[发明专利]一种姿态估计方法、服务器和网络设备

说明书

本发明提供了一种姿态估计方法、服务器和网络设备，涉及通信技术领域，该所述姿态估计方法包括：获取网络设备通过基站的移动边缘计算MEC服务器发送的至少一个视频信息；根据所述视频信息进行视频解码，获得解码后的视频内容；根据所述视频内容以及所述网络设备的设备信息，计算所述网络设备的姿态向量；向所述网络设备发送所述姿态向量。本发明实施例通过获取网络设备通过基站的MEC服务器发送的至少一个视频信息，根据所述视频信息进行视频解码，获得解码后的视频内容，并根据所述视频内容以及所述网络设备的设备信息，计算所述网络设备的姿态向量，并向所述网络设备发送所述姿态向量，能够保证低时延、高带宽和强处理能力。

技术领域

本发明涉及通信技术领域，具体涉及一种姿态估计方法、服务器和网络设备。

背景技术

随着VR(虚拟现实，Virtual Reality)、AR(增强现实，Augmented Reality)、机器人、自动驾驶等行业的快速发展，对设备自身位置的判断需求非常广泛。如在AR和机器人领域，通过单一或多个摄像头拍摄画面，反向计算自身的实时位置，才能实现精确的及时定位与SLAM(地图构建，Simultaneous Localization and Mapping)，而这一功能是几乎所有AR设备、机器人设备所必须具备的通用能力。在VR图像采集时，需采用多个相机组成的阵列覆盖360°的画面，在这些画面最终生成时需要将单个相机的图像进行拼接，只有获取每个相机所处的精确位置、朝向等参数，才能实现这一过程。对相机(阵列)当前所处的位置和朝向进行计算和估计的过程，被称作相机姿态估计。传统的粗颗粒度姿态估计可以考虑使用GPS(全球定位系统，Global Positioning System)等技术，而发展到当前阶段，姿态估计的精度要求通常为毫米或者厘米级别，且对相机本身的旋转参数也有计算需求，这样一来GPS就无法满足精度和能力要求了。目前的相机(阵列)姿态估计一般依靠计算机视觉技术，通过相机拍摄到的空间物体的位置及其变化，参考本身自带的陀螺仪、加速计等硬件数值，反向推算自身姿态。

在当前阶段的研究和应用中，根据对处理时延要求的不同，此类基于计算机视觉的相机姿态估计方法大概分为两类：一类是有实时性要求，且短时间内运动范围较小，导致连续两幅画面之间的变化差异很小的应用。如AR手机、AR眼镜、机器人、自动驾驶汽车等在空间内连续自由活动的设备。其对姿态估计的时延要求极其敏感，需要实时获取自身的精确位置；另外一类是对时延完全不敏感，允许将拍摄的图片或视频保存后，传输到高性能机器或云平台上进行运算以获取姿态的应用，如VR全景相机的初始姿态标定。这类应用提供的图片和视频内容往往差异较大，从而计算量很大，对计算能力要求高。

在第一类应用中的本地姿态估计问题非常明显，实际导致目前的设备无法提供长时间、高可靠性的服务。手机、AR眼镜、机器人等设备由于移动性限制，其处理器及各类其他芯片性能相对较低，在实时进行每帧的姿态计算时往往会出现帧级不同步等现象，导致处在当前位置时拿到的实际是之前某时刻的姿态参数，为上层应用带来误差。在机器人的路径规划和自动驾驶业务中，此类误差会带来物理位置上的偏差，有可能造成比较严重的影响。另外移动设备一般由电池供电，当前的手机AR、眼镜AR等应用由于负担此类计算任务，在几分钟内就会出现机身过热、耗电量突增等情况，实际无法支持应用的长时间正常使用。在第二类应用中，需要在VR全景摄像机的每个镜头处连接一个存储卡装置，将所拍摄的视频保存下来。待拍摄结束后将视频统一导入PC或服务器上的处理软件进行姿态估计。这种方法一方面造成了姿态估计效率大大降低，另外由于需要配合PC(个人计算机，PersonalComputer)或服务器使用，增加了前端处理成本，间接导致硬件利用率下降。此外，目前可能涉及相机姿态估计的相机种类包括：针孔相机、鱼眼相机、手机摄像头、其他移动设备摄像头、全景相机、3D相机等等，每类相机输出的视频格式、码率、分辨率存在较大差异，本地处理或集中化处理面临适配目标多导致的效率低下问题。

因此，亟需一种姿态估计方法、服务器和网络设备，能够在姿态计算时保证帧级同步，且时延低，增加姿态估计效率。

发明内容