[发明专利]一种跨终端图片传输方法及系统

说明书

本公开提供了一种跨终端图片传输方法及系统，应用于第一终端和第二终端，第一终端搭载有机器人操作系统，第二终端搭载有预设深度学习网络模型，包括以下步骤：第二终端上的数据转发节点依据图片错位储存方式实时从机器人操作系统的数据流中向交换空间中储存图片，预设深度学习网络模型的深度学习程序依据图片错位读取方式从交换空间读取图片并处理；本公开提出了图片错位储存方式和图片错位读取方式，可以避免高速数据传输过程中出现文件读写冲突，并使得文件的读与写在不同进程中并行运行，从而保证了最终的低延迟传输。

技术领域

本公开涉及数据传输技术领域，特别涉及一种跨终端图片传输方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

ROS(Robot Operating System，机器人操作系统)已经被广泛地应用在机器人开发中，为机器人的各种程序提供通信框架、依赖包。利用ROS框架可以高效地控制机器人各个部件并运行各种机器人算法。ROS支持多编程语言，实现不同编程语言脚本之间的高效通信，支持最好的两种编程语言是Python和C++，程序作为ROS节点在机器人中运行。未来若干年ROS仍会是机器人开发的主流框架。深度学习是广泛地应用于物品识别、人脸识别、图像分割、人体追踪等诸多计算机视觉问题的新兴方法。大部分深度学习程序需要较高的算力，通常在具有高性能显卡的服务器上运行，无法在机器人本体上运行。

将物品识别、人脸识别、图像分割、人体追踪等深度学习程序应用到基于ROS的机器人上成为了重要的开发需求，要实现这一目的，则需要保证服务器上的深度学习程序能够从机器人本体的ROS数据流中低延迟地获得实时图片数据。

发明人发现，ROS本身支持节点之间的跨终端数据传输，但是很多基于Python3的深度学习程序与ROS兼容性差，Python3的深度学习程序难以直接通过ROS通信方式从ROS数据流获取实时图片。这主要有以下几个原因：(1)目前最流行的ROS版本中原生支持的Python版本是Python2，而Python3的很多包无法与ROS完美适配，甚至直接无法运行；(2)基于Python3的深度学习一般程序复杂且依赖较多，重构成Python2的程序很困难；(3)在ROS框架中各个Python节点公用同一个运行环境，难以实现环境保护；而深度学习程序通常需要的运行依赖多种多样且版本不同，需要对不同深度学习程序进行环境保护。以上三点对服务器端的深度学习程序应用到基于ROS的机器人上带来了极大的困难。

发明内容

为了解决现有技术的不足，本公开提供了一种跨终端图片传输方法及系统，提出了图片错位储存方式和图片错位读取方式，可以避免高速数据传输过程中出现文件读写冲突，并使得文件的读与写在不同进程中并行运行，从而保证了最终的低延迟传输。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种跨终端图片传输方法。

一种跨终端图片传输方法，应用于第一终端和第二终端，第一终端搭载有机器人操作系统，第二终端搭载有预设深度学习网络模型，包括以下步骤：

第二终端上的数据转发节点依据图片错位储存方式实时从机器人操作系统的数据流中向交换空间中储存图片，预设深度学习网络模型的深度学习程序依据图片错位读取方式从交换空间读取图片并处理。

作为进一步的限定，图片错位储存方式和图片错位读取方式动态地维护交换空间中的两张图片以及保证图片的实时性，如果交换空间中当前只存在一张图片，则数据转发节点依据图片错位储存方式从机器人操作系统的实时数据流中捕获并保存成另一张缺失的图片，实现图片更新，如果交换空间中当前存在两张图片，则深度学习程序依据图片错位读取方式读取其中一张图片并处理，且相邻两次循环读取并处理不同的图片，深度学习网络模型每处理完一张图片，就删掉该图片，为接收新图片做准备。