CN115641404B - 一种基于实景三维建模技术的移动快速建模系统 - Google Patents

Abstract

本发明提供了一种基于实景三维建模技术的移动快速建模系统，所述系统包括：航拍系统、智能资源分配调度系统以及外围系统。所述的采用无人机实时航拍空三加密获得建模用数据，并紧接着进行点云计算和加密密钥获取，以完成纹理映射的三维网格移动式的建模，提高了适应于野外和应急对于模型获取的急迫性的要求的建模效率。系统基于稀疏点云和稠密点云的立体几何图形中的随机点选取运算得到加密密钥的特有技术，实现了建模用数据的安全可靠。系统基于硬件资源池化管理的基础上，将移动建模任务进行分解，采用空闲栈队和请求列队的配合完成池化资源的智能调度，提高了移动建模的效率。

Description

一种基于实景三维建模技术的移动快速建模系统

技术领域

本发明涉及移动快速建模系统,尤其涉及一种基于实景三维建模技术的移动快速建模系统，属于新型基础测绘领域。

背景技术

实景三维建模技术是新型基础测绘的主要技术手段之一，是实现“实景三维中国”建设的基础，多视角、高分辨率等需求产生了庞大的地理数据，因此对实景三维建模软件和计算机硬件资源配置整合提出了更高的要求。特别是面对自然灾害应急、野外机动勘察等应用场景，如何能够快速的、随时随地的展开实景三维建模工作，是亟需解决的问题。

目前的应急测绘保障工作已经可以实现二维正射影像数据(DOM/TDOM)测绘成果的快速绘制，经过再次加工，可以获得灾害区域三维地形信息，但是不能提供包含地表附着物在内的实景三维信息。通过实景三维建模技术获得的测绘成果不仅可以包含地形地物等实景信息，而且具有更高的精细度。但是由于实景三维技术获取的数据量大、计算时间长、所需硬件资源要求高等特点，在野外应急测绘保障中没有得到普遍应用。一般都是将现场测绘采集数据回传后进行计算，不能满足如应急测绘、行军前勘测勘察、野外任务保障等任务的限时性需求。此外，如果想要快速得到实景三维建模成果，需要的硬件资源会增加，一般需要专门的人和场地进行管理。因此需要从软件和硬件两个方面着手从而实现野外快速移动实景三维建模。

三维实景建模是数字地图建设的基础,庞大的地理数据对计算机系统和及其资源配置整合,以及数据安全提出了更高的要求。应急或者机动场景，一方面需要回传处理，一方面处理的数据是平面的。后来有了实景三维建模软件后，由于对硬件有需求，需要GPU，CPU同时存在，所以也得回传到办公室处理，导致现场单机处理效率低，供电也不能保证。

目前的应急测绘保障工作中测绘成果DEM和DOM等产品，仅能提供区域影像和基础三维地形信息，并不能提供包含足够细节信息和地上附着物信息的三维场景信息。倾斜实景三维模型则能够包含上述信息。但是应急测绘保障工作对于时效性有较高的要求。常规生产中，倾斜实景三维模型多采用工作站集群方式进行生产，且数据量大。将数据传输回生产基地或者现场生产都存在一些限制条件。

对于数据安全，现有技术虽然使用了空三加密，需要获取至少三幅实景图像，并基于三幅实景图像获取的所有加密点的高程和平面位置信息作为加密的基础。然而如果以少数的多幅完整的图像，例如三幅实景图像作为加密基础，一旦该三幅实景图像被某种原因而截获，则增加了被破译解码的可能。因此密码学的原理还在于一种未知的不确定性，也即无法知晓其加密的规律，以及规律本身的复杂性。如何考虑加强空三加密是摆在科学技术人员面前的一道亟待解决的问题。

现有技术采用图形算法以及附加码获得综合的一个密钥数值，由于附加码容易因各种方式可能被窃取，因此附加码的加入一定概率上不能形成双保险。并且图形的算法本身也是基于二维平面图形，并且密码数值就在图形的边界上的取点，属于公开的取点方式，相对降低了解码的难度，因此仍然存在改进以增加解码的难度的可能性。

此外现有技术虽然能够进行任务分配，进行资源调度，但是对于分配上来说仍然需要寻找空闲的GPU、CPU是低效率的。因为需要设定一定的寻找程序，GPU，CPU则是被动处于被分配调度的地位。

发明内容

为了解决上述问题，本发明从以下两个方面考虑，第一在建模软件层面，采用空三分布式策略，将实景三维建模技术中的空三加密过程，并且对于空三加密的图像考虑建模原始相片数据的流程分段，形成视频流，基于视频流中的图像进行加密，第二，硬件层面考虑一种资源池化技术，并将建立基于硬件资源主动报告的空闲栈队而省去了对于空闲资源节点的寻找时间。

为了解决上述问题，本发明提供了一种基于实景三维建模技术的移动快速建模系统，所述系统包括：航拍系统、智能资源分配调度系统以及外围系统。其中，所述航拍系统通过无人机进行实景的拍摄，并形成多视角影像数据、所述视频流数据发送给所述智能资源分配调度系统；所述智能资源分配调度系统包括硬件集群一体机、分布式实景三维建模软件以及硬件资源智能调度系统；所述外围系统包括大容量固态硬盘，能够接收无人机发来的多视角影像数据、视频流数据并将所述多视角影像数据、视频流数据发送给所述大容量固态硬盘的地面无线数据接收传送器，KVM，千兆交换机，显示器，鼠标键盘，移动电源；其中，所述硬件集群一体机与外围系统电连接。

其中，所述分布式实景三维建模软件包括主管理器master和计算引擎fuser，其中主管理器master负责建模工程参数配置、建模任务分解形成队列；计算引擎fuser负责从任务队列中取任务，然后请求并接收分配所述硬件集群一体机中的硬件资源，执行计算任务。

其中，所述任务分解形成队列由如下步骤进行：

S1无人机航拍步骤，形成航拍多视角影像、视频流数据；

S2对S1中形成的航拍多视角影像和/或视频流数据进行空三加密步骤，形成稀疏点云，并基于所述稀疏点云形成第一密钥；

S3根据S2形成的稀疏点云建立稠密点云；

S4根据S3建立的稠密点云建立三维网络模型；

S5纹理映射所述三维网络模型得到三维实景模型，并采用所述第一密钥对得到的三维实景模型进行加密；

S6将S1-S5分解成的五个任务步骤放到任务队列里，所述任务队列包含了处理的子任务信息和所需的资源信息，一旦调度成功而分配到硬件资源，则开始计算，实现空中三角测量解算，得到稀疏点云，稀疏点云加密，得到稠密点云，根据稠密点云进行三角网模型构建，然后对三角网模型进行纹理自动映射，得到纹理MESH模型。

所述S1中的子任务包括：

S1-1根据任务需要使用无人机对所需的区域进行航拍，记录航拍中的视频，形成多视角影像数据、视频流数据；其中所述无人机为多翼无人机，搭载有高清遥感影像仪和无线数据传送装置，用于将拍摄的多视角影像数据、视频流数据传送给地面无线数据接收传送器，其中高清遥感影像仪具有多个传感器，用于采集其拍摄的每一帧实景图像，对于每一帧至少采集三幅实景图像；

S1-2将所述多视角影像数据、视频流数据实时传送给地面无线数据接收传送器。

所述S2中的子任务包括：

S2-1建立区域的地理坐标系C，通过图像匹配所述每一帧中的至少三幅实景图像中具有相同特征信息的特征点，得到匹配点，通过对所述匹配点进行反算，即空中三角测量(空三加密)，以获得所述匹配点的空间地理坐标，进而获得具有所述空间地理坐标的匹配点的图像，成为稀疏点云图像帧，使用第一随机抽取算法对视频流中空中三角测量(空三加密)获得的多个稀疏点云图像帧进行预设数目的帧抽取并且按抽取的先后顺序排列形成多幅稀疏点云图像帧的序列，其中包含了目标帧；其中，所述预设数目为不少于4；

可以理解的是，所述预设数目即为多幅的幅数，所述的多视角影像数据、视频流数据经过处理成稀疏点云图像帧时即成为稀疏点云。

S2-2根据第一预设的多个坐标点，在所述多幅稀疏点云图像帧中的每一帧中找到，并以每一个第一预设的所述坐标点为重心或对称中心，形成多个不全等或全等的立体几何图形A；

S2-3根据第一随机算法，对于包含在多个立体几何图形A中的点分别进行预设个数的多个点的选取，获得被选取的点进行第一随机排序；

对于每个立体几何图形A中，对第一随机排序好的所选取的点中的每个点的横坐标值与纵坐标值进行运算，并按照所述第一随机排序结果将运算结果排列获得一第一密钥数值，将所有立体几何图形A中得到的第一密钥数值进行二次第一随机排序，形成一个数值，即为第一密钥；

其中，优选地，所述立体几何图形A的类型为球、球冠、球缺，平行六面体，正棱锥，且至少有两个所述立体几何图形A为不同的类型，或者，所述立体几何图形A的类型为球、长方体、立方体、正四棱锥，且至少有两个所述立体几何图形A为不同的类型。

优选地，所述每一帧中至少存在两个所述立体几何图形A，且至少有两个所述立体几何图形A不全等；

优选地，所述第一预设的多个坐标点的个数不少于4个，所述目标帧的个数为至少一个；

优选地，所述第一随机抽取算法、第一随机算法、第一随机排序、二次第一随机排序所基于的算法全相同或至少有两者不同。

优选地，所述多个点的选取个数为3-100。

可选地，所述基于的算法具体为Shuffle算法，Random算法，Sherwood、LasVegas中至少一种。

优选地，所述运算包括将横坐标值与纵坐标值代入一个第一预设的二元函数中得到二元函数值，以得到第一密钥数值。二元函数值即为第一密钥数值。

所述S3中的子任务包括：

S3-1设置采样间隔；

S3-2提取所述多幅稀疏点云图像帧中除稀疏点外数据信息的特征点；

S3-3匹配所选取至少三幅实景图像中具有相同数据信息的特征点，得到所述多幅稀疏点云图像帧所对应的多幅稠密点云图像帧，仍然按照多幅稀疏点云图像帧序列的排序不变。

优选地，步骤S3-3之后还包括：

S3-4根据第二预设的多个坐标点，在所述多幅稠密点云图像帧中的每一帧中找到，并以每一个第二预设的所述坐标点为重心或对称中心，形成多个不全等或全等的立体几何图形B；

S3-5根据第二随机算法，对于包含在多个立体几何图形B中的点分别进行预设个数的多个点的选取，获得被选取的点进行第二随机排序；

对于每个立体几何图形B中，对第二随机排序好的所选取的点中的每个点的横坐标值与纵坐标值进行运算，并按照所述第二随机排序结果将运算结果排列获得一第二密钥数值，将所有立体几何图形B中得到的第二密钥数值进行二次第二随机排序，形成一个数值，即为第二密钥；

其中，优选地，所述立体几何图形B的类型为球、球冠、球缺，平行六面体，正棱锥，且至少有两个所述立体几何图形B为不同的类型，或者，所述立体几何图形B的类型为球、长方体、立方体、正四棱锥，且至少有两个所述立体几何图形B为不同的类型。

优选地，所述每一帧中至少存在两个所述立体几何图形B，且至少有两个所述立体几何图形B不全等；

更优选地，第二预设的多个坐标点与第一预设的多个坐标点坐标全同，或至少有两个之间互不同。

更优选地，对于所述每一帧中所述立体几何图形B与其对应的稀疏点云图像中的所述立体几何图形A类型不同。

优选地，所述第二预设的多个坐标点的个数不少于4个；

优选地，所述第二随机算法、第二随机排序、二次第二随机排序所基于的算法全相同或至少有两者不同。

可选地，所述基于的算法具体为Shuffle算法，Random算法，Sherwood、LasVegas中至少一种。

优选地，所述多个点的选取个数为3-100，对于在多个立体几何图形A中选取个数，与和其对应的同一副稠密点云图像中的多个立体几何图形B中选取个数相同或者不同。

优选地，所述运算包括将横坐标值与纵坐标值代入一个第二预设的二元函数中得到二元函数值，以得到第二密钥数值。二元函数值即为第二密钥数值。

可选地，获得第一密钥和第二密钥过程中所述运算所使用的二元函数相同或者不同。

优选地，得到多幅稠密点云图像帧之后，还包括：补充所述目标帧对应的所述稠密点云图像的地物细节。

所述S4中的子任务包括：

利用检测算法，对目标帧对应的稠密点云图像计算得到三维网格模型，具体包括；

S4-1利用所述检测算法，确定所述目标帧对应的稠密点云图像的边界；

S4-2锐化所述边界；

S4-3优化所述三维网格模型。

所述S5中的子任务包括：

S5-1划分所述三维网格模型为至少两个网格子区域；

S5-2纹理映射任一所述网格子区域，并采用所述第一密钥和/或第二密钥对所述纹理映射后的三维实景模型进行加密。

所述硬件集群一体机包括多台迷你计算机，每一台所述迷你计算机都包括CPU和GPU作为硬件资源，通过板载交换芯片完成网络聚合，通过聚合接口进行无限扩展，所有CPU和GPU的计算资源采用所述硬件资源智能调度系统进行池化管理，实现基于软件的任务自动队列管理，优先级控制，实现自动调度、按需调度，其中，每一个CPU和GPU都具备空闲状态报告功能，当其工作状态存在空闲状态时则自动发出空闲指令给所述硬件资源智能调度系统。硬件集群一体机体积小，可以随身携带，外围移动电源的供电条件满足野外使用。

优选地，所述池化管理包括利用每一台所述迷你计算机ip和机器名进行所有硬件资源的组织，形成资源池。

当所述CPU和GPU工作状态存在空闲状态时(例如未被占用或被释放之后)则自动发出空闲指令给所述硬件资源智能调度系统，所述硬件资源智能调度系统将按照接收到的空闲指令的顺序建立空闲栈队，所述硬件资源智能调度系按照所述空闲栈队中的顺序调用节点资源分配给相应的任务和/或子任务，当空闲栈队中的第一个位置空闲节点被根据所述ip和机器名而进行调用后，后面第二个空闲节点排到第一个位置，后面节点仿此前挪位置，在空闲栈队中连续排列所有空闲节点，等待被所述硬件资源智能调度系统调用；

当所述空闲栈队为空时，所述硬件资源智能调度系统按请求时间顺序记录计算引擎fuser发来的资源请求，形成请求列队，一旦所述空闲栈队不为空时，即刻根据第一个空闲节点的ip和机器名调用该第一个空闲节点中的节点资源用于响应所述请求列队中第一个请求位置的请求以分配该节点资源，直到按序响应完毕所有请求列队中的请求并分配完毕相应的空闲节点对应的节点资源，当计算引擎fuser执行完毕请求对应的任务和/或子任务时，所述硬件资源智能调度系统释放该被调用的资源，此时该资源即刻发出空闲指令给所述硬件资源智能调度系统，用于空闲栈队的排序处理。如此按照空闲栈队和请求列队的配合智能调度机制实现了基于资源池化的自动队列管理，优先级控制，实现自动调度、按需调度。

优选地，所述CPU和GPU都为多核架构，此时每个核都具备空闲状态报告功能。

更优选地，所述CPU和GPU的选择方式为，在执行预定数目的建模任务之后，在建模过程中形成所述请求列队的时间最短的。

可以理解的是，当建模过程中形成所述请求列队时，说明硬件资源的占用率很高，供不应求，因此如何提高硬件的性能和增加CPU和GPU数量成为尽可能减少请求列队形成的时长，避免任务挤压得不到快速执行的问题。

因此，优选地，所述CPU和GPU的选择方式为选择处理效率高，和/或增加CPU和/或GPU个数。

所述硬件资源智能调度系统与分布式实景三维建模软件协作，持续监控fuser的进度、状态和处理要求，实现根据每个建模工程的资源需求动态分配和释放计算引擎fuser使用的硬件资源。

有益效果

1.系统体积小，适用于野外和应急的快速测绘及实景三维建模；

2.采用无人机实时航拍空三加密获得建模用数据，并紧接着进行点云计算和加密密钥获取，以完成纹理映射的三维网络移动式的建模，这种边获取建模数据边进行加密和建模的移动建模方式，进一步提高了适应于野外和应急对于模型获取的急迫性的要求的建模效率。

3.采用基于稀疏点云和稠密点云的立体几何图形中的随机点选取运算得到加密密钥的特有技术，实现了建模用数据的安全可靠。

4.基于硬件资源池化管理的基础上，将移动建模任务进行分解，采用空闲栈队和请求列队的配合完成池化资源的智能调度，提高了移动建模的效率。

5.以请求列队的产生的时长来进一步选取高性能的硬件资源，使得系统能够在建模实践中方便地得到更新换代的方法。

附图说明

图1基于实景三维建模技术的移动快速建模系统构造示意简图；

图2智能资源分配调度系统内部构造以及智能调度过程的示意图；

图3本发明实施例2对于第一密钥和第二密钥形成的过程总示意图；

图4基于目标帧的三维网络模型建立以及模型加密和解码过程示意图；

图5本发明实施例4中智能调度方法的步骤流程图。

具体实施方式

实施例1

本实施例给出了一种基于实景三维建模技术的移动快速建模系统的实施例，如图1和2所示，所述系统包括：航拍系统，智能资源分配调度系统(图1和图2未示出)，以及外围系统(图1和图2未示出)。其中，所述航拍系统通过无人机进行视频流的拍摄，并将所述视频流发送给所述智能资源分配调度系统，所述智能资源分配调度系统包括了10台迷你计算机组成的硬件集群一体机、分布式实景三维建模软件(存储于硬件集群一体机的存储器中，图2未示出)，以及硬件资源智能调度系统，所述外围系统包括大容量固态硬盘，能够接收无人机发来的多视角影像数据、视频流数据并形成多视角影像数据、视频流数据发送给所述大容量固态硬盘(＞2TB)的地面无线数据接收传送器(图1和图2未示出)，包括KVM、千兆交换机、显示器、鼠标键盘、移动电源。其中，所述硬件集群一体机与外围系统电连接。

实施例2

本实施例给出了智能资源调度中任务分解以及密钥形成的一个实施例，如图2所示所述分布式实景三维建模软件包括主管理器master(图2未示出)和计算引擎fuser，其中主管理器master负责建模工程参数配置、建模任务分解形成队列；计算引擎fuser负责从任务队列中取任务，然后请求并接收分配所述硬件集群一体机中的硬件资源，执行计算任务。

其中，所述任务分解形成队列由如下步骤进行：

S1无人机航拍步骤，形成航拍视频流；

S2对S1中形成的航拍多视角影像数据、视频流数据进行空三加密步骤，形成稀疏点云，并基于所述稀疏点云形成第一密钥；

S3根据S2形成的稀疏点云建立稠密点云；

S4根据S3建立的稠密点云建立三维网络模型；

S5纹理映射所述三维网络模型得到三维实景模型，并采用所述第一密钥对得到的三维实景模型进行加密；

S6将S1-S5分解成的五个任务步骤放到任务队列里(如图2所示)，所述任务队列包含了处理的子任务信息和所需的资源信息，一旦调度成功而分配到硬件资源，则开始计算。

所述S1中的子任务包括：

S1-1根据任务需要使用无人机对所需的区域进行航拍，记录航拍中的多视角影像数据、以及视频形成视频流数据，其中所述无人机为多翼无人机，搭载有高清遥感影像仪，无线数据传送装置(图1未示出)，用于将拍摄的多视角影像数据、视频流数据传送给地面无线数据接收传送器，其中高清遥感影像仪具有多个传感器，用于采集其拍摄的每一帧实景图像，对于每一帧采集三幅实景图像；

S1-2将所述多视角影像数据、视频流数据实时传送给地面无线数据接收传送器。

所述S2中的子任务包括：

S2-1建立区域的地理坐标系C，如图3所示，通过图像匹配所述每一帧中的三幅实景图像中具有相同特征信息的特征点，得到匹配点，通过对所述匹配点进行空中三角测量(空三加密)获得所述匹配点的空间地理坐标，进而获得具有所述空间地理坐标的匹配点的图像，成为多个稀疏点云图像帧，帧1，帧2，...，帧n，...，形成稀疏点云视频流，使用第一随机抽取算法Shuffle对视频流中空中三角测量(空三加密)获得的多个稀疏点云图像帧进行4个帧的抽取并且按抽取的先后顺序排列形成多幅稀疏点云图像帧的序列，其中第一帧为目标帧；

S2-2根据第一预设的4个坐标点a，b，c，d，在4幅稀疏点云图像帧中的每一帧中找到，并以每一个第一预设的所述坐标点为重心，分别形成球a、正四棱锥b、正方体c、长方体d；

S2-3根据第一随机算法Random，对于包含在球a、正四棱锥b、正方体c、长方体d中的点行进选取，分别获得6个、4个、5个、5个的点，获得被选取的点进行第一随机排序(Sherwood)，形成排序的点，将球a、正四棱锥b、正方体c、长方体d中的各自所有第一随机排序好的选取的点的横坐标值x与纵坐标值y代入f(x,y)＝x+y中进行运算并按照第一随机排序结果排序，分别获得第一密钥数值C1,C2,C3,C4，将所有点的第一密钥数值进行二次第一随机排序(LasVegas)，结果形成一个数值，即为第一密钥C3C2C1C4。

可以理解的是，C1,C2,C3,C4分别由6个、4个、5个、5个实数排列构成，优选的可以进行取整或小数点后一位四舍五入。

仍然如图3所示，所述S3中的子任务包括：

S3-1设置采样间隔；

S3-2提取所述4幅稀疏点云图像帧中除稀疏点外数据信息的特征点；

S3-3匹配所选取三幅实景图像中具有相同数据信息的特征点，得到所述4幅稀疏点云图像帧所对应的4幅稠密点云图像帧，仍然按照4幅稀疏点云图像帧序列的排序不变(即按照Shuffle算法选取顺序排序)。

S3-4根据第二预设的4个与对应的坐标点a，b，c，d都不同的坐标点a'，b'，c'，d'，在所述4幅稠密点云图像帧中的每一帧中找到，并以每一个第二预设的所述坐标点为重心，形成分别形成球a'、正四棱锥b'、正方体c'、长方体d'；

S3-5根据第二随机算法Random，同样对于包含在球a'、正四棱锥b'、正方体c'、长方体d'中的点行进选取，分别获得6个、4个、5个、5个的点，获得被选取的点同样进行第二随机排序(Sherwood)，形成排序的点，将球a'、正四棱锥b'、正方体c'、长方体d'中的各自所有第二随机排序好的选取的点的横坐标值x与纵坐标值y代入同样的二元函数f(x,y)＝x+y中进行运算并同样按照第一随机排序结果排序，分别获得第二密钥数值C5,C6,C7,C8，将所有点的第二密钥数值进行同样的二次第二随机排序(LasVegas)，结果形成另一个数值，即为第二密钥C8C6C7C5。

同理，C5,C6,C7,C8也分别由6个、4个、5个、5个实数排列构成，优选的可以进行取整或小数点后一位四舍五入。

实施例3

本实施例为继续实施例2对于剩余的任务的执行，其中所述S4中的子任务包括：

利用检测算法，对目标帧对应的稠密点云图像计算得到三维网格模型，如图4所示，选取图3中的目标帧对应的稠密点云图像计算得到三维网格模型，具体包括；

S4-1利用所述检测算法，确定所述目标帧对应的稠密点云图像的边界；

S4-2锐化所述边界；

S4-3优化所述三维网格模型。

所述S5中的子任务包括：

S5-1划分所述三维网格模型为两个网格子区域，包括上下两个半区，用于区分不同建筑或者地表的材质植被、或土壤类型。

S5-2纹理映射所述网格子上半区域，并采用所述第一密钥和第二密钥对所述纹理映射后的三维实景模型进行加密，获得空白图像。解密时需要输入第一密钥和第二密钥才能获得纹理映射的三维实景模型结果。

实施例4

本实施例主要介绍本发明的资源池化以及资源的智能调度方法。

实施例1中的所述硬件集群一体机的每一台所述迷你计算机都包括CPU和GPU作为硬件资源，通过板载交换芯片完成网络聚合，通过聚合接口进行无限扩展，所有CPU和GPU的计算资源采用所述硬件资源智能调度系统进行池化管理，实现基于软件的任务自动队列管理，优先级控制，实现自动调度、按需调度，其中，每一个CPU和GPU都具备空闲状态报告功能，当其工作状态存在空闲状态时则自动发出空闲指令给所述硬件资源智能调度系统，硬件集群一体机体积小，可以随身携带，移动电池的供电条件满足野外使用。

如图2所示，所述硬件集群一体机按照每个所述CPU和GPU中的每个核的资源进行机器名和ip的资源化设置，存放到资源池中。

分布式实景三维建模软件通过任务分解，将实施例2和3的各任务S1-S5通过五个任务步骤放到任务队列里，形成任务队列。

当所述CPU和GPU工作状态存在空闲状态时(例如未被占用或被释放之后)则自动发出空闲指令给所述硬件资源智能调度系统，所述硬件资源智能调度系统将按照接收到的空闲指令的顺序建立空闲栈队，所述硬件资源智能调度系按照所述空闲栈队中的顺序调用空闲的节点资源分配给fuser所请求的任务和/或子任务。

当空闲栈队中的第一个位置空闲节点被根据所述ip和机器名而进行调用后，后面第二个空闲节点排到第一个位置，后面节点仿此前挪位置，在空闲栈队中连续排列所有空闲节点，等待被所述硬件资源智能调度系统调用。

当所述空闲栈队为空时，所述硬件资源智能调度系统按请求时间顺序记录计算引擎fuser发来的资源请求，形成请求列队，一旦所述空闲栈队不为空时，即刻根据第一个空闲节点的ip和机器名调用该第一个空闲节点中的节点资源用于响应所述请求列队中第一个请求位置的请求以分配该节点资源，直到按序响应完毕所有请求列队中的请求并分配完毕相应的空闲节点对应的资源，当计算引擎fuser执行完毕请求对应的任务和/或子任务时，所述硬件资源智能调度系统释放该被调用的资源，此时该资源即刻发出空闲指令给所述硬件资源智能调度系统，用于空闲栈队的排序处理，如此实现了基于资源池化的自动队列管理，优先级控制，实现自动调度、按需调度。

如图5所示，具体的智能调度方法，包括：(1)当计算引擎fuser发来请求之后，所述硬件资源智能调度系统判断空闲栈队中是否存在空闲节点，如果有则按空闲栈队排序调用空闲节点中的节点资源；(2)所述空闲栈队中第二个空闲节点排到第一个位置，其后的空闲节点紧随排列；(3)判断请求列队是否为空，如果是则返回等候计算引擎fuser发来下一个请求，如果否则返回执行(1)中所述硬件资源智能调度系统判断空闲栈队中是否存在空闲节点及其之后的直到本步骤(3)的步骤。

步骤(1)中如果空闲栈队中不存在空闲节点，则将计算引擎fuser发来请求发来的时间顺序记录形成请求列队，并接着不断循环判断空闲栈队中是否存在空闲节点，如否，则继续循环判断，如是，则继续执行步骤(1)中的按空闲栈队排序调用空闲节点及其之后的直到步骤(3)的步骤；

其中所述空闲栈队通过如下步骤形成：(P1)判断任务和/或子任务完成，则计算引擎fuser释放占用的资源给所述硬件资源智能调度系统放出释放指令；(P2)所述硬件资源智能调度系统根据所述释放指令释放资源；(P3)被释放的资源即刻发出空闲指令给所述硬件资源智能调度系统，使得所述硬件资源智能调度系统将根据该被释放的资源的机器名和ip而按收到的空闲指令的顺序将该被释放的资源按空闲栈队中的位置顺序排列到空闲栈队中。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：在本发明的精神和原则之内，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案脱离本发明的保护范围。

Claims (18)

1.一种基于实景三维建模技术的移动快速建模系统，其特征在于，所述系统包括：航拍系统、智能资源分配调度系统以及外围系统；其中，所述航拍系统通过无人机进行实景的拍摄，并将形成的多视角影像数据、视频流数据发送给所述智能资源分配调度系统；所述智能资源分配调度系统包括硬件集群一体机、分布式实景三维建模软件以及硬件资源智能调度系统；所述外围系统包括大容量固态硬盘、KVM、千兆交换机、显示器、鼠标键盘、移动电源以及地面无线数据接收传送器，所述地面无线数据接收传送器能够接收无人机发来的多视角影像数据、视频流数据并将所述多视角影像数据、视频流数据发送给所述大容量固态硬盘；其中，所述硬件集群一体机与外围系统电连接；

其中，所述分布式实景三维建模软件包括主管理器master和计算引擎fuser，其中主管理器master负责建模工程参数配置、建模任务分解形成队列；计算引擎fuser负责从任务队列中取任务，然后请求并接收分配所述硬件集群一体机中的硬件资源，执行计算任务；

所述任务分解形成队列由如下步骤进行：

S1无人机航拍，形成航拍多视角影像数据、视频流数据；

S2对S1中形成的航拍多视角影像数据、视频流数据进行空三加密，形成稀疏点云，并基于所述稀疏点云形成第一密钥；

S3根据S2形成的稀疏点云建立稠密点云；

S4根据S3建立的稠密点云建立三维网格模型；

S5纹理映射所述三维网络模型得到三维实景模型，并采用所述第一密钥对得到的三维实景模型进行加密；

S6将S1-S5分解成的五个任务步骤放到任务队列里；所述任务队列包含了处理的子任务信息和所需的资源信息，一旦调度成功而分配到硬件资源，则开始计算，实现空中三角测量解算得到稀疏点云，稀疏点云加密得到稠密点云，根据稠密点云进行三维网格模型构建，然后对三维网格模型进行纹理自动映射，得到纹理MESH模型；

所述S3中的子任务包括：S3-1设置采样间隔；S3-2提取所述多幅稀疏点云图像帧中除稀疏点外数据信息的特征点；S3-3匹配所选取至少三幅实景图像中具有相同数据信息的特征点，得到所述多幅稀疏点云图像帧所对应的多幅稠密点云图像帧，仍然按照多幅稀疏点云图像帧序列的排序不变；

所述S1中的子任务包括：

S1-1根据任务需要使用无人机对所需的区域进行航拍，记录航拍中的视频，形成多视角影像数据、视频流数据；其中所述无人机为多翼无人机，搭载有高清遥感影像仪和无线数据传送装置，用于将拍摄的多视角影像数据、视频流数据传送给地面无线数据接收传送器；其中高清遥感影像仪具有多个传感器，用于采集其拍摄的每一帧实景图像，对于每一帧至少采集三幅实景图像；

S1-2将所述多视角影像数据、视频流数据实时传送给地面无线数据接收传送器；

所述S2中的子任务包括：

S2-1建立区域的地理坐标系C，通过图像匹配所述每一帧中的至少三幅实景图像中具有相同特征信息的特征点，得到匹配点；通过对所述匹配点进行反算，即空中三角测量，以获得所述匹配点的空间地理坐标，进而获得具有所述空间地理坐标的匹配点的图像，成为稀疏点云图像帧；使用第一随机抽取算法对视频流中空中三角测量获得的多个稀疏点云图像帧进行预设数目的帧抽取并且按抽取的先后顺序排列形成多幅稀疏点云图像帧的序列，其中包含了目标帧；其中，所述预设数目为不少于4；

S2-2在所述多幅稀疏点云图像帧中的每一帧中找到第一预设的多个坐标点，并以每一个第一预设的所述坐标点为重心或对称中心，形成多个不全等或全等的立体几何图形A；

S2-3根据第一随机算法，对于包含在多个立体几何图形A中的点分别进行预设个数的多个点的选取，获得被选取的点进行第一随机排序；

对于每个立体几何图形A中，对第一随机排序好的所选取的点中的每个点的横坐标值与纵坐标值进行运算，并按照所述第一随机排序结果将运算结果排列获得一第一密钥数值，将所有立体几何图形A中得到的第一密钥数值再次进行第一随机排序，形成一个数值，即为第一密钥；

所述立体几何图形A的类型为球、球冠、球缺、平行六面体、正棱锥，且至少有两个所述立体几何图形A为不同的类型；或者，所述立体几何图形A的类型为球、长方体、立方体、正四棱锥，且至少有两个所述立体几何图形A为不同的类型；其中第一密钥数值由实数排列构成，或者对所述实数进行取整或小数点后一位四舍五入之后进行排列形成。

2.根据权利要求1所述的移动快速建模系统，其特征在于，所述每一帧中至少存在两个所述立体几何图形A，且至少有两个所述立体几何图形A不全等。

3.根据权利要求1所述的移动快速建模系统，其特征在于，所述第一预设的多个坐标点的个数不少于4个，所述目标帧的个数为至少一个；所述第一随机抽取算法、第一随机算法、第一随机排序所基于的算法全相同或至少有两者不同；所述多个点的选取个数为3-100。

4.根据权利要求3所述的移动快速建模系统，其特征在于，所述基于的算法具体为Shuffle算法、Random算法、Sherwood、LasVegas中至少一种；所述运算包括将横坐标值与纵坐标值代入一个第一预设的二元函数中得到二元函数值，以得到第一密钥数值。

5.根据权利要求1所述的移动快速建模系统，其特征在于，步骤S3-3之后还包括：

S3-4在所述多幅稠密点云图像帧中的每一帧中找到第二预设的多个坐标点，并以每一个第二预设的所述坐标点为重心或对称中心，形成多个不全等或全等的立体几何图形B；

S3-5根据第二随机算法，对于包含在多个立体几何图形B中的点分别进行预设个数的多个点的选取，获得被选取的点进行第二随机排序；

对于每个立体几何图形B中，对第二随机排序好的所选取的点中的每个点的横坐标值与纵坐标值进行运算，并按照所述第二随机排序结果将运算结果排列获得一第二密钥数值，将所有立体几何图形B中得到的第二密钥数值再次进行第二随机排序，形成一个数值，即为第二密钥。

6.根据权利要求5所述的移动快速建模系统，其特征在于，

所述立体几何图形B的类型为球、球冠、球缺、平行六面体、正棱锥，且至少有两个所述立体几何图形B为不同的类型；或者，所述立体几何图形B的类型为球、长方体、立方体、正四棱锥，且至少有两个所述立体几何图形B为不同的类型；其中第二密钥数值由实数排列构成，或者对所述实数进行取整或小数点后一位四舍五入之后进行排列形成。

7.根据权利要求6所述的移动快速建模系统，其特征在于，所述每一帧中至少存在两个所述立体几何图形B，且至少有两个所述立体几何图形B不全等。

8.根据权利要求5所述的移动快速建模系统，其特征在于，第二预设的多个坐标点与第一预设的多个坐标点坐标全同，或至少有两个之间互不同；对于所述每一帧中所述立体几何图形B与其对应的稀疏点云图像中的所述立体几何图形A类型不同；所述多个点的选取个数为3-100，对于在多个立体几何图形A中选取个数，与其对应的同一幅稠密点云图像中的多个立体几何图形B中选取个数相同或者不同。

9.根据权利要求8所述的移动快速建模系统，其特征在于，所述第二预设的多个坐标点的个数不少于4个；所述第二随机算法、第二随机排序所基于的算法全相同或至少有两者不同。

10.根据权利要求9所述的移动快速建模系统，其特征在于，所述基于的算法具体为Shuffle算法、

Random算法、Sherwood、LasVegas中至少一种；所述运算包括将横坐标值与纵坐标值代入一个第二预设的二元函数中得到二元函数值，以得到第二密钥数值。

11.根据权利要求10所述的移动快速建模系统，其特征在于，获得第一密钥和第二密钥过程中所述运算所使用的二元函数相同或者不同。

12.根据权利要求5-11中任一项所述的移动快速建模系统，其特征在于，得到多幅稠密点云图像帧之后，还包括：补充所述目标帧对应的所述稠密点云图像的地物细节。

13.根据权利要求5-11中任一项所述的移动快速建模系统，其特征在于，

所述S4中的子任务包括：利用检测算法，对目标帧对应的稠密点云图像计算得到三维网格模型，具体包括；

S4-1利用所述检测算法，确定所述目标帧对应的稠密点云图像的边界；

S4-2锐化所述边界；

S4-3优化所述三维网格模型；

所述S5中的子任务包括：

S5-1划分所述三维网格模型为至少两个网格子区域，包括上下两个半区，用于区分不同建筑或者地表的材质制备或土壤类型；

S5-2纹理映射任一所述网格子区域，并采用所述第一密钥和/或第二密钥对所述纹理映射后的三维实景模型进行加密。

14.根据权利要求12所述的移动快速建模系统，其特征在于，

所述S4中的子任务包括：利用检测算法，对目标帧对应的稠密点云图像计算得到三维网格模型，具体包括；

S4-1利用所述检测算法，确定所述目标帧对应的稠密点云图像的边界；

S4-2锐化所述边界；

S4-3优化所述三维网格模型；

所述S5中的子任务包括：

S5-1划分所述三维网格模型为至少两个网格子区域，包括上下两个半区，用于区分不同建筑或者地表的材质制备或土壤类型；

S5-2纹理映射任一所述网格子区域，并采用所述第一密钥和/或第二密钥对得到的三维实景模型进行加密。

15.根据权利要求5-11中任一项所述的移动快速建模系统，其特征在于，

所述硬件集群一体机包括多台迷你计算机，每一台所述迷你计算机都包括CPU和GPU作为硬件资源，通过板载交换芯片完成网络聚合，通过聚合接口进行无限扩展；所有CPU和GPU的计算资源采用所述硬件资源智能调度系统进行池化管理，实现基于软件的任务自动队列管理，优先级控制，实现自动调度、按需调度；其中，每一个CPU和GPU都具备空闲状态报告功能，当其工作状态存在空闲状态时则自动发出空闲指令给所述硬件资源智能调度系统；其中，所述池化管理包括利用每一台所述迷你计算机ip和机器名进行所有硬件资源的组织，形成资源池；

当所述CPU和GPU工作状态存在空闲状态时则自动发出空闲指令给所述硬件资源智能调度系统，所述硬件资源智能调度系统将按照接收到的空闲指令的顺序建立空闲栈队，所述硬件资源智能调度系按照所述空闲栈队中的顺序调用节点资源分配给相应的任务和/或子任务，当空闲栈队中的第一个位置空闲节点被根据所述ip和机器名而进行调用后，后面第二个空闲节点排到第一个位置，后面节点仿此前挪位置，在空闲栈队中连续排列所有空闲节点，等待被所述硬件资源智能调度系统调用；

当所述空闲栈队为空时，所述硬件资源智能调度系统按请求时间顺序记录计算引擎fuser发来的资源请求，形成请求列队，一旦所述空闲栈队不为空时，即刻根据第一个空闲节点的ip和机器名调用该第一个空闲节点中的节点资源用于响应所述请求列队中第一个请求位置的请求以分配该节点资源，直到按序响应完毕所有请求列队中的请求并分配完毕相应的空闲节点对应的节点资源，当计算引擎fuser执行完毕请求对应的任务和/或子任务时，所述硬件资源智能调度系统释放该被调用的资源，此时该资源即刻发出空闲指令给所述硬件资源智能调度系统，用于空闲栈队的排序处理。

16.根据权利要求15所述的移动快速建模系统，其特征在于，具体的智能调度方法，包括：

(1)当计算引擎fuser发来请求之后，所述硬件资源智能调度系统判断空闲栈队中是否存在空闲节点，如果有则按空闲栈队排序调用空闲节点中的节点资源；

(2)所述空闲栈队中第二个空闲节点排到第一个位置，其后的空闲节点紧随排列；

(3)判断请求列队是否为空，如果是则返回等候计算引擎fuser发来下一个请求，如果否则返回执行(1)中所述硬件资源智能调度系统判断空闲栈队中是否存在空闲节点及其之后的直到本步骤(3)的步骤，

步骤(1)中如果空闲栈队中不存在空闲节点，则将计算引擎fuser请求发来的时间顺序记录形成请求列队，并接着不断循环判断空闲栈队中是否存在空闲节点，如否，则继续循环判断，如是，则继续执行步骤(1)中的按空闲栈队排序调用空闲节点及其之后的直到步骤(3)的步骤；

其中，所述空闲栈队通过如下步骤形成：

(P1)判断任务和/或子任务完成，则计算引擎fuser释放占用的资源给所述硬件资源智能调度系统放出释放指令；

(P2)所述硬件资源智能调度系统根据所述释放指令释放资源；

(P3)被释放的资源即刻发出空闲指令给所述硬件资源智能调度系统，使得所述硬件资源智能调度系统将根据该被释放的资源的机器名和ip，按收到的空闲指令的顺序将该被释放的资源按空闲栈队中的位置顺序排列到空闲栈队中。

17.根据权利要求15所述的移动快速建模系统，其特征在于，所述CPU和GPU都为多核架构，此时每个核都具备空闲状态报告功能。

18.根据权利要求16所述的移动快速建模系统，其特征在于，所述CPU和GPU都为多核架构，此时每个核都具备空闲状态报告功能。