CN109458979B - 一种基于无人机视觉分析的天线下倾角测量方法 - Google Patents
一种基于无人机视觉分析的天线下倾角测量方法 Download PDFInfo
- Publication number
- CN109458979B CN109458979B CN201811321974.4A CN201811321974A CN109458979B CN 109458979 B CN109458979 B CN 109458979B CN 201811321974 A CN201811321974 A CN 201811321974A CN 109458979 B CN109458979 B CN 109458979B
- Authority
- CN
- China
- Prior art keywords
- antenna
- aerial vehicle
- unmanned aerial
- inclination angle
- radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C1/00—Measuring angles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/10—Radiation diagrams of antennas
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于无人机视觉分析的天线下倾角测量方法包括以下步骤:确定基站和天线疑似物的位置;进行天线预判直至确定天线;将天线描点并利用最小二乘法拟合成一条直线;根据直线计算天线下倾角角度并显示在控制无人机的移动端上;本发明能够节省测量天线下倾角时间,计算方法简单,提高了计算的效率和精度,大大减小恶劣天气对天线下倾角测量影响的优点。
Description
技术领域
本发明涉及通信测量领域,特别是一种基于无人机视觉分析的天线下倾角测量方法。
背景技术
目前,天线下倾角就是信号塔上的天线与垂直方向的夹角。天线下倾角的确定一般是由覆盖面积、地形、天线所在区域的站址分布情况、挂高,以及站间距并结合所在区域人口密度等无线传播环境综合分析后确定。随着城市人口密度、环境、社会发展需要优化网络等因素的变化,需要对天线下倾角进行及时的检测,看是否需要调整其角度。此时天线下倾角信息就显得尤为重要,获取天线下倾角信息对于网络优化人员而言往往比较困难,而传统的测量方法需要专业塔工上塔测量,如果使用传统方法,一旦遇到网络优化之后的天线下倾角与优化前一样,既耗费人力又耗费时间,同时还难以保障安全性。
发明内容
为解决上述问题,本发明实施例的目的在于提供一种基于无人机视觉分析的天线下倾角测量方法,通过无人机技术与深度学习网络结合自动测量天线下倾角角度。
本发明实施例解决其问题所采用的技术方案是:
一种基于无人机视觉分析的天线下倾角测量方法,包括以下步骤:无人机通过雷达发射电磁波确定基站和天线疑似物的位置;无人机拍摄图像通过识别网络进行天线预判直至确定天线;无人机通过雷达将天线描点并利用最小二乘法拟合成一条直线;根据直线计算天线下倾角角度并显示在控制无人机的移动端上;其中进行天线预判的结构包括轻量级头部,所述轻量级头部将图像经卷积层得到a个特征映射通道的特征图,将特征图经过大分离卷积层执行1×k和k×1的卷积顺序后使特征映射通道减少至b个以实现天线预测速度与准确率的最优权衡。
进一步,所述轻量级头部将b个特征映射通道的特征图依次经过感兴趣区域池化层和全连接层,再进行分类和位置回归。
进一步,所述进行天线预测的结构还包括检测器体,用于生成多个感兴趣区域。
优选地,所述雷达包括发射机、接收机、收发转换开关、发射天线、接收天线、信号处理机和显示器。
进一步,所述无人机通过雷达将天线描点并利用最小二乘法拟合成一条直线包括以下步骤:无人机悬停,使雷达与天线连接端处于同一水平高度;无人机向天线顶端垂直飞行,每隔一段时间记录一次与地面的相对高度Hi以及接收到发射电磁波的时间Ti,直至雷达与天线顶端处于同一水平高度。
进一步,所述无人机通过雷达将天线描点并利用最小二乘法拟合成一条直线还包括以下步骤:计算雷达到天线对应点的距离Ri,Ri=c(Ti-Ti-1)/2;其中c为光的速度。
进一步,所述无人机通过雷达将天线描点并利用最小二乘法拟合成一条直线还包括以下步骤:通过将R作为横坐标,H作为纵坐标建立坐标系,通过最小二乘法将天线描点(Ri,Hi)拟合成一条直线。
本发明实施例的有益效果是:本发明实施例采用的一种基于无人机视觉分析的天线下倾角测量方法,通过无人机搭配雷达全自动巡检并利用深度学习网络以及数学建模测量天线下倾角,为网络优化人员提供天线下倾角的信息,减少塔工的无效工作时间,提高了单位时间内测量天线下倾角的数量及准确度。与传统方法相比,节省了测量天线下倾角的时间,计算方法简单,提高了计算的效率和精度。使能见度较低的大雾天等恶劣天气对天线下倾角测量的影响也会大大减小。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明实施例的一种基于无人机视觉分析的天线下倾角测量方法的步骤流程图;
图2是本发明实施例的轻量级头部的结构图;
图3是本发明实施例的雷达的结构图;
图4是本发明实施例的雷达测量原理图;
图5是本发明实施例的最小二乘法拟合直线的坐标图。
具体实施方式
参照图1,本发明的一个实施例公开了一种基于无人机视觉分析的天线下倾角测量方法,包括以下步骤:无人机通过雷达发射电磁波确定基站和天线疑似物的位置;无人机拍摄图像通过识别网络进行天线预判直至确定天线;无人机通过雷达将天线描点并利用最小二乘法拟合成一条直线;根据直线计算天线下倾角角度并显示在控制无人机的移动端上。
在控制无人机的移动端按下启动按钮后,无人机开始自动巡航。无人机飞升至40米处,通过雷达发射电磁波确定基站和天线疑似物的位置。无人机通过附带的高清摄像头拍摄图像并传输到设有深度学习算法的识别网络进行天线预判,若判断为天线则进行天线下倾角的测量计算;若判断天线疑似物不是天线,则对其他天线疑似处进行预判,直至确定天线。无需塔工进行攀爬,节省了人力资源同时避免安全隐患。
参照图2,在一个实施例中,进行天线预判的结构包括轻量级头部,所述轻量级头部将图像经卷积层得到2048个特征映射通道的特征图,将特征图经过大分离卷积层执行1×k和k×1的卷积顺序后使特征映射通道减少至490(10×7×7)个,这这就使得随后的感兴趣区域子网络区域计算量大幅度降低,检测系统所需要的内存减少,以实现天线预测速度与准确率的最优权衡。然后,所述轻量级头部将490个特征映射通道的特征图依次经过感兴趣区域池化层和单一的全连接层,再进行分类和位置回归。由于无人机体积小自身载重有限,一般地无人机满电飞行一次的时间是1小时左右,所以在有限的时间内要保证测量移动通信天线下倾角的数量和准确度,轻量级头部是优先的选择。
进一步,所述进行天线预测的结构还包括检测器体,用于生成多个感兴趣区域。
参照图3,在一个实施例中,所述雷达包括发射机、接收机、收发转换开关、发射天线、接收天线、信号处理机和显示器。雷达的发射机通过发射天线把电磁波能量射向空间某一方向,处在此方向上的物体反射碰到的电磁波,且同一个物体上的不同介质反射的电磁波的强度也不相同,雷达的接收天线接收此反射波送至信号处理机进行信号处理,提取有关该物体的某些信息包括目标物体至雷达的距离、高度、方位和轮廓。
参照图4,在一个实施例中,所述无人机通过雷达将天线描点并利用最小二乘法拟合成一条直线包括以下步骤:无人机悬停,使雷达与天线连接端处于同一水平高度;无人机向天线顶端垂直飞行,每隔0.05s记录一次与地面的相对高度Hi以及接收到发射电磁波的时间Ti,直至雷达与天线顶端处于同一水平高度。
进一步,所述无人机通过雷达将天线描点并利用最小二乘法拟合成一条直线还包括以下步骤:计算雷达到天线对应点的距离Ri,Ri=c(Ti-Ti-1)/2;其中c为光的速度。测量计算出Hi和Ri以方便后面的天线下倾角的计算。
参照图5,在一个实施例中,所述无人机通过雷达将天线描点并利用最小二乘法拟合成一条直线还包括以下步骤:通过将R作为横坐标,H作为纵坐标建立坐标系,通过最小二乘法将天线描点(Ri,Hi)拟合成一条直线。然后,根据直线计算天线下倾角角度并显示在控制无人机的移动端上具体方法如下:
(1)选定一组特定的函数r1(x),r2(x),…,rm(x),m<i,令
f(x)=a1r1(R)+a2r2(R)+...+amrm(R)
其中,a1,a2,...,am为待定系数;
(2)确定a1,a2,...,am的最小二乘准则:使n个点(Ri,Hi)与曲线y=f(x)的距离σi的平方和最小。
当RTR可逆时,超定方程组Ra=z存在最小二乘解,即有方程组
RTRa=RTz的解为a=(RTR)-1RTz;
(3)通过机理分析建立数学模型来确定f(x);
(4)将数据(Ri,Hi)作图,确定f(x)=a1+a2x;
(5)设天线下倾角为θ,则有θ=arctan(|a2|)。
此计算方法简单实用,节省测量天线下倾角的时间,提高了计算的效率和精度。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。
Claims (3)
1.一种基于无人机视觉分析的天线下倾角测量方法,其特征在于,包括以下步骤:
无人机通过雷达发射电磁波确定基站和天线疑似物的位置;
无人机拍摄图像并通过识别网络进行天线预判直至确定天线;
无人机通过雷达将天线描点并利用最小二乘法拟合成一条直线;
根据直线计算天线下倾角角度并显示在控制无人机的移动端上;
其中,进行天线预判的结构包括轻量级头部,所述轻量级头部将图像经卷积层得到a个特征映射通道的特征图,将特征图经过大分离卷积层执行1×k和k×1的卷积顺序后使特征映射通道减少至b个以实现天线预测速度与准确率的最优权衡;所述轻量级头部将b个特征映射通道的特征图依次经过感兴趣区域池化层和全连接层,再进行分类和位置回归;
其中,所述无人机通过雷达将天线描点并利用最小二乘法拟合成一条直线包括以下步骤:
无人机悬停,使雷达与天线连接端处于同一水平高度;无人机向天线顶端垂直飞行,每隔一段时间记录一次与地面的相对高度Hi以及接收到发射电磁波的时间Ti,直至雷达与天线顶端处于同一水平高度;
计算雷达到天线对应点的距离Ri,Ri=c(Ti-Ti-1)/2;其中c为光的速度;
通过将R作为横坐标,H作为纵坐标建立坐标系,通过最小二乘法将天线描点(Ri,Hi)拟合成一条直线f(x),并使f(x)=a1+a2x;计算天线下倾角角度θ=arctan(|a2|)。
2.根据权利要求1所述的一种基于无人机视觉分析的天线下倾角测量方法,其特征在于,所述进行天线预判的结构还包括检测器体,用于生成多个感兴趣区域。
3.根据权利要求1所述的一种基于无人机视觉分析的天线下倾角测量方法,其特征在于,所述雷达包括发射机、接收机、收发转换开关、发射天线、接收天线、信号处理机和显示器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811321974.4A CN109458979B (zh) | 2018-11-06 | 2018-11-06 | 一种基于无人机视觉分析的天线下倾角测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811321974.4A CN109458979B (zh) | 2018-11-06 | 2018-11-06 | 一种基于无人机视觉分析的天线下倾角测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109458979A CN109458979A (zh) | 2019-03-12 |
CN109458979B true CN109458979B (zh) | 2020-12-01 |
Family
ID=65609751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811321974.4A Active CN109458979B (zh) | 2018-11-06 | 2018-11-06 | 一种基于无人机视觉分析的天线下倾角测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109458979B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263390B (zh) * | 2019-05-24 | 2023-04-25 | 五邑大学 | 基于无人机视觉测量的天线下倾角自动调整方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4134113A (en) * | 1977-04-18 | 1979-01-09 | Westinghouse Electric Corporation | Monopulse motion compensation for a synthetic aperture radar |
US7548305B1 (en) * | 2004-09-29 | 2009-06-16 | Lockheed Martin Corporation | Shallow angle shape sensor |
CN103630107A (zh) * | 2012-08-23 | 2014-03-12 | 北京交通大学 | 一种基站天线倾角测量方法及数据处理方法 |
CN206540551U (zh) * | 2017-06-06 | 2017-10-03 | 中国电信股份有限公司韶关分公司 | 一种基于无人机的通信工程质量校验辅助装置 |
CN107238373A (zh) * | 2017-05-18 | 2017-10-10 | 诺优信息技术(上海)有限公司 | 无人机航摄测量基站天线工程参数的方法及系统 |
CN108572379A (zh) * | 2018-04-27 | 2018-09-25 | 陈亮 | 基于无人机的通信基站选址勘察系统及其方法 |
-
2018
- 2018-11-06 CN CN201811321974.4A patent/CN109458979B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4134113A (en) * | 1977-04-18 | 1979-01-09 | Westinghouse Electric Corporation | Monopulse motion compensation for a synthetic aperture radar |
US7548305B1 (en) * | 2004-09-29 | 2009-06-16 | Lockheed Martin Corporation | Shallow angle shape sensor |
CN103630107A (zh) * | 2012-08-23 | 2014-03-12 | 北京交通大学 | 一种基站天线倾角测量方法及数据处理方法 |
CN107238373A (zh) * | 2017-05-18 | 2017-10-10 | 诺优信息技术(上海)有限公司 | 无人机航摄测量基站天线工程参数的方法及系统 |
CN206540551U (zh) * | 2017-06-06 | 2017-10-03 | 中国电信股份有限公司韶关分公司 | 一种基于无人机的通信工程质量校验辅助装置 |
CN108572379A (zh) * | 2018-04-27 | 2018-09-25 | 陈亮 | 基于无人机的通信基站选址勘察系统及其方法 |
Non-Patent Citations (4)
Title |
---|
3D Convolutional Neural Network Based on Face Anti-Spoofing;Zhai yikui;《2017 2nd International Conference on Multimedia and Image Processing》;20170930;全文 * |
基于无监督K均值特征和数据增强的SAR图像目标识别方法;翟懿奎;《信号处理》;20170331;第33卷(第3期);全文 * |
多级联卷积神经网络人脸检测;曾军英;《五邑大学学报》;20180831;第32卷(第3期);全文 * |
应用无人机辅助移动通信基站工程设计的研究;卢如东;《移动通信》;20170503(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109458979A (zh) | 2019-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9639960B1 (en) | Systems and methods for UAV property assessment, data capture and reporting | |
CN108256413B (zh) | 可通行区域检测方法及装置、存储介质、电子设备 | |
CN106441233B (zh) | 基于倾斜摄影三维重建技术的电力通道走廊巡检方法 | |
CN105203023B (zh) | 一种车载三维激光扫描系统安置参数的一站式标定方法 | |
CN113359097B (zh) | 一种毫米波雷达和相机联合标定的方法 | |
CN208027170U (zh) | 一种电力巡线无人机及系统 | |
CN110913331A (zh) | 一种基站干扰源定位系统和方法 | |
CN105548982B (zh) | 一种基于全球卫星导航系统载波相位差分技术的雷达标校方法 | |
CN112927565B (zh) | 提升机坪综合航迹监视数据精度的方法、装置及系统 | |
CN107607091A (zh) | 一种测量无人机飞行航迹的方法 | |
WO2021007855A1 (zh) | 基站、像控点定位方法、电子设备和计算机可读介质 | |
CN112130124B (zh) | 一种民航机场内无人机管控设备快速标校与误差处理方法 | |
CN114252884A (zh) | 路侧雷达定位监测方法、装置、计算机设备和存储介质 | |
WO2020093631A1 (zh) | 一种基于深度实例分割网络的天线下倾角测量方法 | |
CN114034296A (zh) | 一种导航信号干扰源检测与识别方法及系统 | |
CN114782548B (zh) | 基于全局图像的雷视数据标定方法、装置、设备及介质 | |
CN109458979B (zh) | 一种基于无人机视觉分析的天线下倾角测量方法 | |
CN203479295U (zh) | 一种基于飞行器的云层高度测量系统 | |
CN109829923B (zh) | 一种基于深度神经网络的基站天线下倾角测量系统及方法 | |
CN103453882A (zh) | 一种基于飞行器的云层高度测量系统及云层高度测量方法 | |
CN114001715A (zh) | 一种高空遥感与低空无人机倾斜摄影的环境地质调查方法 | |
CN111854598A (zh) | 基于无人机和边缘矫正模块的林业面积测量装置 | |
CN109855598B (zh) | 一种基于无人机雷达测距的天线下倾角测量方法和装置 | |
CN111076707B (zh) | 一种天线姿态测量方法、装置、系统和存储介质 | |
CN114379778B (zh) | 一种利用无人机检测电力杆塔塔顶偏移距离的系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |