CN109002633A - 基于独立空间的设备网络建模方法 - Google Patents

Abstract

本公开涉及数据处理技术领域，具体涉及一种基于独立空间的设备网络建模方法、一种存储介质以及一种电子终端。所述方法包括：接收一多媒体信息；识别所述多媒体信息中的待识别目标并提取所述待识别目标的属性信息；以所述待识别目标为节点，并根据所述待识别目标的属性信息以及预设连接规则对所述节点进行组网以获取设备网络模型。本公开通过利用多媒体信息识别空间内的设备和/或线路，将识别出的目标作为节点，从而建立完整的设备网络模型。同时，能够根据多媒体信息建立独立空间的背景模型，并获取相关的位置信息。

Description

基于独立空间的设备网络建模方法

技术领域

本公开涉及计算机技术领域，具体涉及一种基于独立空间的设备网络建模方法、一种存储介质以及一种电子终端。

背景技术

随着城市信息化的快速发展，为满足日常生活需求，城市中开始使用越来越多的管网设备。尤其对于地下综合管廊、建筑物竖井以及无人工厂等相对独立的空间中，会安装包括强电、弱电、天然气、水力、热力或通信等多种领域的设备和线路；内部空间有限，但设备种类繁多，线路走向复杂。

目前，由于对管网及管网内的设备缺少有效的管理手段，在需要查看管廊或竖井中的设备或线路，或者在某个设备出现安全隐患或故障时，需要评估对其他设备或线路的影响以及故障影响范围时，现有技术仅能通过人工查看的方式判断设备工作状态；或者仅能通过某一类设备或线路的图纸认为判断可能影响范围，无法对综合管廊或竖井中的全部设备进行统一的管理和查看。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于独立空间的设备网络建模方法、一种存储介质以及一种电子终端，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供一种基于独立空间的设备网络建模方法，包括：

接收一多媒体信息；

识别所述多媒体信息中的待识别目标并提取所述待识别目标的属性信息；

以所述待识别目标为节点，并根据所述待识别目标的属性信息以及预设连接规则对所述节点进行组网以获取设备网络模型。

在本公开的一种示例性实施例中，所述多媒体数据包括：图像数据或/和视频数据。

在本公开的一种示例性实施例中，所述待识别目标包括设备和/或线路；所述识别所述多媒体信息中的待识别目标并提取所述待识别目标的属性信息包括：

识别所述多媒体信息中的设备和/或线路；

将所述设备和/或线路与预设设备数据库进行比对以获取所述设备和/或线路的属性信息；

其中，所述设备、线路的属性信息包括：型号、类别、级别、标识信息以及状态信息中的任一项或任意多项的组合。

在本公开的一种示例性实施例中，所述方法还包括：

根据所述多媒体信息基于SLAM算法获取所述独立空间的三维地图模型。

在本公开的一种示例性实施例中，所述以所述待识别目标为节点，并根据所述待识别目标的属性信息以及预设连接规则对所述节点进行组网以获取设备网络模型包括：

根据属性信息对所述待识别目标进行分类并作为节点；

根据分类结果将相同类别的节点进行组网；

根据所述待识别目标的属性信息和所述预设连接规则获取组网中的各节点的逻辑关系以获取设备网络模型。

在本公开的一种示例性实施例中，在接收所述多媒体信息时，所述方法还包括：

接收所述多媒体信息对应的位置信息；

根据所述位置信息在电子地图上对所述待识别目标进行标记。

在本公开的一种示例性实施例中，所述方法还包括：

根据所述多媒体信息对应的位置信息在所述电子地图上对综合管廊的位置进行标记。

在本公开的一种示例性实施例中，所述方法还包括：

所述独立空间包括：竖井、无人工厂、机舱或船舱中的任一项或任意多项。

在本公开的一种示例性实施例中，所述方法还包括：

接收当前多媒体信息；

识别所述当前多媒体信息中的待识别目标并提取所述待识别目标的属性信息；

根据所述待识别目标的属性信息以及预设连接规则，将所述待识别目标作为节点并添加至所述设备网络模型。

根据本公开的第二方面，提供一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的基于地下综合管廊的建模方法。

根据本公开的第三方面，提供一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的方法。

本公开的一种实施例所提供的基于独立空间的设备网络建模方法，可以通过接收的多媒体信息对空间内的待识别目标进行识别，从而获取独立空间的内设备和/或线路信息。并且可以根据属性信息和预设规则进行组网，从而建立独立空间的设备网络模型，进而完整的获取设备间发关系及数据。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出本公开示例性实施例中一种基于独立空间的设备网络建模方法示意图；

图2示意性示出本公开示例性实施例中一种地下综合管廊的工作场景示意图；

图3示意性示出本公开示例性实施例中一种竖井内的工作场景示意图；

图4示意性示出本公开示例性实施例中一种厂房内的工作场景示意图；

图5示意性示出本公开示例性实施例中一种电力设备网络拓扑结构景示意图；

图6示意性示出本公开示例性实施例中一种地下综合管廊在电子地图上的标注示意图；

图7示意性示出本公开示例性实施例中一种基于独立空间的设备网络建模装置的一种示意图；

图8示意性示出本公开示例性实施例中一种基于独立空间的设备网络建模装置的另一种示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

本示例实施方式中首先提供了一种基于独立空间的设备网络建模方法，本公开所述的独立空间是指相对独立、具有一定功能或用途，并具有一定范围或边界的空间，例如：地下综合管廊、建筑物竖井、车间以及无人工厂等相对独立的空间。本方法可以用于对独立空间内的设备及线路的模型建设，并建立该独立空间的背景模型，是基于生成的三维背景环境下的建模应用。参考图1所示，上述的基于独立空间的设备网络建模方法可以包括：

步骤S1，接收一多媒体信息；

步骤S2，识别所述多媒体信息中的待识别目标并提取所述待识别目标的属性信息；

步骤S3，以所述待识别目标为节点，并根据所述待识别目标的属性信息以及预设连接规则对所述节点进行组网以获取设备网络模型。

本公开的一种实施例所提供的基于独立空间内的设备网络建模方法，通过对接收的多媒体信息进行识别来获取待识别目标，从而获取空间内的各个设备目标或线路目标。然后将各设备目标和线路目标作为节点，并根据属性信息和预设的连接规则进行组网，从而获取设备网络模型。通过利用多媒体信息识别空间内的设备和/或线路，能够有效的对空间内的全部待识别目标进行识别。通过将识别出的待识别目标作为节点，从而能够获取完整的设备网络模型，并且能够实现将识别出的目标即时加入设备网络模型中。

下面，将结合附图及实施例对本示例实施方式中的基于独立空间的设备网络建模方法中各个步骤进行更详细的说明。

步骤S1，接收一多媒体信息。

本示例性实施方式中，具体来说，可以提供一客户端，以及一服务器端，该服务器端可以用于接收该客户端发送的多媒体信息。其中，该客户端可以是具有视频拍摄、收集功能，以及定位、导航功能的可移动机器人，该机器人可以具有多目摄像头，并可以根据操作指令沿一定的路径移动并拍摄图片或视频，并可以基于SLAM算法建立独立空间的三维地图模型，以得到独立空间内的全景图像。

举例来说，上述的可移动机器人可以采用巡检机器人。其采用的SLAM算法一般包括：视觉里程计、后端优化、回环检测以及建图四个部分。视觉里程计主要负责估算相邻两帧视觉图像间的运动和局部地图，包括特征提取与图像配准等技术。回环检测主要负责判断机器人是否到达过先前的位置，并将检测到的回环信息提供给后端进行处理。回环检测的准确性直接影响地图构建的准确性，如果检测到错误的回环，将导致生成错误的地图，影响机器人的定位。具体来说，SLAM算法可以采用LSD-SLAM算法、DSO算法、ORB SLAM算法、SVO(semi-direct VO)算法、VSLAM算法或者Visual-Inertial Odometry算法等，本公开对此不做特殊限定。

举例而言，可以采用基于ORB(Oriented FAST and Rotated BRIEF)特征点的同时定位与地图构建(simultaneous localization and mapping--SLAM)方法第二版(ORB_SLAM2)，首先通过客户端移动机器人的多目摄像头采集连续的图像序列，然后提取前后两帧图像的ORB特征点，然后根据前后两帧图像的ORB特征点的匹配情况来估计相机姿态，获得相机姿态信息；对于每一帧图像，均可根据其与前一帧图像的ORB特征点的匹配情况，获得该帧图像的相机姿态信息。通过采集到的图像序列的相机姿态信息自动建立独立空间内的三维地图模型。

或者，在本公开的其他示例性实施例中，也可以采用VSLAM算法获取独立空间内的三维模型。具体来说，可以包括：利用相机得到环境的彩色与深度图像集，然后利用FAST和LSD算法提取彩色图像中的点、线特征，使用BRIEF算法、LBD算法对提取的点与线特征进行描述，进而得到特征的描述。先利用BF算法粗匹配提取的特征，之后使用KNN算法得到较精确的匹配特征。使用NICP算法、PnL算法计算匹配的点与线段特征得到机器人初始位姿。在GTSAM图优化模型下优化机器人位姿，得到更新后的位姿图。融合更新后的全局位姿图与相应帧的三维点，得到最终的三维地图。

上述提供的一服务器端，可以用于接收来自客户端的多媒体信息，所述多媒体信息可以包括：图像数据或/和视频数据。

当然，在本公开的其他示例性实施例中，对于上述的利用SLAM算法建立独立空间的三维模型以得到独立空间内的全景图像的过程也可以在服务器端完成。

参考图2所示场景，在地下综合管廊中，管廊内墙壁上设置有不同的设备和线路。当客户端机器人进入管廊内并在地下管廊的起点时，便可以开始采集图像并开始自动建立地下综合管廊的三维立体模型。

参考图3所示的竖井的场景中，当客户端机器人进入竖井后，便可以当前位置为起点并开始采集竖井的图像，并根据采集的竖井图像利用SLAM算法自动开始建立竖井的三维立体模型。参考图4所示的无人工厂的场景中，可以将客户端机器人所在的无人工厂的厂房门口为起点，开始进行图像的采集并进行无人工厂的三维立体模型的建立。

步骤S2，识别所述多媒体信息中的待识别目标并提取所述待识别目标的属性信息。

本示例性实施方式中，服务器端在接收到来自客户端的多媒体数据后，便可以通过图像识别技术对其进行图像识别，从而识别并提取多媒体信息中的待识别目标。具体来说，所述待识别目标可以包括设备和/或线路。

具体来说，上述的步骤S2可以包括：

步骤S201，识别所述多媒体信息中的设备和/或线路；

步骤S202，将所述设备和/或线路与预设设备数据库进行比对以获取所述设备和/或线路的属性信息。

具体来说，在通过图像识别算法提取出视频或图像中的设备、线路的图像后，便可以据此与设备数据库进行比对，从而获取各设备、线路的具体属性信息。在预设的设备数据库中，可以包括设备及线路的多项属性信息，例如属性信息可以包括设备、线路的外观图像、型号、类别、级别、功能数据、标识信息以及状态信息中的任一项或任意多项的组合。其中，标识信息可以是设备或线路在图纸中对应使用的标准标识符号；功能数据可以包括设备以及线路对应的功耗、工作电压、工作电流等相关参数。

此外，在接收多媒体信息时，上述的方法还可以包括：

步骤S203，获取多媒体信息对应的位置信息；

步骤S204，根据所述位置信息在电子地图上对所述多媒体信息对应的待识别目标进行标记。

举例来说，参考图2所示场景，在针对地下综合管廊进行设备网络建模时，当客户端机器人进入综合管廊并确定地下综合管廊的起点后，便可以沿线路敷设方向或沿地下综合管廊的方向或者其他规定方向移动，开始360度扫描地下综合管廊内的各类线路和设备。同时可以将当前的位置坐标与当前的多媒体信息进行绑定一并发送至服务器端，即可以获取地下综合管廊的起点坐标与初始多媒体信息绑定一并发送至服务器端，使服务器端可以在二维的电子地图上对地下综合管廊的起始位置信息进行标记。当然，在本公开的其他示例性实施例中，还可以对地下综合管廊的终点位置信息进行采集。

此外，客户端机器人在采集多媒体数据时，可以预先设定运动轨迹、运动方向以及运动速度。同时，根据所述客户端机器人的运动速度，还可以自定义采集多媒体数据的最小时间间隔或距离间隔，并对每一次采集的多媒体数据标记采集时间。根据初始多媒体信息的初始采集时间和位置信息，以及客户端机器人的运动方向、运动速度及采集多媒体数据的最小间隔，进而可以计算出每一次多媒体信息对应的位置信息，从而能够获取每一次多媒体信息中对应的设备的位置信息，并能够实现在二维电子地图上对设备、线路及地下综合管廊的位置信息进行标注。

参考图6所示，在接收起始多媒体信息对应的位置信息后，便可以在二维电子地图上对地下综合管廊100的起点坐标进行标注。若设置客户端机器人的行进速度为1m/s，采集多媒体数据的时间间隔为1s，根据客户端机器人的运动方向，便可以在二维电子地图上对每一次多媒体信息中包含的设备或线路的坐标进行标记。最终还可以对地下综合管廊的重点进行标记。

当然，在本公开的其他示例性实施方式中，上述的独立空间也可以是相对独立的船舱、机舱、无人工厂或竖井等相对封闭的空间。对于船舱、机舱来说，同样的，也可以配置客户端机器人的运动轨迹、运动方向以及运动速度，使得可以根据接收的多媒体信息在模型中标注识别出的各设备在船舱、机舱内的位置信息，并可以用坐标来表示。

步骤S3，以所述待识别目标为节点，并根据所述待识别目标的属性信息以及预设连接规则对所述节点进行组网以获取设备网络模型。

本示例性实施方式中，具体来说，步骤S3可以包括：

步骤S301，根据属性信息对所述待识别目标进行分类并作为节点。

在识别出多媒体信息中的各设备及线路后，便可以根据测算出的各多媒体信息的坐标将对应的设备和线路的坐标在二维电子地图上进行标记。同时，还可以根据各设备的属性信息对设备进行分类，例如，电力设备、水力设备等类别。

步骤S302，根据分类结果将相同类别的节点进行组网。

在获取分类结果后，便可以将同一类别的设备进行组网。举例而言，在电子地图上，可以将设备作为节点。并以一节点为中心，在预设范围内，按照预定的连接规则，搜索目标周围相邻同一类别的节点信息，从而实现在电子地图上对各设备实现基础的物理连接。

或者，在本公开的其他示例性实施例中，也可以根据客户端机器人在移动路径上按顺序识别出的同类别的各节点进行连接，从而实现同类别设备的组网。

步骤S303，根据所述待识别目标的属性信息和所述预设连接规则获取组网中的各节点的逻辑关系以获取设备网络模型。

在将各节点连接后，便可以根据各节点对应设备的属性信息以及预设的设备的连接规则对组网中节点间的拓扑关系进行分析，从而获取各节点之间的实际应用逻辑关系。

对于识别出的各设备及线路，可以将各设备作为节点并建立设备网络模型。举例来说，对于上述的地下综合管廊，其中可能包括电力、水利、通信、天然气等多种设备及线路。在根据多媒体信息识别出各设备及管路后，便可以根据各设备的属性信息对其进行分类，例如，将电力设备以及对应线路归为一类并可以生成一电力设备集合，将识别出的通信设备及对应线路归为一类并可以生成一通信设备集合，等等。同样的，还可以对各类设备的集合进行细化处理，例如将强电设备及线路生成一子集，弱电设备及线路生成一子集。通过将识别出的各类设备及对应线路进行分类，从而方便后续对设备网络模型的快速建立。

例如，对于电力设备网络来说，作为节点的设备可以包括变电站、变压器、环网柜以及开关等设备。参考图5所示，对于预设的连接规则来说，电力的设备的逻辑规则可以根据具体设备的功能来确定，其中，变电站501作为电源点可以向开关511和大型用户543进行供电；环网柜521作为线路中的设备，向中型用户542供电和公共变压器531供电，其上级电源可以来自不同的开关；公共变压器531作为线路终端的设备，向居民等小型用户541供电，其上级电源来自环网柜522；开关作为线路中的设备，可以与变电站和环网柜进行连接，开关的闭合直接影响线路中电源的供电区域，对网络中设备拓扑连接关系的变化起着决定性作用。由于电力具有方向性，因此根据网络中各设备的属性，以及预设的电力设备的连接规则，可以准确的获知实际应用中各设备之间的工作逻辑规则，从而得到完整、准确的设备网络模型。

基于相同的原理，也可以获得地下综合管廊中强电、弱电、水利以及通信等类别的设备网络模型。

具体来说，参考图2所示的地下综合管廊的场景中，客户端机器人在进入地下综合管廊后，便可以开始进行图像采集以及对应的位置信息的采集，并根据采集的图像基于SLAM算法自动开始地下综合管廊的三维地图模型的建立。在客户端机器人沿地下综合管廊或沿线路方向移动的过程中不断获取新的图像，并根据新的图像完善三维模型，进而获取地下综合管廊的完整三维模型。根据获取的地下综合管廊的完整三维模型，用户可以获取地下综合管廊在任意位置的横截面图像，进而在管廊内某些设备发生事故时，有效的判断其对管廊内其他设备及线路的影响范围。此外，在地下综合管廊的三维模型中，也可以包括设备、线路以及管廊的各项信息，例如设备、线路在地下综合管廊内的位置分布、线路走向等。

同时，服务器端在接收到图像后，便可以对采集的图像进行自动识别，从而获取地下综合管廊内的各设备及线路的具体型号、类别等属性信息。根据设备的属性信息对设备和新路进行分类后，便可以将识别出的各设备作为节点，根据识别出的各设备和线路的属性信息建立地下综合管廊的设备网络模型。同时，还可以根据采集的位置信息在电子地图中标记地下综合管廊的起始位置及终点位置，并能够根据地下综合管廊的位置信息获取其具体长度数据。另外，还可以根据采集的图像对应的位置信息在电子地图上对各设备及线路进行标记。从而实现在利用SLAM算法获取地下综合管廊的三维模型的同时，获取地下综合管廊内的设备网络模型。

通过对识别出的设备及线路进行分类，从而可以同时获取多个类别的设备网络模型，并且能够同时在电子地图上对各设备及线路进行标记。当然，也可以将不同类别的设备单独标记在电子地图上，并单独建立设备网络模型。

此外，根据采集的多媒体信息和初始坐标信息，以及测算出的地下综合管廊内的各设备、线路的位置信息，还可以在二维的电子地图上准确的标记出地下综合管廊的位置、长度以及设备、线路的位置信息。使二维的电子地图与地下综合管廊的三维模型进行关联。

对于图3所示的竖井的场景中，基于相同的原理，在将客户端机器人放入竖井后，便可以利用多目摄像头开始采集图像，并根据采集的图像利用SLAM算法自动开始建立竖井的三维立体模型。在客户端机器人沿竖井自上至下、或自下向上运动的过程中不断采集新的图像，以此获得竖井的完整三维模型。同时，可以在服务器端对采集图像进行图像识别，从而获取竖井内的设备和线路的属性数据，并根据该些设备和线路的属性数据建立设备网络模型。例如，可以获得竖井中强电、弱电、水利以及通信等类别的设备网络模型，并能够得到各设备间的相对位置信息。

同样的，参考图4所示的无人工厂内的厂房的场景，也可以根据地面设备的分布为客户端机器人规划移动路径，使客户端机器人可以按照规划的路径对厂房内的环境进行扫描并采集图像，从而利用SLAM算法根据采集的图像自动建立厂房的三维立体模型。同时，对采集的图像进行图像识别以获取厂房内的设备和线路分布，进而获取厂房内的设备网络模型。

此外，在本公开的其他示例性实施例中，上述的根据多媒体信息建立空间三维模型的过程和建立设备网络模型的过程，在获取多媒体信息后可以同时进行，或者分顺序进行，即先建立设备网络模型再建立空间三维模型，或者先建立空间三维模型再建立设备网络模型，本公开对此不做特殊限定。

基于上述内容，在本示例性实施例中，上述的方法还可以包括：

步骤S401，接收当前多媒体信息；

步骤S402，识别所述当前多媒体信息中的待识别目标并提取所述待识别目标的属性信息；

步骤S403，根据所述待识别目标的属性信息以及预设连接规则，将所述待识别目标作为节点并添加至所述设备网络模型。

通过对接收的多媒体信息进行实时的解析和目标提取，并获取待识别目标的属性信息，从而可以实时的将识别出的目标加入对应的设备网络模型中，实时设备、线路的即时识别，以及设备网络模型的实时生成。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为***、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。

下面参照图7来描述根据本发明的这种实施方式的电子设备600。图7显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同***组件(包括存储单元620和处理单元610)的总线630。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行上述的方法。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (11)

1.一种基于独立空间的设备网络建模方法，其特征在于，包括：

接收一多媒体信息；

识别所述多媒体信息中的待识别目标并提取所述待识别目标的属性信息；

以所述待识别目标为节点，并根据所述待识别目标的属性信息以及预设连接规则对所述节点进行组网以获取设备网络模型。

2.根据权利要求1所述的方法，其特征在于，所述多媒体数据包括：图像数据或/和视频数据。

3.根据权利要求1或2所述的方法，其特征在于，所述待识别目标包括设备和/或线路；所述识别所述多媒体信息中的待识别目标并提取所述待识别目标的属性信息包括：

识别所述多媒体信息中的设备和/或线路；

将所述设备和/或线路与预设设备数据库进行比对以获取所述设备和/或线路的属性信息；其中，所述设备、线路的属性信息包括：型号、类别、级别、标识信息以及状态信息中的任一项或任意多项的组合。

4.根据权利要求3所述的方法，其特征在于，所述以所述待识别目标为节点，并根据所述待识别目标的属性信息以及预设连接规则对所述节点进行组网以获取设备网络模型包括：

根据属性信息对所述待识别目标进行分类并作为节点；

根据分类结果将相同类别的节点进行组网；

根据所述待识别目标的属性信息和所述预设连接规则获取组网中的各节点的逻辑关系以获取设备网络模型。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述多媒体信息基于SLAM算法获取所述独立空间的三维地图模型。

6.根据权利要求1所述的方法，其特征在于，在接收所述多媒体信息时，所述方法还包括：

获取所述多媒体信息对应的位置信息；

根据所述位置信息在电子地图上对所述多媒体信息对应的待识别目标进行标记。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

根据所述多媒体信息对应的位置信息在所述电子地图上对综合管廊的位置进行标记。

8.根据权利要求1-6任一项所述的方法，其特征在于，所述独立空间包括：竖井、无人工厂、机舱或船舱中的任一项或任意多项。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

接收当前多媒体信息；

识别所述当前多媒体信息中的待识别目标并提取所述待识别目标的属性信息；

根据所述待识别目标的属性信息以及预设连接规则，将所述待识别目标作为节点并添加至所述设备网络模型。

10.一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据权利要求1至9中任一项所述的基于独立空间的设备网络建模方法。

11.一种电子终端，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述的基于独立空间的设备网络建模方法。