1. 引言
随着计算机视觉技术的发展,通过对大量视觉数据的分析能够有效协助交通监测、工
程监督和农业监测等,并且拓宽了新的应用领域如虚拟现实,辅助生活等.而视觉数据的收
集依赖于多视觉传感器的有效协同工作.在视觉传感器网络(VSN)中,节点的部署方案直接
决定其对感兴趣区域(Field of Interest,FoI)的覆盖质量,这是一个 NP 难问题[1],吸引了大
量学者进行相关研究.
针对传感器网络的部署难点,过去很多学者对此进行研究.文献[1]对节点部署在 FoI
区域外部边界的覆盖监测进行研究,首次提出 k-覆盖率估计模型,但文章局限于无障碍模
型;文献[2]针对移动异构视觉传感器网络的全视域问题提出了增强算法,获得了更好的覆
盖性能;文献[3]研究了通过视觉节点的调度,实现 VSN 网络生命周期以及关键位置的覆
盖最大化;文献[4]提出了一种异构性适用的粒子群算法来解决异构传感器网络的部署优化
问题,主要针对适应网络的异构性,提高网络的性能,但并没有考虑障碍物的影响因素.然
而,与传统无线传感器网络(WSN)不同的是,VSN 节点的感知范围对障碍物非常敏感,障
碍物的存在大大减少了节点的感知范围.在过去的研究中,受多障碍场景模型构建的局限
性,很多学者将优化场景理想化为无障碍模型,但这会导致提出的优化方法很难应用于实
际情况.文献[5]提出了一种多障碍环境中无线传感网有向充电器部署的方法,提高了传感器
节点的有效覆盖率和充电效用.文献[6]提出了一种 PCMODH 覆盖优化算法,解决传感网在
多障碍环境下的覆盖优化问题,但是依旧采用手动输入场景模拟数据,无法准确提供真实
场景数据,这不仅导致模型无法贴合现实场景,并且非常耗时.近几年 BIM 技术的发展为
多障碍现实场景的模拟提供了新思路.
BIM 技术是由美国 Autodesk 公司于 2002 年提出的一种信息化管理技术,它对建筑物
进行三维建模,并且通过信息化管理技术将建筑物之间的相关信息加入模型中,使得建筑
构建之间的联系描述更加准确
[7]
.文献[8]通过案例证实了基于 BIM 的信息建模框架有利于信
息集成,信息共享以及数据访问,能够为后续优化算法提供准确的场景模型数据.因此,本
文提出了一个 BIM-SAMDE 融合框架,运用 BIM 技术构建场景模型,通过自动提取模块
对 BIM 信息进行自动提取,通过数据转换模块转化为 SAMDE 优化算法所需要的场景数
据,最后通过 SAMDE 算法优化多节点的部署方案,主要贡献如下:
(1) 提出了 BIM-SAMDE 融合的新框架,解决优化部署方案与实际场景模型难以对接
的难点.
(2) 提出了一种多节点在多障碍场景下的有效感知区域分析算法.
(3) 提出了一种适用于多障碍协同视觉传感器的优化覆盖的 SAMDE 算法.
(4) 通过仿真实验详细分析了框架的适用性和可靠性并且与其他优化算法对比证明所
提出的 SAMDE 优化算法的优越性.
评论0
最新资源