Image-based three-dimensional (3D) reconstruction utilizes a set of photos to build 3D model and can be widely used in many emerging applications such as augmented reality (AR) and disaster recovery. Most of existing 3D reconstruction methods require a mobile user to walk around the target area and reconstruct objectives with a hand-held camera, which is inefficient and time-consuming. To meet the requirements of delay intensive and resource hungry applications in 5G, we propose an edge computing-based photo crowdsourcing (EC-PCS) framework in this paper. The main objective is to collect a set of representative photos from ubiquitous mobile and Internet of Things (IoT) devices at the network edge for real-time 3D model reconstruction, with network resource and monetary cost considerations. Specifically, we first propose a photo pricing mechanism by jointly considering their freshness, resolution and data size. Then, we design a novel photo selection scheme to dynamically select a set of photos with the required target coverage and the minimum monetary cost. We prove the NP-hardness of such problem, and develop an efficient greedy-based approximation algorithm to obtain a near-optimal solution. Moreover, an optimal network resource allocation scheme is presented, in order to minimize the maximum uploading delay of the selected photos to the edge server. Finally, a 3D reconstruction algorithm and a 3D model caching scheme are performed by the edge server in real time. Extensive experimental results based on real-world datasets demonstrate the superior performance of our EC-PCS system over the existing mechanisms.

中文翻译：

---

用于实时 3D 重建的基于边缘计算的照片众包框架

基于图像的三维 (3D) 重建利用一组照片构建 3D 模型，可广泛应用于增强现实 (AR) 和灾难恢复等许多新兴应用。现有的大多数3D重建方法都需要移动用户在目标区域周围走动并使用手持相机重建目标，效率低且耗时。为了满足 5G 中延迟密集型和资源匮乏应用的需求，我们在本文中提出了一种基于边缘计算的照片众包（EC-PCS）框架。主要目标是从网络边缘无处不在的移动和物联网 (IoT) 设备中收集一组具有代表性的照片，用于实时 3D 模型重建，同时考虑网络资源和货币成本。具体来说，我们首先通过联合考虑它们的新鲜度、分辨率和数据大小来提出一种照片定价机制。然后，我们设计了一种新颖的照片选择方案来动态选择一组具有所需目标覆盖率和最小货币成本的照片。我们证明了此类问题的 NP 难度，并开发了一种有效的基于贪婪的近似算法以获得近乎最优的解决方案。此外，提出了一种最优的网络资源分配方案，以最小化所选照片到边缘服务器的最大上传延迟。最后，边缘服务器实时执行3D重建算法和3D模型缓存方案。基于真实世界数据集的大量实验结果证明了我们的 EC-PCS 系统优于现有机制的性能。我们设计了一种新颖的照片选择方案来动态选择一组具有所需目标覆盖率和最低货币成本的照片。我们证明了此类问题的 NP 难度，并开发了一种有效的基于贪婪的近似算法以获得近乎最优的解决方案。此外，提出了一种最优的网络资源分配方案，以最小化所选照片到边缘服务器的最大上传延迟。最后，边缘服务器实时执行3D重建算法和3D模型缓存方案。基于真实世界数据集的大量实验结果证明了我们的 EC-PCS 系统优于现有机制的性能。我们设计了一种新颖的照片选择方案来动态选择一组具有所需目标覆盖率和最低货币成本的照片。我们证明了此类问题的 NP 难度，并开发了一种有效的基于贪婪的近似算法以获得近乎最优的解决方案。此外，提出了一种最优的网络资源分配方案，以最小化所选照片到边缘服务器的最大上传延迟。最后，边缘服务器实时执行3D重建算法和3D模型缓存方案。基于真实世界数据集的大量实验结果证明了我们的 EC-PCS 系统在现有机制上的优越性能。并开发一种高效的基于贪婪的逼近算法，以获得接近最优的解决方案。此外，提出了一种最优的网络资源分配方案，以最小化所选照片到边缘服务器的最大上传延迟。最后，边缘服务器实时执行3D重建算法和3D模型缓存方案。基于真实世界数据集的大量实验结果证明了我们的 EC-PCS 系统在现有机制上的优越性能。并开发一种高效的基于贪婪的逼近算法，以获得接近最优的解决方案。此外，提出了一种最优的网络资源分配方案，以最小化所选照片到边缘服务器的最大上传延迟。最后，边缘服务器实时执行3D重建算法和3D模型缓存方案。基于真实世界数据集的大量实验结果证明了我们的 EC-PCS 系统在现有机制上的优越性能。边缘服务器实时执行3D重建算法和3D模型缓存方案。基于真实世界数据集的大量实验结果证明了我们的 EC-PCS 系统优于现有机制的性能。边缘服务器实时执行3D重建算法和3D模型缓存方案。基于真实世界数据集的大量实验结果证明了我们的 EC-PCS 系统在现有机制上的优越性能。