CN116567537A - 一种端云协同定位方法、终端设备及边缘节点 - Google Patents
一种端云协同定位方法、终端设备及边缘节点 Download PDFInfo
- Publication number
- CN116567537A CN116567537A CN202210103360.9A CN202210103360A CN116567537A CN 116567537 A CN116567537 A CN 116567537A CN 202210103360 A CN202210103360 A CN 202210103360A CN 116567537 A CN116567537 A CN 116567537A
- Authority
- CN
- China
- Prior art keywords
- edge node
- terminal equipment
- key frame
- information
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000005540 biological transmission Effects 0.000 claims abstract description 97
- 238000004364 calculation method Methods 0.000 claims abstract description 81
- 230000000007 visual effect Effects 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000000605 extraction Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例公开了一种端云协同定位方法、终端设备及边缘节点,用于网络定位系统进行灵活分配终端设备及边缘节点执行的任务。本申请实施例方法包括:终端设备向边缘节点发送传输性能参数和算力参数,传输性能参数指示终端设备与边缘节点传输数据能力,算力参数指示终端设备的计算能力;终端设备接收边缘节点发送的任务信息,任务信息指示终端设备执行目标任务,目标任务为边缘节点根据传输性能参数和算力参数将可分配的任务分配给终端设备的任务;终端设备通过执行目标任务确定定位信息。
Description
技术领域
本申请实施例涉及网络定位领域,尤其涉及一种端云协同定位方法、终端设备及边缘节点。
背景技术
在日常的生产生活中,经常会需要获取当前的位置信息,例如在机器人导航、工业生产和园区巡检等场景中,通过处理摄像头、激光雷达等传感器采集到的数据,从而确定当前的位置和轨迹信息。
在目前的定位导航技术中,主要包括纯视觉的定位导航和视觉惯导融合定位导航等方法,通过本地端和云端执行不同的功能,从而确定当前本地端的位置信息,例如通过对即时定位与地图构建(simultaneous localization and mapping,SLAM)系统功能模块进行分离,云端设备运行例如局部建图模块和闭环检测模块这些对资源占用较大,时间成本较高的模块;本地端设备运行追踪模块、局部地图维护模块这些对实时性要求较高的模块,云端设备和本地端设备通过运行相应的功能模块并相互传输数据,使得本地端设备可以确定前的位置信息。
现有的定位技术中,网络定位系统中的云端设备和本地端设备的分工固定,使用场景有限,实现场景不够灵活。
发明内容
本申请实施例提供了一种端云协同定位方法、终端设备及边缘节点,用于灵活分配网络定位时终端设备及边缘节点执行的任务。
本申请实施例第一方面提供了一种端云协同定位方法,该方法应用于网络定位系统进行灵活分配终端设备及边缘节点执行的任务,该网络定位系统包括终端设备和边缘节点。该方法包括:终端设备向边缘节点发送传输性能参数和算力参数,传输性能参数指示终端设备与边缘节点传输数据能力,算力参数指示终端设备的计算能力;终端设备接收边缘节点发送的任务信息,任务信息指示终端设备执行目标任务,目标任务为边缘节点根据传输性能参数和算力参数将可分配的任务分配给终端设备的任务;终端设备通过执行目标任务确定定位信息。
该种可能的实现方式中,终端设备执行的是目标任务,目标任务是边缘节点根据终端设备的传输性能参数和算力参数为终端设备分配的任务,网络定位系统可以通过边缘节点灵活地分配可分配的任务,使得终端设备可以执行更加符合终端设备传输性能和算力的任务,可以适用于更多类型的终端设备,提升了网络定位系统的应用灵活性,扩大了网络定位系统的使用场景。
在第一方面的一种可能的实现方式中,上述传输性能参数包括传输带宽、时延和传输抖动等参数,算力参数包括终端设备的中央处理器型号、图形处理器型号和内存大小等参数。
该种可能的实现方式中,具体说明了传输性能参数和算力参数的类型,提升了本申请实施例的可实现性。
在第一方面的一种可能的实现方式中,上述可分配的任务包括:确定原始位姿信息、更新本地地图、确定关键帧数据、图像特征信息和惯性传感器数据等任务。
该种可能的实现方式中,具体说明了可分配的任务的类型,提升了本申请实施例的可实现性。
在第一方面的一种可能的实现方式中,上述终端设备通过执行目标任务确定定位信息,包括:终端设备通过终端设备侧的传感器获取现场数据,现场数据包括对应的时间戳;终端设备对现场数据通过预处理确定关键帧数据、图像特征信息和惯性传感器数据;终端设备根据关键帧数据通过视觉定位技术确定关键帧位姿信息;终端设备根据关键帧位姿信息和图像特征信息确定原始位姿信息;终端设备根据原始位姿信息更新定位信息,定位信息包括原始位姿信息和轨迹信息。
该种可能的实现方式中,终端设备通过执行边缘节点分配的目标任务,从而确定定位信息,当终端设备的传输性能参数和算力参数满足要求时,边缘节点可以将更多的任务分配给终端设备。
在第一方面的一种可能的实现方式中,上述终端设备对现场数据通过预处理确定关键帧数据,包括:终端设备确定距离上一个关键帧过去了预设帧数以上的当前帧为关键帧,预设帧数包括预设的每秒传输帧数;或终端设备确定匹配到的地图点少于上一个关键帧的地图点的预设比例的当前帧为关键帧;或终端设备确定跟踪地图点少于预设值的当前帧为关键帧。
该种可能的实现方式中,具体提供了终端设备确定关键帧数据的方法,提升了本申请实施例的可实现性。
在第一方面的一种可能的实现方式中,在上述终端设备根据关键帧位姿信息和图像特征信息确定原始位姿信息之后,上述方法还包括:终端设备根据原始位姿信息和惯性传感器数据更新本地地图。
在第一方面的一种可能的实现方式中,上述现场数据包括图像、惯性处理器IMU数据、激光和磁力计等类型的现场数据。
本申请实施例第二方面提供了一种端云协同定位方法,该方法应用于网络定位系统进行灵活分配终端设备及边缘节点执行的任务,该网络定位系统包括终端设备和边缘节点。该方法包括:边缘节点获取终端设备的传输性能参数和算力参数,传输性能参数指示终端设备与边缘节点传输数据能力,算力参数指示终端设备的计算能力;边缘节点根据传输性能参数和算力参数将可分配的任务分配给终端设备与边缘节点。
该种可能的实现方式中,边缘节点根据终端设备的传输性能参数和算力参数为终端设备分配任务,网络定位系统可以通过边缘节点灵活地分配可分配的任务,使得终端设备可以执行更加符合终端设备传输性能和算力的任务,可以适用于更多类型的终端设备,提升了网络定位系统的应用灵活性,扩大了网络定位系统的使用场景。
在第二方面的一种可能的实现方式中,上述传输性能参数包括传输带宽、时延和传输抖动等参数,算力参数包括终端设备的中央处理器型号、图形处理器型号和内存大小等参数。
该种可能的实现方式中,具体说明了传输性能参数和算力参数的类型,提升了本申请实施例的可实现性。
在第二方面的一种可能的实现方式中,上述可分配的任务包括:确定原始位姿信息、更新本地地图、确定关键帧数据、图像特征信息和惯性传感器数据等任务。
该种可能的实现方式中,具体说明了可分配的任务的类型,提升了本申请实施例的可实现性。
在第二方面的一种可能的实现方式中,上述方法还包括:边缘节点执行可分配的任务中分配给自身的任务,并将原始位姿信息传输给终端设备,以使得终端设备更新原始位姿信息和轨迹信息。
在第二方面的一种可能的实现方式中,上述边缘节点执行可分配的任务中分配给自身的任务,包括:通过终端设备侧的传感器获取现场数据,现场数据包括对应的时间戳;边缘节点对现场数据通过预处理确定关键帧数据、图像特征信息和惯性传感器数据;边缘节点根据关键帧数据通过视觉定位技术确定关键帧位姿信息;边缘节点根据关键帧位姿信息和图像特征信息确定原始位姿信息。
该种可能的实现方式中,边缘节点通过执行分配的任务,从而确定定位信息。
在第二方面的一种可能的实现方式中,上述边缘节点对现场数据通过预处理确定关键帧数据,包括:边缘节点确定距离上一个关键帧过去了预设帧数以上的当前帧为关键帧,预设帧数包括预设的每秒传输帧数;或边缘节点确定匹配到的地图点少于上一个关键帧的地图点的预设比例的当前帧为关键帧;或边缘节点确定跟踪地图点少于预设值的当前帧为关键帧。
该种可能的实现方式中,具体提供了终端设备确定关键帧数据的方法,提升了本申请实施例的可实现性。
在第二方面的一种可能的实现方式中,上述方法还包括:边缘节点根据原始位姿信息和惯性传感器数据更新本地地图。
在第二方面的一种可能的实现方式中,在上述边缘节点获取终端设备的传输性能参数和算力参数之前,上述方法还包括:边缘节点获取本地地图信息。
在第二方面的一种可能的实现方式中,上述现场数据包括图像、惯性处理器IMU数据、激光和磁力计等类型的现场数据。
本申请第三方面提供一种终端设备,该终端设备具有实现上述第一方面或第一方面任意一种可能实现方式的方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块,例如:发送模块。
本申请第四方面提供一种边缘节点,该边缘节点具有实现上述第一方面或第一方面任意一种可能实现方式的方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块,例如:获取模块。
本申请第五方面提供一种终端设备,该终端设备包括至少一个处理器、存储器、输入/输出(input/output,I/O)接口以及存储在存储器中并可在处理器上运行的计算机执行指令,当计算机执行指令被处理器执行时,处理器执行如上述第一方面或第一方面任意一种可能的实现方式的方法。
本申请第六方面提供一种边缘节点,该边缘节点包括至少一个处理器、存储器、输入/输出(input/output,I/O)接口以及存储在存储器中并可在处理器上运行的计算机执行指令,当计算机执行指令被处理器执行时,处理器执行如上述第一方面或第一方面任意一种可能的实现方式的方法。
本申请第七方面提供一种存储一个或多个计算机执行指令的计算机可读存储介质,当计算机执行指令被处理器执行时,处理器执行如上述第一方面或第一方面任意一种可能的实现方式的方法。
本申请第八方面提供一种存储一个或多个计算机执行指令的计算机可读存储介质,当计算机执行指令被处理器执行时,处理器执行如上述第一方面或第一方面任意一种可能的实现方式的方法。
本申请第九方面提供一种存储一个或多个计算机执行指令的计算机程序产品,当计算机执行指令被处理器执行时,处理器执行如上述第一方面或第一方面任意一种可能的实现方式的方法。
本申请第十方面提供一种存储一个或多个计算机执行指令的计算机程序产品,当计算机执行指令被处理器执行时,处理器执行如上述第一方面或第一方面任意一种可能的实现方式的方法。
本申请第十一方面提供了一种芯片系统,该芯片系统包括至少一个处理器,至少一个处理器用于实现上述第一方面或第一方面任意一种可能的实现方式中所涉及的功能。在一种可能的设计中,芯片系统还可以包括存储器,存储器,用于保存处理人工智能模型的装置必要的程序指令和数据。该芯片系统,可以由芯片构成,也可以包括芯片和其他分立器件。
本申请第十二方面提供了一种芯片系统,该芯片系统包括至少一个处理器,至少一个处理器用于实现上述第一方面或第一方面任意一种可能的实现方式中所涉及的功能。在一种可能的设计中,芯片系统还可以包括存储器,存储器,用于保存处理人工智能模型的装置必要的程序指令和数据。该芯片系统,可以由芯片构成,也可以包括芯片和其他分立器件。
从以上技术方案可以看出,本申请实施例具有以下优点:
该种可能的实现方式中,终端设备执行的是目标任务,目标任务是边缘节点根据终端设备的传输性能参数和算力参数为终端设备分配的任务,网络定位系统可以通过边缘节点灵活地分配可分配的任务,使得终端设备可以执行更加符合终端设备传输性能和算力的任务,可以适用于更多类型的终端设备,提升了网络定位系统的应用灵活性,扩大了网络定位系统的使用场景。
附图说明
图1为即时定位与地图构建系统的一个场景示意图;
图2为本申请实施例中端云协同定位方法的一个场景示意图;
图3为本申请实施例中端云协同定位方法的一个系统架构示意图;
图4为本申请实施例中端云协同定位方法的一个流程示意图;
图5为本申请实施例中定位网络系统的一个系统架构示意图;
图6为本申请实施例中终端设备的一个结构示意图;
图7为本申请实施例中边缘节点的另一个结构示意图;
图8为本申请实施例中终端设备的另一个结构示意图;
图9为本申请实施例中边缘节点的另一个结构示意图;
图10为本申请实施例中定位网络系统的一个结构示意图。
具体实施方式
本申请实施例提供了一种端云协同定位方法、终端设备及边缘节点,用于灵活分配网络定位时终端设备及边缘节点执行的任务。
下面结合附图,对本申请的实施例进行描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。本领域普通技术人员可知,随着技术的发展和新场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,在日常的生产生活中,经常会需要获取当前的位置信息,例如在机器人导航、工业生产和园区巡检等场景中,通过处理摄像头、激光雷达等传感器采集到的数据,从而确定当前的位置和轨迹信息。在目前的定位导航技术中,主要包括纯视觉的定位导航和视觉惯导融合定位导航等方法,通过本地端和云端执行不同的功能,从而确定当前本地端的位置信息,例如通过对即时定位与地图构建(simultaneous localization andmapping,SLAM)系统功能模块进行分离,云端设备运行例如局部建图模块和闭环检测模块这些对资源占用较大,时间成本较高的模块;本地端设备运行追踪模块、局部地图维护模块这些对实时性要求较高的模块,云端设备和本地端设备通过运行相应的功能模块并相互传输数据,使得本地端设备可以确定前的位置信息。
如图2所示,本申请实施例提供了一种端云协同定位方法、终端设备及边缘节点,用于灵活分配网络定位时终端设备及边缘节点执行的任务。本申请实施例中,边缘节点先获取终端设备的传输性能参数和算力参数,传输性能参数指示终端设备与边缘节点传输数据能力,算力参数指示终端设备的计算能力。然后边缘节点根据传输性能参数和算力参数将可分配的任务模块分配给终端设备,作为需要终端设备执行的目标任务,该目标任务为匹配终端设备的传输数据能力和计算能力的任务。终端设备在接收到边缘节点发送的任务信息后,则开始执行任务信息指示的目标任务,终端设备通过执行目标任务确定定位信息。具体地,本申请实施例中的端云协同定位方法可以将各个系统功能分离成各个任务功能模块,终端设备和边缘节点可以通过运行各个模块来执行相应地任务。
本申请实施例中,定位网络系统中的边缘节点可以是定位网络系统中靠近用户的网络边缘侧构建的业务平台,提供存储、计算和网络传输等资源,将部分关键业务应用从云端下沉到接入网络边缘,以减少网络传输和多级转发带来的宽度和时延损耗。
本申请实施例定位网络系统中所涉及到的终端设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备。终端设备也可以称为终端(terminal),终端设备还可以是用户单元(subscriberunit)、蜂窝电话(cellular phone)、智能手机(smart phone)、无线数据卡、个人数字助理(personal digital assistant,PDA)电脑、平板型电脑、无线调制解调器(modem)、手持设备(handset)、膝上型电脑(laptop computer)、机器类型通信(machine typecommunication,MTC)终端等,此处不做限定。
本申请实施例中提及的终端设备,可以是一种具有无线收发功能的设备,具体可以指用户设备(user equipment,UE)、接入终端、用户单元(subscriber unit)、用户站、移动台(mobile station)、远方站、远程终端、移动设备、用户终端、无线通信设备、用户代理或用户装置。终端设备还可以是卫星电话、蜂窝电话、智能手机、无线数据卡、无线调制解调器、机器类型通信设备、可以是无绳电话、会话启动协议(session initiation protocol,SIP)电话、无线本地环路(wireless local loop,WLL)站、个人数字助理(personaldigital assistant,PDA)、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、高空飞机上搭载的通信设备、可穿戴设备、无人机、机器人、设备到设备(device-to-device,D2D)通信中的终端、车辆外联(vehicle toeverything,V2X)中的终端、虚拟现实(virtual reality,VR)终端设备、增强现实(augmented reality,AR)终端设备、混合现实(mixed reality,MR)、工业控制(industrialcontrol)中的无线终端、无人驾驶(self driving)中的无线终端、远程医疗(remotemedical)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportationsafety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端或者未来通信网络中的终端设备等,本申请不作限制。在本申请实施例中,还可以有更多或更少或终端设备在这个通信系统中,终端设备的数量和种类根据实际需要确定,具体此处不做限定。
如图3所示,本申请实施例中的端云协同定位方法可以将各个系统功能分离成各个任务功能模块,终端设备和边缘节点可以通过运行各个模块来执行相应地任务。
基于上述定位网络系统,下面对本申请实施例中的端云协同定位方法进行描述:
请参阅图4,本申请实施例中端云协同定位方法的一个流程包括:
401、边缘节点获取三维地图数据。
边缘节点接收云端设备发送的三维地图数据。
具体地,云端设备根据采集设备采集到的图像数据通过三维地图构建算法构建出三维点云地图,该三维点云地图包括地图点数据。然后云端设备将该地图点数据传输给边缘节点,相应地,边缘节点接收该地图点数据,从而可以进行后续的定位计算和地图更新。
一种可能的实现方式中,该边缘节点也可以根据采集设备采集到的图像数据通过三维地图构建算法构建出三维点云地图,具体此处不做限定。
402、边缘节点获取终端设备的传输性能参数和算力参数。
边缘节点通过算力和传输性能感知模块获取终端设备的传输性能参数和算力参数,从而确定终端设备的计算能力和终端设备与边缘节点的传输数据能力。
具体地,边缘节点通过与终端设备之间传输模拟图像数据和模拟惯性处理器(Inertial Measurement Unit,IMU)数据来确定终端设备与边缘节点的传输带宽、平均传输延时和网络抖动等可以反映传输数据能力的参数,然后边缘节点根据平均传输延时和网络抖动这些参数确定终端设备与边缘节点的传输数据能力。
边缘节点获取终端设备的中央处理器(central processing unit,CPU)芯片型号、图形处理器(graphics processing unit,GPU)型号、嵌入式神经网络处理器(Neural-Network Processing Unit,NPU)型号、图像类协处理器型号和视频类协处理器型号、终端设备的随机存取存储器(Random Access Memory,RAM)大小等可以反映计算能力的参数,边缘节点还可以在调用终端设备的视觉惯性里程计(visual-inertial odometry,VIO)模块运行模拟数据,评估可以反映计算能力的VIO平均帧运行时长,然后边缘节点根据这些反映计算能力的参数确定终端设备的计算能力。
403、边缘节点将可分配的任务分配给终端设备和边缘节点。
边缘节点通过配置模块根据终端设备的传输性能参数和算力参数将可分配的任务分配给终端设备与边缘节点。
具体地,边缘节点在获取到终端设备的传输性能参数和算力参数后,根据终端设备的传输性能和计算能力,将可分配的任务中适合终端设备执行的任务分配给终端设备执行,将可分配的任务中适合边缘节点执行的任务分配给边缘节点执行。具体地,边缘节点是将各个任务模块分配给终端设备和边缘节点。
本申请实施例中的VIO模块、增量优化模块、本地地图模块、视觉定位计算模块、位姿平滑模块,除此之外,也可以是终端设备与边缘节点都可以执行的其他任务模块,具体此处不做限定。
具体地,边缘节点可以判断终端设备的传输性能参数和算力参数是否满足任务模块对应的要求,例如,若边缘节点确定终端设备的平均传输延时小于20ms且抖动小于5ms,则在端侧运行图像特征提取模块和IMU积分模块,其他模块在缘节点运行。若边缘节点确定终端设备的计算能力在骁龙835及以上或VIO平均帧运行时长小于等于15ms等,则图像特征提取模块、IMU积分模块、VIO模块、增量优化模块和在线地图模块运行在终端设备,其余模块运行在边缘节点运行。
一种可能的实现方式中,在边缘节点将可分配的任务分配给终端设备和边缘节点之后,边缘节点和终端设备开始进行任务模块初始化,准备启动网络定位。
404、边缘节点和终端设备执行任务。
边缘节点和终端设备执行边缘节点分配的任务,运行相应的任务模块。
如图5所示,例如,边缘节点将传感器数据采集、图像特征提取和IMU预积分分配给了终端设备执行,其余的任务分配给了边缘节点来执行,具体地步骤如下:
a、终端设备接收现场数据并进行预处理。
终端设备接收图像传感器传输的现场数据,该现场数据包括图像数据和惯性处理器IMU数据,该图像数据和惯性处理器IMU数据包括对应的时间戳。终端设备再根据该现场数据运行图像处理模块提取中其中的特征数据,该特征数据可以包括关键帧数据、图像特征信息和惯性传感器数据。然后终端处理模块将其中的图像特征信息传输给边缘节点的VIO模块。
本申请实施例中的图像处理模块用于对图像数据进行预处理,包括降噪、锐化、尺寸缩放、特征提取、跟踪和关键帧筛选等操作。
本申请实施例中,现场数据的类型可以包括图像数据、IMU数据、激光数据和磁力计数据等数据类型,也可以是其他数据类型,具体此处不做限制。
b、终端设备确定关键帧。
终端设备确定满足预设条件的当前帧为关键帧。具体可以是如下预设条件:终端设备确定距离上一个关键帧过去了预设帧数以上的当前帧为关键帧,该预设帧数可以是预设的每秒传输帧数;或终端设备确定匹配到的地图点少于上一个关键帧的地图点的预设比例的当前帧为关键帧;或终端设备确定跟踪地图点少于预设值的当前帧为关键帧。除此之外,也可以是其他预设条件,具体此处不做限定。
c、终端设备通过IMU处理模块进行预计分。
终端设备通过IMU处理模块根据IMU数据IMU预计分,并将IMU预计分结果发送给边缘节点的VIO模块。
d、边缘节点确定关键帧位姿信息。
边缘节点的视觉定位计算模块根据输入的关键帧数据完成计算全局6个自由度(Degree of freedom,DoF)位姿,该6DoF位姿包括关键帧位姿,并将关键帧位姿发送给VIO模块。
e、边缘节点确定原始位姿信息。
边缘节点的VIO模块根据IMU预计分结果、关键帧位姿和图像特征信息进行6DoF位姿计算,并根据视觉定位计算传递过来的关键帧6DoF位姿对其计算出来的原始位姿采用加权平均的方式进行校准从而得到准确地原始位姿信息。
本申请实施例中的VIO模块用于根据图像、IMU和激光等数据完成视觉惯导里程计计算,并依据关键帧的视觉定位算法计算结果对输出结果进行校正,输出原始6DoF位姿。
f、边缘节点进行地图更新。
边缘节点的VIO模块将原始位姿信息发送给增量优化模块,由其将最新的图像帧和IMU数据添加到本地地图,并抛弃旧的数据,完成本地地图更新。
具体的地图更新可以包括:
(1)将新的关键帧插入到本地地图中;
(2)删除符合目标条件的地图点,该目标条件可以包括:有超过25%的关键帧可以看到该地图点;未被2个关键帧看到的地图点;当前关键帧ID与看到该地图点的第一个关键帧ID差值超过5,除此之外也可以是其他条件,具体此处不做限定。
(3)更新关键帧地图点可以包括:
1.根据共视关系从本地地图中找到共视程度最高的N个关键帧;
2.遍历相邻关键帧得到基线向量;
3.判断相机运动的基线是不是足够长,邻接关键帧的场景深度中值与景深的比例,如果特别远(比例特别小)则不考虑该关键帧;
4.根据两个关键帧的位姿计算它们之间的基本矩阵F;
5.通过极线约束限制匹配时的搜索范围,对满足对极约束的特征点进行特征点匹配;
6.对每对匹配通过三角化生成三维地图点;
7.检查新得到的点在两个平面上的重投影误差,如果大于预设值,直接抛弃该点。如果满足对极约束则建立当前帧的地图点及其属性,即观测到该地图点的关键帧、地图点描述子及观测方向和深度范围等;
8.将地图点加入关键帧,并加入本地地图;
(4)剔除冗余关键帧:根据共视关系获取当前关键帧对应的共视关键帧;获取共视关键帧的地图点;如果某个关键帧100%以上的地图点能被其他共视关键帧观察到(至少3帧),则认为该关键帧冗余,从本地地图中删除。除此之外,还可以是满足其他条件的关键帧,具体此处不做限定。
405、终端设备确定定位信息。
终端设备接收边缘节点的VIO模块输出的原始位姿发送给,然后终端设备结合原始位姿和该位姿原始数据采集时刻到当前时刻对应的IMU计分数据由位姿平滑模块进行加权平滑处理,得到最终的6DoF平滑位姿,从而确定定位信息。
下面对本申请实施例中的终端设备进行描述,请参阅图6,本申请实施例提供的一种终端设备600,该终端设备可以为上述图4中终端设备,该终端设备600包括:
发送模块601,用于向边缘节点发送传输性能参数和算力参数,传输性能参数指示终端设备与边缘节点传输数据能力,算力参数指示终端设备的计算能力;具体实现方式,请参考图4所示实施例中步骤402:边缘节点获取终端设备的传输性能参数和算力参数,这里不再赘述。
接收模块602,用于接收边缘节点发送的任务信息,任务信息指示终端设备执行目标任务,目标任务为边缘节点根据传输性能参数和算力参数将可分配的任务分配给终端设备的任务;具体实现方式,请参考图4所示实施例中步骤403:边缘节点将可分配的任务分配给终端设备和边缘节点,这里不再赘述。
确定模块603,用于终端设备通过执行目标任务确定定位信息。具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
一种可能的实现方式中,上述确定模块603包括:
获取单元604,用于通过终端设备侧的传感器获取现场数据,现场数据包括对应的时间戳;具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
第一确定单元605,用于对现场数据通过预处理确定关键帧数据、图像特征信息和惯性传感器数据;具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
第二确定单元606,用于根据关键帧数据通过视觉定位技术确定关键帧位姿信息;具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
第三确定单元607,用于根据关键帧位姿信息和图像特征信息确定原始位姿信息;具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
更新单元608,用于根据原始位姿信息更新定位信息,定位信息包括原始位姿信息和轨迹信息。具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
一种可能的实现方式中,上述第一确定单元605具体用于:确定距离上一个关键帧过去了预设帧数以上的当前帧为关键帧,预设帧数包括预设的每秒传输帧数;或确定匹配到的地图点少于上一个关键帧的地图点的预设比例的当前帧为关键帧;或确定跟踪地图点少于预设值的当前帧为关键帧。具体实现方式,请参考图4所示实施例中步骤405:终端设备确定定位信息,这里不再赘述。
更新模块609,用于根据原始位姿信息和惯性传感器数据更新本地地图。具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
本实施例中,终端设备可以执行前述图4中任一项所示实施例中终端设备所执行的操作,具体此处不再赘述。
下面对本申请实施例中的边缘节点进行描述,请参阅图7,本申请实施例提供的一种边缘节点700,该边缘节点可以为上述图4中边缘节点,该边缘节点700包括:
获取模块701,用于获取终端设备的传输性能参数和算力参数,传输性能参数指示终端设备与边缘节点传输数据能力,算力参数指示终端设备的计算能力;具体实现方式,请参考图4所示实施例中步骤402:边缘节点获取终端设备的传输性能参数和算力参数,这里不再赘述。
分配模块702,用于根据传输性能参数和算力参数将可分配的任务分配给终端设备与边缘节点。具体实现方式,请参考图4所示实施例中步骤403:边缘节点将可分配的任务分配给终端设备和边缘节点,这里不再赘述。
执行模块703,用于执行可分配的任务中分配给自身的任务,并将原始位姿信息传输给终端设备,以使得终端设备更新原始位姿信息和轨迹信息。具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
一种可能的实现方式中,上述执行模块703包括:
获取单元704,用于通过终端设备侧的传感器获取现场数据,现场数据包括对应的时间戳;具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
第一确定单元705,用于对现场数据通过预处理确定关键帧数据、图像特征信息和惯性传感器数据;具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
第二确定单元706,用于根据关键帧数据通过视觉定位技术确定关键帧位姿信息;具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
第三确定单元707,用于根据关键帧位姿信息和图像特征信息确定原始位姿信息。具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
一种可能的实现方式中,上述第一确定单元705具体用于:确定距离上一个关键帧过去了预设帧数以上的当前帧为关键帧,预设帧数包括预设的每秒传输帧数;或确定匹配到的地图点少于上一个关键帧的地图点的预设比例的当前帧为关键帧;或确定跟踪地图点少于预设值的当前帧为关键帧。具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
更新模块708,用于根据原始位姿信息和惯性传感器数据更新本地地图。具体实现方式,请参考图4所示实施例中步骤404:边缘节点和终端设备执行任务,这里不再赘述。
本实施例中,边缘节点可以执行前述图4中任一项所示实施例中边缘节点所执行的操作,具体此处不再赘述。
图8是本申请实施例提供的一种终端设备结构示意图,该终端设备800可以包括一个或一个以上中央处理器(central processing units,CPU)801和存储器805,该存储器805中存储有一个或一个以上的应用程序或数据。
其中,存储器805可以是易失性存储或持久存储。存储在存储器805的程序可以包括一个或一个以上模块,每个模块可以包括对终端设备中的一系列指令操作。更进一步地,中央处理器801可以设置为与存储器805通信,在终端设备800上执行存储器805中的一系列指令操作。
其中,中央处理器801用于执行存储器805中的计算机程序,以使得终端设备800用于执行:终端设备向边缘节点发送传输性能参数和算力参数,传输性能参数指示终端设备与边缘节点传输数据能力,算力参数指示终端设备的计算能力;终端设备接收边缘节点发送的任务信息,任务信息指示终端设备执行目标任务,目标任务为边缘节点根据传输性能参数和算力参数将可分配的任务分配给终端设备的任务;终端设备通过执行目标任务确定定位信息;具体实现方式,请参考图4所示实施例中步骤401-405,此处不再赘述。
终端设备800还可以包括一个或一个以上电源802,一个或一个以上有线或无线网络接口803,一个或一个以上输入输出接口804,和/或,一个或一个以上操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等。
该终端设备800可以执行前述图4所示实施例中终端设备所执行的操作,具体此处不再赘述。
图9是本申请实施例提供的一种终端设备结构示意图,该终端设备900可以包括一个或一个以上中央处理器(central processing units,CPU)901和存储器905,该存储器905中存储有一个或一个以上的应用程序或数据。
其中,存储器905可以是易失性存储或持久存储。存储在存储器905的程序可以包括一个或一个以上模块,每个模块可以包括对终端设备中的一系列指令操作。更进一步地,中央处理器901可以设置为与存储器905通信,在终端设备900上执行存储器905中的一系列指令操作。
其中,中央处理器901用于执行存储器905中的计算机程序,以使得终端设备900用于执行:边缘节点获取终端设备的传输性能参数和算力参数,传输性能参数指示终端设备与边缘节点传输数据能力,算力参数指示终端设备的计算能力;边缘节点根据传输性能参数和算力参数将可分配的任务分配给终端设备与边缘节点。具体实现方式,请参考图4所示实施例中步骤401-405,此处不再赘述。
终端设备900还可以包括一个或一个以上电源902,一个或一个以上有线或无线网络接口903,一个或一个以上输入输出接口904,和/或,一个或一个以上操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等。
该终端设备900可以执行前述图4所示实施例中终端设备所执行的操作,具体此处不再赘述。
图10是本申请实施例提供的一种定位网络系统1000结构示意图,该定位网络系统1000包括终端设备1001和边缘节点1002,该终端设备1001和边缘节点1002分别可以执行前述图4中任一项所示实施例中对应的操作,具体实现方式,请参考图4所示实施例中步骤401-405,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,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,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (25)
1.一种端云协同定位方法,其特征在于,所述方法包括:
终端设备向边缘节点发送传输性能参数和算力参数,所述传输性能参数指示所述终端设备与边缘节点传输数据能力,所述算力参数指示所述终端设备的计算能力;
所述终端设备接收所述边缘节点发送的任务信息,所述任务信息指示所述终端设备执行目标任务,所述目标任务为所述边缘节点根据所述传输性能参数和算力参数将可分配的任务分配给所述终端设备的任务;
所述终端设备通过执行所述目标任务确定定位信息。
2.根据权利要求1所述的方法,其特征在于,所述传输性能参数包括传输带宽、时延和传输抖动等参数,所述算力参数包括所述终端设备的中央处理器型号、图形处理器型号和内存大小等参数。
3.根据权利要求2所述的方法,其特征在于,所述可分配的任务包括:确定原始位姿信息、更新本地地图、确定关键帧数据、图像特征信息和惯性传感器数据等任务。
4.根据权利要求3所述的方法,其特征在于,所述终端设备通过执行所述目标任务确定定位信息,包括:
所述终端设备通过终端设备侧的传感器获取现场数据,所述现场数据包括对应的时间戳;
所述终端设备对所述现场数据通过预处理确定关键帧数据、图像特征信息和惯性传感器数据;
所述终端设备根据关键帧数据通过视觉定位技术确定关键帧位姿信息;
所述终端设备根据所述关键帧位姿信息和所述图像特征信息确定原始位姿信息;
所述终端设备根据所述原始位姿信息更新定位信息,所述定位信息包括原始位姿信息和轨迹信息。
5.根据权利要求4所述的方法,其特征在于,所述终端设备对所述现场数据通过预处理确定关键帧数据,包括:
所述终端设备确定距离上一个关键帧过去了预设帧数以上的当前帧为关键帧,所述预设帧数包括预设的每秒传输帧数;或
所述终端设备确定匹配到的地图点少于上一个关键帧的地图点的预设比例的当前帧为关键帧;或
所述终端设备确定跟踪地图点少于预设值的当前帧为关键帧。
6.根据权利要求5所述的方法,其特征在于,在所述终端设备根据所述关键帧位姿信息和所述图像特征信息确定原始位姿信息之后,所述方法还包括:
所述终端设备根据所述原始位姿信息和所述惯性传感器数据更新本地地图。
7.一种端云协同定位方法,其特征在于,所述方法包括:
边缘节点获取终端设备的传输性能参数和算力参数,所述传输性能参数指示所述终端设备与边缘节点传输数据能力,所述算力参数指示所述终端设备的计算能力;
所述边缘节点根据所述传输性能参数和算力参数将可分配的任务分配给所述终端设备与所述边缘节点。
8.根据权利要求7所述的方法,其特征在于,所述传输性能参数包括传输带宽、时延和传输抖动等参数,所述算力参数包括所述终端设备的中央处理器型号、图形处理器型号和内存大小等参数。
9.根据权利要求8所述的方法,其特征在于,所述可分配的任务包括:确定原始位姿信息、更新本地地图、确定关键帧数据、图像特征信息和惯性传感器数据等任务。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
所述边缘节点执行所述可分配的任务中分配给自身的任务,并将原始位姿信息传输给终端设备,以使得所述终端设备更新原始位姿信息和轨迹信息。
11.根据权利要求10所述的方法,其特征在于,所述边缘节点执行所述可分配的任务中分配给自身的任务,包括:
通过终端设备侧的传感器获取现场数据,所述现场数据包括对应的时间戳;
所述边缘节点对所述现场数据通过预处理确定关键帧数据、图像特征信息和惯性传感器数据;
所述边缘节点根据关键帧数据通过视觉定位技术确定关键帧位姿信息;
所述边缘节点根据所述关键帧位姿信息和所述图像特征信息确定原始位姿信息。
12.根据权利要求11所述的方法,其特征在于,所述边缘节点对所述现场数据通过预处理确定关键帧数据,包括:
所述边缘节点确定距离上一个关键帧过去了预设帧数以上的当前帧为关键帧,所述预设帧数包括预设的每秒传输帧数;或
所述边缘节点确定匹配到的地图点少于上一个关键帧的地图点的预设比例的当前帧为关键帧;或
所述边缘节点确定跟踪地图点少于预设值的当前帧为关键帧。
13.根据权利要求12所述的方法,其特征在于,所述方法还包括:
所述边缘节点根据所述原始位姿信息和所述惯性传感器数据更新本地地图。
14.根据权利要求13所述的方法,其特征在于,在所述边缘节点获取终端设备的传输性能参数和算力参数之前,所述方法还包括:
所述边缘节点获取本地地图信息。
15.一种终端设备,其特征在于,所述终端设备包括:
发送模块,用于向边缘节点发送传输性能参数和算力参数,所述传输性能参数指示所述终端设备与边缘节点传输数据能力,所述算力参数指示所述终端设备的计算能力;
接收模块,用于接收所述边缘节点发送的任务信息,所述任务信息指示所述终端设备执行目标任务,所述目标任务为所述边缘节点根据所述传输性能参数和算力参数将可分配的任务分配给所述终端设备的任务;
确定模块,用于通过执行所述目标任务确定定位信息。
16.根据权利要求15所述的终端设备,其特征在于,所述确定模块包括:
获取单元,用于通过终端设备侧的传感器获取现场数据,所述现场数据包括对应的时间戳;
第一确定单元,用于对所述现场数据通过预处理确定关键帧数据、图像特征信息和惯性传感器数据;
第二确定单元,用于根据关键帧数据通过视觉定位技术确定关键帧位姿信息;
第三确定单元,用于根据所述关键帧位姿信息和所述图像特征信息确定原始位姿信息;
更新单元,用于根据所述原始位姿信息更新定位信息,所述定位信息包括原始位姿信息和轨迹信息。
17.一种边缘节点,其特征在于,所述边缘节点包括:
获取模块,用于获取终端设备的传输性能参数和算力参数,所述传输性能参数指示所述终端设备与边缘节点传输数据能力,所述算力参数指示所述终端设备的计算能力;
分配模块,用于根据所述传输性能参数和算力参数将可分配的任务分配给所述终端设备与所述边缘节点。
执行模块,用于执行所述可分配的任务中分配给自身的任务,并将原始位姿信息传输给终端设备,以使得所述终端设备更新原始位姿信息和轨迹信息。
18.根据权利要求17所述的边缘节点,其特征在于,所述执行模块包括:
获取单元,用于通过终端设备侧的传感器获取现场数据,所述现场数据包括对应的时间戳;
第一确定单元,用于对所述现场数据通过预处理确定关键帧数据、图像特征信息和惯性传感器数据;
第二确定单元,用于根据关键帧数据通过视觉定位技术确定关键帧位姿信息;
第三确定单元,用于根据所述关键帧位姿信息和所述图像特征信息确定原始位姿信息。
19.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的方法。
20.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求7-14任一项所述的方法。
21.一种终端设备,其特征在于,包括处理器和存储有计算机程序的计算机可读存储介质;
所述处理器与所述计算机可读存储介质耦合,所述计算机程序被所述处理器执行时实现如权利要求1-6任一项所述的方法。
22.一种边缘节点,其特征在于,包括处理器和存储有计算机程序的计算机可读存储介质;
所述处理器与所述计算机可读存储介质耦合,所述计算机程序被所述处理器执行时实现如权利要求7-14任一项所述的方法。
23.一种芯片系统,其特征在于,包括处理器,所述处理器被调用用于执行如权利要求1-6任一项所述的方法。
24.一种芯片系统,其特征在于,包括处理器,所述处理器被调用用于执行如权利要求7-14任一项所述的方法。
25.一种端云协同定位网络系统,其特征在于,包括如权利要求15-16任一项所述的终端设备和如权利要求17-18任一项所述的边缘节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210103360.9A CN116567537A (zh) | 2022-01-27 | 2022-01-27 | 一种端云协同定位方法、终端设备及边缘节点 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210103360.9A CN116567537A (zh) | 2022-01-27 | 2022-01-27 | 一种端云协同定位方法、终端设备及边缘节点 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116567537A true CN116567537A (zh) | 2023-08-08 |
Family
ID=87498776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210103360.9A Pending CN116567537A (zh) | 2022-01-27 | 2022-01-27 | 一种端云协同定位方法、终端设备及边缘节点 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116567537A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116896483A (zh) * | 2023-09-08 | 2023-10-17 | 成都拓林思软件有限公司 | 一种数据保护系统 |
-
2022
- 2022-01-27 CN CN202210103360.9A patent/CN116567537A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116896483A (zh) * | 2023-09-08 | 2023-10-17 | 成都拓林思软件有限公司 | 一种数据保护系统 |
CN116896483B (zh) * | 2023-09-08 | 2023-12-05 | 成都拓林思软件有限公司 | 一种数据保护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949422B (zh) | 用于虚拟场景的数据处理方法以及设备 | |
CN109996039B (zh) | 一种基于边缘计算的目标追踪方法及装置 | |
Schmuck et al. | Covins: Visual-inertial slam for centralized collaboration | |
US10798526B2 (en) | Systems and methods for co-localization of multiple devices | |
US11549817B2 (en) | Distributed device mapping | |
US20150045072A1 (en) | Method and apparatus for position estimation using trajectory | |
CN110164135B (zh) | 一种定位方法、定位装置及定位系统 | |
CN108235809B (zh) | 端云结合定位方法、装置及电子设备、计算机程序产品 | |
US20210183100A1 (en) | Data processing method and apparatus | |
KR20190059120A (ko) | 사물인터넷 기반의 증강현실을 이용한 시설물 점검 시스템 | |
CN115355901A (zh) | 一种融合动态目标感知的多机联合建图方法 | |
CN116567537A (zh) | 一种端云协同定位方法、终端设备及边缘节点 | |
CN111380515A (zh) | 定位方法及装置、存储介质、电子装置 | |
WO2020110359A1 (en) | System and method for estimating pose of robot, robot, and storage medium | |
CN113984068A (zh) | 定位方法、定位装置和计算机可读存储介质 | |
CN112785700A (zh) | 虚拟物体显示方法、全局地图更新方法以及设备 | |
CN110047373A (zh) | 一种基于通用应用处理器的高精度地图生成系统 | |
US11954804B2 (en) | Information processing device and information processing method to display a virtual object | |
CN112445210B (zh) | 运动轨迹的确定方法及装置、存储介质、电子装置 | |
Wang et al. | Map-aided 6-dof relative pose estimation for monocular slam using sparse information filters | |
WO2023248314A1 (ja) | 制御装置、制御方法及びプログラム | |
Ahmed et al. | A Joint Perception Scheme For Connected Vehicles | |
US12002239B2 (en) | Data processing method and device used in virtual scenario | |
EP4258766A1 (en) | Data processing method and apparatus | |
Juang et al. | Development of a plug-and-play ROS-based land vehicular navigation suite |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |