CN110688904A - 基于5g无人机的基站天线工参勘测方法及装置 - Google Patents
基于5g无人机的基站天线工参勘测方法及装置 Download PDFInfo
- Publication number
- CN110688904A CN110688904A CN201910813903.4A CN201910813903A CN110688904A CN 110688904 A CN110688904 A CN 110688904A CN 201910813903 A CN201910813903 A CN 201910813903A CN 110688904 A CN110688904 A CN 110688904A
- Authority
- CN
- China
- Prior art keywords
- antenna
- aerial vehicle
- unmanned aerial
- base station
- target antenna
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012216 screening Methods 0.000 claims description 38
- 238000004891 communication Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 26
- 238000012545 processing Methods 0.000 description 17
- 238000005259 measurement Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000009432 framing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 206010019345 Heat stroke Diseases 0.000 description 1
- 208000007180 Sunstroke Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036561 sun exposure Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于5G无人机的基站天线工参自动勘测方法,其通过控制无人机飞行到指定位置,并通过预设模型对无人机回传的视频或图像识别得出目标天线,然后结合无人机的飞行姿态数据、识别出的目标天线的姿态数据计算得出目标天线的工参,实现了基站天线工参的自动勘测,解决了现有技术中需要人工上站对基站天线工参的检测而存在人身安全风险、勘测周期长等问题,大大提高了工参勘测效果,缩短了勘测周期。本发明还提供了一种电子设备及存储介质。
Description
技术领域
本发明涉及基站工参勘测,尤其涉及一种基于5G无人机的基站天线工参勘测方法、电子设备及存储介质。
背景技术
目前,传统基站天线工参勘测基本上由人工上站,然后采用GPS、指南针、坡度仪、相机等工具对经纬度、方向角、下倾角、高度等进行测量和采集。但是,经常会碰到业主不在家,无法上站,或夏天太阳暴晒、雨后铁路通信杆湿滑等,人工上站测量天线工参存在体力消耗大、容易中暑、受伤等安全问题,导致基站天线工参测量效率低下、勘测周期长。
发明内容
为了克服现有技术的不足,本发明的目的之一在于提供了一种基于5G无人机的基站天线工参勘测方法,其能够解决现有技术中人工上站勘测基站天线工参存在安全隐患等问题。
本发明的目的之二在于提供一种电子设备,其能够解决现有技术中人工上站勘测基站天线工参存在安全隐患等问题。
本发明的目的之三在于提供一种计算机可读存储介质,其能够解决现有技术中人工上站勘测基站天线工参存在安全隐患等问题。
本发明的目的之一采用如下技术方案实现:
基于5G无人机的基站天线工参勘测方法,所述勘测方法包括:
数据获取步骤:实时获取无人机拍摄的基站天线的视频或图像;
识别步骤:当无人机飞到指定位置、并保持其位置不变时,根据预先设定的基站天线模型识别得出无人机回传的视频或图像中的目标天线,并对目标天线所在的区域进行标注显示;其中,基站天线模型中存储了每种型号的天线所在的区域与现场图片的对应关系;
工参计算:在地球坐标系下,获取目标天线所在的区域的坐标范围、无人机的姿态数据以及对应的数据几何函数计算得出目标天线对应的工参。
进一步地,所述自动勘测方法还包括:控制步骤:通过地面控制端控制无人机启动并飞行到指定位置,实时接收无人机回传的视频或图像,并将无人机回传的视频或图像通过5G网络通信传输后后台服务器进行存储。
进一步地,所述自动勘测方法还包括直播步骤:将无人机回传的视频或图像通过5G网络通信实时推送到第三方直播平台上进行播放。
进一步地,所述识别步骤中,当从视频或图像中出现多个天线时,根据预设规则从多个天线确定目标天线。
进一步地,根据预设规则从多个天线确定天线具体为:根据每个天线与无人机的距离或每个天线与图像中心的距离确定目标天线。
进一步地,所述基站天线模型的训练具体为首先通过采集每种型号的天线的现场图片,并对每张现场图片中的天线所在的区域进行手动标注,然后以每种型号的天线的现场图片以及对应的标注结果进行模型训练,最终得出基站天线模型。
进一步地,所述现场图片为剔除天线抱杆的现场图片和/或以天线侧面为主的现场图片。
进一步地,在计算工参时,首先控制无人机飞到目标天线的正侧面、无人机的飞行高度与目标天线顶部与底部之间的中间位置、无人机机身及摄像头在同一水平面上,并且目标天线的正面或背面与无人机处于同一个无线扩展的平面上:
当工参为目标天线的经纬度时:在忽略地球曲率的影响的情况下,将经纬度坐标转换为三维直角坐标,进而获取无人机与目标天线的直线距离、无人机机身的经纬度、无人机的机头方向以及地球半球,并根据三角函数法计算得出目标天线的经纬度;
或者,当工参为目标天线的方向角时:根据当前目标天线的方向以及无人机机头的方向角计算得出目标天线的方向角;
或者,当工参为目标天线的挂高时:根据无人机的飞行高度以及目标天线的长度得出目标天线的挂高;
或者,当工参为目标天线的下倾角时:首先对基站天线模型识别得出的目标天线进行轮廓重绘,进而得出所有的轮廓线段以及每个轮廓线段对应的轮廓数据,然后依次进行范围筛选、角度筛选、长度筛选以及距离筛选目标天线的轮廓线段,并根据目标天线的轮廓线段的角度得出目标天线的下倾角;其中,轮廓数据包括轮廓线段的起始点坐标值、结束点坐标值、长度和角度。
本发明的目的之二采用如下技术方案实现:
一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明目的之一采用的基于5G无人机的基站天线工参勘测方法的步骤。
本发明的目的之三采用如下技术方案实现:
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如本发明目的之一采用的基于5G无人机的基站天线工参勘测方法的步骤。
相比现有技术,本发明的有益效果在于:
本发明通过根据预先训练的基站天线模型来实现对无人机回传的视频或图像中出现的目标天线的精准识别,以及控制无人机飞行到指定位置,并利用数学几何函数法来实现对目标天线的工参的计算,大大提高了基站天线工参的自动勘测,以及提高了勘测效果、缩短了勘测周期,解决了现有技术中采用人工检测工参容易存在安全隐患的问题。
附图说明
图1为本发明提供的基于5G无人机的基站天线工参勘测系统中5G通信示意图;
图2为本发明提供的基于5G无人机的基站天线工参勘测系统模块图;
图3为本发明提供的目标天线所在区域的标注示意图;
图4为本发明提供的目标天线与机身的位置示意图;
图5为本发明提供的直角坐标系下的目标天线与机身的位置示意图;
图6为本发明提供的地球不同维度的切面半径与地球半径的变化示意图;
图7为本发明提供的目标天线的俯视图;
图8为本发明提供的基于5G无人机的基站天线工参勘测方法的流程图之一;
图9为本发明提供的基于5G无人机的基站天线工参勘测方法的流程图之二。
图中:1、无人机;2、地面控制端;3、5G基站;4、后台服务器;5、云直播平台;6、核心网;11、天线;12、天线抱杆;13、框定区域。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例一
针对现有基站天线工参测量的缺陷,本发明提供了一种基于无人机的基站天线工参勘测系统,运用现有的比较流行的无人机进行基站勘测,通过控制无人机能够快速飞到指定高度,同时通过5G通信网络将无人机采集到的视频画面高速回传到地面控制端,以及通过图像识别算法对回传的视频画面中的天线进行实时识别,并结合无人机的飞行姿态及对应的数学几何函数进行基站天线的工参计算,实现基站天线的工参勘测,解决了现有技术中采用人工上站进行基站天线工参测量时存在人身安全问题,同时还可以大大提高工作效率。
基于5G无人机的基站天线工参勘测系统主要涉及:应用层、传输层和设备层。
其中,应用层主要包括无人机飞控系统、无人机图像采集系统、AI图像识别系统、工参管理系统和直播点播系统。
无人机飞控系统,用于控制无人机的飞行,比如控制无人机的飞行高度、角度、位置等。
无人机图像采集系统,用于当无人机飞行到指定位置后,实时采集基站天线的图像并通过传输层传输到设备层。
AI图像识别系统,用于根据无人机图像采集系统采集的包含基站天线的图像进行图像识别处理、匹配识别等实现基站天线的识别。
工参管理系统,用于根据识别得出的天线、无人机的飞行姿态实现对基站天线的各个工参的计算以及存储管理。
直播点播系统,用于将无人机采集系统采集的视频画面推送到视频直播平台上,实现基站天线无人机自动勘测的直播。
传输层主要采用了5G通信系统、互联网系统、无人机通信系统等进行数据的传输。
如图1所示,无人机1将拍摄的视频或图像数据通过无人机通信系统回传给地面控制端2,地面控制端2将接收到的视频或图像数据通过5G基站3所形成的核心网6,也即是5G通信系统,传输给后台服务器4、云直播平台5等,实现了数据的快速传输,大大提高了数据传输的效果。再比如,将经过操作人员确认后计算出的基站工参通过互联网系统存储于后台服务器中。
本发明的设备层主要采用了无人机、地面控制设备、5G通信基站、AI云服务器等各种设备,用于实现数据获取、数据传输、数据处理等功能。
如图2所示,本实施例提供基于5G无人机的基站天线勘测系统具体包括:
一、数据获取部分:
本发明是利用现有的无人机实现对基站进行拍摄视频画面,并将视频画面传输到无人机的地面控制端,实现基站天线的图像获取。比如,通过控制无人机飞行到指定位置,拍摄目标基站附近的视频画面并回传到地面控制端。
因此,通过无人机的地面控制端控制无人机飞行到指定位置,并对控制无人机的摄像头启动拍摄,以及实时获取摄像头所拍摄的视频画面。
工作人员可通过地面控制端所显示的摄像头拍摄的视频画面查找到目标基站,并控制无人机的飞行位置。
二、数据传输部分:
为了实现无人机的图像数据的快速传输,本发明还通过将支持5G制式网络模块设备部署到无人机的地面控制端,然后无人机的地面控制端通过5G网络模块连接到运营商5G网络,进而通过5G网络将无人机的摄像头拍摄的视频画面,无人机的飞行数据、姿态数据等快速转发云平台系统进行处理、分析以及存储等。
三、数据处理部分:
云平台系统包括:后台服务器、直播点播平台、AI图像识别系统、工参数据管理系统等。
后台服务器,用于存储无人机回传的视频画面。
直播点播平台,用于将无人机回传的视频画面转发到第三方的远程观看端进行播放,实现无人机的勘测画面的视频直播。
直播点播平台是在百度智能云基础上进行SDK(Software Development Kit,软件开发包)定制开发的。本发明可先通过5G网络将图像数据转发到百度智能云,然后通过在自建的无人机巡检网站设置直播拉流,完成无人机回传的视频画面的直播。另外,当直播结束后的视频会自动存储到无人机巡检网站,该无人机巡检网站可以直接查看并回放已经直播结束的视频,实现历史的视频画面的点播。
另外,直播点播平台还具有关键帧抽取功能。其中,关键帧指的是连续图像中画面内容/状态发生明显变化时的帧,关键帧提取能有效减少图像处理的数据量。本发明通过设置抽取频率对视频画面进行关键帧的抽取,并将抽取的关键帧转发给后台服务器进行存储及处理。
对视频画面进行关键帧进行抽取,这里的关键帧可以可能包括基站天线的数据帧、具有清晰画面的数据帧,这样在后期进行图像识别、工参计算时,选择对关键帧的图像进行处理,可大大减少图像处理的数据量,提高计算结果的准确性。
AI图像识别系统,用于通过预先训练的基站天线模型,对无人机回传的视频画面中出现的基站天线进行匹配识别,然后结合图像识别得出的天线姿态与无人机自身的传感器数据进行计算得出目标天线的工参。
另外,本发明还将计算得出的目标天线的工参发送给无人机的地面控制端,供检测员进行确认,当确认通过后上传至云平台的工参数据管理系统中进行存储,完成目标天线的工参检测。
由于5G网络的高带宽、低时延的数据传输能力,本发明可以实现毫秒级的数据同步存储、毫秒级的远程直播等。
因此,对于目标天线的工参计算之前,最重要的是对无人机回传的视频画面中的图像进行图像识别匹配得到目标天线。
由于无人机现场拍摄的图像中所包含的信息复杂巨大,比如一个基站上不止安装了天线,还可能安装了其他的各种零部件,而这些内容均会出现在无人机拍摄的图像中,在对图像识别时,很容易对数据处理造成干扰。因此,本发明首先根据预先训练的基站天线模型识别得出目标天线所在的位置,并将图像中多余的背景剔除,只针对目标天线的位置所在的区域进行计算,可以大大提高测量目标的准确性,提高测量效果。
对于基站天线模型,本发明采用了目前技术上较为成熟的EasyDL图像识别定制化系统进行模型训练得出。在目标天线的识别时,根据基站天线模型对无人机回传的图像进行识别匹配,进而识别得出图像中的目标天线。
基站天线模型的训练,是通过采集大量各种型号、厂家等的基站天线的现场图片,并对每张现场图片中的天线所在的位置区域、形状进行手动标记,然后进行识别训练得出基站天线模型,该模型内存储了每种型号的基站天线的现场图片与对应天线的所在的位置区域、形状等的对应关系。
另外,在模型训练时,为了提高基站天线的识别率,本发明还采用剔除天线抱杆、识别天线侧面为主的现场图片进行模型训练。
进一步地,本发明通过基站天线模型对无人机回传的图像中出现的天线进行识别,同时在显示屏上对天线所在的区域进行标注。比如如图3所示,框定的区域内包括了目标天线,一般来说,将该框定区域设置为长方形区域,11为天线,12为天线抱杆,用于固定安装天线的;13为框定天线的长方形区域。为了便于操作人员观察,可通过指定颜色的长方形框来标注天线所在的区域。
另外,对于一个基站来说,其附近可能安装了多个天线,为了识别到目标天线,本发明根据预设规则对基站天线模型匹配识别到的多个天线进行分析筛选得出目标天线,然后再对目标天线所在的区域进行框定。
一般来说,由测试工作人员来控制无人机的飞行,将无人机飞行到目标天线的附近,因此,目标天线应是距离无人机的摄像头最近的,因此,在对基站天线模型识别出的多个天线进行筛选时可首先根据每个天线的位置进行排序,然后根据系统预设的规则进行筛选唯一被测量的天线,也即是:目标天线。
一般来说,是默认选择最接近图像中心的天线作为目标天线,比如选择与无人机距离最近的天线(在与无人机距离最近时,其在显示屏中所显示的天线图像面积最大)作为目标天线,或者选择天线位置最接近图像中心的天线作为目标天线等。
当通过基站天线模型实现目标天线的位置确定后,可进行目标天线的工参计算,本发明根据不同的工参给出了其具体的计算过程:
1、目标天线的经纬度的计算在进行目标天线经纬度计算时,首先操作人员需要手动将无人机飞到天线的正侧面,并且无人机的飞行高度位于天线顶部与底部之间的中间位置,同时在飞行过程中时刻保证无人机的机头方向及无人机的摄像头方向保持一致并正对天线;无人机的摄像头在三轴陀螺仪的稳定下,其方向与无人机保持一致并时刻保持水平。另外,在计算目标天线的工参,比如经纬度、方向角、下倾角、挂高等关键参数时,还需要结合无人机自身的传感器,以及通过地理几何算法测量得出目标天线的工参。
此时,通过无人机的距离传感器可知无人机与目标天线的直线距离L、获取无人机机身的经纬度(Xa,Ya)以及获取无人机的方向角K,并且无人机的方向角K的取值范围为:按顺时针方法计算,正北为0度,正东90度,正南180度,正西270度,范围是0-359度,无人机的方向角为目标天线相对于无人机的方向角。
由于此时无人机正对目标天线,因此,目标天线落入无人机机身的方向的射线上。
如图4所示,假设A为无人机的位置,B为目标天线的位置,O为地球中心位置,R为地球的近似平均半径,K为目标天线B相对于无人机A的方向角,L为无人机与目标天线的直线距离。由于地球为球面,AB两点连线应是一条曲线,但在无人机与目标天线的直线距离较近(比如在20米以内)的情况下,基本上可以忽略地球曲率的影响,把曲面近似看成平面,也即是将AB两点之间的联系看作为一条直线,进而将经纬度坐标近似为直角坐标系下的坐标。也即是说,在直角坐标系下,通过三角函数法可以计算点A到点B的在横向、纵向的平移距离分别为:如图5中所示的L*sin(K)、L*cos(K)。如图6所示,考虑到地球不同纬度的切面半径r不同,在经度变化时不同纬度距离变化是不一样的,纬度越高经度变化带来的横向距离差越小,r=R*cos(i),实际上i等于A点的纬度Ya,因此r=R*cos(Ya)。
因此,通过三角函数法根据无人机机身位置A点的经纬度(Xa,Ya)、无人机的方向角K、无人机与目标天线的直线距离L、地球半径R计算得出目标天线所在位置的B点的经纬度(Xb,Yb)。
具体计算公式为:
目标天线的经度:Xb=Xa+L*sin(K)/[R*cos(Ya)*2π/360];
目标天线的纬度:Yb=Ya+L*cos(K)/(R*2π/360)。
2、目标天线的挂高的计算
由于在测量目标天线的工参时,要求操作人员将无人机飞指定位置,因此,在计算目标天线的挂高时,只需要控制无人机飞行到与目标天线的挂高同一水平面上,此时无人机的飞行高度即为目标天线的挂高。
3、目标天线的方向角的计算
在测量目标天线的方向角时,同样要求操作人员将无人机飞到天线的正侧面,保证无人机的飞行高度位于天线顶部与底部之间的中间位置,并且无人机机身及摄像头调试为水平同一方向的状态,此时,目标天线的正面或背面与无人机处于同一个无线扩展的平面上。
因此,如图7所示为无人机在目标天线的正侧面时的俯视图。此时通过无人机图像看到天线的背面变为一条线,通过基站天线模型可以识别得出天线的覆盖方向朝左,此时无人机的朝向为正北0度,可以计算目标天线的朝向为正西270度。因此,目标天线的方向角与无人机的机头方向角刚好为90度的差值,本发明通过图像识别得出的天线的朝向以及无人机机头方向角,并进行加或减90度就可以计算得出目标天线的方向角,具体为:
A、若识别得出目标天线的覆盖方向为朝左,则目标天线的方向角a=无人机机头方向角-90°。
B、若识别得出目标天线的覆盖方向为朝右,则目标天线的方向角a=无人机机头方向角+90°。
C、若通过A、B两个公式计算得出的天线的方向角大于360°,则目标天线的方向角a=天线的方向角-360°。
D、若通过A、B两个公式计算得出的天线的方向角小于0°,则目标天线的方向角a=360°-天线的方向角。
4、目标天线的下倾角的计算
对于目标天线的下倾角的计算,对根据基站天线模型识别得出天线的轮廓线段的角度得出的。
也即是,本发明首先对无人机回传的图像机进行数据化处理,将无人机回传的图像中转换为多个轮廓线段,并且根据光线的明暗差别识别得出相应的关键边,然后再对关键边的线段进行二次重绘,进而可以凸显关键边的线段。本发明在对图像机芯数据化处理,将图像转换为轮廓线段是通过在C++环境下使用EmguCV等图像类图像处理算法,来获取图像中所有的轮廓线段。每条轮廓线段均包括起始点坐标、结束点坐标、长度、角度等信息,并将所有的轮廓线段的轮廓数据存储到系统中,并将其作为数组的形式存储于系统中。
该数组内包括了每个轮廓线段的起始点坐标、结束点坐标、长度、角度等信息,本发明通过对数组内所有的轮廓线段依据预设规则对关键边进行筛选,最终得到目标天线的轮廓线,也即是目标天线的下倾角。
其中,预设规则具体包括:
(1)范围筛选:根据基站天线模型识别得出的目标天线的位置所在的区域范围对所有的轮廓线段进行筛选。
由于本发明对目标天线识别后,会通过在显示屏上显示出目标天线的位置所在的区域,并以比如长方形框的形式标注出来,那么对于该长方形框的四个边位置信息是确定的,也即是筛选出落入该长方形框内的所有的轮廓线段。而对于哪些在长方形框外的轮廓线段很明显不是目标天线的轮廓线段,那么这些轮廓线段的角度也就不可能是目标天线的下倾角,因此,通过范围筛选将在长方形框外的轮廓线段剔除。
(2)长度筛选:根据1/5目标天线的识别区域在Y轴方向上的最高坐标点的1/5对范围筛选后所有的轮廓线段进行筛选。
由于无人机对天线进行拍摄图像时,绝大部分情况下,图像上半部分的背景是天空,下半部分背景是建筑物,因此,上半部分以天空背景下生成的天线轮廓更清晰,线段更连续;而下半部分以建筑物背景下生成的天线轮廓更杂乱,线段更短;靠上半部分位置的轮廓简单线段相对长。因此,通过大量数据及经验表明,筛选出长度大于目标天线的识别区域在Y轴方向上的最高坐标点的1/5的轮廓线段,能有效提高对天线的关键边的获取。
(3)角度筛选:根据角度在-25度到25度之间对长度筛选后的所有的轮廓线段进行筛选。也即是筛选出角度在-25度到25度之间的所有轮廓线段。
由于通信运营商为保证天线有足够距离的覆盖,以及保证覆盖时候天线的在地面形成的覆盖波瓣形状不发生变形,99%以上天线的下倾角设计上是从-25度到25度之间,因此,筛选角度在-25度到25度之间的线段能进一步剔除无用的轮廓线段。
(4)距离筛选:根据每两个轮廓线段之间的距离对角度筛选后所有的轮廓线段进行筛选。也即是,首先计算出每两个轮廓线段的距离。本发明中的线段距离采用的不是常规的计算两两线段中心点方式,而是采用了计算两个线段地两端点中X轴较大点方式。因为若采用中心点的计算方式,容易受到线段长度影响,采用线段两端X轴较大点的方式代表了该线段某一端更远离天线抱杆,更体现天线下倾角关键边的位置属性,因此,通过计算出某一个轮廓线段与其他所有的轮廓线段的距离最大的轮廓线段,也即是目标天线的轮廓线段。
例如:本发明结合某运营商的基站天线的具体数据来说明目标天线的下倾角的计算过程,具体为:
S1、原始数据的获取:通过无人机回传的图像进行数据化处理绘制得出所有的轮廓线段,并且将每条轮廓线段的轮廓数据存储于系统中。轮廓数据包括线段的起始点坐标、结束点坐标、长度和角度并以数组的形式存储于系统中。比如,一共有1323条轮廓线段存储于系统中。在轮廓重绘时,根据天线的特征以及图像中光线的明暗差别来进行确定的。
例如每条轮廓线段的轮廓数据具体为(本发明只是给出了一些记录,并没有完成给出1323条轮廓线段的所有记录):
S2、范围筛选:通过基站天线模型识别得出的目标天线的位置所在区域确定坐标范围:X1:387Y1:170X2:465Y2:367。也即是,目标天线所在的区域的长方形框的四边轮廓线段的起始点坐标、结束点坐标、长度为:
上面线段起始点坐标为:387、367,结束点坐标为:465、367,并且线段长度为78。
下面线段起始点坐标为:387、170,结束点坐标为:465、170,并且线段长度为78。
左边线段起始点坐标为:387、367,左边线段结束点坐标为:387、170,并且线段长度为197。
右边线段起始点坐标为:465、170,右边线段结束点坐标为:465、367,并且线段长度为197。
因此,根据上述长方形框的四条轮廓线段对上述记录的1323条轮廓线段进行筛选后得出67条轮廓线段,如表1。
X1 | X2 | Y1 | Y2 | 长度 | 角度 |
449 | 449 | 204 | 203 | 1 | 0 |
399 | 400 | 282 | 229 | 53.00943312 | 1 |
398 | 398 | 278 | 235 | 43 | 0 |
398 | 398 | 172 | 170 | 2 | 0 |
439 | 445 | 246 | 218 | 28.635642130 | 12 |
454 | 455 | 184 | 180 | 4.123105626 | 14 |
389 | 389 | 180 | 171 | 9 | 0 |
392 | 406 | 252 | 246 | 15.23154621 | 66 |
456 | 457 | 190 | 190 | 1 | 90 |
430 | 457 | 245 | 247 | 27.07397274 | -85 |
390 | 391 | 296 | 238 | 58.00862005 | 0 |
… | … | … | … | … | … |
表1
S3、角度筛选:对上述67条轮廓线段筛选出角度在-25度~25度之间的所有轮廓线段,如表2。
X1 | X2 | Y1 | Y2 | 长度 | 角度 |
449 | 449 | 204 | 203 | 1 | 0 |
399 | 400 | 282 | 229 | 53.00943312 | 1 |
398 | 398 | 278 | 235 | 43 | 0 |
398 | 398 | 172 | 170 | 2 | 0 |
439 | 445 | 246 | 218 | 28.635642130 | 12 |
454 | 455 | 184 | 180 | 4.123105626 | 14 |
389 | 389 | 180 | 171 | 9 | 0 |
390 | 391 | 296 | 238 | 58.00862005 | 0 |
410 | 426 | 182 | 242 | 62.09669879 | -14 |
… | … | … | … | … | … |
表2
S4、长度筛选:目标天线的位置所在的区域,也即是长方形框的Y轴方向上的最高点作为197,则对上述轮廓线段进行筛选得出长度大于197*1/5=39.4的所有轮廓线段,最终得出9条轮廓线段,如表3:
表3
S5、距离筛选:如表4,通过线段距离运算获取两两线段之间的距离:
表4
根据表4筛选出与其他所有轮廓线段距离最大的轮廓线段,也即是第九组数据:X1=433、X2=451、Y1=285、Y2=351、长度=68.41052551、角度=-15度。
因此,根据上述筛选结果可以得出目标天线的下倾角为-15度。
通过上述计算得出目标天线的工参,并将结果返回给地面控制端,操作人员确认后再将计算结果上传至后台服务器进行存储,然后结束测试或者进行下一个目标天线的工参测量。
也即是说,本发明提供的基于无人机的基站天线自动勘测系统具有以下技术效果:
1、本发明通过无人机控制端集成5G通信模块实现无人机回传的视频图像通过5G通信网络高速传输,实现直播。
在无人机地面站上集成相应的5G通信设备,无人机回传的视频图像数据通过5G通信网络快速推送到任意的授权的互联网直播平台,实现基站天线自动勘测的实时直播;同时,还能够将无人机回传的视频图像数据快速存储于后台服务器中,然后通过对应的数据处理、识别设备等实现对视频图像数据的访问、处理、计算等实现基站天线工参的计算。
2、本发明能够实现对多天线的自动识别。
一般情况下,一个基站大多数会安装多个天线,因此无人机回传的视频或图像中通常会有多个天线,为了识别得到唯一的目标天线,本发明还能够从多个天线中自动识别出唯一的目标天线。
比如,首先通过基于AI图像识别算法来训练出不同厂家、型号等各种不同种类的基站的天线模型,该模型内存储了每种型号的天线与基站天线安装的现场图片的对应关系。因此,在天线识别时,通过该天线模型对无人机采集回的视频图像进行识别匹配,可快速识别定位出视频或图像中的天线。最后再根据预设的规则对识别定位出的多个天线进行筛选,确定唯一的目标天线。
另外,对于无人机的控制是由操作人员控制的,因此,一般来说,距离无人机摄像头最近的天线也即是目标天线,也即是说在视频或图像中天线所在的区域最大、或者与图像中心距离最近的天线也即是目标天线。
3、本发明还能够对天线的姿态进行精确定位。
本发明通过对采集到的图像进行数据化处理,并利用图像内的光线明暗差别进行图像物体轮廓重绘,然后结合天线的特征来精确定位出天线的关键轮廓。
4、将图像识别数据与无人机飞行的姿态数据进行结合实现天线工参的精确计算。
利用天线模型对图像中的天线进行识别,并结合无人机自身的地理位置、高度姿态等数据,以及固定角度的相机镜头、可测量的拍摄距离以及拍摄的画面能够精确地计算得出天线工参数据,比如经纬度、离地高度、覆盖方向角、覆盖下倾角等关键工参数据。
实施例二
基于实施例一,如图8和9所示,本发明还提供了一种基于无人机的基站天线工参勘测方法,具体包括以下步骤:
步骤S1:实时获取无人机拍摄的基站天线的视频或图像。
通过控制无人机飞行到指定位置,通过无人机的摄像头实时对基站天线进行拍摄对应的视频或图像,并回传到无人机的地面控制端,这样就可以实时获取无人机拍摄的基站天线的视频或图像,然后实现视频或图像的存储、播放、图像识别以及工参计算等。
步骤S2:当无人机飞到指定位置时,根据预先设定的基站天线模型识别得出视频或图像中的目标天线,并对目标天线所在的区域进行标注显示。其中,基站天线模型中存储了每种型号的天线所在的区域的标注与现场图片的对应关系。
其中,所述基站天线模型的训练具体为通过采集各种型号的基站天线的现场图片,并对每张现场图片中的天线所在的区域进行手动标注,然后以现场图片以及标注结果进行模型训练,得出基站天线模型。
本发明通过预先对各种型号的基站天线的现场图片进行训练,可大大提高目标天线的识别成功率。另外,为了提高识别准确率,本发明还对现场图片做了进一步处理,比如将现场图片中的天线抱杆剔除,或者选择以天线侧面为主的现场图片。
另外,由于一个基站上可能会安装多个天线,因此,在识别时可能会识别得出多个天线,根据系统的预设规则从多个天线中确定唯一的天线作为目标天线。一般来说,在测试,是由操作人员控制无人机飞行到目标天线的,比如将无人机飞行到目标天线的附近,因此,距离无人机最近的天线必定为目标天线,因此在进行图像识别时,可根据天线与无人机的距离来选择目标天线、或天线与图像中心的距离来选择目标天线。
在图像中时,目标天线所在区域的面积最大的也即是目标天线,此时该天线与无人机的距离最近。
步骤S3:在地球坐标系下,获取目标天线所在的区域的坐标范围、无人机的姿态数据以及对应的数据几何函数计算得出目标天线对应的工参。一般来说,天线的工参包括经纬度、挂高、方向角、下倾角等。
另外,在对目标天线的工参进行计算时,首先还需要控制无人机飞行到指定的位置,并通过天线模型识别得出的目标天线,结合无人机的飞行姿态数据实现对目标天线的工参计算。另外,在计算过程中可能还会涉及到一些常用的数据几何函数来进行辅助计算。
(1)目标天线的经纬度:
首先保证无人机位于目标天线的正恻面、无人机的飞行高度位于目标天线顶部与底部之间的中间的位置、无人机的机头方向与无人机的摄像头方向均正对天线、无人机的摄像头在无人机的三轴陀螺仪下,无人机的机头方向与无人机保持一致并保持水平。
然后在忽略地球曲率的影响的情况下,将经纬度坐标近似为三维直角坐标,进而获取无人机与目标天线的直线距离、无人机机身的经纬度、无人机的机头方向以及地球半球,并根据三角函数法计算得出目标天线的经纬度。当无人机与目标天线的距离较小,比如小于20米时,可以忽略地球曲率的影响,将经纬度坐标近似看作为三维直角坐标,这样就可以运用三角函数法来实现目标天线的经纬度的计算,具体计算过程可参考实施例一中关于目标天线经纬度的计算。
(2)目标天线的挂高:
通过控制无人机飞行到与目标天线的挂高位置的同一水平面时,此时无人机的飞行高度为目标天线的挂高。
(3)目标天线的方向角:
首先控制无人机飞到目标天线的正侧面、无人机的飞行高度与目标天线顶部与顶部之间的中间位置、无人机机身及摄像头在同一水平面上,并且目标天线的正面或背面与无人机处于同一个无线扩展的平面上,此时,由于天线的方向与无人机机头的方向处于垂直的,因此可根据当前目标天线的方向以及无人机机头的方向角计算得出目标天线的方向角。
(4)目标天线的下倾角:
首先对无人机回传的图像进行数据化处理,并结合图像中光线的明暗差别以及天线的特征对目标天线进行轮廓重绘,得出图像中的所有的轮廓线段以及每个轮廓线段对应的轮廓数据。
其中,轮廓数据包括轮廓线段的起始点坐标值、结束点坐标值、长度和角度。
然后依次根据范围筛选、角度筛选、长度筛选和距离筛选,最终得出轮廓线段,该轮廓线段的角度也即是目标天线的下倾角。
其中,范围筛选也即是:根据天线识别模型识别得出的天线所在的区域的坐标范围来对上述图像中所有的轮廓线段进行筛选。
角度筛选为根据轮廓线段的角度对轮廓线段进行筛选,进而筛选出角度在-25度至25度之间的所有轮廓线段。
长度筛选为根据轮廓线段的长度对轮廓线段进行筛选,进而筛选出长度大于框定区域在Y轴方向上的最高坐标值的1/5的所有轮廓线段。
距离筛选为根据轮廓线段之间的距离对轮廓线段进行筛选,进而筛选出与其他轮廓线段距离最大的轮廓线段。
步骤S4:对上述计算得出的目标天线的各个工参进行确认并存储于系统中。
比如将计算出的各个工参的数据通过地面控制端显示给操作人员,待操作人员确认后存储于后台服务器中。
进一步地,所示步骤S1之后还包括步骤S11:将基站天线的视频或图像实时推送到第三方直播平台上。
通过实时将基站天线的视频或图像推送到第三方直播平台上,实现无人机自动勘测的直播。另外,还可以将基站天线的视频或图像存储于对应的自动巡检平台中,可实现无人机自动勘测的点播。
步骤S12:将基站天线的视频或图像根据预设频率截取对应的关键帧并存储于后台服务器。针对视频或图像中比较关键的图提取出来,将其存储于后台服务器中,便于后期数据处理或查看。
实施例三
本发明还提供了一种电子设备,其包括存储器、处理器以及存储在存储器上并可在处理上运行的计算机程序,所述处理器执行所述程序时实现文中所述的基于无人机的基站天线工参勘测方法的步骤。
实施例四
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如文中所述的基于无人机的基站天线工参勘测方法的步骤。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.基于5G无人机的基站天线工参勘测方法,其特征在于,所述勘测方法包括:
数据获取步骤:实时获取无人机拍摄的基站天线的视频或图像;
识别步骤:当无人机飞到指定位置、并保持其位置不变时,根据预先设定的基站天线模型识别得出无人机回传的视频或图像中的目标天线,并对目标天线所在的区域进行标注显示;其中,基站天线模型中存储了每种型号的天线所在的区域与现场图片的对应关系;
工参计算:在地球坐标系下,获取目标天线所在的区域的坐标范围、无人机的姿态数据以及对应的数据几何函数计算得出目标天线对应的工参。
2.根据权利要求1所述基于5G无人机的基站天线工参勘测方法,其特征在于:所述自动勘测方法还包括:控制步骤:通过地面控制端控制无人机启动并飞行到指定位置,实时接收无人机回传的视频或图像,并将无人机回传的视频或图像通过5G网络通信传输后后台服务器进行存储。
3.根据权利要求2所述基于5G无人机的基站天线工参勘测方法,其特征在于:所述自动勘测方法还包括直播步骤:将无人机回传的视频或图像通过5G网络通信实时推送到第三方直播平台上进行播放。
4.根据权利要求1所述基于5G无人机的基站天线工参勘测方法,其特征在于:所述识别步骤中,当从视频或图像中出现多个天线时,根据预设规则从多个天线确定目标天线。
5.根据权利要求4所述基于5G无人机的基站天线工参勘测方法,其特征在于:根据预设规则从多个天线确定天线具体为:根据每个天线与无人机的距离或每个天线与图像中心的距离确定目标天线。
6.根据权利要求1所述基于5G无人机的基站天线工参勘测方法,其特征在于:所述基站天线模型的训练具体为首先通过采集每种型号的天线的现场图片,并对每张现场图片中的天线所在的区域进行手动标注,然后以每种型号的天线的现场图片以及对应的标注结果进行模型训练,最终得出基站天线模型。
7.根据权利要求6所述基于5G无人机的基站天线工参勘测方法,其特征在于:所述现场图片为剔除天线抱杆的现场图片和/或以天线侧面为主的现场图片。
8.根据权利要求1所述基于5G无人机的基站天线工参勘测方法,其特征在于:
在计算工参时,首先控制无人机飞到目标天线的正侧面、无人机的飞行高度与目标天线顶部与底部之间的中间位置、无人机机身及摄像头在同一水平面上,并且目标天线的正面或背面与无人机处于同一个无线扩展的平面上:
当工参为目标天线的经纬度时:在忽略地球曲率的影响的情况下,将经纬度坐标转换为三维直角坐标,进而获取无人机与目标天线的直线距离、无人机机身的经纬度、无人机的机头方向以及地球半球,并根据三角函数法计算得出目标天线的经纬度;
或者,当工参为目标天线的方向角时:根据当前目标天线的方向以及无人机机头的方向角计算得出目标天线的方向角;
或者,当工参为目标天线的挂高时:根据无人机的飞行高度以及目标天线的长度得出目标天线的挂高;
或者,当工参为目标天线的下倾角时:首先对基站天线模型识别得出的目标天线进行轮廓重绘,进而得出所有的轮廓线段以及每个轮廓线段对应的轮廓数据,然后依次进行范围筛选、角度筛选、长度筛选以及距离筛选目标天线的轮廓线段,并根据目标天线的轮廓线段的角度得出目标天线的下倾角;其中,轮廓数据包括轮廓线段的起始点坐标值、结束点坐标值、长度和角度。
9.一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于:所述处理器执行所述程序时实现如权利要求1-8中任一项所述基于5G无人机的基站天线工参勘测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述基于5G无人机的基站天线工参勘测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813903.4A CN110688904A (zh) | 2019-08-30 | 2019-08-30 | 基于5g无人机的基站天线工参勘测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813903.4A CN110688904A (zh) | 2019-08-30 | 2019-08-30 | 基于5g无人机的基站天线工参勘测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110688904A true CN110688904A (zh) | 2020-01-14 |
Family
ID=69107720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910813903.4A Pending CN110688904A (zh) | 2019-08-30 | 2019-08-30 | 基于5g无人机的基站天线工参勘测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110688904A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111551150A (zh) * | 2020-04-15 | 2020-08-18 | 杭州东信北邮信息技术有限公司 | 一种自动测量基站天线参数的方法和系统 |
CN113055897A (zh) * | 2021-03-05 | 2021-06-29 | 五邑大学 | 一种基站天线弱覆盖区域定位方法、系统及存储介质 |
CN113254697A (zh) * | 2021-07-14 | 2021-08-13 | 四川泓宝润业工程技术有限公司 | 一种对管道路由所在区域的图像信息进行自动标记的方法 |
CN113298973A (zh) * | 2021-05-26 | 2021-08-24 | 广东电网有限责任公司电力调度控制中心 | 一种基于5g通信的无人机电力巡检方法及装置 |
CN113465571A (zh) * | 2021-07-05 | 2021-10-01 | 中国电信股份有限公司 | 天线工程参数的测量方法、装置、电子设备及介质 |
CN113823056A (zh) * | 2021-09-26 | 2021-12-21 | 中电科西北集团有限公司 | 基于异地监视的无人机森林防火监视系统 |
CN114423014A (zh) * | 2020-10-10 | 2022-04-29 | 中国移动通信集团设计院有限公司 | 天线下倾角确定方法、装置、电子设备及存储介质 |
CN114422982A (zh) * | 2022-03-28 | 2022-04-29 | 成都纵横自动化技术股份有限公司 | 基于蜂窝通信网络通信的云边端一体化信息系统及其方法 |
CN115767653A (zh) * | 2022-10-25 | 2023-03-07 | 重庆德明尚品电子商务有限公司 | 基于多基站通讯模式的无人机控制方法 |
CN116782285A (zh) * | 2023-06-16 | 2023-09-19 | 北京广厦网络技术股份公司 | 一种5g基站运行状态监测系统 |
CN117336772A (zh) * | 2023-09-28 | 2024-01-02 | 黑龙江凯程通信技术有限责任公司 | 一种基于图像识别的5g通信基站监控系统 |
WO2024055846A1 (zh) * | 2022-09-13 | 2024-03-21 | 中兴通讯股份有限公司 | 一种基站天线位姿信息勘探方法、装置、系统及存储介质 |
CN117336772B (zh) * | 2023-09-28 | 2024-06-04 | 黑龙江凯程通信技术有限责任公司 | 一种基于图像识别的5g通信基站监控系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090238156A1 (en) * | 2008-02-13 | 2009-09-24 | Samsung Electronics Co., Ltd. | System and method for antenna training of beamforming vectors by selective use of beam level training |
CN106454879A (zh) * | 2016-10-28 | 2017-02-22 | 中睿通信规划设计有限公司 | 基于无人机航拍确定无线基站工参的方法及系统 |
CN107830846A (zh) * | 2017-09-30 | 2018-03-23 | 杭州艾航科技有限公司 | 一种利用无人机和卷积神经网络测量通信塔天线角度方法 |
CN108844527A (zh) * | 2018-05-07 | 2018-11-20 | 广东省电信规划设计院有限公司 | 基站天线工程参数获取方法和系统、存储介质及设备 |
CN109685762A (zh) * | 2018-11-09 | 2019-04-26 | 五邑大学 | 一种基于多尺度深度语义分割网络的天线下倾角测量方法 |
CN109813276A (zh) * | 2018-12-19 | 2019-05-28 | 五邑大学 | 一种基站天线下倾角测量方法及其系统 |
CN109945825A (zh) * | 2019-03-30 | 2019-06-28 | 广东纳萨斯通信科技有限公司 | 基于ai识别天线姿态的测量方法 |
CN110006392A (zh) * | 2018-01-05 | 2019-07-12 | 中国移动通信有限公司研究院 | 一种基站天线工参测量方法、装置及测量设备 |
-
2019
- 2019-08-30 CN CN201910813903.4A patent/CN110688904A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090238156A1 (en) * | 2008-02-13 | 2009-09-24 | Samsung Electronics Co., Ltd. | System and method for antenna training of beamforming vectors by selective use of beam level training |
CN106454879A (zh) * | 2016-10-28 | 2017-02-22 | 中睿通信规划设计有限公司 | 基于无人机航拍确定无线基站工参的方法及系统 |
CN107830846A (zh) * | 2017-09-30 | 2018-03-23 | 杭州艾航科技有限公司 | 一种利用无人机和卷积神经网络测量通信塔天线角度方法 |
CN110006392A (zh) * | 2018-01-05 | 2019-07-12 | 中国移动通信有限公司研究院 | 一种基站天线工参测量方法、装置及测量设备 |
CN108844527A (zh) * | 2018-05-07 | 2018-11-20 | 广东省电信规划设计院有限公司 | 基站天线工程参数获取方法和系统、存储介质及设备 |
CN109685762A (zh) * | 2018-11-09 | 2019-04-26 | 五邑大学 | 一种基于多尺度深度语义分割网络的天线下倾角测量方法 |
CN109813276A (zh) * | 2018-12-19 | 2019-05-28 | 五邑大学 | 一种基站天线下倾角测量方法及其系统 |
CN109945825A (zh) * | 2019-03-30 | 2019-06-28 | 广东纳萨斯通信科技有限公司 | 基于ai识别天线姿态的测量方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111551150B (zh) * | 2020-04-15 | 2022-04-15 | 杭州东信北邮信息技术有限公司 | 一种自动测量基站天线参数的方法和系统 |
CN111551150A (zh) * | 2020-04-15 | 2020-08-18 | 杭州东信北邮信息技术有限公司 | 一种自动测量基站天线参数的方法和系统 |
CN114423014A (zh) * | 2020-10-10 | 2022-04-29 | 中国移动通信集团设计院有限公司 | 天线下倾角确定方法、装置、电子设备及存储介质 |
CN113055897A (zh) * | 2021-03-05 | 2021-06-29 | 五邑大学 | 一种基站天线弱覆盖区域定位方法、系统及存储介质 |
CN113298973A (zh) * | 2021-05-26 | 2021-08-24 | 广东电网有限责任公司电力调度控制中心 | 一种基于5g通信的无人机电力巡检方法及装置 |
CN113298973B (zh) * | 2021-05-26 | 2022-04-26 | 广东电网有限责任公司电力调度控制中心 | 一种基于5g通信的无人机电力巡检方法及装置 |
CN113465571A (zh) * | 2021-07-05 | 2021-10-01 | 中国电信股份有限公司 | 天线工程参数的测量方法、装置、电子设备及介质 |
CN113254697A (zh) * | 2021-07-14 | 2021-08-13 | 四川泓宝润业工程技术有限公司 | 一种对管道路由所在区域的图像信息进行自动标记的方法 |
CN113823056A (zh) * | 2021-09-26 | 2021-12-21 | 中电科西北集团有限公司 | 基于异地监视的无人机森林防火监视系统 |
CN114422982A (zh) * | 2022-03-28 | 2022-04-29 | 成都纵横自动化技术股份有限公司 | 基于蜂窝通信网络通信的云边端一体化信息系统及其方法 |
CN114422982B (zh) * | 2022-03-28 | 2023-01-31 | 成都纵横自动化技术股份有限公司 | 基于蜂窝通信网络通信的云边端一体化信息系统及其方法 |
WO2024055846A1 (zh) * | 2022-09-13 | 2024-03-21 | 中兴通讯股份有限公司 | 一种基站天线位姿信息勘探方法、装置、系统及存储介质 |
CN115767653A (zh) * | 2022-10-25 | 2023-03-07 | 重庆德明尚品电子商务有限公司 | 基于多基站通讯模式的无人机控制方法 |
CN115767653B (zh) * | 2022-10-25 | 2024-03-22 | 上海幄萨信息技术有限公司 | 基于多基站通讯模式的无人机控制方法 |
CN116782285A (zh) * | 2023-06-16 | 2023-09-19 | 北京广厦网络技术股份公司 | 一种5g基站运行状态监测系统 |
CN117336772A (zh) * | 2023-09-28 | 2024-01-02 | 黑龙江凯程通信技术有限责任公司 | 一种基于图像识别的5g通信基站监控系统 |
CN117336772B (zh) * | 2023-09-28 | 2024-06-04 | 黑龙江凯程通信技术有限责任公司 | 一种基于图像识别的5g通信基站监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110688904A (zh) | 基于5g无人机的基站天线工参勘测方法及装置 | |
CN107504957B (zh) | 利用无人机多视角摄像快速进行三维地形模型构建的方法 | |
CN109060281B (zh) | 基于无人机的一体化桥梁检测系统 | |
JP6496323B2 (ja) | 可動物体を検出し、追跡するシステム及び方法 | |
CN103822635B (zh) | 基于视觉信息的无人机飞行中空间位置实时计算方法 | |
CN103941746B (zh) | 无人机巡检图像处理系统及方法 | |
CN107067794B (zh) | 一种基于视频图像处理的室内车辆定位导航系统及方法 | |
CN108090957B (zh) | 基于bim的测绘地形的方法 | |
CN109765930A (zh) | 一种无人机视觉导航系统 | |
CN110196454B (zh) | 基于无人机的地质勘测集成系统 | |
US20150221079A1 (en) | Augmented Three Dimensional Point Collection of Vertical Structures | |
US20150314885A1 (en) | Vision-Based Aircraft Landing Aid | |
WO2017076928A1 (en) | Method, device and assembly for map generation | |
CN105527969B (zh) | 一种基于无人机的山地植被垂直带调查监测方法 | |
CN108508916B (zh) | 一种无人机编队的控制方法、装置、设备及存储介质 | |
CN108154558B (zh) | 一种增强现实方法、装置和系统 | |
CN108475442A (zh) | 用于无人机航拍的增强现实方法、处理器及无人机 | |
CN106408601A (zh) | 一种基于gps的双目融合定位方法及装置 | |
Raczynski | Accuracy analysis of products obtained from UAV-borne photogrammetry influenced by various flight parameters | |
WO2019100219A1 (zh) | 输出影像生成方法、设备及无人机 | |
KR101540993B1 (ko) | 지상 구조물 변경에 따른 지형지물의 변화 감시 및 측지정보 변화율 측지시스템 | |
CN113296537B (zh) | 基于电力杆塔模型匹配的电力无人机巡检方法及系统 | |
CN107221006A (zh) | 一种基于无人机成像平台的通信单管塔倾斜检测方法 | |
CN110910502A (zh) | 一种无人机三维建模系统 | |
CN110896331B (zh) | 一种测量天线工程参数的方法、装置和存储介质 |
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 |