面向“即时”边缘环境的可靠多视图三维重建

多视图三维重建应用正在革新需要快速态势感知的关键用例，例如应急响应、战术场景和公共安全。在许多情况下，其近实时的延迟要求和计算资源的临时性需求，使得必须采用“即时”边缘环境，即在任务生命周期内动态搭建系统以支持应用。然而，此类边缘环境固有的动态性和操作逆境可能导致可靠性问题，产生时空相关的干扰，影响相机操作，进而导致重建质量的持续下降。在本文中，我们提出了一种新颖的、受投资组合理论启发的边缘资源管理策略，用于在可能的系统中断下实现可靠的多视图三维重建。我们提出的方法即使在相机易受时空相关干扰影响时，也能保证重建质量的满足。该投资组合理论优化问题使用遗传算法求解，该算法在现实系统设置下能快速收敛。利用公开可用和定制的三维数据集，我们证明了所提出的相机选择策略在时空干扰下，相较于传统基线策略，在保证可靠三维重建方面的优势。