基于AR与AI的户外光电设备调控选取方法、装置、设备制造方法及图纸

本发明专利技术涉及人工智能技术，揭露了一种基于AR与AI的户外光电设备调控选取方法，包括：基于目标区域的区域图像特征及区域空间位置信息构建增强特征匹配库，对目标户外光电设备进行空间建模，得到光电设备模型，对目标区域的实时视频流及增强特征匹配库进行空间特征匹配，得到目标区域的AR建模空间，将光电设备模型导入至AR建模空间，利用用户输入的光电设备调整指令调整光电设备模型，得到调整光电设备模型集合，根据调整光电设备模型集合中各模型运行稳定性值及设备稳定性值选取稳定性最高的模型作为标准光电设备。本发明专利技术还提出一种基于AR与AI的户外光电设备调控选取装置及设备。本发明专利技术可以提高对户外光电设备调控的准确性。本发明专利技术可以提高对户外光电设备调控的准确性。本发明专利技术可以提高对户外光电设备调控的准确性。

【技术实现步骤摘要】
基于AR与AI的户外光电设备调控选取方法、装置、设备


[0001]本专利技术涉及人工智能
，尤其涉及一种基于AR与AI的户外光电设备调控选取方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]户外光电设备是指在地面、海洋和空中等环境中使用的，由光学、机械结构、电子(信息处理)、计算机硬件与软件(甚至人工智能)、控制系统等部分组成的综合设备。其基本功能就是将接收到的光辐射转换为电信号，并利用它去达到某种实际应用的目的，例如，测定目标的光度量、辐射度量或各种表观温度；测定目标光辐射的空间分布及温度分布；测定目标所处三维空间的位置或图像等。因此，户外设备安装、运行时的稳定性至关重要，会严重影响设备测量的准确性，现有技术下，对光电设备的调控往往基于人工经验，并且会被户外环境所制约，使得不同设备难以进行准确调控。

技术实现思路

[0003]本专利技术提供一种基于AR与AI的户外光电设备调控选取方法、装置、电子设备及可读存储介质，其主要目的在于提高对户外光电设备调控的准确性。
[0004]为实现上述目的，本专利技术提供的一种基于AR与AI的户外光电设备调控选取方法，包括：
[0005]获取目标区域的区域空间图像集合及区域空间位置信息；
[0006]提取所述区域空间图像集合中的区域图像特征，并基于所述区域图像特征构建匹配特征决策树，根据所述匹配特征决策树及所述区域空间位置信息构建增强特征匹配库；
[0007]获取目标户外光电设备的设备运行图像集合，基于所述设备运行图像集合对所述目标户外光电设备进行空间建模，得到光电设备模型；
[0008]获取所述目标区域的实时视频流，基于联合匹配算法对所述实时视频流及增强特征匹配库进行空间特征匹配，匹配成功后得到所述目标区域的AR建模空间，将所述光电设备模型导入至所述AR建模空间；
[0009]接收用户输入的光电设备调整指令，利用所述光电设备调整指令调整所述AR建模空间中的光电设备模型，得到调整光电设备模型集合；
[0010]利用通过所述设备运行图像集合及历史户外光电设备运行图像集合训练的设备运行识别模型计算所述调整光电设备模型集合中各模型的运行稳定性值，以及根据所述调整光电设备模型集合中各模型的设备倾角计算各模型的设备稳定性值，并根据所述运行稳定性值及所述设备稳定性值从所述调整光电设备模型集合选取稳定性最高的模型作为标准光电设备。
[0011]可选地，所述提取所述区域空间图像集合中的区域图像特征，并基于所述区域图像特征构建匹配特征决策树，包括：
[0012]遍历所述区域空间图像集合中图像的像素点，并以遍历到的像素点为中心像素
点，汇总所述中心像素点及所述中心像素点附近预设范围的边缘像素点为像素点子集合；
[0013]基于预设的状态公式确定所述像素点子集合中边缘像素点的边缘状态，并基于所述边缘状态计算分裂节点；
[0014]将所述分裂节点作为中心像素点，并返回所述汇总所述中心像素点及所述中心像素点附近预设范围的边缘像素点为像素点子集合的步骤，进行迭代分裂，得到像素决策树；
[0015]利用预设的决策损失函数计算所述像素决策树的损失值，直至所述损失值小于或等于预设的损失阈值时，停止迭代，得到所述匹配特征决策树。
[0016]可选地，所述根据所述匹配特征决策树及所述区域空间位置信息构建增强特征匹配库，包括：
[0017]对所述匹配特征决策树中各节点的像素点进行k
‑
means聚类，得到预设个数的聚类集合，重复对所述聚类集合进行k
‑
means聚类，直至聚类次数满足预设的聚类阈值，得到聚类结果，并基于TF
‑
IDF算法计算所述聚类结果中特征的权重，基于所述权重及所述聚类结果构建词袋树模型；
[0018]汇总所述词袋树模型、所述匹配特征决策树及所述区域空间位置信息得到所述增强特征匹配库。
[0019]可选地，所述基于所述设备运行图像集合对所述目标户外光电设备进行空间建模，得到光电设备模型，包括：
[0020]获取所述目标户外光学设备的原始三维模型及替换结构模型，并利用预设的建模引擎基于所述设备运行图像集合构建设备运行坐标；
[0021]获取所述原始三维模型及替换结构模型的顶点坐标，利用所述顶点坐标及所述设备运行坐标生成设备图元；
[0022]对所述设备图元进行光栅化处理及几何转化处理，得到所述光电设备模型。
[0023]可选地，所述获取所述目标区域的实时视频流，基于联合匹配算法对所述实时视频流及增强特征匹配库进行空间特征匹配，匹配成功后得到所述目标区域的AR建模空间，包括：
[0024]利用预设的AR设备获取所述目标区域的实时位置信息及实时视频流；
[0025]利用所述实时位置信息及所述区域空间位置信息进行定位；
[0026]在定位成功时，逐帧读取所述实时视频流中的实时图像，利用所述匹配特征决策树提取所述实时图像中的图像特征，并基于所述图像特征构建查询词袋模型；
[0027]对所述查询词袋模型中的图像特征及所述词袋树模型中的图像特征进行特征匹配，基于GMS算法对特征匹配结果进行初始特征筛选，得到原始特征匹配结果，基于RANSAC算法对所述原始特征匹配结果进行外点删除，得到标准特征匹配结果；
[0028]基于所述AR设备构建坐标空间，利用ICP算法在所述空间坐标中对标所述准特征匹配结果进行位姿配准，得到所述AR建模空间。
[0029]可选地，所述利用所述光电设备调整指令调整所述AR建模空间中的光电设备模型，得到调整光电设备模型集合，利用通过所述设备运行图像集合及历史户外光电设备运行图像集合训练的设备运行识别模型计算所述光电设备模型集合中各模型的运行稳定性值，以及根据所述设备模型集合中各模型的设备倾角计算各模型的设备稳定性值，并根据所述运行稳定性值及所述设备稳定性值选取稳定性最高的模型作为标准光电设备，包括：
[0030]解析出所述光电设备调整指令中的设备替换指令及设备调整指令；
[0031]对所述设备替换指令及设备调整指令进行随机组合，得到多个随机组合指令，利用多个所述随机组合指令对所述光电设备模型进行设备调整，得到所述调整光电设备模型集合；
[0032]利用所述设备运行识别模型输出所述调整光电设备模型集合中各模型在运行时的预测运行标签，并将所述预测运行标签对应的运行量化值作为运行稳定性值；
[0033]计算所述调整光电设备模型集合中各模型与目标区域的设备倾角，确定所述设备倾角对应的倾角量化值为设备稳定性值；
[0034]对所述运行稳定性值及所述设备稳定性值进行加权计算，得到加权稳定性值，并确定所述调整光电设备模型集合中加权稳定性值最大的模型为标准光电设备。
[0035]可选地，通过下述公式计算分裂节点：
[0036]H(g)＝H(P)
‑
H(d)
‑
H(s)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AR与AI的户外光电设备调控选取方法，其特征在于，所述方法包括：获取目标区域的区域空间图像集合及区域空间位置信息；提取所述区域空间图像集合中的区域图像特征，并基于所述区域图像特征构建匹配特征决策树，根据所述匹配特征决策树及所述区域空间位置信息构建增强特征匹配库；获取目标户外光电设备的设备运行图像集合，基于所述设备运行图像集合对所述目标户外光电设备进行空间建模，得到光电设备模型；获取所述目标区域的实时视频流，基于联合匹配算法对所述实时视频流及增强特征匹配库进行空间特征匹配，匹配成功后得到所述目标区域的AR建模空间，将所述光电设备模型导入至所述AR建模空间；接收用户输入的光电设备调整指令，利用所述光电设备调整指令调整所述AR建模空间中的光电设备模型，得到调整光电设备模型集合；利用通过所述设备运行图像集合及历史户外光电设备运行图像集合训练的设备运行识别模型计算所述调整光电设备模型集合中各模型的运行稳定性值，以及根据所述调整光电设备模型集合中各模型的设备倾角计算各模型的设备稳定性值，并根据所述运行稳定性值及所述设备稳定性值从所述调整光电设备模型集合选取稳定性最高的模型作为标准光电设备。2.如权利要求1中所述的基于AR与AI的户外光电设备调控选取方法，其特征在于，所述提取所述区域空间图像集合中的区域图像特征，并基于所述区域图像特征构建匹配特征决策树，包括：遍历所述区域空间图像集合中图像的像素点，并以遍历到的像素点为中心像素点，汇总所述中心像素点及所述中心像素点附近预设范围的边缘像素点为像素点子集合；基于预设的状态公式确定所述像素点子集合中边缘像素点的边缘状态，并基于所述边缘状态计算分裂节点；将所述分裂节点作为中心像素点，并返回所述汇总所述中心像素点及所述中心像素点附近预设范围的边缘像素点为像素点子集合的步骤，进行迭代分裂，得到像素决策树；利用预设的决策损失函数计算所述像素决策树的损失值，直至所述损失值小于或等于预设的损失阈值时，停止迭代，得到所述匹配特征决策树。3.如权利要求1所述的基于AR与AI的户外光电设备调控选取方法，其特征在于，所述根据所述匹配特征决策树及所述区域空间位置信息构建增强特征匹配库，包括：对所述匹配特征决策树中各节点的像素点进行k
‑
means聚类，得到预设个数的聚类集合，重复对所述聚类集合进行k
‑
means聚类，直至聚类次数满足预设的聚类阈值，得到聚类结果，并基于TF
‑
IDF算法计算所述聚类结果中特征的权重，基于所述权重及所述聚类结果构建词袋树模型；汇总所述词袋树模型、所述匹配特征决策树及所述区域空间位置信息得到所述增强特征匹配库。4.如权利要求1所述的基于AR与AI的户外光电设备调控选取方法，其特征在于，所述基于所述设备运行图像集合对所述目标户外光电设备进行空间建模，得到光电设备模型，包括：获取所述目标户外光学设备的原始三维模型及替换结构模型，并利用预设的建模引擎
基于所述设备运行图像集合构建设备运行坐标；获取所述原始三维模型及替换结构模型的顶点坐标，利用所述顶点坐标及所述设备运行坐标生成设备图元；对所述设备图元进行光栅化处理及几何转化处理，得到所述光电设备模型。5.如权利要求1所述的基于AR与AI的户外光电设备调控选取方法，其特征在于，所述获取所述目标区域的实时视频流，基于联合匹配算法对所述实时视频流及增强特征匹配库进行空间特征匹配，匹配成功后得到所述目标区域的AR建模空间，包括：利用预设的AR设备获取所述目标区域的实时位置信息及实时视频流；利用所述实时位置信息及所述区域空间位置信息进行定位；在定位成功时，逐帧读取所述实时视频流中的实时图像，利用所述匹配特征决策树提取所述实时图像中的图像特征，并基于所述图像特征构建查询词袋模型；对所述查询词袋模型中的图像特征及所述词袋树模型中的图像特征进行特征匹配，基于GMS算法对特征匹配结果进行初始特征筛选，...

【专利技术属性】
技术研发人员：盛誉满，黄顺辉，林晨鸣，唐聪，
申请(专利权)人：富华智能深圳有限公司，
类型：发明
国别省市：