CN110263390A - 基于无人机视觉测量的天线下倾角自动调整方法及系统 - Google Patents
基于无人机视觉测量的天线下倾角自动调整方法及系统 Download PDFInfo
- Publication number
- CN110263390A CN110263390A CN201910467770.XA CN201910467770A CN110263390A CN 110263390 A CN110263390 A CN 110263390A CN 201910467770 A CN201910467770 A CN 201910467770A CN 110263390 A CN110263390 A CN 110263390A
- Authority
- CN
- China
- Prior art keywords
- antenna
- unmanned plane
- realtime graphic
- host computer
- adjustment signal
- 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.)
- Granted
Links
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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
- G01C11/08—Interpretation of pictures by comparison of two or more pictures of the same area the pictures not being supported in the same relative position as when they were taken
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Remote Sensing (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了基于无人机视觉测量的天线下倾角自动调整方法及系统,使无人机拍摄天线实时图像并发送到上位机,然后使上位机通过训练后的实例分割网络模型对天线实时图像处理得到天线掩膜,上位机根据天线掩膜利用最小二乘法计算得到实时天线下倾角进而获得调整信号;最后向天线发送调整信号使天线自动调整下倾角。通过天线、无人机和上位机相互配合,自动完成天线下倾角的拍摄、计算和调整,具有高度的自动化和智能化的特点,方便快捷。全程无需人工爬塔,避免爬塔带来的安全隐患,同时省时省力。
Description
技术领域
本发明涉及通信测量领域,特别是基于无人机视觉测量的天线下倾角自动调整系统。
背景技术
移动通信基站是无线电台站的一种形式,通常设有发射信号的天线。移动通信基站的天线下倾角是需要根据网络的覆盖要求、话务量的大小、抗干扰能力、地形以及网络服务质量等实际情况来进行调整。随着手机、平板等电子产品的普及率越来越高,为了满足大众的需求,移动通信基站的数量越来越多,天线下倾角的调节频率越来越高。传统的移动通信基站调整方法都是由专业的塔工爬塔后通过读取塔尺的读数来获取天线下倾角并人工调整天线下倾角;该人工方法费时费力,同时会给塔工带来一定的危险。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一,提供基于无人机视觉测量的天线下倾角自动调整方法及系统,通过无人机、天线和上位机三者配合自动调整天线下倾角,方便快捷。
本发明解决其问题所采用的技术方案是:
本发明的第一方面,提供了基于无人机视觉测量的天线下倾角自动调整方法,包括以下步骤:
无人机拍摄天线实时图像并将天线实时图像上传至上位机;
上位机接收天线实时图像,将天线实时图像输入至训练后的实例分割网络模型进行分类识别以及掩膜处理,得到含天线掩膜的天线实时图像;
上位机根据天线掩膜利用最小二乘法测量得到实时天线下倾角;
上位机根据实时天线下倾角得到调整信号并发射调整信号;
天线接收调整信号并根据调整信号调整天线下倾角。
上述基于无人机视觉测量的天线下倾角自动调整方法至少具有以下的有益效果:整个天线下倾角调整过程通过天线、无人机和上位机的配合,对天线下倾角进行自动调整,具有自动化和智能化的特点,方便快捷;由无人机拍摄实时天线图像,使实时天线图像更清晰;结合实例分割网络模型和最小二乘法测量得到实时下倾角,避免了人工测量,结合神经网络并利用数据分析的优势使测量结果更准确;天线接收到调整信号自动调整,无需人工调整,具有自动化优势。
进一步,所述无人机拍摄天线实时图像并将天线实时图像上传至上位机包括以下步骤:
无人机飞至天线的水平高度后以绕飞半径和绕飞角速度绕天线做圆周运动,并拍摄天线实时图像;
无人机将天线实时图像上传至上位机。
进一步,所述训练后的实例分割网络模型是利用包含天线下倾角基本信息的图像样本对基于实例分割算法构建的模型训练得到的模型。
进一步,所述上位机接收天线实时图像,将天线实时图像输入至训练后的实例分割网络模型进行分类识别以及掩膜处理,得到含天线掩膜的天线实时图像包括以下步骤:
接收天线实时图像;
提取天线实时图像的特征;
根据天线实时图像的特征得到区域候选框;
根据区域候选框对天线实时图像分类识别得到天线类别和天线目标框坐标;
根据区域候选框对天线实时图像掩膜处理得到含天线掩膜的天线实时图像。
进一步,所述上位机根据实时天线下倾角得到调整信号并发射调整信号包括以下步骤:
上位机根据实时天线下倾角得到调整信号;
上位机直接向天线发射调整信号。
另外地,所述上位机根据实时天线下倾角得到调整信号并发射调整信号包括以下步骤:
上位机根据实时天线下倾角得到调整信号;
上位机向无人机发射调整信号;
无人机向天线发射调整信号。
本发明的第二方面提供了,基于无人机视觉测量的天线下倾角自动调整系统,包括天线、无人机和上位机;所述天线包括控制器、用于接收调整信号的交互模块和用于调整天线下倾角的电机,所述电机和所述交互模块分别与所述控制器连接;所述无人机包括用于拍摄天线实时图像的摄像头和用于将天线实时图像上传至上位机的第一信息传输模块;所述上位机包括用于接收无人机发送的天线实时图像的图像接收端口、用于得到含天线掩膜的天线实时图像的掩膜网络模块、用于根据天线掩膜利用最小二乘法测量得到实时天线下倾角的测量模块和用于根据实时天线下倾角得到调整信号并发射调整信号的调整信号模块;其中,掩膜网络模块包括训练后的实例分割网络模型。
上述基于无人机视觉测量的天线下倾角自动调整系统至少具有以下的有益效果:天线、无人机和包含实例分割网络模型的上位机相互配合的系统,自动完成拍摄、计算和调整,利用神经网络结合数据分析使测量结果更准确,具有高度的自动化和智能化的特点,方便快捷。全程无需人工爬塔,避免爬塔带来的安全隐患,同时省时省力,节约人力成本。
进一步,所述训练后的实例分割网络模型是利用包含天线下倾角基本信息的图像样本对基于实例分割算法构建的模型训练得到的模型;所述训练后的实例分割网络模型包括用于提取天线实时图像的特征的特征提取模块、用于根据天线实时图像的特征得到区域候选框的RPN网络模块、用于根据区域候选框对天线实时图像分类识别得到天线类别和天线目标框坐标的分类识别模块和用于根据区域候选框对天线实时图像掩膜处理得到含天线掩膜的天线实时图像的掩膜模块。
进一步,所述调整信号模块包括用于根据实时天线下倾角得到调整信号的调整信号计算模块和用于直接向天线的交互模块发送调整信号的调整信号发送模块。
此外地,所述调整信号模块包括用于根据实时天线下倾角得到调整信号的调整信号计算模块和用于向无人机发送调整信号的调整信号发送模块;所述无人机包括用于接收从上位机发送的调整信号的第二信息传输模块和用于向天线的交互模块发送调整信号的第三信息传输模块。
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是本发明实施例基于无人机视觉测量的天线下倾角自动调整方法的流程图;
图2是图1中步骤S200的具体图;
图3是本发明实施例基于无人机视觉测量的天线下倾角自动调整系统的示意图;
图4是本发明另一个实施例基于无人机视觉测量的天线下倾角自动调整系统的示意图;
图5是训练后的实例分割网络模型的网络结构图。
具体实施方式
本部分将详细描述本发明的具体实施例,本发明之较佳实施例在附图中示出,附图的作用在于用图形补充说明书文字部分的描述,使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案,但其不能理解为对本发明保护范围的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
参照图1和图3,本发明实施例提供了基于无人机视觉测量的天线下倾角自动调整方法,包括以下步骤:
S100、无人机2拍摄天线实时图像并将天线实时图像上传至上位机3;
S200、上位机3接收天线实时图像,将天线实时图像输入至训练后的实例分割网络模型进行分类识别以及掩膜处理,得到含天线掩膜的天线实时图像;
S300、上位机3根据天线掩膜利用最小二乘法测量得到实时天线下倾角;
S400、上位机3根据实时天线下倾角得到调整信号并发射调整信号;
S500、天线1接收调整信号并根据调整信号调整天线下倾角。
在该实施例中,先由无人机2飞行至贴近天线1的空中区域拍摄实时天线图像,使反映天线下倾角的实时天线图像更清晰。结合实例分割网络模型和最小二乘法测量得到实时下倾角,避免了人工测量,结合神经网络并利用大数据分析的优势使天线下倾角的测量结果更准确。天线1接收到调整信号自动调整,无需人工调整,具有自动化的优势。整个天线下倾角调整过程通过天线1、无人机2和上位机3的配合,对天线下倾角进行自动调整,具有自动化和智能化的特点,方便快捷。
进一步,步骤S100具体包括以下步骤:
S110、使无人机2飞至天线1的水平高度后以绕飞半径和绕飞角速度绕天线1做圆周运动,并拍摄天线实时图像;
S120、使无人机2将天线实时图像上传至上位机3。
具体地,操控无人机2飞至天线1的水平高度的空中区域,以5米的绕飞半径和3米每秒的绕飞角速度以天线1为圆心做圆周运动,期间拍摄天线实时图像。天线实时图像能从多角度反映出天线下倾角。拍摄完成后,无人机2将天线实时图像通过无线网上传至上位机3。
参照图2,进一步,步骤S200具体包括以下步骤:
S210、接收天线实时图像;
S220、提取天线实时图像的特征;
S230、根据天线实时图像的特征得到区域候选框;
S241、根据区域候选框对天线实时图像分类识别得到天线类别和天线目标框坐标;
S242、根据区域候选框对天线实时图像掩膜处理得到含天线掩膜的天线实时图像。
其中,所述训练后的实例分割网络模型是利用大量包含天线下倾角基本信息的图像样本对基于实例分割算法构建的模型训练得到的模型。参照图5,具体地,在训练后的实例分割网络模型中,特征提取模块41执行步骤S220,提取天线实时图像的特征;特征提取模块41是由包含卷积函数的卷积层和包含池化激活函数的池化层组成的网络模型。RPN网络模块42执行步骤S230,是一个包含n个通道、3x3卷积核大小的卷积层以及两个1x1卷积核的并行卷积层的网络模型,其中通道数量n取决于每个像素点的锚点数量。由RPN网络根据天线实时图像的特征得到区域候选框,在包含天线实时图像的特征的特征图的每一个像素点上做多个感兴趣区域,利用分类器将感兴趣区域分为背景和前景,同时对每个锚点都输出背景和目标的分数预测值;利用回归器对感兴趣区域的位置进行初步的调整。然后采用了双线性插值的方法进行感兴趣区域对齐使得天线实时图像原图的像素和区域候选框的像素是完全对齐,有利于提高精度。
分类识别模块执行步骤S241,掩膜模块执行步骤S242。步骤S241和步骤S242是并行进行的;步骤S241中,根据区域候选框对天线实时图像分类识别,得到天线类别和天线目标框坐标,其中天线类别为“是天线”和“不是天线”。步骤S242中,采用全卷积网络根据区域候选框从天线实时图像得到天线掩膜;全卷积网络用于输出二进制掩膜,以说明给定像素是否是目标的一部分。对于二进制掩膜,当给定像素位于目标的所有位置上时,标识为1;当给定像素不在目标的所有位置上时,标识为0。
具体地,在步骤S300中,通过最小二乘法根据优化后的天线实时图像中对天线区域标注的掩膜最左边和最右边的像素点坐标拟合出两条曲线,进而求得最左边像素点拟合的曲线所对应的天线下倾角ωr和最右边像素点拟合的曲线所对应的天线下倾角ωl,最终的实时天线下倾角为ωr和ωl两者的平均值。
参照图3在其中一个实施例中,所述步骤S400包括以下步骤:
S410a、上位机根据实时天线下倾角得到调整信号;
S420a、上位机直接向天线发射调整信号。
具体地,上位机3预存有标准天线下倾角或者根据网络的覆盖要求、话务量的大小、抗干扰能力、地形以及网络服务质量等实际情况得到标准天线下倾角,然后比较实时天线下倾角与标准天线下倾角得到调整角度,其中调整角度为实时天线下倾角与标准天线下倾角两者之差。将调整角度转换为调整信号直接发送至天线1。
最后,天线1执行步骤S500,根据调整信号调整下倾角。
参照图4,在另一个实施例中,所述步骤S400包括以下步骤:
S410b、上位机根据实时天线下倾角得到调整信号;
S420b、上位机向无人机发射调整信号;
S430b、无人机向天线发射调整信号。
具体地,上位机3比较实时天线下倾角与标准天线下倾角得到调整角度,其中调整角度为实时天线下倾角与标准天线下倾角两者之差。将调整角度转换为调整信号发送至无人机2,无人机2向天线1发送调整信号。
最后,天线1执行步骤S500,根据调整信号调整下倾角;最终达到准确调整天线下倾角的目的,具有自动化和智能化的优势。
参照图3,本发明实施例提供了,基于无人机视觉测量的天线下倾角自动调整系统,包括天线1、无人机2和上位机3;所述天线1包括控制器12、用于接收调整信号的交互模块11和用于调整天线下倾角的电机13,所述电机13和所述交互模块11分别与所述控制器12连接;所述无人机2包括用于拍摄天线实时图像的摄像头20和用于将天线实时图像上传至上位机3的第一信息传输模块21;所述上位机3包括依次连接的图像接收端口31、掩膜网络模块32、测量模块33和调整信号发送模块34;其中,掩膜网络模块32包括训练后的实例分割网络模型。进一步,天线1包括天线杆和天线主体,天线主体与天线杆铰接;控制器12、交互模块11和电机13位于天线杆中,电机13驱动天线主体旋转以调整天线下倾角。
在该实施例中,整个天线下倾角调整过程通过天线1、无人机2和上位机3的配合,自动完成拍摄、计算和调整,具有高度的自动化和智能化的特点,方便快捷。全程无需人工爬塔,避免爬塔带来的安全隐患,同时省时省力,节约人力成本。
该天线下倾角调整系统进行下倾角调整的过程中,先由无人机2飞行至贴近天线1的空中区域通过摄像头20拍摄实时天线图像,使反映天线下倾角的实时天线图像更清晰;然后通过第一信息模块传输天线实时图像至上位机3。上位机3通过图像接收端口31接收从无人机2发送的天线实时图像;然后将天线实时图像输入至掩膜网络模块32,训练后的实例分割网络模型对天线实时图像处理得到含天线掩膜的天线实时图像;再将含天线掩膜的天线实时图像输入至测量模块33,测量模块33根据天线掩膜利用最小二乘法测量得到实时天线下倾角;上位机3的调整信号发送模块34根据实时天线下倾角向天线1发送调整信号;结合神经网络并利用大数据分析的优势使天线下倾角的测量结果更准确。天线1通过交互模块11接收到调整信号,交互模块11传输调整信号至控制器12,使控制器12控制电机13自动调整天线下倾角。
参照图5,另一个实施例中,所述训练后的实例分割网络模型是利用包含天线下倾角基本信息的图像样本对基于实例分割算法构建的模型训练得到的模型;所述训练后的实例分割网络模型包括用于提取天线实时图像的特征的特征提取模块41、用于根据天线实时图像的特征得到区域候选框的RPN网络模块42、用于根据区域候选框对天线实时图像分类识别得到天线类别和天线目标框坐标的分类识别模块43和用于根据区域候选框对天线实时图像掩膜处理得到含天线掩膜的天线实时图像的掩膜模块44。
参照图3,在其中一个实施例中,所述调整信号模块34包括用于根据实时天线下倾角得到调整信号的调整信号计算模块341和用于直接向天线的交互模块发送调整信号的调整信号发送模块342。
具体地,调整信号计算模块341根据实时天线下倾角与标准天线下倾角两者之差计算得到调整信号,并将调整信号传输至调整信号发送模块342。然后调整信号发送模块342将调整信号通过无线网发送至天线1的交互模块11。相应地,天线1的交互模块11包括无线网接收电路。
参照图4,在另一个实施例中,所述调整信号模块34包括用于根据实时天线下倾角得到调整信号的调整信号计算模块341和用于向无人机发送调整信号的调整信号发送模块342;所述无人机2包括用于接收从上位机3发送的调整信号的第二信息传输模块22和用于向天线1发送调整信号的第三信息传输模块23。
具体地,调整信号计算模块341根据实时天线下倾角与标准天线下倾角两者之差计算得到调整信号,并将调整信号传输至调整信号发送模块342。调整信号发送模块342将调整信号发送至无人机2的第二信息传输模块22。第二信息传输模块22与第三信息传输模块23连接,将调整信号发送至第三信息传输模块23;第三信息传输模块23通过蓝牙与天线1的交互模块11匹配,并将调整信号发送至交互模块11。相应地,天线1的交互模块11包括蓝牙接收电路。在一些实施例中,第一信息传输模块21与第二信息传输模块22可集成为同一模块。
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 (10)
1.基于无人机视觉测量的天线下倾角自动调整方法,其特征在于,包括以下步骤:
无人机拍摄天线实时图像并将天线实时图像上传至上位机;
上位机接收天线实时图像,将天线实时图像输入至训练后的实例分割网络模型进行分类识别以及掩膜处理,得到含天线掩膜的天线实时图像;
上位机根据天线掩膜利用最小二乘法测量得到实时天线下倾角;
上位机根据实时天线下倾角得到调整信号并发射调整信号;
天线接收调整信号并根据调整信号调整天线下倾角。
2.根据权利要求1所述的基于无人机视觉测量的天线下倾角自动调整方法,其特征在于,所述无人机拍摄天线实时图像并将天线实时图像上传至上位机包括以下步骤:
无人机飞至天线的水平高度后以绕飞半径和绕飞角速度绕天线做圆周运动,并拍摄天线实时图像;
无人机将天线实时图像上传至上位机。
3.根据权利要求1所述的基于无人机视觉测量的天线下倾角自动调整方法,其特征在于,所述训练后的实例分割网络模型是利用包含天线下倾角基本信息的图像样本对基于实例分割算法构建的模型训练得到的模型。
4.根据权利要求3所述的基于无人机视觉测量的天线下倾角自动调整方法,其特征在于,所述上位机接收天线实时图像,将天线实时图像输入至训练后的实例分割网络模型进行分类识别以及掩膜处理,得到含天线掩膜的天线实时图像包括以下步骤:
接收天线实时图像;
提取天线实时图像的特征;
根据天线实时图像的特征得到区域候选框;
根据区域候选框对天线实时图像分类识别得到天线类别和天线目标框坐标;
根据区域候选框对天线实时图像掩膜处理得到含天线掩膜的天线实时图像。
5.根据权利要求1所述的基于无人机视觉测量的天线下倾角自动调整方法,其特征在于,所述上位机根据实时天线下倾角得到调整信号并发射调整信号包括以下步骤:
上位机根据实时天线下倾角得到调整信号;
上位机直接向天线发射调整信号。
6.根据权利要求1所述的基于无人机视觉测量的天线下倾角自动调整方法,其特征在于,所述上位机根据实时天线下倾角得到调整信号并发射调整信号包括以下步骤:
上位机根据实时天线下倾角得到调整信号;
上位机向无人机发射调整信号;
无人机向天线发射调整信号。
7.基于无人机视觉测量的天线下倾角自动调整系统,其特征在于,包括天线、无人机和上位机;所述天线包括控制器、用于接收调整信号的交互模块和用于调整天线下倾角的电机,所述电机和所述交互模块分别与所述控制器连接;所述无人机包括用于拍摄天线实时图像的摄像头和用于将天线实时图像上传至上位机的第一信息传输模块;所述上位机包括用于接收无人机发送的天线实时图像的图像接收端口、用于得到含天线掩膜的天线实时图像的掩膜网络模块、用于根据天线掩膜利用最小二乘法测量得到实时天线下倾角的测量模块和用于根据实时天线下倾角得到调整信号并发射调整信号的调整信号模块;其中,掩膜网络模块包括训练后的实例分割网络模型。
8.根据权利要求7所述的基于无人机视觉测量的天线下倾角自动调整系统,其特征在于,所述训练后的实例分割网络模型是利用包含天线下倾角基本信息的图像样本对基于实例分割算法构建的模型训练得到的模型;所述训练后的实例分割网络模型包括用于提取天线实时图像的特征的特征提取模块、用于根据天线实时图像的特征得到区域候选框的RPN网络模块、用于根据区域候选框对天线实时图像分类识别得到天线类别和天线目标框坐标的分类识别模块和用于根据区域候选框对天线实时图像掩膜处理得到含天线掩膜的天线实时图像的掩膜模块。
9.根据权利要求7或8任一项所述的基于无人机视觉测量的天线下倾角自动调整系统,其特征在于,所述调整信号模块包括用于根据实时天线下倾角得到调整信号的调整信号计算模块和用于直接向天线的交互模块发送调整信号的调整信号发送模块。
10.根据权利要求7或8任一项所述的基于无人机视觉测量的天线下倾角自动调整系统,其特征在于,所述调整信号模块包括用于根据实时天线下倾角得到调整信号的调整信号计算模块和用于向无人机发送调整信号的调整信号发送模块;所述无人机包括用于接收从上位机发送的调整信号的第二信息传输模块和用于向天线的交互模块发送调整信号的第三信息传输模块。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910438523 | 2019-05-24 | ||
CN2019104385237 | 2019-05-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110263390A true CN110263390A (zh) | 2019-09-20 |
CN110263390B CN110263390B (zh) | 2023-04-25 |
Family
ID=67916205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910467770.XA Active CN110263390B (zh) | 2019-05-24 | 2019-05-31 | 基于无人机视觉测量的天线下倾角自动调整方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110263390B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110660096A (zh) * | 2019-10-08 | 2020-01-07 | 珠海格力电器股份有限公司 | 曲线一致性检测方法及存储介质 |
CN112383929A (zh) * | 2020-11-04 | 2021-02-19 | 中国联合网络通信集团有限公司 | 天线调整设备、方法及计算机可读存储介质 |
WO2021189353A1 (en) * | 2020-03-26 | 2021-09-30 | Wuyi University | Method and system of antenna measurement for mobile communication base station |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101834347A (zh) * | 2010-04-16 | 2010-09-15 | 江苏省东方世纪网络信息有限公司 | 无线通信天线姿态自动检测控制装置 |
CN106410363A (zh) * | 2015-07-30 | 2017-02-15 | 中国移动通信集团公司 | 一种天线设备的调整方法、装置、天线设备及服务器 |
CN108710863A (zh) * | 2018-05-24 | 2018-10-26 | 东北大学 | 基于深度学习的无人机航拍场景语义分割方法及系统 |
CN109101044A (zh) * | 2018-08-03 | 2018-12-28 | 广州瀚信通信科技股份有限公司 | 一种基于物联网技术的天线信息采集及调整系统 |
CN109458980A (zh) * | 2018-11-06 | 2019-03-12 | 五邑大学 | 一种基于线性回归拟合的天线下倾角测量方法 |
CN109458979A (zh) * | 2018-11-06 | 2019-03-12 | 五邑大学 | 一种基于无人机视觉分析的天线下倾角测量方法 |
CN109740497A (zh) * | 2018-12-27 | 2019-05-10 | 河海大学 | 一种基于最小二乘曲线拟合的指尖检测方法 |
-
2019
- 2019-05-31 CN CN201910467770.XA patent/CN110263390B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101834347A (zh) * | 2010-04-16 | 2010-09-15 | 江苏省东方世纪网络信息有限公司 | 无线通信天线姿态自动检测控制装置 |
CN106410363A (zh) * | 2015-07-30 | 2017-02-15 | 中国移动通信集团公司 | 一种天线设备的调整方法、装置、天线设备及服务器 |
CN108710863A (zh) * | 2018-05-24 | 2018-10-26 | 东北大学 | 基于深度学习的无人机航拍场景语义分割方法及系统 |
CN109101044A (zh) * | 2018-08-03 | 2018-12-28 | 广州瀚信通信科技股份有限公司 | 一种基于物联网技术的天线信息采集及调整系统 |
CN109458980A (zh) * | 2018-11-06 | 2019-03-12 | 五邑大学 | 一种基于线性回归拟合的天线下倾角测量方法 |
CN109458979A (zh) * | 2018-11-06 | 2019-03-12 | 五邑大学 | 一种基于无人机视觉分析的天线下倾角测量方法 |
CN109740497A (zh) * | 2018-12-27 | 2019-05-10 | 河海大学 | 一种基于最小二乘曲线拟合的指尖检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110660096A (zh) * | 2019-10-08 | 2020-01-07 | 珠海格力电器股份有限公司 | 曲线一致性检测方法及存储介质 |
WO2021189353A1 (en) * | 2020-03-26 | 2021-09-30 | Wuyi University | Method and system of antenna measurement for mobile communication base station |
CN112383929A (zh) * | 2020-11-04 | 2021-02-19 | 中国联合网络通信集团有限公司 | 天线调整设备、方法及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110263390B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110263390A (zh) | 基于无人机视觉测量的天线下倾角自动调整方法及系统 | |
CN106197422A (zh) | 一种基于二维标签的无人机定位及目标跟踪方法 | |
KR101174531B1 (ko) | 정보 처리 장치 및 방법 | |
CN107729808A (zh) | 一种用于输电线路无人机巡检的图像智能采集系统及方法 | |
CN107222467B (zh) | 一种移动通信基站全景运维系统的实现方法 | |
CN106054931A (zh) | 一种基于视觉定位的无人机定点飞行控制系统 | |
CN106650705A (zh) | 区域标注方法、装置和电子设备 | |
CN108955682A (zh) | 手机室内定位导航方法 | |
CN104090664B (zh) | 一种交互式投影方法、装置及系统 | |
CN104702871A (zh) | 无人机投影显示方法、系统及装置 | |
CN107054654A (zh) | 一种无人机目标跟踪系统及方法 | |
CN106989727A (zh) | 一种基于无人机集群的分布式实时三维地理测绘系统 | |
CN109712081A (zh) | 一种融合深度特征的语义风格迁移方法和系统 | |
CN106931944A (zh) | 一种无人机实时三维地理测绘系统 | |
CN109353504A (zh) | 基于处方图的无人机智能喷施系统及方法 | |
CN107703936A (zh) | 基于卷积神经网络的自动导航小车系统及小车定位方法 | |
CN106919186A (zh) | 无人飞行器飞行控制操作方法以及装置 | |
CN105843257A (zh) | 基于请求的信息采集系统及其信息采集方法 | |
CN106973221A (zh) | 基于美学评价的无人机摄像方法和系统 | |
CN109765932A (zh) | 一种荒漠灌丛盖度无人机调查方法 | |
CN108364159A (zh) | 一种无人机物流面签装置和方法 | |
CN109813276A (zh) | 一种基站天线下倾角测量方法及其系统 | |
CN109765931A (zh) | 一种适用于防波堤巡检无人机的近红外视频自动导航方法 | |
CN108492569A (zh) | 一种基于无人机的交通追踪控制系统 | |
CN116597332A (zh) | 一种基于无人机的茶树嫩芽检测方法及装置 |
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 |