缘计算装置，所述共享方法包括：

获取第一终端设备的第一数据；

基于所述第一数据确定对应的目标云平台；

调用所述目标云平台的第一算法模型对所述第一数据进行数据处理，获得第一数据结果。

可选的，所述目标云平台的数量为一个或者多个。

可选的，当所述目标云平台的数量为N个时，所述调用所述目标云平台的第一算法模型对所述第一数据进行数据处理，获得第一数据结果包括：

调用N个所述目标云平台的算法模型同时对所述第一数据进行数据处理，获得N个所述第一数据结果；其中N>1，且N为整数。

可选的，所述获取第一终端设备的第一数据之前，所述方法还包括：

安装依赖包；所述依赖包用于所述边缘计算装置分别和所述第一终端设备及所述目标云平台之间建立通信连接。

可选的，所述调用所述目标云平台的第一算法模型对所述第一数据进行数据处理，获得第一数据结果之后，所述方法还包括：

将所述第一数据结果发送至所述目标云平台。

可选的，所述将所述数据结果发送至所述目标云平台之后，所述方法还包括：

在获取到第二数据的情况下，基于所述第二数据确定所述目标云平台；

调用所述目标云平台的第二算法模型对所述第二数据进行数据处理，获得第二数据结果；

其中，所述第二算法模型为所述目标云平台根据接收到的所述第一数据结果，对所述第一算法模型更新获得。

本发明实施例中，所述边缘计算装置通过调用所述至少一个云平台的算法模型，对所述第一终端设备采集的信号进行数据处理，实现了共享所述至少一个云平台的算法模型，这样相比现有技术中边缘计算装置采用自建算法库，自主开发算法的方式进行数据处理，本发明实施例可以提高边缘计算装置的资源利用率。

附图说明

图1是本发明实施例提供的一种边缘计算装置的示意图；

图2是本发明实施例提供的一种边缘计算装置的硬件架构图；

图3是本发明实施例提供的一种边缘计算装置的软件架构图；

图4是本发明实施例提供的一种边缘计算装置的跨云多应用共享架构图；

图5是本发明实施例提供的一种共享方法的流程图；

图6是本发明实施例提供的一种边缘计算装置的共享示意图；

图7是本发明实施例提供的一种边缘计算装置的共享流程图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

如图1所示，本发明实施例提供一种边缘计算装置的示意图，如图1所示，包括：主处理器模块11、第一通信接口模块12、第二通信接口模块13和存储模块14；所述存储模块14、所述第一通信接口模块12和所述第二通信接口模块13分别与所述主处理器模块11连接；所述第一通信接口模块12连接第一终端设备，所述第一终端设备用于采集信号；所述第二通信接口模块13连接至少一个云平台，以调用所述至少一个云平台的算法模型进行数据处理。

本发明实施例中，所述边缘计算装置通过调用所述至少一个云平台的算法模型，对所述第一终端设备采集的信号进行数据处理，实现了共享所述至少一个云平台的算法模型，这样相比现有技术中边缘计算装置采用自建算法库，自主开发算法的方式进行数据处理，本发明实施例可以提高边缘计算装置的资源利用率；同时降低了自主算法的开发和维护成本，提升设备利用效益。

如图2所示，本发明实施例提供一种边缘计算装置的硬件架构图。

在一些实施方式中，所述第一通信接口模块12又称为南向通信接口模块，提供与南向各类终端设备连接的接口。所述第一通信接口模块12包括：RJ45网口和RS232、RS485、CAN(控制器局域网络，Controller Area Network)、ProfiBus(程序总线网络，ProcessFIeld BUS)、DI/DO、继电器等接口。其中RJ45网口一共配置8个；包含1个千兆口，用于下联交换机，对多个摄像头进行汇聚的场景；包含7个百兆口，在百兆口中，设置了2个PoE((Power Over Ethernet))口，可用于对小功率摄像头的连接。RS232接口一共配置2个，1个DB9形式和1个接线柱形式。

所述第一通信接口模块12采用多接口设计，适配多种协议，可实现视频与各类物联网异构终端设备的综合接入。所述第一通信接口模块12支持各种主流厂家网络摄像机协议，如国标GB28181和ONVIF及各个主流厂家的私有协议。

在一些实施方式中，所述第二通信接口模块13又称为北向通信接口模块，包括：采用万兆RJ45网口的有线通信接口、支持4G/5G的无线通信接口、支持MIMO的多天线接口和SIM卡接口。所述第二通信接口模块13支持HTTPS和MQTT等网络通信协议，可与云平台及第三方服务交互，通过白盒化的硬件灵活加载不同的智能算法，实现应用下沉边缘和多用户共享。

所述存储模块14包括：内存(含DDR和FLASH)、SATA硬盘和SD存储卡座；另可满足外扩一块硬盘及一张存储卡的需求。

所述边缘计算装置采用通用硬件和开源软件，软硬件解耦且接口开放。

所述边缘计算装置尤其应关注算力、存储、通信、环境适应性及其工作性能。在算力方面，考虑CPU和GPU芯片的成熟度、可替代性、性能和成本，优先选择成熟商用、计算性能优、性价比高的通用芯片，同时兼顾AI(人工智能，Artificial Intelligence)模型支持能力、深度学习加速能力和总体拥有成本。在内存和存储方面，在冗余度和经济性之间做好平衡，做好各部分的能力匹配和统筹规划，并支持外挂硬盘扩展存储空间。在网络通信方面，上行方向(WAN)兼顾主流的通信方式，如4G/5G、网口等；接口带宽满足各种场景的业务需求；下行方向支持各类异构设备的接入方式，接口类型和数量较为丰富，接口可扩展可配置。

如图3所示，本发明实施例提供一种边缘计算装置的软件架构图。所述边缘计算装置提供操作系统和容器环境，支持有线和无线回传，集成开源微服务计算框架，提供开放接口，可对现场层的视频监控及物联网设备上报的数据进行汇聚和计算；所述边缘计算装置包含数据接入、协议转换、边缘管理和人工智能等功能，还将部分云端应用下沉，提供相应的边缘应用及服务。

a)所述边缘计算装置的基础操作系统采用Linux系统；

b)所述边缘计算装置采用开源Docker容器进行应用的管理和部署；

c)所述边缘计算装置集成开源边缘计算框架，对接入的摄像头、物联网传感器、数据采集器、DTU(Data Transfer unit)和网关等进行管理，包括设备服务、核心服务、支撑服务以及消息路由服务等等；

d)所述边缘计算装置整合边缘视频处理服务，包括视频分析框架(如NVIDIADeepStream)、整合视频算法库(如OPENCV)、深度学习库(如YOLO V3)和深度学习框架(如KERAS/TensorFlow)等等，对所述第一终端设备采集到的视频信号进行数据处理；

e)所述边缘计算装置的安全服务实现端到端安全认证和消息加密传输；

f)所述边缘计算装置的系统管理服务主要实现一个辅助管理功能；

g)所述边缘计算装置的应用接口服务提供北向应用接入与边缘能力开放共享的接口。

所述边缘计算装置的操作系统平台设计充分依照开源、可控的基本原则，优先选择经过市场充分验证，有大规模应用案例的操作系统。其它的开源软件包，如边缘计算框架、深度学习框架、数据库软件以及视频处理算法库等，充分依照业界评价排名、整体性能、综合技术难度和经济性进行选择，关键是确保软件和硬件的适配能力、运行效率和性能表现。云平台的架构设计需要基于容器的微服务模式，充分考虑未来可扩展、易维护和安全性要求。

如图4所示，本发明实施例提供一种边缘计算装置的跨云多应用共享架构图。所述边缘计算装置在实现多终端设备综合接入的同时，基于开放的架构及标准的接口，可实现设备能力在跨云多应用间的共享。所述边缘计算装置基于Docker的微服务架构，采用开放的接口，各模块间解耦，能力共享，实现多终端设备同时接入，实现跨云平台多应用对接。

a)通过设备服务，实现多协议解析与适配，完成数据采集和转发，并可通过下发命令对终端设备进行控制；

b)核心服务模块，主要实现对采集到的数据进行本地数据存储、分析和转发，并控制命令下发，也负责整个边缘系统的元数据管理，微服务注册与配置等工作；

c)应用接口服务，包括客户注册、数据导出配置、数据过滤和数据分发等功能，通过客户注册功能实现需要对接应用的合法性认证，通过客户配置，明确对接客户应用所采用的协议、地址/端口、数据过滤规则等，数据过滤和数据分发，则基于客户配置，将所需的数据转发给一个或多个应用，应用接口服务与云端之间采用TCP/IP、HTTP和MQTT等标准协议，可实现与多个云平台之间不同应用的同时对接。

本发明实施例中，所述第一终端设备用于采集信号，所述第一终端设备可以是摄像头、光敏传感器和声敏传感器等等，对此本发明实施例不作限定。所述边缘计算装置利用标准化、通用化和白盒化的硬件设计，开源化的软件设计，实现对接多个云平台，调用云平台的算法模型进行数据处理。这样相比现有技术中边缘计算装置采用自建算法库，自主开发算法的方式进行数据处理，本发明实施例可以提高边缘计算装置的资源利用率。

可选的，所述边缘计算装置应用于视频监控，所述主处理器模块11包括：中央处理器CPU和图形处理器GPU；所述第一终端设备用于采集图像信号；所述第一通信接口模块12包括至少一个接口，以连接至少一个所述第一终端设备；所述第二通信接口模块13包括至少一个接口，以连接至少一个所述云平台。

所述主处理器模块11包括CPU和GPU，所述CPU完成系统运行、管理和调度等通用计算处理；所述GPU具备强大的并行处理能力，专用于视频图像处理。在实际硬件实现时，为节省硬件空间，选用了同时集成CPU和GPU的处理器，提高所述边缘计算装置的数据处理能力。

所述第一通信接口模块12可以连接多个摄像头，以采集图像信号。所述第二通信接口模块13可以连接多个云平台，所述多个云平台可以拥有不同方向或不同效果的算法模型来进行数据处理。

可选的，所述边缘计算装置还包括：供电模块15，用于在断电情况下提供实时时钟，所述供电模块15与所述主处理器模块11连接；

功能型模块16，用于导入和导出数据、外接显示器和重启系统，所述功能型模块16与所述主处理器连接。

所述供电模块15采用直流电源接口，满足宽电压(12V-48V)输入；另配备3V纽扣电池接口和电池，以便在断电情况下提供实时时钟；集成PoE供电单元，以便在RJ45口实现供电功能。

所述功能型模块16包括：USB(通用串行总线，Universal Serial Bus)、MicroUSB、HDMI(高清多媒体接口，High Definition Multimedia Interface)、指示灯单元和复位单元等等。其中，USB用于导入和导出数据，MicroUSB用于固件升级和系统恢复，HDMI用于外接显示器，指示灯单元用于对电源、接口通信状态和系统告警灯等进行控制，复位单元用于系统重启与复位。

本发明面向以视频监控为主的业务场景，基于通用硬件和开源软件，研发白盒化的边缘计算装置，集成通用操作系统和Docker容器服务，整合微服务计算框架，再加上其计算、存储硬件能力的可扩展性，能满足同区域多业务、多用户的对边缘计算能力的共享需求。同时，针对当前自建算法库难以实时更新和维护成本高的问题，提供了一种在不同云环境以众包模式共享算法的方法，进一步拓展基础资源共享。

本发明实施例还提供了一种共享方法。

图5是本发明实施例提供的一种共享方法的流程图，所述方法应用于本发明实施例提供的边缘计算装置。

如图5所述，所述方法包括：

步骤501、获取第一终端设备的第一数据。

所述第一终端设备可以是摄像头、光敏传感器和声敏传感器等等，所述第一数据可以是视频、图片、文字或者语音等等。

步骤502、基于所述第一数据确定对应的目标云平台。

步骤503、调用所述目标云平台的第一算法模型对所述第一数据进行数据处理，获得第一数据结果。

所述边缘计算装置可对接一个或者多个云平台，实现跨云平台的不同应用之间的设备能力共享，提供了一种在不同云环境之间实现视频识别算法模型及算力共享的方法，实现外部能力的引入与共享。客户针对特定的监控场景、视频识别目标和自身需求，选取最适合的云平台及算法模型，采用“众包”创新模式满足综合监控需求。

可选的，所述目标云平台的数量为一个或者多个。

所述边缘计算装置提供足够多的接口，以连接至少一个云平台。

可选的，当所述目标云平台的数量为N个时，所述调用所述目标云平台的第一算法模型对所述第一数据进行数据处理，获得第一数据结果包括：

调用N个所述目标云平台的算法模型同时对所述第一数据进行数据处理，获得N个所述第一数据结果；其中N>1，且N为整数。

如图6所示，图6是本发明实施例提供的一种边缘计算装置的共享示意图。

所述边缘计算装置能够灵活部署和同时运行多种识别算法，并通过同时对接不同的云平台，按照各个云平台提供的规则，调用各云平台的边缘管理及云边协同能力，直接共享其各种成熟算法和云计算资源，一方面可以满足不同客户和不用应用的需求；另一方面基于生态的力量，实现了边缘计算算法模型的众包。整体思路如图6所示。

如图6所示，举例说明，云平台A的算法模型擅长处理火情检测，云平台B的算法模型擅长处理国土分析，云平台C的算法模型擅长处理车辆识别。云平台A、云平台B和云平台C可以属于不同的厂商。管理云平台的算法模型为自建的算法库，自主开发的算法。当管理云平台的算法模型不能满足客户需求，管理云平台的火情检测、国土分析或者车辆识别的数据处理能力较差时，所述边缘计算装置基于白盒化的硬件和开源化的软件，调用云平台A、云平台B和云平台C的算法模型，同时对所述第一终端设备采集的视频信号进行处理，得到火情检测结果、国土分析结果和车辆识别结果。云平台A、云平台B和云平台C的数据处理方式为并行处理，互不干扰，提高计算效率。

管理云平台通过云管系统，实现对所述边缘计算装置的管理，包括资源分配、调度管理和安全管理等，并实现协议适配和数据采集等设备相关的管理功能。云平台A、云平台B和云平台C为支持边缘计算的云平台。管理云平台设置开放的数据接口，用于分别与云平台A、云平台B或云平台C进行数据交互。

可选的，所述获取第一终端设备的第一数据之前，所述方法还包括：

安装依赖包；所述依赖包用于所述边缘计算装置分别和所述第一终端设备及所述目标云平台之间建立通信连接。

按照边缘管理平台的规则，在所述边缘计算装置上安装依赖包(Agent或SDK)。

可选的，所述调用所述目标云平台的第一算法模型对所述第一数据进行数据处理，获得第一数据结果之后，所述方法还包括：将所述第一数据结果发送至所述目标云平台。

所述边缘计算装置获得所述第一数据结果之后，将所述第一数据结果回传至所述目标云平台，同时所述边缘计算装置的上层应用可通过各目标云平台开放的API(应用程序接口，Application Programming Interface)相互访问数据。

可选的，所述将所述第一数据结果发送至所述目标云平台之后，所述方法还包括：

在获取到第二数据的情况下，基于所述第二数据确定所述目标云平台；

调用所述目标云平台的第二算法模型对所述第二数据进行数据处理，获得第二数据结果；

其中，所述第二算法模型为所述目标云平台根据接收到的所述第一数据结果，对所述第一算法模型更新获得。

所述边缘计算装置接入所述目标云平台，借用云平台的云边协同能力，共享云平台的算法模型和处理能力，如图7所示。

所述边缘计算装置将所述第一数据结果上传至所述目标云平台，存入数据库。所述目标云平台针对新上传的数据结果，将这些数据结果加入训练集，做进一步的模型训练，得到新的算法模型，并将新的算法模型打包成镜像，发布到算法库，以便在必要时更新边缘计算装置的算法模型。所述边缘计算装置与所述目标云平台协同运行，在不同云环境之间实现视频识别算法模型及算力共享，实现外部云平台能力的引入与共享。

本发明实施例中，所述边缘计算装置通过调用所述至少一个云平台的算法模型，对所述第一终端设备采集的信号进行数据处理，实现了共享所述至少一个云平台的算法模型，这样相比现有技术中边缘计算装置采用自建算法库，自主开发算法的方式进行数据处理，本发明实施例可以提高边缘计算装置的资源利用率。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (9)

1.一种边缘计算装置，其特征在于，包括：主处理器模块、第一通信接口模块、第二通信接口模块和存储模块；所述存储模块、所述第一通信接口模块和所述第二通信接口模块分别与所述主处理器模块连接；所述第一通信接口模块连接第一终端设备，所述第一终端设备用于采集信号；所述第二通信接口模块连接至少一个云平台，以调用所述至少一个云平台的算法模型进行数据处理。

2.如权利要求1所述的边缘计算装置，其特征在于，所述边缘计算装置应用于视频监控，所述主处理器模块包括：中央处理器CPU和图形处理器GPU；所述第一终端设备用于采集图像信号；

所述第一通信接口模块包括至少一个接口，以连接至少一个所述第一终端设备；所述第二通信接口模块包括至少一个接口，以连接至少一个所述云平台。

3.如权利要求1所述的边缘计算装置，其特征在于，所述边缘计算装置还包括：

供电模块，用于在断电情况下提供实时时钟，所述供电模块与所述主处理器模块连接；

功能型模块，用于导入和导出数据、外接显示器和重启系统，所述功能型模块与所述主处理器连接。

4.一种共享方法，应用于权利要求1至3所述的边缘计算装置，其特征在于，所述方法包括：

获取第一终端设备的第一数据；

基于所述第一数据确定对应的目标云平台；

调用所述目标云平台的第一算法模型对所述第一数据进行数据处理，获得第一数据结果。

5.如权利要求4所述的共享方法，其特征在于，所述目标云平台的数量为一个或者多个。

6.如权利要求5所述的共享方法，其特征在于，当所述目标云平台的数量为N个时，所述调用所述目标云平台的第一算法模型对所述第一数据进行数据处理，获得第一数据结果包括：

调用N个所述目标云平台的算法模型同时对所述第一数据进行数据处理，获得N个所述第一数据结果；

其中N>1，且N为整数。

7.如权利要求4所述的共享方法，其特征在于，所述获取第一终端设备的第一数据之前，所述方法还包括：

安装依赖包；所述依赖包用于所述边缘计算装置分别和所述第一终端设备及所述目标云平台之间建立通信连接。

8.如权利要求4所述的共享方法，其特征在于，所述调用所述目标云平台的第一算法模型对所述第一数据进行数据处理，获得第一数据结果之后，所述方法还包括：

将所述第一数据结果发送至所述目标云平台。

9.如权利要求8所述的共享方法，其特征在于，所述将所述第一数据结果发送至所述目标云平台之后，所述方法还包括：

在获取到第二数据的情况下，基于所述第二数据确定所述目标云平台；

调用所述目标云平台的第二算法模型对所述第二数据进行数据处理，获得第二数据结果；

其中，所述第二算法模型为所述目标云平台根据接收到的所述第一数据结果，对所述第一算法模型更新获得。

Images