一种通讯基站天线位姿自动检测装置与方法
技术领域
本发明一种通讯基站天线位姿自动检测装置与方法属于机器视觉与自动化检测技术领域。
背景技术
随着无线通信技术的不断发展,通讯基站数量十分庞大。基站天线是发射和接收无线通信电磁信号的核心部件,由于天线长期暴露于室外环境,其预置位姿随时可能发生变化,这种变化会影响到电磁信号的强度和覆盖范围,从而影响无线通讯质量。因此,有必要对基站天线的位姿进行检测。
目前,普遍采用人工检测方式来检测天线位姿,这种方式需要依靠检修工人攀爬到基站抱杆上,利用罗盘、坡度仪等传统检测仪器对天线的位姿参数进行测量。由于天线一般都安装在数十米高的铁塔上,且数量庞大,因此人工检测方式不仅效率低,而且存在较大安全隐患。可见,如何实现自动化检测是基站天线检测领域亟待解决的关键技术问题。
机器视觉技术与图像处理技术的发展,为实现基站天线自动检测提供了技术手段。但由于基站天线具有分布范围广和安装位置高的特点,因此采用传统相机固定安装的方式构建视觉系统,需要一根天线对应一套系统,这样势必会大幅增加设备成本。随着无人机技术的普及以及标定技术的发展,通过无人机搭载相机来构建移动机器视觉系统已能够实现。将这种移动视觉系统与图像处理技术相结合,将是实现通讯基站天线位姿的自动检测的有效手段。因此,基于无人机搭载相机来构建基站天线位姿自动检测装置,并开发高精度天线位姿识别算法是实现基站天线位姿自动检测的关键。
发明内容
针对通讯基站天线位姿自动检测的技术需求,本发明公开了一种通讯基站天线位姿自动识别装置与方法,通过构建基于无人机搭载相机结构的自动检测装置,开发高精度天线位姿识别算法,实现通讯基站天线位姿自动检测,不仅可以提高通讯基站天线位姿检测的效率,而且可以大幅提高通讯基站天线位姿检测的智能化水平,为基站天线位姿的自动化检测提供装置基础及理论基础。
本发明的目的是这样实现的:
通讯基站天线位姿自动检测装置,包括一台相机和一架搭载相机的无人机;
所述相机用于构成虚拟双目视觉系统,采用张正友标定法标定内参数,分别在天线前方的第一拍摄方位点C1和第二拍摄方位点C2采集第一幅天线图像和第二幅天线图像,并提取天线的特征点M分别在第一幅天线图像和第二幅天线图像中对应的投影坐标m1(x1,y1)和m2(x2,y2),将第一幅天线图像和第二幅天线图像中天线的特征点M信息融合,识别出天线的位姿信息,实现天线位姿的自动检测;
所述无人机用于搭载相机先到达天线前方的第一拍摄方位点C1并记录无人机的第一位姿数据,再转移到第二拍摄方位点C2并记录无人机在第二位姿数据。
上述通讯基站天线位姿自动检测装置,
定义第一拍摄方位点C1与第二拍摄方位点C2之间的距离为b,相机光轴与基线之间的夹角为α,相机与天线之间的物距为l,相机有效焦距为f;
计算相机在第一拍摄方位点C1与第二拍摄方位点C2采集图像时的最优相对位姿参数,包括以下步骤:
步骤a、按照如下关系:
建立双目视觉系统布局参数的优化模型;
式中:ΔXwj、ΔYwj和ΔZwj分别为天线上任意特征点M的坐标Xw、Yw和Zw的误差值,所述M的坐标Xw、Yw和Zw为:
(x1,y1)和(x2,y2)分别为特征点M在第一幅天线图像和第二幅天线图像中的坐标,F()表示函数;
步骤b、运用遗传算法求解相机之间最优布局参数b和α;
步骤c、按照如下公式:
其中:ψ=-(π-2α)
得到相机在第一拍摄方位点C1与第二拍摄方位点C2之间的最优相对位姿参数。
以上通讯基站天线位姿自动检测装置,依据第一拍摄方位点C1相对第二拍摄方位点C2的相机位姿关系矩阵,无人机搭载相机从第一拍摄方位点C1转移到第二拍摄方位点C2,所述的相机位姿关系矩阵通过以下步骤计算得到:
步骤a、以地球坐标系为参考坐标系,分别求第一方位点C1相对于参考坐标系的第一位姿参数矩阵[Rp1w tp1w],以及第二方位点C2相对于参考坐标系的第二位姿参数矩阵[Rp2w tp2w];
步骤b、求出相机在无人机上的安装位姿[Rp tp];
步骤c、按照如下公式:
得到在第一拍摄方位点C1相对第二拍摄方位点C2的相机位姿关系矩阵。
一种在以上通讯基站天线位姿自动检测装置上实现的通讯基站天线位姿自动检测方法,包括以下步骤:
步骤a、无人机搭载相机分别从天线的第一拍摄方位点C1和第二拍摄方位点C2采集天线第一幅天线图像和第二幅天线图像;
步骤b、分别从两幅图像中提取基站天线的图像特征;
步骤c、计算天线的空间位姿信息。
上述通讯基站天线位姿自动识别方法,
步骤a所述的控制无人机分别从天线的第一方位和第二方位采集天线第一幅图像和第二幅图像,具体为:
步骤a1、控制无人机飞行到第一拍摄方位点C1采集天线第一幅天线图像,记录无人机在第一拍摄方位点C1的飞行位姿[Rp1w tp1w];
步骤a2、按照第一拍摄方位点C1相对第二拍摄方位点C2的相机位姿关系矩阵:
得到无人机在第二拍摄方位点C2的飞行位姿[Rp2w tp2w];
步骤a3、无人机自动飞行至第二拍摄方位点C2[Rp2w tp2w]采集天线第二幅天线图像。
上述通讯基站天线位姿自动识别方法,步骤b所述的提取基站天线的图像特征,具体为:
步骤b1、建立天线轮廓信息模板;
步骤b2、基于步骤b1得到的天线轮廓模板进行目标天线的定位与分割;
步骤b3、提取图像特征。
上述通讯基站天线位姿自动识别方法,步骤c所述的计算天线的空间位姿信息,具体为:
步骤c1、建立天线空间位姿检测的双目立体视觉模型;
步骤c2、计算相机在第一拍摄方位点C1时,天线在相机坐标系下的位置;
步骤c3、计算相机在第一拍摄方位点C1时,天线在相机坐标系下的姿态;
步骤c4、计算天线在世界坐标系下的位姿。
有益效果:
第一、本发明通讯基站天线位姿自动检测装置与方法,实现了通讯基站天线位姿自动检测,不仅可以提高通讯基站天线位姿检测的效率,而且可以大幅提高通讯基站天线位姿检测的智能化水平,为基站天线位姿的自动化检测提供装置基础及理论基础。
第二、在本发明通讯基站天线位姿自动检测装置中,通过采用无人机搭载相机构建移动式机器视觉系统的技术方案,利用无人机的飞行功能,不仅突破了天线安装位置高而不易检测的技术难题,而且实现了一台检测装置检测多个基站天线的技术效果,解决了因天线分布范围广而使传统相机固定安装方式存在设备成本大幅增加的问题。
第三、在本发明通讯基站天线位姿自动检测方法中,无人机搭载相机从天线的两个不同方位点采集图像,构成虚拟双目视觉系统,再从两幅图像中提取基站天线的图像特征,最后计算天线的空间位姿信息;通过优化两个拍摄方位点的相对位姿参数,并标定两个方位点之间的相机位姿关系矩阵,实现了比传统平行双目视觉更高的检测精度。
附图说明
图1是天线位姿自动识别装置原理图。
图2是双目相机坐标测量示意图。
图3是天线位姿自动识别方法的流程图。
图4是提取天线图像特征的流程图。
图5是计算板状天线的空间位姿信息的流程图。
图6是双目视觉空间特征点重建原理图。
图7是双目视觉空间特征直线重建原理图。
图8是空间直线姿态矩阵求解原理图。
具体实施方式
下面结合附图对本发明具体实施例作进一步详细描述。
具体实施例一
本实施例为通讯基站板状天线位姿自动识别装置实施例。
本实施例的通讯基站板状天线位姿自动识别装置,原理图如图1所示,该板状天线位姿自动识别装置包括一架无人机和一台相机。
所述无人机搭载相机分别从板状天线前的第一方位和第二方位采集板状天线第一图片和第二图片,并记录无人机分别在第一方位和第二方位的位姿数据。
定义无人机在第一方位采集图片时相机坐标系Zc1平行于光轴,图像的横、纵坐标分别平行于Xc1轴和Yc1轴;无人机在第二方位采集图片时相机坐标系Zc2平行于光轴,图像的横、纵坐标分别平行于Xc2轴和Yc2轴;
提取板状天线的棱边PQ和角点P分别在第一和第二图片中对应的投影特征参数;
基于上述的位姿数据、特征参数,识别出板状天线的位置和姿态。
具体实施例二
本实施例为基站板状天线位姿自动识别装置实施例。
本实施例的基站板状天线位姿自动识别装置,在具体实施例一的基础上,对第一拍摄方位与第二拍摄方位相机之间的最优布局参数进行优化求解,包括以下步骤:
如图2为双目相机坐标测量示意图,C1、C2分别为第一拍摄方位相机和第二拍摄方位相机光心,相机光轴相交于点O,假设世界坐标系Ow-XwYwZw与第一拍摄方位相机坐标系重合,相机光心之间的距离(基线长度)为b,相机与基线之间的夹角分别为α1、α2,任一空间特征点M(Xw,Yw,Zw)在分别在相机投影点分别为m1(x1,y1)、m2(x2,y2);
步骤a、根据几何关系,建立任意空间点M的坐标(Xw,Yw,Zw)与相机布局参数b、α1、α2之间关系,如下式所示:
其中:β1、β2分别为图像特征点m1、m2的水平视场角,β1=-atan(x1/f1),β2=atan(x2/f2);γ1、γ2分别为图像特征点m1、m2的垂直视场角,γ1=atan(y1·cosβ1/f1),γ2=atan(y2·cosβ2/f2);f1、f2分别相机的焦距。
事实上,由于本发明采用一个相机从两个不同方位拍照构建双目视觉,存在如下关系:
f1=f2=f
α1=α2=α
步骤b、建立双目视觉坐标测量误差模型,如下式所示:
其中:j为第j个测量点对索引值,N为测量点对总数;Δx1、Δx2、Δy1、Δy2为特征点提取精度,可取Δx1=Δx2=Δy1=Δy2=±0.5δ,δ为相机像素物理尺寸;ΔXw、ΔYw、ΔZw分别为M点坐标Xw、Yw、Zw误差值,存在如下关系:
步骤c、建立双目视觉系统布局参数优化模型,如下式所示:
其中:l为相机拍摄物距。
步骤d、利用遗传算法对步骤c的双目视觉系统布局参数优化模型进行求解,得到第一拍摄方位相机与第二拍摄方位相机之间最优布局参数b、α。
步骤e、按照如下公式:
其中:ψ=-(π-2α)
得到第一拍摄方位与第二拍摄方位采集图像时相机之间最优相对位姿关系;
具体实施例三
本实施例为基站板状天线位姿自动识别装置实施例。
本实施例的基站板状天线位姿自动识别装置,在具体实施例一和实施例二的基础上,对第一拍摄方位和第二拍摄方位相机之间相对位姿关系进行计算,包括如下步骤:
步骤a、以地球坐标系为参考坐标系,分别求第一方位相对于参考坐标系的位姿参数矩阵[Rp1w tp1w],以及第二方位相对于参考坐标系的位姿参数矩阵[Rp2w tp2w];
步骤b、求出相机在无人机上的安装位姿[Rp tp];
步骤c、按照如下公式:
得到在第一拍摄方位相对第二拍摄方位采集图像时相机的位姿关系矩阵。
具体实施例四
本实施例为基站板状天线位姿自动识别方法实施例。
本实施例的基站板状天线位姿自动识别方法,流程图如图3所示。该方法包括以下步骤:
步骤a、提取板状天线的图像特征;
提取板状天线的图像特征流程图如图4所示。
步骤b、计算板状天线的空间位姿信息;
具体实施例五
本实施例为基站板状天线位姿自动识别方法实施例。
本实施例的基站板状天线位姿自动识别方法,在具体实施例四的基础上,进一步限定步骤b所述的计算板状天线的空间位姿信息,具体为:
步骤b1、建立板状天线空间位姿检测的双目立体视觉模型;
步骤b2、计算板状天线在第一拍摄方位相机坐标系中的位置;
步骤b3、计算板状天线在第一拍摄方位相机坐标系中的姿态;
步骤b4、计算板状天线在世界坐标系中的空间位姿。
计算板状天线的空间位姿信息的流程图如图5所示。
步骤b1、建立板状天线空间位姿检测的双目立体视觉模型;
由一个相机分别从板状天线的第一拍摄方位与第二拍摄方位构建双目视觉模型,双目视觉空间特征点重建原理图如图6所示,设第一拍摄方位相机坐标系O1-X1Y1Z1重合,o1-x1y1为相机成像平面坐标系,f1为其有效焦距;O2-X2Y2Z2为第二拍摄方位相机坐标系,o2-x2y2为相机成像平面坐标系,f2为其有效焦距。板状天线角点M在第一拍摄方位与第二拍摄方位相机成像平面上的投影分别为m1(x1,y1)、m2(x2,y2)。图7为空间直线重建原理图,板状天线棱边L在第一拍摄方位与第二拍摄方位相机的投影直线分别为L1、L2。
事实上,点M在第一拍摄方位相机成像平面坐标系坐标(x1,y1)与图像坐标系坐标(u1,v1)之间存在如下关系:
其中:sx、sy分别为每个像素在x1、y1方向像元的物理尺寸;(u0,v0)为成像平面坐标系原点o在图像坐标系中以像素为单位的坐标值;
同理可得,点M在第二拍摄方位相机成像平面坐标系坐标(x2,y2)与图像坐标系坐标(u2,v2)之间存在如下关系:
板状天线角点M分别在o1-x1y1和o2-x2y2投影图像坐标(u1,v1)和(u2,v2)以及板状天线棱边L分别在o1-x1y1和o2-x2y2投影L1和L2特征参数可以按照现有技术获得。
步骤b2、计算板状天线在第一拍摄方位相机坐标系中的位置;
由相机投影关系可知,板状天线角点M在第一拍摄方位相机坐标系下的坐标值(X1,Y1,Z1)与(x1,y1)之间关系为:
其中:Zc1为比例系数;
同理可得,M在第二拍摄方位相机坐标系的坐标值(X2,Y2,Z2)与(x2,y2)之间关系为:
其中:Zc2为比例系数;
事实上,点M在第二拍摄方位相机坐标系下的坐标值(X2,Y2,Z2)与其在第一拍摄方位相机的坐标系下的坐标值(X1,Y1,Z1)存在如下关系:
其中:M12=[R12t12],和分别为第一拍摄方位相机坐标系O1-X1Y1Z1相对于第二拍摄方位相机坐标系O2-X2Y2Z2的旋转矩阵和平移矩阵,可以按照具体实施例三所述的方法获得。
在以上公式的基础上,根据点M分别在第一拍摄方位与第二拍摄方位相机图像坐标系中的投影点m1和m2的像素坐标值(u1,v1)、(u2,v2)和相机的内参数(fx、fy、u0、v0),计算出板状天线角点M在第一拍摄方位相机坐标系O1-X1Y1Z1中的位置坐标(X1,Y1,Z1):
步骤b3、计算板状天线在第一拍摄方位相机坐标系中的姿态;
表示板状天线姿态的棱边L的空间姿态可以通过重建的到,具体方法如下:
事实上,如图7所示,直线L为O1和L1构成平面F1与O2和L2构成平面F2的交线,所以可以通过求解平面F1与平面F2交线的方法求解直线L的空间姿态。
在第一拍摄方位相机图像坐标系中,L1可由如下公式描述:
其中:s1=(s11,s12,s13)为直线L1的特征参数,l1(u1,v1,1)为直线L1上任意一点的齐次坐标;
根据相机成像原理可知:任意一点在第一拍摄方位相机坐标系下的坐标值(X1,Y1,Z1)与其在相机图像坐标系下图像坐标(u1,v1)之间存在如下关系:
其中:Zc1为比例系数,fx1、fy1、u01、v01为相机内参数,M1为相机的内参数矩阵,X1为任意空间点在第一相机坐标系中的齐次坐标;
综合以上公式可以得到,第一拍摄方位相机坐标系中直线L上任意一点(X1,Y1,Z1)与其在相机图像坐标系投影直线上对应点(u1,v1)之间存在以下关系:
Zc1s1l1=s1M1X1=0
事实上,s1M1X1=0对于投影位于直线L1上的任意一点X1均成立,由于投影位于直线L1上的点必然位于平面F1内,所以式s1M1X1=0即描述了平面F1的方程。
对于O2和L2构成平面F2的方程,采用同样的方法可以得到,如下式所示:
s2M2X2=0
其中:s2=(s21,s22,s23)为直线L2的特征参数,M2为相机的内参数矩阵,X2为任意空间点在第二相机坐标系中的齐次坐标;
事实上,空间任意一点在第二拍摄方位相机坐标系下的坐标值X2与其在第一拍摄方位相机的坐标系下的坐标值X1存在如下关系:
X2=M12X1
其中:M12为第一拍摄方位相机坐标系在第二拍摄方位相机坐标系中的齐次位姿矩阵;
综合以上两式,可以得到平面F2在第一拍摄方位相机坐标系中的描述,如下式所示:
s2M2M12X1=0
在以上公式的基础上,根据直线L在第一拍摄方位和第二拍摄方位相机图像坐标系投影特征参数s1=(s11,s12,s13)、s2=(s21,s22,s23)、相机内参数(fx、fy、u0、v0)以及相机之间相对位姿关系M12,计算出板状天线棱边L在第一拍摄方位相机坐标系中的数学描述,不失一般性,将平面F1、F2方程化为一般方程,分别如下式所示:
A1X1+B1Y1+C1Z1+D1=0
A2X2+B2Y2+C2Z2+D2=0
其中:A1,B1,C1,D1,A2,B2,C2,D2为平面特征参数,记平面F1和平面F2的法向量分别为n1=(A1,B1,C1)、n2=(A2,B2,C2),所以直线L的方向向量p如下式所示:
为方便进行姿态运算求解,直线L的方向向量p转换为旋转矩阵Rc1,将相机1坐标系平移至原点与直线L端点P重合,如图8所示,可以得到直线L的姿态矩阵Rc1如下式所示:
其中:
步骤b4、计算板状天线在世界坐标系中的空间位姿。
根据在第一拍摄方位记录的无人机飞行姿态和相机在无人机中的安装姿态可以得到第一拍摄方位相机坐标系相对于世界坐标系的位姿,如下式所示:
于是,可以求出板状天线角点M在世界坐标系中的位置矩阵tw和棱边L在世界坐标系中的姿态矩阵Rw,分别如下式所示:
tw=R1w·tc1+t1w
Rw=R1w·Rc1
位置矩阵tw和姿态矩阵Rw就是板状天线在世界坐标系中的空间位姿。
上面对本发明的实施例作了描述,但是本发明并不局限于上述参数的板状天线空间位姿自动识别的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本技术领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权力要求所保护的范围的情况下,还可以在其它基于无人机和单目相机的基站天线位姿自动检测中应用,这些均属于本发明的保护范围之内。本实施例中未明确的各组成部分均可用现有技术加以实现。