VR虛擬紅包的技術實現

2017年1月20日，騰訊發佈消息稱將推出Q-Glass，除了通常VR眼鏡的標配功能外，Q-Glass還能實現眨眼搶紅包。聽起來是否是很酷炫？上市時間可要在10年後。不過，2016年末支付寶首推AR實景紅包，QQ也緊隨其後，一場AR實景紅包大戰悄然打響。 
做爲最近兩年比較熱門的技術，VR技術悄然成爲移動技術以後有一大競相追逐的技術，目前市面上比較成熟和出名的VR開發商，諸如：Google VR，Oculus，HTC Vivi。而已Google VR最爲成功並商業化。關於這個能夠參考我以前的介紹Google VR實踐

不過今天我要說的是VR在咱們生活中的應用，而且是你們已經用過的，相信你們在2017年年末的時候，必定玩過支付寶/qq(AR虛擬現實)藏紅包、找紅包吧，想象一下，你能夠把你的紅包藏在世界各地的任意角落，讓全世界的人經過掃描來找紅包，是否是以爲很酷，那麼要實現這種功能，怎麼作呢？

相信你們都玩過AR紅包，這裏就不介紹如何玩了。

AR紅包技術實現分析

其實AR紅包綜合了GIS(LBS)、圖像識別與秒殺技術等技術：

藏紅包

1. 藏紅包的地點，即地球座標（經緯度），在藏紅包時會記錄下這個紅包的經緯度。
2. 藏紅包的標識（圖片），即藏紅包現場拍的照片，在藏紅包時，會存下這張圖。
3. 藏好紅包後，將生成的紅包數據打包到服務器

找紅包

1. 將你附近的紅包展現出來，好比方圓2千米有哪些人藏了紅包，而且把他們的座標信息也在地圖上展現出來，方便你前往找紅包
2. 當你抵達紅包座標附近（好比50米內）時，你就能夠拿起手機，根據紅包提供的模糊化圖片線索，掃描物體（即藏紅包的圖片），當你掃描的圖片和藏紅包時拍的圖片徹底匹配時，找紅包成功。

當就這兩個功能來講，主要涉及到如下技術：

1. 地理位置信息的處理：紅包位置的展現（將你的位置以及附近藏的紅包位置分別在地圖上展現出來），近鄰查詢（根據你所在的經緯度，查找你附近的紅包）
2. 圖片類似度識別：找紅包的人拍的照片 與 藏紅包時拍下的照片 進行比對，類似度達到必定程度時，表示紅包被找到了。
3. 秒殺特性：例如你在一處藏了一個紅包，那麼可能有不少人同時在搶（不過這個秒殺應該比不上雙十一，由於是小範圍秒殺）。

不過，這幾個功能在PostgreSQL數據庫中均可以高效的實現，是否是很棒？那麼接下來咱們來看看PostgreSQL如何處理這兩項需求的吧，順便看看性能如何？

PostGIS插件

在AR紅包的業務中，地理位置信息的處理主要包括如下兩個方面：

1. 根據你的位置，搜索附近的紅包。即KNN搜索（如 select * from table where loc <-> poc<1千米orderbyloc<−>poc<1千米orderbyloc<−>poc）
2. 根據用戶的位置，紅包的位置，計算用戶與紅包的距離。而在這個模型中，有個最多見的外圍插件–PostGIS

PostGIS在軍工、科研、民用場景都很是的流行，包括咱們常見的精細地表raster探測，天文研究、地圖、路徑規劃等應用中均可以看到PostGIS的影子，本文只用到了PostGIS的一小部分功能：GIS數據類型、GIST索引、近鄰查詢。

來看一張PostGIS在實際應用的圖解： 

詳細的用法和測試方法參考

《PostgreSQL 百億地理位置數據 近鄰查詢性能》

更多文章和詳細的PostGIS功能能夠參考

《如何創建GIS測試環境 - 將openstreetmap的樣本數據導入PostgreSQL PostGIS庫》

《聊一聊雙十一背後的技術 - 物流、動態路徑規劃》

圖像近似度處理

在PostgreSQL的的生態圈中，有不少這樣的插件來知足圖片搜索的需求，同時也支持圖像類似度值的計算

1，使用Haar wavelet算法的imgsmlr插件

https://github.com/postgrespro/imgsmlr

2，使用圖片RGB點陣組成的數組來計算類似度的插件-smlar

《從類似度算法談起 - Effective similarity search in PostgreSQL》

參考

《從類似度算法談起 - Effective similarity search in PostgreSQL》

《PostgreSQL 在視頻、圖片去重，圖像搜索業務中的應用》 
https://github.com/postgrespro/imgsmlr

3，使用圖片RGB點陣組成的數組轉成tsvector來計算類似度的插件-RUM

RUM計算類似度時帶上了位置信息，精確度更高。好比（0,1,2,3,4,5與0,0,2,3,4,5與5,1,4,2,3,0與2,3,4,5,0,1）。其中0,1,2,3,4,5是原始點陣的值，那麼0,0,2,3,4,5多是有必定偏差的值(由於依舊是線性相關的)，而2,3,4,5,0,1出現了角度誤差（能夠經過技術手段好比rum，把數據拉成環狀修正），多是圖片拍攝角度形成的。可是5,1,4,2,3,0可能就不是那個圖像了。

參考： 
《從難纏的模糊查詢聊開 - PostgreSQL獨門絕招之一 GIN , GiST , SP-GiST , RUM 索引原理與技術背景》

AR 藏紅包如何計算圖片匹配

咱們在AR藏紅包的業務中，只須要用到計算近似值的功能便可，以上兩個插件均可以很好的知足。好比使用RGB點陣時，在應用程序端生成RGB點陣，發送給數據庫，與存儲在數據庫中的點陣進行類似度計算便可。

藏紅包時的圖像數字化流程以下：

1. 拍照，點陣RGB串成數組或轉換爲tsvector（帶距離計算，類似度更加準確），將紅包的位置信息、圖片RGB點陣存儲到數據庫中

找紅包，匹配圖像時的流程以下：

1. 拍照，生成點陣，提交給服務端，進行圖像匹配，匹配方法參考前面的三種方法之一便可，固然也能夠考慮更高效的方法，搞進PostgreSQL的插件裏面來。

注意，若是從服務端提取點陣，在客戶端比對，這種作法雖然節省了服務端開銷，可是這種作法可能存在漏洞，客戶端能夠被HACK，直接匹配上。

秒殺

目前業務層面只支持近距離找紅包，因此一般來講，搶一個紅包的人羣不會太多。而且咱們確定會對操做數量限制的作淘汰操做。那麼若是有上億人同時秒殺一個紅包怎麼作呢？PostgreSQL一樣有獨門祕技來支持秒殺。

參考：

《聊一聊雙十一背後的技術 - 不同的秒殺技術, 裸秒》 
《PostgreSQL 使用advisory lock或skip locked消除行鎖衝突, 提升幾十倍併發更新效率》

總結

隨着AR的技術愈來愈流行，地理位置、圖像、視頻、聲音等特殊數據類型的處理會愈來愈常見，數據庫應該與時俱進，不能再僅僅存儲和處理文本、數字這麼簡單的功能，其綜合技術的發展將突飛猛進。 
而另外一方面，PostgreSQL的高擴展能力，爲AR提供了堅實的技術基礎，不只能存，更能高效處理。

轉載自：  http://blog.csdn.net/xiangzhihong8/article/details/61437562?ref=myrecommend