基于MEC边缘云的智能AR系统
发布时间：2021-12-11 16:36
随着5G技术的不断成熟,5G+MEC+智能应用为各个行业的提质升级提供强有力的技术支撑。5G的低时延、高带宽特性和MEC对业务的就近处理的特点,结合AR技术为实现远程协助/指导、预测性维护、视频分析处理等应用提供了有力的支撑。文章结合MEC边缘云和智能AR技术的应用,针对医疗、工业制造/维修、社区安防等行业提出了基于MEC边缘云的智能AR平台的解决方案,并提出边缘智能AR系统的部署组网架构和通过CDN加速的平台优化模式,实现了平台计算能力和AR辅助类应用效率的提升和处理时延的降低。
【文章来源】：信息通信技术. 2020,14(04)
【文章页数】：7 页
【部分图文】：
智能AR平台基本架构
中心云提供计算和管理两个功能，计算功能同样采用云计算的三层架构，提供较边缘云更高级的处理能力，以处理边缘云由于轻量级架构可能不满足的较高要求的计算能力。如PaaS层提供的高级AI训练、高阶AR渲染等能力，由于对算力要求较高，可由中心云进行处理。中心云的管理功能提供边缘DC管理、边缘IaaS管理、边缘PaaS管理和边缘应用管理等能力，可对系统内的多个边缘云节点及其基础设施、PaaS、应用等进行统筹纳管。基于MEC边缘云的智能AR平台的边缘云和中心云需要通过联动机制来实现协同。如图3所示，基于MEC边缘云的智能AR平台的边缘采集设备会采集到大量的数据，数据都会上传至边缘云端进行处理，边缘云可以负责一定范围内的AR和AI处理和存储的工作，结合AI的智能分析处理技术，面向AR图像渲染、图像整合、视频监控、人脸识别等业务场景，以低时延、大带宽、快速响应等特性弥补当前时延大、用户体验较差的问题，实现本地分析、快速处理、实时响应。同时，终端设备采集到的数据大多数可以作为大数据处理的数据源，因此数据在经过边缘云处理后仍需要上传至中心云或由采集设备直接上传至中心云。数据可在中心云进行大数据分析挖掘、数据共享，同时进行AI算法模型的训练和升级，升级后的AI算法可推送到边缘云及边缘设备，对边缘云和设备进行更新和升级，形成中心云执行AI训练、边缘云执行AI推理的协同机制和自主学习闭环[6]。同时，中心云还可以为数据提供集中存储备份的功能，如果边缘云处理过程中出现故障或损坏等情况，存储在中心云的数据不会丢失。
基于MEC边缘云的智能AR平台的边缘云和中心云需要通过联动机制来实现协同。如图3所示，基于MEC边缘云的智能AR平台的边缘采集设备会采集到大量的数据，数据都会上传至边缘云端进行处理，边缘云可以负责一定范围内的AR和AI处理和存储的工作，结合AI的智能分析处理技术，面向AR图像渲染、图像整合、视频监控、人脸识别等业务场景，以低时延、大带宽、快速响应等特性弥补当前时延大、用户体验较差的问题，实现本地分析、快速处理、实时响应。同时，终端设备采集到的数据大多数可以作为大数据处理的数据源，因此数据在经过边缘云处理后仍需要上传至中心云或由采集设备直接上传至中心云。数据可在中心云进行大数据分析挖掘、数据共享，同时进行AI算法模型的训练和升级，升级后的AI算法可推送到边缘云及边缘设备，对边缘云和设备进行更新和升级，形成中心云执行AI训练、边缘云执行AI推理的协同机制和自主学习闭环[6]。同时，中心云还可以为数据提供集中存储备份的功能，如果边缘云处理过程中出现故障或损坏等情况，存储在中心云的数据不会丢失。3.2 组网架构
【参考文献】：
期刊论文
[1]面向5G MEC边缘云的CDN下沉方案[J]. 吕华章,王友祥,唐雄燕. 移动通信. 2019(01)
本文编号：3535013
【文章来源】：信息通信技术. 2020,14(04)
【文章页数】：7 页
【部分图文】：
智能AR平台基本架构
中心云提供计算和管理两个功能，计算功能同样采用云计算的三层架构，提供较边缘云更高级的处理能力，以处理边缘云由于轻量级架构可能不满足的较高要求的计算能力。如PaaS层提供的高级AI训练、高阶AR渲染等能力，由于对算力要求较高，可由中心云进行处理。中心云的管理功能提供边缘DC管理、边缘IaaS管理、边缘PaaS管理和边缘应用管理等能力，可对系统内的多个边缘云节点及其基础设施、PaaS、应用等进行统筹纳管。基于MEC边缘云的智能AR平台的边缘云和中心云需要通过联动机制来实现协同。如图3所示，基于MEC边缘云的智能AR平台的边缘采集设备会采集到大量的数据，数据都会上传至边缘云端进行处理，边缘云可以负责一定范围内的AR和AI处理和存储的工作，结合AI的智能分析处理技术，面向AR图像渲染、图像整合、视频监控、人脸识别等业务场景，以低时延、大带宽、快速响应等特性弥补当前时延大、用户体验较差的问题，实现本地分析、快速处理、实时响应。同时，终端设备采集到的数据大多数可以作为大数据处理的数据源，因此数据在经过边缘云处理后仍需要上传至中心云或由采集设备直接上传至中心云。数据可在中心云进行大数据分析挖掘、数据共享，同时进行AI算法模型的训练和升级，升级后的AI算法可推送到边缘云及边缘设备，对边缘云和设备进行更新和升级，形成中心云执行AI训练、边缘云执行AI推理的协同机制和自主学习闭环[6]。同时，中心云还可以为数据提供集中存储备份的功能，如果边缘云处理过程中出现故障或损坏等情况，存储在中心云的数据不会丢失。
基于MEC边缘云的智能AR平台的边缘云和中心云需要通过联动机制来实现协同。如图3所示，基于MEC边缘云的智能AR平台的边缘采集设备会采集到大量的数据，数据都会上传至边缘云端进行处理，边缘云可以负责一定范围内的AR和AI处理和存储的工作，结合AI的智能分析处理技术，面向AR图像渲染、图像整合、视频监控、人脸识别等业务场景，以低时延、大带宽、快速响应等特性弥补当前时延大、用户体验较差的问题，实现本地分析、快速处理、实时响应。同时，终端设备采集到的数据大多数可以作为大数据处理的数据源，因此数据在经过边缘云处理后仍需要上传至中心云或由采集设备直接上传至中心云。数据可在中心云进行大数据分析挖掘、数据共享，同时进行AI算法模型的训练和升级，升级后的AI算法可推送到边缘云及边缘设备，对边缘云和设备进行更新和升级，形成中心云执行AI训练、边缘云执行AI推理的协同机制和自主学习闭环[6]。同时，中心云还可以为数据提供集中存储备份的功能，如果边缘云处理过程中出现故障或损坏等情况，存储在中心云的数据不会丢失。3.2 组网架构
【参考文献】：
期刊论文
[1]面向5G MEC边缘云的CDN下沉方案[J]. 吕华章,王友祥,唐雄燕. 移动通信. 2019(01)
本文编号：3535013
本文链接：https://www.wllwen.com/kejilunwen/wltx/3535013.html
