云端多模场景地图分布式存储结构制造技术

本发明专利技术属于数据处理技术领域，具体涉及一种云端多模场景地图分布式存储结构，包括索引层、原始数据层和二维图像特征层，将原始数据层和二维图像特征层基于规划线路的分段划分和客户端地理位置分布进行动态负载平衡分配，索引层是规划线路上各个数采点及其三维坐标的集合，通过数采点能够读取在该数采点采集的原始数据和处理这些原始数据中图像数据后获得的二维图像特征；本发明专利技术的有益效果：对基于实景的地图存储提出一个有效的组织存储结构，该结构能更具需求来采集和建构地图；该结构还可以支持对基于实景的虚拟现实，将数据采集，虚拟场景显示，室内定位，移动终端导航都结合起来；会大大推动室内机器人和其他移动终端应用发展。

【技术实现步骤摘要】

本专利技术属于数据处理
，具体涉及一种云端多模场景地图分布式存储结构。
技术介绍
在现有的地图数据信息处理结构中，地图通常可以分为二维地图和三维地图两种。二维地图通常以瓷砖结构(例如百度地图或谷歌地图)分为小方块存储在不同比例尺下。读取更具需要调用相应比例尺下的小方块进行重组。三维地图目前只是简单几何结构，不是高精度的三维重构或实景。目前大部分地图都是抽象几何图，有图像而建构的实景图非常少。室内实景都更是罕见。在实景图中，最接近的是目前谷歌和百度的街景图。它们都是简单的二维全景图在投影，并不对三维进行重构。而本专利就是为了弥补这个空缺。这个地图格式不仅仅是可见光实景，甚至包括无线电磁波频段。另外，在二维地图中标注兴趣点POI (Point of Interest)通常是以点的方式进行。在三维实景图中，此法就不太适合。本专利技术对此问题也加于解决。
技术实现思路
针对上述
技术介绍
所涉及到的目前地图数据信息结构的现状以及诸多问题，本专利技术为了弥补现有地图数据信息构建结构的技术空白，现提供一种云端多模场景地图分布式存储结构，包括索引层、原始数据层和二维图像特征层，将原始数据层和二维图像特征层基于规划线路的分段划分和客户端地理位置分布进行动态负载平衡分配，索引层是数据采集的扫描规划线路上各个数采点及其三维坐标的集合，索引层上的数采点是云端多模场景地图分布式存储结构的索引入口，通过数采点能够读取在该数采点采集的原始数据和处理这些原始数据中图像数据后获得的二维图像特征；数采点子集与原始数据子集、二维图像特征子集之间存在着关联关系，通过给定任意三维坐标范围能够读取该三维坐标范围内的数采点子集以及与该数采子集相关联的原始数据子集、二维图像特征子集；给定原始数据子集和二维图像特征子集中任意一个子集，通过上述关联关系能够索引到另外一子集和数采点子集；原始数据包括图像数据、图像采集设备信息、局部点云和无线信号；原始数据层是索引层内各个数采点所采集到原始数据的集合，其中每一数采点所采集到原始数据包括图像数据、图像采集设备信息、局部点云和无线信号；二维图像特征层中包括特征点集、线段特征集、线特征集和消逝点特征集，其中:特征点集是基于原始数据层内的图像数据进行计算处理后获得的各种特征点的集合，线段特征集是基于原始数据层内的图像数据进行计算处理后获得的各个特征线段的集合，线特征集是基于线段特征集内线段延伸或者相互共线的线段连接并延伸组成的隹A 口，消逝点特征集(V。V2,……、Vv)是基于线特征集内平行线相交点组成的集合，其中消逝点特征集是在投影几何空间内线特征集内平行线相交点组成的集合。作为优选，所述云端多模场景地图分布式存储结构还包括三维特征层，该三维特征层是基于二维图像特征层内二维图像特征的三维重建，且该二维图像特征层内的二维图像特征是至少两个不同原始数据中的图像数据上相关联的二维图像特征；其中:这些不同原始数据中的图像数据是基于不同数采点所采集的图像数据，二维图像特征是指二维图像特征层中的特征点、线段特征、线特征或消逝点特征，所述三维特征层还包括由共面的点线构建的平面。这些点线面共同组成了欧几里得空间下三维结构。所述三维特征层与索引层之间是应用相同的坐标系统，通过给定的坐标范围能够读取该坐标范围内相关联的数采点子集和相关联的原始数据子集、二维图像特征子集、三维特征子集。作为优选，所述云端多模场景地图分布式存储结构还包括POI层，该POI层是基于三维特征层所构建场景空间内三维矩形空间块的坐标、形状大小及其属性标注内容的集入口 ο作为优选，数采点子集与原始数据子集、二维图像特征子集、三维特征子集、POI子集之间存在着关联关系，该关联关系包括原始数据子集与二维图像特征子集之间的相互索引关系、二维图像特征子集与三维特征子集之间的相互索引关系、三维特征子集与POI子集之间的相互索引关系、以及POI子集与原始数据子集的相互索引关系，其中:原始数据子集(包括数采点三维坐标i(x，y，z)及原始二维图像(R，t，I(u，v))通过原始图像和二维特征图像共享坐标(U，V)实现与二维图像特征子集相互之间的索引关系；二维图像特征子集与三维特征子集即是通过二维和三维建构关联关系实现两者的相互索引关系；三维特征子集与POI集合之间通过同一个三维坐标的位置检索i (X，y, z)实现相互间的索引关系；POI集合与原始数据子集(包括数采点三维坐标i(x，y，z)及原始二维图像(R, t, I (U，V))之间通过同一个三维坐标的位置检索i (X，y, z)实现相互间的索引关系，通过给定任意三维坐标范围能够读取该三维坐标范围内的数采点子集以及与该数采子集相关联的原始数据子集、二维图像特征子集、三维特征子集、POI子集；给定原始数据子集、二维图像特征子集、三维特征子集和POI子集中任意一个子集，通过上述关联关系能够索引到另外三个子集和数采点子集。作为优选，所述无线信号包括指场景内能够接收到的无线信号源地址及信号特征，所述无线信号包括WiFi指纹场强信号(IEEE802.11a, b, c, g家族)、手机无线通讯指纹场强信号(2G，3G, 4G，5G, WiMAX等等)，及其他各种智能设备的无线通讯信号。作为优选，所述图像采集设备信息包括图像采集设备内部参数，图像采集设备位置信息、图像采集设备朝向数据、图像采集设备移动速度数据、图像采集设备旋转速率信息。作为优选，所述原始图像数据和二维图像特征是都被保存在该云端多模场景地图分布式存储结构中，给地图建图及应用提供便利。作为优选，所述二维图像特征中的特征点是多种同时存储的包括基于HarrisCorner算法、FAST算法，SUSAN算法，SIFT算法，SURF算法获得的特征点；所述特征线段是基于LSD算法获得的特征数据。作为优选，所述三维矩形空间块是指其属性标注内容所指物体的边界框。作为优选，所述数采点是基于移动客户端遍历场景空间规划线路上的点，而且考虑到传感器的有效作用距离，这些数采点能够对场景形成完整覆盖。与现有技术相比，本专利技术的有益效果:对基于实景的地图存储提出一个有效的组织存储结构，该结构能更具需求来采集和建构地图；该结构还可以支持对基于实景的虚拟现实，将数据采集，虚拟场景显示，室内定位，移动终端导航都结合起来；会大大推动室内机器人和其他移动终端应用发展。【附图说明】图1是本专利技术中索引层结构示意图；图2是本专利技术中原始数据层结构示意图；图3是本专利技术中二维图像特征层中消逝点特征的结构示意图；图4是本专利技术中三维特征层的局部结构示意图；图5是本专利技术中POI层的局部结构示意图；图6是本专利技术中场景地图当前第1页1 2 3 本文档来自技高网...

【技术保护点】
云端多模场景地图分布式存储结构，其特征在于，包括索引层、原始数据层和二维图像特征层，将原始数据层和二维图像特征层基于规划线路的分段划分和客户端地理位置分布进行动态负载平衡分配，索引层是规划线路上各个数采点及其三维坐标的集合，索引层上的数采点是云端多模场景地图分布式存储结构的索引入口，通过数采点能够读取在该数采点采集的原始数据和处理这些原始数据中图像数据后获得的二维图像特征；数采点子集与原始数据子集、二维图像特征子集之间存在着关联关系，通过给定任意三维坐标范围能够读取该三维坐标范围内的数采点子集以及与该数采子集相关联的原始数据子集、二维图像特征子集；给定原始数据子集和二维图像特征子集中任意一个子集，通过上述关联关系能够索引到另外一子集和数采点子集；原始数据包括图像数据、图像采集设备信息、局部点云和无线信号；原始数据层是索引层内各个数采点所采集到原始数据的集合，其中每一数采点所采集到原始数据包括图像数据、图像采集设备信息、局部点云和无线信号；二维图像特征层中包括特征点集、线段特征集、线特征集和消逝点特征集，其中：特征点集是基于原始数据层内的图像数据进行计算处理后获得的各种特征点的集合，线段特征集是基于原始数据层内的图像数据进行计算处理后获得的各个特征线段的集合，线特征集是基于线段特征集内线段延伸或者相互共线的线段连接并延伸组成的集合，消逝点特征集是基于线特征集内平行线相交点组成的集合。...

【技术特征摘要】

【专利技术属性】
技术研发人员：宋德臻，黄广宁，
申请(专利权)人：杭州史莱姆德泽机器人科技有限公司，
类型：发明
国别省市：浙江;33