CN117557241A - 基于分布式网络的数据处理方法、装置、设备、介质 - Google Patents
基于分布式网络的数据处理方法、装置、设备、介质 Download PDFInfo
- Publication number
- CN117557241A CN117557241A CN202410044117.3A CN202410044117A CN117557241A CN 117557241 A CN117557241 A CN 117557241A CN 202410044117 A CN202410044117 A CN 202410044117A CN 117557241 A CN117557241 A CN 117557241A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- preset
- point cloud
- region
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000004927 fusion Effects 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013475 authorization Methods 0.000 claims description 5
- 230000000295 complement effect Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开实施例公开了一种基于分布式网络的数据处理方法、装置、设备、介质,其中,方法包括:利用处于预设区域中的预设用户端,对所述预设区域进行图像采集,得到至少一个区域图像;其中,所述预设用户端包括至少一种图像采集设备;将所述至少一个区域图像上传到区块链中所述预设区域对应的区块中;其中,所述区块链中包括多个区块,每个所述区块对应一个区域;基于所述区块中预存的历史图像和所述至少一个区域图像执行三维场景重建,得到所述预设区域对应的重建三维模型;基于所述重建三维模型中所述至少一个区域图像的贡献比例,确定所述预设用户端对应的反馈数据。
Description
技术领域
本公开涉及分布式存储技术,尤其是一种基于分布式网络的数据处理方法、装置、设备、介质。
背景技术
万维网(Web)为用户查询和浏览网页提供了图形化、易于访问的界面,成为全球第一个爆款互联网应用。从狭义的角度看,Web1.0阶段用户只能被动浏览网页,Web2.0阶段用户依赖平台创造和传播信息,Web3阶段用户可更加自主的管理数据并在互联网内容创造中获得价值。Web3不只是互联网应用层的简单创新,可能会带来互联网体系架构整体性演进和系统性升级。从广义的角度看,Web3通过设计新的技术协议和建设新的基础设施,让互联网更加去中心化、更加安全,让用户掌握自己的数字身份和数字资产,是首次在数字世界中创造了真正可面向数据要素确权、流通、交易的经济体系,从而实现技术体系与经济体系协同创新。
发明内容
本公开的实施例提供了一种基于分布式网络的数据处理方法、装置、设备、介质。
根据本公开实施例的一个方面,提供了一种基于分布式网络的数据处理方法,包括:
利用处于预设区域中的预设用户端,对所述预设区域进行图像采集,得到至少一个区域图像;其中,所述预设用户端包括至少一种图像采集设备;
将所述至少一个区域图像上传到区块链中所述预设区域对应的区块中;其中,所述区块链中包括多个区块,每个所述区块对应一个区域;
基于所述区块中预存的历史图像和所述至少一个区域图像执行三维场景重建,得到所述预设区域对应的重建三维模型;
基于所述区块中的智能合约确定所述至少一个区域图像在所述重建三维模型中的贡献比例;
基于所述贡献比例与至少一个贡献范围的关系,确定所述预设用户端对应的反馈数据。
可选地,所述基于所述区块中的智能合约确定所述至少一个区域图像在所述重建三维模型中的贡献比例,包括:
执行所述智能合约,基于评价算法对所述重建三维模型进行评分,得到所述重建三维模型对应的重建评分值;
基于所述重建评分值与历史评分值和评分阈值之间的关系,确定所述重建三维模型是否为有效模型;
响应于所述重建三维模型为有效模型,基于所述重建评分值与所述历史评分值之间的差值,确定所述至少一个区域图像的贡献比例。
可选地,所述基于所述贡献比例与至少一个贡献范围的关系,确定所述预设用户端对应的反馈数据,包括:
确定所述贡献比例属于所述至少一个贡献范围中的一个所述贡献范围;其中,每个所述贡献范围包括一个起始比例值和一个结束比例值;每个所述贡献范围对应一个反馈数据;
基于所述贡献范围,确定所述预设用户端对应的反馈数据。
可选地,在基于所述区块中的智能合约确定所述至少一个区域图像在所述重建三维模型中的贡献比例之后,还包括:
基于所述至少一个区域图像在所述重建三维模型中的贡献比例,确定所述预设用户端的用户权限;其中,所述用户权限包括以下至少之一:查看所述区块中存储的信息、上传信息到所述区块、请求获取所述区块链中其他区块中存储的信息。
可选地,所述基于所述区块中预存的历史图像和所述至少一个区域图像执行三维场景重建,得到所述预设区域对应的重建三维模型,包括:
基于所述至少一个区域图像中每个所述区域图像对应的采集点位,确定所述区域图像对应的m个所述历史图像;其中,m为大于等于0的整数;
确定所述区域图像与对应的m个所述历史图像是否存在至少一个重叠区域;
响应于存在至少一个所述重叠区域,将所述区域图像与存在重叠区域的所述历史图像进行拼接,基于拼接得到的拼接图像执行三维场景重建。
可选地,还包括:
响应于不存在所述重叠区域,基于所述至少一个区域图像执行三维场景重建。
可选地,所述基于所述至少一个区域图像中每个所述区域图像对应的采集点位,确定所述区域图像对应的m个所述历史图像,包括:
基于所述预设用户端在采集所述区域图像时所在位置信息,确定所述区域图像对应的采集点位;每个所述历史图像对应一个历史采集点位;
基于所述采集点位为中心点,确定一个采集区域;
将所述历史采集点位在所述采集区域的所述历史图像,确定为所述区域图像对应的m个所述历史图像。
可选地,所述确定所述区域图像与对应的m个所述历史图像是否存在至少一个重叠区域,包括:
分别对所述区域图像和m个所述历史图像执行关键点提取,确定所述区域图像中包括的多个图像关键点,以及每个所述历史图像中包括的多个历史关键点;
基于所述图像关键点分别与每个所述历史图像包括的多个历史关键点进行匹配,得到n组关键点对;其中,n为大于等于0的整数,每组所述关键点对包括一个图像关键点和一个历史关键点;
响应于所述关键点对的数量大于预设阈值时,确定所述区域图像与所述历史图像存在重叠区域。
可选地,所述将所述区域图像与存在重叠区域的所述历史图像进行拼接,基于拼接得到的拼接图像执行三维场景重建,包括:
基于所述区域图像得到对应的第一点云模型,基于至少一个所述历史图像得到对应的至少一个第二点云模型;
分别对所述第一点云模型和至少一个所述第二点云模型进行特征点提取,得到多对目标匹配点对;
基于所述多对目标匹配点对确定变换矩阵;
通过所述变换矩阵,将所述第一点云模型与至少一个所述第二点云模型进行配准,得到融合点云;
基于所述融合点云得到所述重建三维模型。
可选地,所述分别对所述第一点云模型和至少一个所述第二点云模型进行特征点提取,得到多对目标匹配点对,包括:
分别对所述第一点云模型和至少一个所述第二点云模型进行特征点提取,得到初始匹配点对;
对所述初始匹配点对中的错误匹配点对进行剔除和过滤,得到所述多对目标匹配点对。
可选地,所述通过所述变换矩阵,将所述第一点云模型与至少一个所述第二点云模型进行配准,得到融合点云,包括:
通过所述变换矩阵,将所述第一点云模型与至少一个所述第二点云模型进行配准,得到初始配准结果;
通过最近邻查找迭代优化算法对所述初始配准结果进行优化,得到所述融合点云。
可选地,所述基于所述融合点云得到所述重建三维模型,包括:
基于所述至少一个区域图像的像素数据和所述融合点云,对所述预设区域的表面属性进行建模,获得所述预设区域的初始三维重建模型;
检测所述初始三维重建模型中的点云空洞区域;
基于所述初始三维重建模型中所述点云空洞区域的对称位置的点云数据,对所述点云空洞区域的点云数据进行补全处理,获得所述重建三维模型。
可选地,所述利用处于预设区域中的预设用户端,对所述预设区域进行图像采集,得到至少一个区域图像,包括:
根据所述预设用户端的授权,获得所述预设用户端的位置信息;
基于所述预设用户端的位置信息,确定所述预设用户端是否处于所述预设区域;
响应于所述预设用户端处于所述预设区域,发出图像采集提示信息;
利用所述预设用户端,根据所述图像采集提示信息对所述预设区域进行图像采集,得到至少一个区域图像。
根据本公开实施例的另一方面,提供了一种基于分布式网络的数据处理装置,包括:
图像采集模块,用于利用处于预设区域中的预设用户端,对所述预设区域进行图像采集,得到至少一个区域图像;其中,所述预设用户端包括至少一种图像采集设备;
图像上传模块,用于将所述至少一个区域图像上传到区块链中所述预设区域对应的区块中;其中,所述区块链中包括多个区块,每个所述区块对应一个区域;
模型重建模块,用于基于所述区块中预存的历史图像和所述至少一个区域图像执行三维场景重建,得到所述预设区域对应的重建三维模型;
比例确定模块,用于基于所述区块中的智能合约确定所述至少一个区域图像在所述重建三维模型中的贡献比例;
数据反馈模块,用于基于所述贡献比例与至少一个贡献范围的关系,确定所述预设用户端对应的反馈数据。
可选地,所述比例确定模块,具体用于执行所述智能合约,基于评价算法对所述重建三维模型进行评分,得到所述重建三维模型对应的重建评分值;基于所述重建评分值与历史评分值和评分阈值之间的关系,确定所述重建三维模型是否为有效模型;响应于所述重建三维模型为有效模型,基于所述重建评分值与所述历史评分值之间的差值,确定所述至少一个区域图像的贡献比例。
可选地,所述数据反馈模块,具体用于确定所述贡献比例属于所述至少一个贡献范围中的一个所述贡献范围;其中,每个所述贡献范围包括一个起始比例值和一个结束比例值;每个所述贡献范围对应一个反馈数据;基于所述贡献范围,确定所述预设用户端对应的反馈数据。
可选地,所述数据反馈模块,还用于基于所述至少一个区域图像在所述重建三维模型中的贡献比例,确定所述预设用户端的用户权限;其中,所述用户权限包括以下至少之一:查看所述区块中存储的信息、上传信息到所述区块、请求获取所述区块链中其他区块中存储的信息。
可选地,所述模型重建模块,包括:
历史图像单元,用于基于所述至少一个区域图像中每个所述区域图像对应的采集点位,确定所述区域图像对应的m个所述历史图像;其中,m为大于等于0的整数;
重叠区域单元,用于确定所述区域图像与对应的m个所述历史图像是否存在至少一个重叠区域;
图像拼接单元,用于响应于存在至少一个所述重叠区域,将所述区域图像与存在重叠区域的所述历史图像进行拼接,基于拼接得到的拼接图像执行三维场景重建。
可选地,所述模型重建模块,还包括:
图像三维重建单元,用于响应于不存在所述重叠区域,基于所述至少一个区域图像执行三维场景重建。
可选地,所述历史图像单元,具体用于基于所述预设用户端在采集所述区域图像时所在位置信息,确定所述区域图像对应的采集点位;每个所述历史图像对应一个历史采集点位;基于所述采集点位为中心点,确定一个采集区域;将所述历史采集点位在所述采集区域的所述历史图像,确定为所述区域图像对应的m个所述历史图像。
可选地,所述重叠区域单元,具体用于分别对所述区域图像和m个所述历史图像执行关键点提取,确定所述区域图像中包括的多个图像关键点,以及每个所述历史图像中包括的多个历史关键点;基于所述图像关键点分别与每个所述历史图像包括的多个历史关键点进行匹配,得到n组关键点对;其中,n为大于等于0的整数,每组所述关键点对包括一个图像关键点和一个历史关键点;响应于所述关键点对的数量大于预设阈值时,确定所述区域图像与所述历史图像存在重叠区域。
可选地,所述图像拼接单元,具体用于基于所述区域图像得到对应的第一点云模型,基于至少一个所述历史图像得到对应的至少一个第二点云模型;分别对所述第一点云模型和至少一个所述第二点云模型进行特征点提取,得到多对目标匹配点对;基于所述多对目标匹配点对确定变换矩阵;通过所述变换矩阵,将所述第一点云模型与至少一个所述第二点云模型进行配准,得到融合点云;基于所述融合点云得到所述重建三维模型。
可选地,所述图像拼接单元在分别对所述第一点云模型和至少一个所述第二点云模型进行特征点提取,得到多对目标匹配点对时,用于分别对所述第一点云模型和至少一个所述第二点云模型进行特征点提取,得到初始匹配点对;对所述初始匹配点对中的错误匹配点对进行剔除和过滤,得到所述多对目标匹配点对。
可选地,所述图像拼接单元在通过所述变换矩阵,将所述第一点云模型与至少一个所述第二点云模型进行配准,得到融合点云时,用于通过所述变换矩阵,将所述第一点云模型与至少一个所述第二点云模型进行配准,得到初始配准结果;通过最近邻查找迭代优化算法对所述初始配准结果进行优化,得到所述融合点云。
可选地,所述图像拼接单元在基于所述融合点云得到所述重建三维模型时,用于基于所述至少一个区域图像的像素数据和所述融合点云,对所述预设区域的表面属性进行建模,获得所述预设区域的初始三维重建模型;检测所述初始三维重建模型中的点云空洞区域;基于所述初始三维重建模型中所述点云空洞区域的对称位置的点云数据,对所述点云空洞区域的点云数据进行补全处理,获得所述重建三维模型。
可选地,所述图像采集模块,具体用于根据所述预设用户端的授权,获得所述预设用户端的位置信息;基于所述预设用户端的位置信息,确定所述预设用户端是否处于所述预设区域;响应于所述预设用户端处于所述预设区域,发出图像采集提示信息;利用所述预设用户端,根据所述图像采集提示信息对所述预设区域进行图像采集,得到至少一个区域图像。
根据本公开实施例的又一方面,提供了一种电子设备,包括:
存储器,用于存储计算机程序产品;
处理器,用于执行所述存储器中存储的计算机程序产品,且所述计算机程序产品被执行时,实现上述任一实施例所述的基于分布式网络的数据处理方法。
根据本公开实施例的还一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时,实现上述任一实施例所述的基于分布式网络的数据处理方法。
基于本公开上述实施例提供的一种基于分布式网络的数据处理方法、装置、设备、介质,包括:利用处于预设区域中的预设用户端,对所述预设区域进行图像采集,得到至少一个区域图像;其中,所述预设用户端包括至少一种图像采集设备;将所述至少一个区域图像上传到区块链中所述预设区域对应的区块中;其中,所述区块链中包括多个区块,每个所述区块对应一个区域;基于所述区块中预存的历史图像和所述至少一个区域图像执行三维场景重建,得到所述预设区域对应的重建三维模型;基于所述重建三维模型中所述至少一个区域图像的贡献比例,确定所述预设用户端对应的反馈数据。本公开实施例提供的三维重建方法,通过反馈数据的方法激励用户通过预设用户端对预设区域的图像进行采集,促进预设区域的三维场景重建,并且,通过区块链对数据信息进行保存,提高了数据信息的安全性和可扩展性,便于以预设区域为基础扩展更大场景的三维重建;并且,基于用户直接上传的数据进行三维重建,降低了重建成本。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同描述一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1是本公开一示例性实施例提供的基于分布式网络的数据处理方法的流程示意图;
图2是本公开图1所示的实施例中步骤106的一个流程示意图;
图3是本公开一示例性实施例提供的基于分布式网络的数据处理装置的结构示意图;
图4图示了根据本公开实施例的电子设备的框图。
具体实施方式
下面,将参考附图详细地描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。本公开中所指数据可以包括文本、图像、视频等非结构化数据,也可以是结构化数据。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
Web3开始关注增强现实、虚拟现实等更多人-机-物交互技术和模式,在保障用户身份和数据自主管理权的前提下,通过共识算法、智能合约、加密通信等技术,在互联的效率和权益的公平之间取得平衡,并探索数据价值的发挥。
随着数字支付、远程医疗等技术的发展和需求,对Web3.0技术的需要也越来越迫切,学术界围绕共识协议、加密通信、智能合约、去中心化信任网络、分布式应用等核心技术进行研究,产业界聚焦在新型基础设施建设以及自主数字身份管理和数字资产驱动下的金融、游戏、文化等领域应用创新。
Web3的典型特征包括:(1)去中心化。区别于以内容提供者为中心,缺乏网络交互的Web1.0;也不同于以共享平台为中心,提供集中式数据服务的Web2.0;
Web3将是所有用户共建、共治、共享价值的新型网络,核心功能就是构建一个以用户为主体的分布式网络生态,帮助用户脱离平台机构完成网络交互。(2)机器信任。传统互联网缺乏身份层设计,网络信任的机制主要依靠中心化机构搭建网络安全服务设施实现,这导致身份欺诈、数据窃取等问题时有发生。Web3依托基于共识机制构建的区块链网络,借助技术背书实现全新的信用创造,形成经济社会运行的信任模型。Web3通过智能合约定义业务参与方承诺执行的协议,将物理世界无序的业务规则化,结合分布式数字身份实现对传统互联网的基本权利进行再分配,在机器之间构建信任网络。基于Web3的特征,发明人提出以下三维重建方法。
图1是本公开一示例性实施例提供的基于分布式网络的数据处理方法的流程示意图。本实施例可应用在电子设备上,如图1所示,包括如下步骤:
步骤102,利用处于预设区域中的预设用户端,对预设区域进行图像采集,得到至少一个区域图像。
其中,预设用户端包括至少一种图像采集设备。
可选地,预设用户端可以为设置有图像采集设备的任意设备,例如,手机、平板电脑、摄像机等;另外,预设用户端中还可以设置位置采集设备(例如,GPS等)。本实施例中的预设区域可以为任意需要三维重建的有限空间区域,例如,房屋内、森林中等具有可视物体的区域;可通过预设用户端中集成的图像采集设备对预设区域进行图像采集,可选地,可以在一个点位对预设区域进行多方向采集,以得到至少一个区域图像,基于至少一个区域图像可得到更多预设区域的细节信息,提升三维重建模型的细节展示。
步骤104,将至少一个区域图像上传到区块链中预设区域对应的区块中。
其中,区块链中包括多个区块,每个区块对应一个区域。
在一实施例中,通过区块链中的多个区块实现分布式存储,区块链是去中心化的,从一定程度解决了安全性、公平性和隐私性,同时降低了三维重建的成本。安全性:防止了中心服务器,篡改、丢失、拒绝服务等风险。公平性:由于是多方共建的去中心化架构,保证了规则的制订符合各方的利益。隐私性:由于区块链的不可篡改性和匿名性,结合密码学使用,使得系统架构拥有隐私性。
步骤106,基于区块中预存的历史图像和至少一个区域图像执行三维场景重建,得到预设区域对应的重建三维模型。
可选地,一个区块中存储一个区域的所有采集到的历史图像,每个历史图像对应预设区域的部分内容;可选地,在采集到区域图像之前,基于所有历史图像可以得到三维模型,本实施例在采集到至少一个区域图像之后,通过对三维场景重建,实现了对预设区域对应的三维场景的扩展、细化、补全、更新等操作中的至少一种。
步骤108,基于区块中的智能合约确定至少一个区域图像在重建三维模型中的贡献比例。
可选地,可以包括:执行智能合约,基于评价算法对重建三维模型进行评分,得到重建三维模型对应的重建评分值。可选地,通过智能合约中存储的评分方法(可以为现有技术中任意评分方法),可对重建三维模型进行评分,可以评价重建三维模型的质量、大小等性质(例如,重建三维模型质量越好,评分越高;或者,重建三维模型大小越大,评分越高等),或者基于预设评分网络输出重建三维模型的平面重建评分值(预设评分网络经过具有标注评分值的多个三维模型作为训练数据训练得到)。
基于重建评分值与历史评分值和评分阈值之间的关系,确定重建三维模型是否为有效模型。可选地,评分阈值为根据预设场景设置的可选值,历史评分值是在获得重建三维模型之前基于历史图像得到的三维模型对应的最高评分值,当重建评分值大于或等于评分阈值,并且大于或等于历史评分值时,才确定重建三维模型为有效模型,否则,认为该重建三维模型不是有效模型。在重建三维模型不是有效模型时,可不采用该重建三维模型,但是,可以根据重建评分值对预设用户端反馈响应的反馈数据(相对有效模型该反馈数据较少),还可以提示持有者重新进行图像采集,以获取更多反馈数据,积极参与三维模型重建。
响应于重建三维模型为有效模型,基于重建评分值与历史评分值之间的差值,确定至少一个区域图像的贡献比例。
当重建模型是有效模型时,说明重建评分值大于或等于历史评分值,此时重建评分值与历史评分值的差值越大,说明本次重建中区域图像起到的作用越大,贡献比例越高,即,贡献比例与差值成正比,具体数值可根据具体应用场景设置。
步骤110,基于贡献比例与至少一个贡献范围的关系,确定预设用户端对应的反馈数据。
本实施例中,在基于至少一个区域图像对预设区域得到重建三维模型后,由于采用了该预设用户端提供的数据,为了提高用户图像采集的积极性,通过对预设用户端返回相应的反馈数据来回报用户。并且,由于反馈数据直接返回到预设用户端,减少了中间传输过程,实际上降低了三维重建的成本,提升了三维重建的效率。本实施例中,为了便于为预设用户端提高反馈数据,可设置多个贡献范围,每个贡献范围对应一个反馈数据;确定贡献比例属于至少一个贡献范围中的一个贡献范围;其中,每个贡献范围包括一个起始比例值和一个结束比例值;贡献比例大于起始比例值且小于等于结束比例值时,确定该贡献比例值在该贡献范围内。基于贡献范围,确定预设用户端对应的反馈数据。
本公开上述实施例提供的一种基于分布式网络的数据处理方法,包括:利用处于预设区域中的预设用户端,对所述预设区域进行图像采集,得到至少一个区域图像;其中,所述预设用户端包括至少一种图像采集设备;将所述至少一个区域图像上传到区块链中所述预设区域对应的区块中;其中,所述区块链中包括多个区块,每个所述区块对应一个区域;基于所述区块中预存的历史图像和所述至少一个区域图像执行三维场景重建,得到所述预设区域对应的重建三维模型;基于所述重建三维模型中所述至少一个区域图像的贡献比例,确定所述预设用户端对应的反馈数据。本公开实施例提供的三维重建方法,通过反馈数据的方法激励用户通过预设用户端对预设区域的图像进行采集,促进预设区域的三维场景重建,并且,通过区块链对数据信息进行保存,提高了数据信息的安全性和可扩展性,便于以预设区域为基础扩展更大场景的三维重建;并且,基于用户直接上传的数据进行三维重建,降低了重建成本。
在一些可选的实施例中,步骤102包括:
根据预设用户端的授权,获得预设用户端的位置信息;
基于预设用户端的位置信息,确定预设用户端是否处于预设区域;
响应于预设用户端处于预设区域,发出图像采集提示信息;
利用预设用户端,根据图像采集提示信息对预设区域进行图像采集,得到至少一个区域图像。
本实施例中,预设用户端在对预设区域进行图像采集之前,首先需要确认该预设用户端的位置是否处于预设区域,否则,将无法采集到正确的图像信息;可选地,提示预设用户端是否授权位置信息共享,当预设用户端的授权共享位置信息之后,可获得预设用户端的位置信息,此时,当预设用户端进入预设区域,即可发出图像采集提示信息,另外,可选地,当预设用户端处于预设区域周围预设范围内时,也可以发出提示附近有可进行三维场景重建的区域的提示信息,以供预设用户端的持有者选择,以提高持有者的自主性,更愿意参与到三维场景重建中;扩展了三维场景重建中图像的来源获取方式。预设用户端在接收到图像采集提示信息后,持有者可根据需求自行选择是否参与三维场景重建,可选地,在发出图像采集提示信息后,还可以根据当前预设区域中已有的三维模型的情况(例如,缺失情况,清晰度等)给出预计收益和/或建议采集点位,可供预设用户端的持有者参考,当预设用户端的持有者选择接受任务,可在预设区域中任意点位(或建议采集点位)对预设区域进行图像采集,采集的图像可以为普通二维图像、全景图像、鱼眼图像等;本实施例不限制区域图像的类型,不同类型的图像对应不同的处理转换方式即可。
如图2所示,在上述图1所示实施例的基础上,步骤106可包括如下步骤:
步骤1061,基于至少一个区域图像中每个区域图像对应的采集点位,确定区域图像对应的m个历史图像。
其中,m为大于等于0的整数。
可选地,基于预设用户端在采集区域图像时所在位置信息,确定区域图像对应的采集点位;每个历史图像对应一个历史采集点位;基于采集点位为中心点,确定一个采集区域;将历史采集点位在采集区域的历史图像,确定为区域图像对应的m个历史图像。当m为0时,表示区块中不存在与区域图像对应的历史图像。
采集区域图像是所在的位置即为至少一个区域图像对应的采集点位,因此,可确定每个历史图像对应的历史采集点位,此时,基于采集点位与历史采集点位之间的距离确定可能与区域图像相关的m个历史图像。可选地,可以通过确定区域图像与历史图像之间的距离(例如,余弦距离等)的大小,确定二者的相似度,将相似度大于预设相似度的历史图像确定为区域图像对应的m个历史图像。
步骤1062,确定区域图像与对应的m个历史图像是否存在至少一个重叠区域,如果存在至少一个重叠区域,执行步骤1063;否则,执行步骤1064。
在一些可选示例中,分别对区域图像和m个历史图像执行关键点提取,确定区域图像中包括的多个图像关键点,以及每个历史图像中包括的多个历史关键点;基于图像关键点分别与每个历史图像包括的多个历史关键点进行匹配,得到n组关键点对;其中,n为大于等于0的整数,每组关键点对包括一个图像关键点和一个历史关键点;响应于关键点对的数量大于预设阈值时,确定区域图像与历史图像存在重叠区域。
可选地,可基于现有技术中任意可实现关键点提取的方法对区域图像和历史图像进行关键点提取,基于提取到的关键点进行关键点匹配,可得到n组关键点对,当关键点对的数量大于预设阈值时,说明两个图像之间存在一定相似区域,可认为两个图像存在交集,即重叠区域,该重叠区域可根据关键点对在图像中的位置确定。可选地,也可以基于区域图像与每个历史图像之间的相似度(基于距离确定)确定二者之间是否存在重叠区域。特殊地,当m为0时,区块中不存在与区域图像对应的历史图像,此时,即可直接确定不存在重叠区域,执行步骤1064。
步骤1063,将区域图像与存在重叠区域的历史图像进行拼接,基于拼接得到的拼接图像执行三维场景重建。
步骤1064,基于至少一个区域图像执行三维场景重建。
本实施例中,在确定了区域图像与历史图像之间存在重叠区域后,基于重叠区域可将区域图像和历史图像进行融合,以实现对三维场景的重建;而如果不存在与区域图像存在重叠部分的历史图像时,说明区域图像中的内容在现有三维场景中不存在,此时仅基于至少一个区域图像恢复出的点云实现三维场景重建,重建得到的重建三维模型是区块中不存在的新的场景内容,属于对三维场景的扩展,此时,可通过较高反馈提高预设用户端的持有者的积极性,并通过积极奖励的方式鼓励持有者继续获取更多区域图像,以便于获得与历史图像存在重叠区域的区域图像,以实现将新建的三维模型与历史的三维模型连通,避免在一个预设场景中出现多个孤立三维模型;或者,通过不同扩展该预设区域中的三维模型,以使不同区块存储的三维模型进行连通,以获得更大的连通三维模型;又或者,在得到孤立三维模型后,为该孤立三维模型在区块链中申请新的区块进行存储,以提高处理效率。
在一些可选的实施例中,步骤1063可以包括:
基于区域图像得到对应的第一点云模型,基于至少一个历史图像得到对应的至少一个第二点云模型;
分别对第一点云模型和至少一个第二点云模型进行特征点提取,得到多对目标匹配点对;
基于多对目标匹配点对确定变换矩阵;
通过变换矩阵,将第一点云模型与至少一个第二点云模型进行配准,得到融合点云;
基于融合点云得到重建三维模型。
可选地,基于区域图像和历史图像可通过现有技术中任一可实现点云恢复的方法得到第一点云模型和第二点云模型;例如,确定摄像设备的内外参后,即可基于二维图像恢复出图像中对应的每个像素点的三维信息,进而得到点云数据。通过现有技术中可实现的技术对点云模型进行特征点提取,例如,基于统计直方图的方法,统计所要描述点周围点的信息,并组合成直方图向量,用于描述该特征点。通过变换矩阵对两个点云模型中的至少一个进行方向角度的变换,以便于两个点云模型可以相互匹配,将变换后的点云模型进行配准,即可实现两个点云模型的融合,得到融合点云。
可选地,分别对第一点云模型和至少一个第二点云模型进行特征点提取,得到多对目标匹配点对,包括:
分别对第一点云模型和至少一个第二点云模型进行特征点提取,得到初始匹配点对;
对初始匹配点对中的错误匹配点对进行剔除和过滤,得到多对目标匹配点对。
可选地,本实施例可通过基于特征匹配的点云配准方法(pointDSCC)对错误匹配点进行剔除和过滤,对于剩下的点云特征对,提升了目标匹配点对的准确性。
可选地,通过变换矩阵,将第一点云模型与至少一个第二点云模型进行配准,得到融合点云,包括:
通过变换矩阵,将第一点云模型与至少一个第二点云模型进行配准,得到初始配准结果;
通过最近邻查找迭代优化算法对初始配准结果进行优化,得到融合点云。
可选地,可利用奇异值分解(Singular Value Decomposition,SVD)方法求解变换矩阵,得到初始配准结果,然后通过最近邻查找接待优化算法得到精细化的配准结果,提升了确定融合点云的配准结果的准确性,使得到的融合点云更有利于建立三维模型。
可选地,基于融合点云得到重建三维模型,包括:
基于至少一个区域图像的像素数据和融合点云,对预设区域的表面属性进行建模,获得预设区域的初始三维重建模型;
检测初始三维重建模型中的点云空洞区域;
基于初始三维重建模型中点云空洞区域的对称位置的点云数据,对点云空洞区域的点云数据进行补全处理,获得重建三维模型。
在本实施例中,由于激光雷达只能检测直视区域,所以目标的初始三维重建模型中部分区域有可能会存在点云空洞区域,所以可以对点云空洞区域进行补全处理。重建装置可以在目标的初始三维重建模型中检测点云数目小于预设数值,且面积大于一定数值的区域,将该区域称为是点云空洞区域。然后判断该点云空洞区域是否存在对称位置,若该点云空洞区域存在对称位置,则获取该对称位置的点云数据。确定点云空洞区域中点云数据缺失的位置点在对应对称位置点的点云数据,将该对称位置点的点云数据,确定为点云数据缺失的位置点的点云数据,然后将点云空洞区域中的点云数据补全至与对称位置的点云数据相同,获得重建三维模型。这样,可以尽可能的减少重建三维模型中点云空洞区域。在得到重建三维模型后,可通过区域图像和历史图像对重建三维模型进行渲染,以获得效果更好的重建三维模型。
在一些可选的实施例中,本实施例提供的方法还可以包括:
基于至少一个区域图像在重建三维模型中的贡献比例,确定预设用户端的用户权限;其中,用户权限包括以下至少之一:查看区块中存储的信息、上传信息到区块、请求获取区块链中其他区块中存储的信息。
本实施例中,为了进一步鼓励预设用户端持有者的积极性,在提供反馈数据的基础上,还为该预设用户端提供相应的用户权限,例如,这些权限使持有者可以免费查看预设区域的三维模型,或将一些建议信息上传到区块中,或者在贡献较高时,还可以获得与该预设区域相关联的其他区域中存储的相关三维模型等等;这些信息为持有者提供了便利,节省了大量时间和精力,极大的增加了持有者参与三维重建的积极性。
本公开实施例提供的任一种基于分布式网络的数据处理方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本公开实施例提供的任一种基于分布式网络的数据处理方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种基于分布式网络的数据处理方法。下文不再赘述。
图3是本公开一示例性实施例提供的基于分布式网络的数据处理装置的结构示意图。如图3所示的装置包括:
图像采集模块31,用于利用处于预设区域中的预设用户端,对所述预设区域进行图像采集,得到至少一个区域图像;其中,所述预设用户端包括至少一种图像采集设备;
图像上传模块32,用于将所述至少一个区域图像上传到区块链中所述预设区域对应的区块中;其中,所述区块链中包括多个区块,每个所述区块对应一个区域;
模型重建模块33,用于基于所述区块中预存的历史图像和所述至少一个区域图像执行三维场景重建,得到所述预设区域对应的重建三维模型;
比例确定模块34,用于基于区块中的智能合约确定至少一个区域图像在重建三维模型中的贡献比例;
数据反馈模块35,用于基于贡献比例与至少一个贡献范围的关系,确定预设用户端对应的反馈数据。
本公开上述实施例提供的一种基于分布式网络的数据处理装置,包括:利用处于预设区域中的预设用户端,对所述预设区域进行图像采集,得到至少一个区域图像;其中,所述预设用户端包括至少一种图像采集设备;将所述至少一个区域图像上传到区块链中所述预设区域对应的区块中;其中,所述区块链中包括多个区块,每个所述区块对应一个区域;基于所述区块中预存的历史图像和所述至少一个区域图像执行三维场景重建,得到所述预设区域对应的重建三维模型;基于所述重建三维模型中所述至少一个区域图像的贡献比例,确定所述预设用户端对应的反馈数据。本公开实施例提供的三维重建方法,通过反馈数据的方法激励用户通过预设用户端对预设区域的图像进行采集,促进预设区域的三维场景重建,并且,通过区块链对数据信息进行保存,提高了数据信息的安全性和可扩展性,便于以预设区域为基础扩展更大场景的三维重建;并且,基于用户直接上传的数据进行三维重建,降低了重建成本。
在一些可选的实施例中,图像采集模块31,具体用于根据预设用户端的授权,获得预设用户端的位置信息;基于预设用户端的位置信息,确定预设用户端是否处于预设区域;响应于预设用户端处于预设区域,发出图像采集提示信息;利用预设用户端,根据图像采集提示信息对预设区域进行图像采集,得到至少一个区域图像。
在一些可选的实施例中,模型重建模块33,包括:
历史图像单元,用于基于至少一个区域图像中每个区域图像对应的采集点位,确定区域图像对应的m个历史图像;其中,m为大于等于0的整数;
重叠区域单元,用于确定区域图像与对应的m个历史图像是否存在至少一个重叠区域;
图像拼接单元,用于响应于存在至少一个重叠区域,将区域图像与存在重叠区域的历史图像进行拼接,基于拼接得到的拼接图像执行三维场景重建。
可选地,模型重建模块33,还包括:
图像三维重建单元,用于响应于不存在重叠区域,基于至少一个区域图像执行三维场景重建。
可选地,历史图像单元,具体用于基于预设用户端在采集区域图像时所在位置信息,确定区域图像对应的采集点位;每个历史图像对应一个历史采集点位;基于采集点位为中心点,确定一个采集区域;将历史采集点位在采集区域的历史图像,确定为区域图像对应的m个历史图像。
可选地,重叠区域单元,具体用于分别对区域图像和m个历史图像执行关键点提取,确定区域图像中包括的多个图像关键点,以及每个历史图像中包括的多个历史关键点;基于图像关键点分别与每个历史图像包括的多个历史关键点进行匹配,得到n组关键点对;其中,n为大于等于0的整数,每组关键点对包括一个图像关键点和一个历史关键点;响应于关键点对的数量大于预设阈值时,确定区域图像与历史图像存在重叠区域。
可选地,图像拼接单元,具体用于基于区域图像得到对应的第一点云模型,基于至少一个历史图像得到对应的至少一个第二点云模型;分别对第一点云模型和至少一个第二点云模型进行特征点提取,得到多对目标匹配点对;基于多对目标匹配点对确定变换矩阵;通过变换矩阵,将第一点云模型与至少一个第二点云模型进行配准,得到融合点云;基于融合点云得到重建三维模型。
可选地,图像拼接单元在分别对第一点云模型和至少一个第二点云模型进行特征点提取,得到多对目标匹配点对时,用于分别对第一点云模型和至少一个第二点云模型进行特征点提取,得到初始匹配点对;对初始匹配点对中的错误匹配点对进行剔除和过滤,得到多对目标匹配点对。
可选地,图像拼接单元在通过变换矩阵,将第一点云模型与至少一个第二点云模型进行配准,得到融合点云时,用于通过变换矩阵,将第一点云模型与至少一个第二点云模型进行配准,得到初始配准结果;通过最近邻查找迭代优化算法对初始配准结果进行优化,得到融合点云。
可选地,图像拼接单元在基于融合点云得到重建三维模型时,用于基于至少一个区域图像的像素数据和所述融合点云,对预设区域的表面属性进行建模,获得预设区域的初始三维重建模型;检测初始三维重建模型中的点云空洞区域;基于初始三维重建模型中点云空洞区域的对称位置的点云数据,对点云空洞区域的点云数据进行补全处理,获得重建三维模型。
在一些可选的实施例中,比例确定模块34,具体用于执行智能合约,基于评价算法对重建三维模型进行评分,得到重建三维模型对应的重建评分值;基于重建评分值与历史评分值和评分阈值之间的关系,确定重建三维模型是否为有效模型;响应于重建三维模型为有效模型,基于重建评分值与历史评分值之间的差值,确定至少一个区域图像的贡献比例。
可选地,数据反馈模块35,具体用于确定贡献比例属于至少一个贡献范围中的一个贡献范围;其中,每个贡献范围包括一个起始比例值和一个结束比例值;每个贡献范围对应一个反馈数据;基于贡献范围,确定预设用户端对应的反馈数据。
在一些可选的实施例中,数据反馈模块35,还用于基于至少一个区域图像在重建三维模型中的贡献比例,确定预设用户端的用户权限;其中,用户权限包括以下至少之一:查看区块中存储的信息、上传信息到区块、请求获取区块链中其他区块中存储的信息。
示例性电子设备
下面,参考图4来描述根据本公开实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
图4图示了根据本公开实施例的电子设备的框图。
如图4所示,电子设备包括一个或多个处理器和存储器。
处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器可以存储一个或多个计算机程序产品,所述存储器可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序产品,处理器可以运行所述计算机程序产品,以实现上文所述的本公开的各个实施例的基于分布式网络的数据处理方法以及/或者其他期望的功能。
在一个示例中,电子装置还可以包括:输入装置和输出装置,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入装置还可以包括例如键盘、鼠标等等。
该输出装置可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出装置可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出装置等等。
当然,为了简化,图4中仅示出了该电子设备中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的基于分布式网络的数据处理方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的基于分布式网络的数据处理方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (15)
1.一种基于分布式网络的数据处理方法,其特征在于,包括:
利用处于预设区域中的预设用户端,对所述预设区域进行图像采集,得到至少一个区域图像;其中,所述预设用户端包括至少一种图像采集设备;
将所述至少一个区域图像上传到区块链中所述预设区域对应的区块中;其中,所述区块链中包括多个区块,每个所述区块对应一个区域;
基于所述区块中预存的历史图像和所述至少一个区域图像执行三维场景重建,得到所述预设区域对应的重建三维模型;
基于所述区块中的智能合约确定所述至少一个区域图像在所述重建三维模型中的贡献比例;
基于所述贡献比例与至少一个贡献范围的关系,确定所述预设用户端对应的反馈数据。
2.根据权利要求1所述的方法,其特征在于,所述基于所述区块中的智能合约确定所述至少一个区域图像在所述重建三维模型中的贡献比例,包括:
执行所述智能合约,基于评价算法对所述重建三维模型进行评分,得到所述重建三维模型对应的重建评分值;
基于所述重建评分值与历史评分值和评分阈值之间的关系,确定所述重建三维模型是否为有效模型;
响应于所述重建三维模型为有效模型,基于所述重建评分值与所述历史评分值之间的差值,确定所述至少一个区域图像的贡献比例。
3.根据权利要求2所述的方法,其特征在于,所述基于所述贡献比例与至少一个贡献范围的关系,确定所述预设用户端对应的反馈数据,包括:
确定所述贡献比例属于所述至少一个贡献范围中的一个所述贡献范围;其中,每个所述贡献范围包括一个起始比例值和一个结束比例值;每个所述贡献范围对应一个反馈数据;
基于所述贡献范围,确定所述预设用户端对应的反馈数据。
4.根据权利要求1所述的方法,其特征在于,在基于所述区块中的智能合约确定所述至少一个区域图像在所述重建三维模型中的贡献比例之后,还包括:
基于所述至少一个区域图像在所述重建三维模型中的贡献比例,确定所述预设用户端的用户权限;其中,所述用户权限包括以下至少之一:查看所述区块中存储的信息、上传信息到所述区块、请求获取所述区块链中其他区块中存储的信息。
5.根据权利要求1-4任一所述的方法,其特征在于,所述基于所述区块中预存的历史图像和所述至少一个区域图像执行三维场景重建,得到所述预设区域对应的重建三维模型,包括:
基于所述至少一个区域图像中每个所述区域图像对应的采集点位,确定所述区域图像对应的m个所述历史图像;其中,m为大于等于0的整数;
确定所述区域图像与对应的m个所述历史图像是否存在至少一个重叠区域;
响应于存在至少一个所述重叠区域,将所述区域图像与存在重叠区域的所述历史图像进行拼接,基于拼接得到的拼接图像执行三维场景重建。
6.根据权利要求5所述的方法,其特征在于,所述基于所述至少一个区域图像中每个所述区域图像对应的采集点位,确定所述区域图像对应的m个所述历史图像,包括:
基于所述预设用户端在采集所述区域图像时所在位置信息,确定所述区域图像对应的采集点位;每个所述历史图像对应一个历史采集点位;
基于所述采集点位为中心点,确定一个采集区域;
将所述历史采集点位在所述采集区域的所述历史图像,确定为所述区域图像对应的m个所述历史图像。
7.根据权利要求6所述的方法,其特征在于,所述确定所述区域图像与对应的m个所述历史图像是否存在至少一个重叠区域,包括:
分别对所述区域图像和m个所述历史图像执行关键点提取,确定所述区域图像中包括的多个图像关键点,以及每个所述历史图像中包括的多个历史关键点;
基于所述图像关键点分别与每个所述历史图像包括的多个历史关键点进行匹配,得到n组关键点对;其中,n为大于等于0的整数,每组所述关键点对包括一个图像关键点和一个历史关键点;
响应于所述关键点对的数量大于预设阈值时,确定所述区域图像与所述历史图像存在重叠区域。
8.根据权利要求5所述的方法,其特征在于,所述将所述区域图像与存在重叠区域的所述历史图像进行拼接,基于拼接得到的拼接图像执行三维场景重建,包括:
基于所述区域图像得到对应的第一点云模型,基于至少一个所述历史图像得到对应的至少一个第二点云模型;
分别对所述第一点云模型和至少一个所述第二点云模型进行特征点提取,得到多对目标匹配点对;
基于所述多对目标匹配点对确定变换矩阵;
通过所述变换矩阵,将所述第一点云模型与至少一个所述第二点云模型进行配准,得到融合点云;
基于所述融合点云得到所述重建三维模型。
9.根据权利要求8所述的方法,其特征在于,所述分别对所述第一点云模型和至少一个所述第二点云模型进行特征点提取,得到多对目标匹配点对,包括:
分别对所述第一点云模型和至少一个所述第二点云模型进行特征点提取,得到初始匹配点对;
对所述初始匹配点对中的错误匹配点对进行剔除和过滤,得到所述多对目标匹配点对。
10.根据权利要求8所述的方法,其特征在于,所述通过所述变换矩阵,将所述第一点云模型与至少一个所述第二点云模型进行配准,得到融合点云,包括:
通过所述变换矩阵,将所述第一点云模型与至少一个所述第二点云模型进行配准,得到初始配准结果;
通过最近邻查找迭代优化算法对所述初始配准结果进行优化,得到所述融合点云。
11.根据权利要求8所述的方法,其特征在于,所述基于所述融合点云得到所述重建三维模型,包括:
基于所述至少一个区域图像的像素数据和所述融合点云,对所述预设区域的表面属性进行建模,获得所述预设区域的初始三维重建模型;
检测所述初始三维重建模型中的点云空洞区域;
基于所述初始三维重建模型中所述点云空洞区域的对称位置的点云数据,对所述点云空洞区域的点云数据进行补全处理,获得所述重建三维模型。
12.根据权利要求1-4任一所述的方法,其特征在于,所述利用处于预设区域中的预设用户端,对所述预设区域进行图像采集,得到至少一个区域图像,包括:
根据所述预设用户端的授权,获得所述预设用户端的位置信息;
基于所述预设用户端的位置信息,确定所述预设用户端是否处于所述预设区域;
响应于所述预设用户端处于所述预设区域,发出图像采集提示信息;
利用所述预设用户端,根据所述图像采集提示信息对所述预设区域进行图像采集,得到至少一个区域图像。
13.一种基于分布式网络的数据处理装置,其特征在于,包括:
图像采集模块,用于利用处于预设区域中的预设用户端,对所述预设区域进行图像采集,得到至少一个区域图像;其中,所述预设用户端包括至少一种图像采集设备;
图像上传模块,用于将所述至少一个区域图像上传到区块链中所述预设区域对应的区块中;其中,所述区块链中包括多个区块,每个所述区块对应一个区域;
模型重建模块,用于基于所述区块中预存的历史图像和所述至少一个区域图像执行三维场景重建,得到所述预设区域对应的重建三维模型;
数据反馈模块,用于基于所述重建三维模型中所述至少一个区域图像的贡献比例,确定所述预设用户端对应的反馈数据。
14.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序产品;
处理器,用于执行所述存储器中存储的计算机程序产品,且所述计算机程序产品被执行时,实现上述权利要求1-12任一所述的基于分布式网络的数据处理方法。
15.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该计算机程序指令被处理器执行时,实现上述权利要求1-12任一所述的基于分布式网络的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044117.3A CN117557241B (zh) | 2024-01-11 | 基于分布式网络的数据处理方法、装置、设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044117.3A CN117557241B (zh) | 2024-01-11 | 基于分布式网络的数据处理方法、装置、设备、介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117557241A true CN117557241A (zh) | 2024-02-13 |
CN117557241B CN117557241B (zh) | 2024-05-31 |
Family
ID=
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210306154A1 (en) * | 2020-03-30 | 2021-09-30 | Hand Held Products, Inc. | Validating electronic devices in a block chain network |
CN113808277A (zh) * | 2021-11-05 | 2021-12-17 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及相关装置 |
CN116051785A (zh) * | 2023-02-08 | 2023-05-02 | 广州市城市规划勘测设计研究院 | 城市实景三维模型的构建方法、装置、设备及存储介质 |
CN116680349A (zh) * | 2023-04-20 | 2023-09-01 | 中国信息通信研究院 | 基于区块链的地图处理方法、装置、电子设备和介质 |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210306154A1 (en) * | 2020-03-30 | 2021-09-30 | Hand Held Products, Inc. | Validating electronic devices in a block chain network |
CN113808277A (zh) * | 2021-11-05 | 2021-12-17 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及相关装置 |
CN116051785A (zh) * | 2023-02-08 | 2023-05-02 | 广州市城市规划勘测设计研究院 | 城市实景三维模型的构建方法、装置、设备及存储介质 |
CN116680349A (zh) * | 2023-04-20 | 2023-09-01 | 中国信息通信研究院 | 基于区块链的地图处理方法、装置、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106303599B (zh) | 一种信息处理方法、系统及服务器 | |
CN111047321A (zh) | 业务处理方法及装置、电子设备、存储介质 | |
TWI676111B (zh) | 業務過程的啟動方法和裝置 | |
JP6760974B2 (ja) | トランザクション処理方法及びシステム | |
KR20210145891A (ko) | 생체정보를 이용한 인증 수단 및 증강현실 가상피팅 서비스를 제공하는 전자 상거래 시스템 및 방법 | |
US20220222760A1 (en) | Asset Verification Systems and/or Methods | |
KR20220149643A (ko) | 상품 정보 추정 모델을 이용한 글로벌 이커머스 통합 관리 방법 및 시스템 | |
Seo et al. | Digital forensic investigation framework for the metaverse | |
CN112989308B (zh) | 账户的认证方法、装置、设备及介质 | |
Fu et al. | CT-GCN: A phishing identification model for blockchain cryptocurrency transactions | |
CN107948312B (zh) | 一种以位置点作为信息出入口的信息归类发布方法及系统 | |
CN117557241B (zh) | 基于分布式网络的数据处理方法、装置、设备、介质 | |
CN117557241A (zh) | 基于分布式网络的数据处理方法、装置、设备、介质 | |
US20230344634A1 (en) | Gesture-based authentication tokens for information security within a metaverse | |
Daliparthi et al. | ViSDM: A liquid democracy based visual data marketplace for sovereign crowdsourcing data collection | |
WO2019100234A1 (zh) | 实现信息互动的方法和装置 | |
CN106302367B (zh) | 事务处理方法和系统 | |
CN114037036A (zh) | 图形码处理方法、装置、计算机设备和存储介质 | |
Xu et al. | AeS‐GCN: Attention‐enhanced semantic‐guided graph convolutional networks for skeleton‐based action recognition | |
KR102495580B1 (ko) | 이미지 도용 판별 서비스를 제공하는 방법 및 서버 | |
US12010234B2 (en) | System and method to generate a unique security proof for secure accessing of data | |
US20210344491A1 (en) | System and method to generate a unique security proof for secure accessing of data | |
US20230342760A1 (en) | Resource transfer validation within a metaverse | |
US20240005325A1 (en) | Using a conversation interface to transfer digital assets | |
Dai | Cloud information experience platform based on augmented reality in the background of Social Internet of Things |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |