基于5G技術的多攝像頭協同全景監測技術

中國南方電網有限責任公司超高壓輸電公司廣州局 鄭武略 王瑞顯 張天浩 熊偉

針對傳統技術存在延遲時間較長問題，在多攝像頭協同全景監測應用中展現動態影像經常出現卡頓和延遲，為此提出基于5G技術的多攝像頭協同全景監測技術研究。以廣角和變倍鏡頭聯合作為數據采集設備，運用全景拼接算法對影像數據進行拼接，實現全景動態實時追蹤；利用GHG規劃模型對監測場景進行計算，分析出最優的典型桿塔布點設置方案，開展典型桿塔布點設置；通過接通5G網絡將影像數據傳輸到監測顯示界面上，進行全景監測動態展示，以此完成了基于5G技術的多攝像頭協同全景監測。經實驗證明，設計技術展示全景動態監測影像延遲時間小于傳統技術，設計技術高效且可靠性強。

多攝像探頭協同全景監測技術是采用多個攝像頭對某個區域或者某個物體進行360°全景監測的一種技術，該技術主要被應用于公共安全監控系統中，通過多個攝像頭聯合合作，全方位監測事物的動態。多攝像頭協同全景監測技術相比較單一攝像頭的監測技術，可以獲取到物體的三維立體影像，對真實的三維空間進行投影，可以提供多視角的空間信息，擴大了監測空間的范圍，有效避免了監測死角的產生[1]。但是由于目前多攝像頭協同全景監測技術還不夠成熟，在實際中多個攝像頭獲取到的信息是離散的，全景與局部之間的信息缺乏有效整合機制，并且全局與細節缺乏聯動，很難實現對細節的實時追蹤。此外，由于多攝像頭協同全景監測技術采集到的影像數據較多，現有運算算法計算過程比較復雜，對于大量數據計算需要消耗較長時間，并且現有的移動通信技術也無法實現海量影像數據的快速傳輸，導致現有技術在實際應用中對全景監測動態的展示經常出現延遲，且延遲時間較長，為此提出基于5G技術的多攝像頭協同全景監測技術研究。此次結合5G技術設計一套新的多攝像頭協同全景監測技術，提高全景監測動態展示速度。

1 多攝像頭協同全景監測技術

1.1 基于廣角和變倍鏡頭聯合的實時追蹤

傳統技術是采用廣角鏡頭進行全景拼接，廣角鏡頭的使用雖然可以減少攝像頭的使用數量，但是廣角鏡頭畸變比較嚴重，在使用中需要對鏡頭進行畸變矯正，因此為了減少工作量，此次采用廣角和變倍鏡頭聯合的方式獲取全景監測數據，廣角與變倍鏡頭具有BNC接口，其具體參數如表1所示。

表1 廣角和變倍鏡頭主要參數表Tab.1 Main parameters of wide-angle and zoom lenses

按照表1選擇廣角和變倍鏡頭，將其視角設定為100°，由廣角鏡頭和變倍鏡頭構成監測圖像成像設備，在監測區域內上方安裝至少10個攝像頭，具體數量需要根據實際情況來定，將廣角與變倍鏡頭的視角范圍設定為30°-60°，避免重疊角的產生。根據技術要求，采用16路YIH-R接口的視頻采集卡作為廣角和變倍鏡頭視頻采集設備，其參數如表2所示。

表2 視頻采集卡參數表Tab.2 Video capture card parameter list

圖1 局部圖像實現全景投影示意圖Fig.1 Schematic diagram of partial image realization of panoramic projection

如圖1所示，假設局部圖像的中心坐標為 ),(mu ，廣角鏡頭和變倍鏡頭的焦距為f，選取局部圖像上任意點的坐標 ),(yxp ，將該局部圖像坐標轉換到全景圖像坐標系中的坐標 ),( myux -- 。然后將全景圖像坐標系反投影到廣角鏡頭和變倍鏡頭坐標系上，得到局部圖像任意點三維空間坐標 ),,( fmyuxp --- 。將該點與柱面投影中心連接，計算出三維空間點與圓柱的交點，該點為圓柱面坐標。根據上述分析，可以將局部圖像投影到全景圖像的投影方程用如式（1）公式表示：

公式（1）中，u為投影點三維柱面坐標的橫坐標；w為投影點三維柱面坐標的空間坐標；uO為投影點在局部圖像坐標軸的橫坐標；v表示投影點三維柱面坐標的縱坐標；vO表示投影點在局部圖像坐標軸的縱坐標。利用上述公式完成局部到全景的映射后，還需要對圖像進行初始化對齊，這樣才能保證所有局部圖像都在一個水平面上，其對齊公式如式（2）所示：

公式（2）中，i表示每相鄰視角之間的旋轉角度；y表示攝像頭鏡頭第y個視角。將上述算法嵌入到監測硬件中，即可實現對細節的實時追蹤。

1.2 開展典型桿塔布點設置

在上文基礎上，開展典型桿塔布點設置工作，根據技術要求此次采用GHG規劃模型對監測場景進行計算，在滿足多攝像頭協同全景監測要求的同時實現典型桿塔布點設置最優化。將待監測場景信息和監測設備信息輸入到GHG規劃模型中，建立監測場景典型桿塔布點三維模型，利用如式（3）所示的公式計算出典型塔桿布點數量：

公式（3）中，n表示典型桿塔布點數量；k表示監測區域面積；m表示區域內攝像頭數量；q表示攝像頭鏡焦。利用上述公式計算出典型桿塔布點數量，將計算到的數值上傳到GHG規劃模型中進行分析，GHG規劃模型將會推出典型桿塔布點設置方案，將該方案進行現場實際應用，檢驗應用效果，以此保證典型桿塔布點最少、最優。

1.3 基于5G技術的全景監測動態展示

實現全景監測動態實時展示的關鍵在于監測數據的有效傳輸，保證拼接完成的局部影像和全景影像實時傳輸到終端界面上。因此設置完典型桿塔布點后，對每個典型桿塔布點進行5G通信網絡接入，實現監測區域內多攝像頭及其他硬件設備的聯網[2,3]。首先將5G蜂窩與典型桿塔的RSU結合，RSU占用6.8G的30M帶寬，覆蓋范圍在100-1000m，將其作為5G通信搭載平臺，實現區域內多攝像頭數據的收集和播發[4,5]。在監測區域內建立一個5G基站，用于支持RSU數據的回傳，將5G終端最大發射功率設定為29dBm，實現與大網的實時互動[6]。最后將監測展示終端與5G網絡連接，通過與5G網絡的結合，實現對全景監測動態影像的接收，并將接收到的動態影像進行實時展示和查看[7]。以此完成了基于5G技術的多攝像頭協同全景監測。

2 實驗論證分析

實驗以某區域為實驗環境，該區域面積為3564.85m2，運用此次設計技術與傳統技術對該區域進行多攝像頭協同全景監測，使用400×350的小窗口展示監測畫面。根據規劃模型計算出該區域需要布置35處布點，布置16個典型桿塔，安置34個廣角鏡頭和15個變倍鏡頭。實驗中將廣角鏡頭和變倍鏡頭的拍攝角度設定為45°，拍攝范圍設定為30°～60°，鏡頭分辨率設置為450dpi，拍攝頻率設定為1.42Hz。使用8個數據采集卡讀取到廣角鏡頭和變倍鏡頭數據，數據采集卡采集周期設定為5s，采集頻率設定為4.15Hz[8,9]。實驗令10輛汽車在區域內行駛，令兩種技術對汽車進行抓拍，監測區域內汽車行駛狀態，監測時間為30min，當攝像頭抓拍到汽車時對拍攝畫面進行放大顯示，隨機截取7段監測視頻，記錄兩種技術在使用過程中的延遲時間，將其作為實驗結果，驗證設計技術的有效性，實驗結果如表3所示。

表3 兩種技術動態監測影像延遲時間對比（s）Tab.3 Comparison of the delay time of dynamic monitoring images of the two technologies (s)

從表3數據觀察中可以得出以下結論：此次設計技術展示的動態監測影像延遲時間符合技術要求，最大延遲時間僅為0.11s；而傳統技術展示動態監測影像延遲時間較長，在該方面設計技術優于傳統技術[10]，這是因此此次設計技術應用了5G技術，能夠有效提高監測數據的傳輸速度，降低數據傳輸壓力。其次應用的算法運算過程比較簡單，減少了監測數據運算時間，以此可以減少監測影像動態展示的延遲時間。因此實驗證明了基于5G技術的多攝像頭協同全景監測技術能夠實現實時監測，可以及時反映出實際場景。

JY酒店的內部審計種類主要包括專項審計和例行審計兩種，專項審計主要有離任審計、績效審計、專案審計、審計調查等方面，而例行審計則是指經營管理審計，主要包括與企業經濟活動相關的審計事項。在內部審計程序方面，JY酒店的董事局審計委員會有權對公司內部審計部門擬定的年度內審計劃、目標及預算進行審核與批準。內審機構制定的審計計劃須將營運風險、審計資源等因素考慮其中，以便妥善執行全年審計工作。具體而言，JY酒店的內部審計工作程序為圖1所示。

3 結語

此次結合相關參考資料，在傳統技術的基礎上采用了5G技術，設計了一套新的全景監測技術，通過多攝像頭影像拼接，現場典型桿塔布點設置，以及接入5G網絡實現多攝像頭協同全景監測動態展示，并通過現場驗證技術具有良好的可行性，有效降低了動態監測影像延遲時間，有助于實現全景動態實時監測。此次研究取得了一定的研究成果，但是由于個人水平有限，在研究內容方面尚存在一些不足之處，今后會對該方面進行深入研究[11]，對技術進行不斷優化和創新，為多攝像頭協同全景監測技術研究提供理論依據。

引用

[1]石津旗.無人機全景技術在環境應急監測中的應用分析[J].皮革制作與環保科技,2020,1(5):67-69+72.

[2]蔣未娜,邱智淵,王佳飛,等.醫院“互聯網+醫療”服務現狀及5G時代醫院信息化發展戰略研究[J].中國醫藥導報,2020,17(10): 169-172+176.

[3]劉雨奇.基于指標融合的HDR視頻質量評價算法[J].電視技術,2021,45(07):138-142.

[4]孫潤康,張曉祥,徐進,等.基于5G技術的COVID-19方艙醫院網絡基礎設施快速部署和應用探索[J].神經損傷與功能重建,2021, 16(1):9-11+20.

[5]劉珺,張向陽,鄧略,等.信息化野戰方艙醫院在新冠肺炎疫情防控中的衛勤保障作用[J].中國數字醫學,2020,15(09):12-14+33.

[6]張宇,陽軍生,祝志恒,等.基于圖像點云空間測距算法的隧道初期支護整體變形監測技術研究與應用[J].隧道建設(中英文),2020, 40(5):686-694.

[7]江鵬飛,王保棟,董子昊,等.基于多攝像頭接力跟蹤的遠紅外人物身份識別方法[J].濟南大學學報(自然科學版),2021,35(6): 527-534.

[8]初晉鋒,滿芳芳.基于大數據的導彈武器系統全壽命管理模型研究[J].科技風,2021(15):106-107.

[9]崔文德.基于大數據分析的礦山機械設備運行狀態智能診斷系統設計[J].世界有色金屬,2021(06):29-30.

[10]賈麗芳,張艷霞.預制構件施工現場吊裝技術[J].江西建材, 2022(02):165-166+169.

[11]張正彪.高溫條件對金屬材料電化學腐蝕行為的影響研究[J].世界有色金屬,2020(10):263-264.