CN111551150B - 一种自动测量基站天线参数的方法和系统 - Google Patents
一种自动测量基站天线参数的方法和系统 Download PDFInfo
- Publication number
- CN111551150B CN111551150B CN202010296882.6A CN202010296882A CN111551150B CN 111551150 B CN111551150 B CN 111551150B CN 202010296882 A CN202010296882 A CN 202010296882A CN 111551150 B CN111551150 B CN 111551150B
- Authority
- CN
- China
- Prior art keywords
- target
- antenna
- screenshot
- screenshots
- information
- 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
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- 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
- G01C11/36—Videogrammetry, i.e. electronic processing of video signals from a single source or from different sources to give parallax or range information
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种自动测量基站天线参数的方法和系统,包括:飞行采集装置以基站抱杆为圆点飞行一周,并将采集的视频流传给天线参数测量装置;天线参数测量装置将视频流输入目标跟踪分析模型,输出跟踪到的所有天线目标信息;继续将每个天线目标的天线目标信息输入目标截图筛选模型,输出由每个天线目标在正侧面‑>正面‑>正侧面这一过程的所有目标截图所构成的一个目标截图序列;再将每个天线目标的目标截图序列中的每张目标截图输入至目标轮廓拟合模型,并输出每张目标截图中天线目标的轮廓信息;根据每个天线目标的目标截图序列中的所有目标截图及轮廓信息,计算每个天线目标的参数。本发明属于信息技术领域,能有效提高自动测量精度,并避免外部干扰。
Description
技术领域
本发明涉及一种自动测量基站天线参数的方法和系统,属于信息技术领域。
背景技术
基站在投入使用的过程中,由于受恶劣天气、工程质量不过关或者维护不当等因素的影响,易导致基站的覆盖范围发生变化,造成一定范围的通信盲区和掉话率的增加,直接影响通信的质量。
影响基站覆盖范围的主要参数包括天线的方向角、机械倾角和挂高,对于天线这些参数的巡检,目前主要依靠塔工勘察,但这种巡检方式工作效率低、应急情况响应不及时且成本较高。
专利申请CN 201811126647.3(申请名称:一种测量基站天线工程参数的方法,申请日:2018.09.26,申请人:中睿通信规划设计有限公司)公开了一种测量基站天线工程参数的方法,其步骤如下:控制无人机飞至基站天线的水平面上,以天线抱杆为圆心进行圆周飞行,录制视频,并实时记录GPS位置信息;选取天线抱杆为目标跟踪区域,对每帧图像使用meanShift算法跟踪天线抱杆,设抱杆两侧区域为天线检测区域;对天线检测区域进行图像轮廓检测处理,得到天线板正面及侧面轮廓;利用Kmeans算法对天线板的轮廓聚类,并对天线板正面与侧面的方向角之差进行图像匹配,得出不同天线板的正面及对应的侧面轮廓;结合记录的GPS位置数据,与得到的该天线板的正面及对应的侧面轮廓,计算基站天线板各个工程参数。该技术方案存在以下两个问题:1)采用灰度图、二值化的操作提取图像中天线正面轮廓和侧面轮廓,虽然使用meanShift算法跟踪到了天线所在的区域,但该区域中仍有很多干扰的背景信息,其中离天线越近的干扰,对轮廓的提取影响也越大,从而导致测量精度低;2)以轮廓图片上的RGB像素信息作为Kmeans算法的聚类数据进行聚类,由于图片上的RGB信息易受光线、天气的影响而不可靠,因此该技术方案的可行性较差。
因此,如何能有效提高基站天线参数的自动测量精度,并避免光线、天气等外部干扰,已经成为技术人员普遍关注的技术问题。
发明内容
有鉴于此,本发明的目的是提供一种自动测量基站天线参数的方法和系统,能有效提高基站天线参数的自动测量精度,并避免光线、天气等外部干扰。
为了达到上述目的,本发明提供了一种自动测量基站天线参数的方法,包括有:
步骤一、针对基站的天线类型,设置飞行采集装置绕点飞行的圆点、半径及飞行高度;
步骤二、飞行采集装置按照预先设置的半径和飞行高度,以基站抱杆中心为圆点飞行一周,并将采集到的视频流传给天线参数测量装置;
步骤三、天线参数测量装置保存飞行采集装置发送来的视频流;
步骤四、构建、并训练目标跟踪分析模型,所述目标跟踪分析模型用于跟踪视频流中出现的所有天线目标,将飞行采集装置发来的视频流输入目标跟踪分析模型,并输出从视频流中跟踪到的所有天线目标信息,所述天线目标信息包括有每个天线目标的坐标信息、目标截图、图片对应的飞行采集装置的朝向以及经纬度信息;
步骤五、构建、并训练目标截图筛选模型,所述目标截图筛选模型用于为每个天线目标筛选出其在正侧面->正面->正侧面这一过程的所有目标截图,逐一将目标跟踪分析模型输出的每个天线目标的天线目标信息输入至目标截图筛选模型,并输出由每个天线目标在正侧面->正面->正侧面这一过程的所有目标截图所构成的一个目标截图序列;
步骤六、构建、并训练目标轮廓拟合模型,所述目标轮廓拟合模型用于拟合出目标截图中天线目标的轮廓信息,继续将目标截图筛选模型输出的每个天线目标的目标截图序列中的每张目标截图输入至目标轮廓拟合模型,并输出每张目标截图中天线目标的轮廓信息;
步骤七、根据每个天线目标的目标截图序列中的所有目标截图及目标截图中的轮廓信息,计算每个天线目标的参数,所述参数包括方向角、机械倾角、挂高,
当计算每个天线目标的方向角时,步骤七还包括有:
步骤7A、根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,然后为每个天线目标挑选出多张平均宽度大的目标截图,并据此计算每个天线目标的方向角:每个天线目标的方向角即是为其挑选出的多张目标截图对应的飞行采集装置朝向的均值,
当计算每个天线目标的机械倾角时,步骤七还包括有:
步骤7B、根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,为每个天线目标挑选出多张平均宽度小的目标截图,并据此计算每个天线目标的机械倾角:将所挑选出的多张目标截图中的天线目标的轮廓信息拟合出一条直线,每个天线目标的机械倾角即是拟合出的直线与竖直方向的夹角,
当计算每个天线目标的挂高时,步骤七还包括有:
步骤7C、计算每个天线目标的挂高,即是飞行采集装置在塔基处刚起飞时的海拔高度以及绕点飞行的海拔高度的差值,
步骤四中的目标跟踪分析模型采用多目标跟踪算法yo lov3_deepsort来实现,步骤五中的目标截图筛选模型采用细粒度分类算法DFL-CNN来实现,步骤六的目标轮廓拟合模型采用残差网络resnet来实现对目标轮廓的拟合。
为了达到上述目的,本发明还提供了一种自动测量基站天线参数的系统,包括有飞行采集装置、网络通信装置和天线参数测量装置,其中:
飞行采集装置,用于按照预先设置的半径和飞行高度,以基站抱杆中心为圆点飞行一周,并将采集到的视频流传给天线参数测量装置;
网络通信装置,用于飞行采集装置和天线参数测量装置之间的通信,
天线参数测量装置进一步包括有模型管理单元和参数计算单元,其中:
模型管理单元,用于构建、并训练生成内部的模型部件,将飞行采集装置发送来的视频流输入至内部的模型部件,以从视频流中跟踪到所有出现的天线目标信息,然后再从所有天线目标信息中为每个天线目标筛选出其在正侧面->正面->正侧面这一过程的所有目标截图,同时还拟合获得其在所有目标截图中的轮廓信息;
参数计算单元,用于根据模型管理单元输出的每个天线目标在正侧面->正面->正侧面这一过程的所有目标截图及目标截图中的轮廓信息,计算每个天线目标的参数,所述参数包括方向角、机械倾角、挂高,
参数计算单元进一步包括有:
方向角测量部件,用于根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,然后为每个天线目标挑选出多张平均宽度大的目标截图,并据此计算每个天线目标的方向角:每个天线目标的方向角即是为其挑选出的多张目标截图对应的飞行采集装置朝向的均值;或,
机械倾角测量部件,用于根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,为每个天线目标挑选出多张平均宽度小的目标截图,并据此计算每个天线目标的机械倾角:将所挑选出的多张目标截图中的天线目标的轮廓信息拟合出一条直线,每个天线目标的机械倾角即是拟合出的直线与竖直方向的夹角;或,
挂高测量部件,用于计算每个天线目标的挂高,即是飞行采集装置在塔基处刚起飞时的海拔高度以及绕点飞行的海拔高度的差值,
天线参数测量装置的模型管理单元进一步包括有:
标注训练部件,用于对模型管理单元内部模型部件的训练数据进行标注,并根据标注的训练数据构建、训练生成相应的模型部件;
目标跟踪分析模型部件,用于读取保存的视频流,跟踪视频流中出现的所有天线目标,然后输出跟踪到的所有天线目标信息,所述天线目标信息包括有每个天线目标的坐标信息、目标截图、图片对应的飞行采集装置的朝向以及经纬度信息,该部件采用多目标跟踪算法yo lov3_deepsort来实现;
目标截图筛选模型部件,用于接收目标跟踪分析模型部件输出的每个天线目标的天线目标信息,为每个天线目标筛选出其在正侧面->正面->正侧面这一过程的所有目标截图,然后输出每个天线目标的目标截图序列,所述目标截图序列由天线目标在正侧面->正面->正侧面这一过程的所有目标截图所构成,该部件采用细粒度分类算法DFL-CNN来实现;
目标轮廓拟合模型部件,用于接收目标截图筛选模型部件输出的每个天线目标的目标截图序列中的每张目标截图,拟合获得每张目标截图中天线目标的轮廓信息,然后输出目标截图中天线目标的轮廓信息,该部件采用残差网络resnet算法来实现对目标轮廓的拟合。
与现有技术相比,本发明的有益效果是:本发明通过对基站天线参数的自动测量,可以有效提高基站智能巡检的智能化水平,降低巡检成本;本发明使用深度学习的方法,对光线、天气等外部干扰具有很好的鲁棒性,并且测量精度高,具有较强的可行性。
附图说明
图1是本发明一种自动测量基站天线参数的方法的流程图。
图2是步骤7B的具体步骤流程图。
图3是本发明一种自动测量基站天线参数的系统的组成结构示意图。
图4是天线参数测量装置的模型管理单元的组成结构示意图。
图5是天线参数测量装置的参数计算单元的组成结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
如图1所示,本发明一种自动测量基站天线参数的方法,包括有:
步骤一、针对基站的天线类型,设置飞行采集装置绕点飞行的圆点、半径及飞行高度;
步骤二、飞行采集装置按照预先设置的半径和飞行高度,以基站抱杆中心为圆点飞行一周,并将采集到的视频流传给天线参数测量装置;
步骤三、天线参数测量装置保存飞行采集装置发送来的视频流;
步骤四、构建、并训练目标跟踪分析模型,所述目标跟踪分析模型用于跟踪视频流中出现的所有天线目标,将飞行采集装置发来的视频流输入目标跟踪分析模型,并输出从视频流中跟踪到的所有天线目标信息,所述天线目标信息包括有每个天线目标的坐标信息、目标截图、图片对应的飞行采集装置的朝向以及经纬度信息;
步骤五、构建、并训练目标截图筛选模型,所述目标截图筛选模型用于为每个天线目标筛选出其在正侧面->正面->正侧面这一过程的所有目标截图,逐一将目标跟踪分析模型输出的每个天线目标的天线目标信息输入至目标截图筛选模型,并输出由每个天线目标在正侧面->正面->正侧面这一过程的所有目标截图所构成的一个目标截图序列;通过为每个天线目标筛选出在正侧面->正面->正侧面这一过程的截图,可以剔除掉天线背面的截图及相关信息;
步骤六、构建、并训练目标轮廓拟合模型,所述目标轮廓拟合模型用于拟合出目标截图中天线目标的轮廓信息,继续将目标截图筛选模型输出的每个天线目标的目标截图序列中的每张目标截图输入至目标轮廓拟合模型,并输出每张目标截图中天线目标的轮廓信息;
步骤七、根据每个天线目标的目标截图序列中的所有目标截图及目标截图中的轮廓信息,计算每个天线目标的参数,所述参数包括但不限于方向角、机械倾角、挂高。
步骤三还可以进一步包括有:
天线参数测量装置保存飞行采集装置发送来的视频流,然后按一定的截取区域,将视频流中的每张图片都截取出一定区域内的子图片,并用截取得到的子图片替换视频流中的原图片;截取区域的大小可以根据飞行采集装置绕点飞行的半径而定,从而可以排除视频流中天线区域外干扰因素的影响。
步骤四还可以包括有:
统计目标跟踪分析模型跟踪到的每个目标对应的目标截图张数和基站的天线个数num,然后按照目标截图张数从多到少的顺序对所有跟踪到的目标排序,最后挑选出num个排序在前的目标作为基站的天线目标,即所述num个目标为从视频流中跟踪到的天线目标,最后输出所述num个天线目标信息。
步骤四中的目标跟踪分析模型可以采用多目标跟踪算法yolov3_deepsort来实现,步骤五中的目标截图筛选模型可以采用细粒度分类算法DFL-CNN来实现,步骤六的目标轮廓拟合模型可以采用残差网络resnet来实现对目标轮廓的拟合。
步骤七中,每个天线目标的参数可以包括但不限于方向角、机械倾角、挂高等,其中:
1、当计算每个天线目标的方向角时,步骤七还可以包括有:
步骤7A、根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,然后为每个天线目标挑选出多张平均宽度大的目标截图,并据此计算每个天线目标的方向角:每个天线目标的方向角即是为其挑选出的多张目标截图对应的飞行采集装置朝向的均值,
2、当计算每个天线目标的机械倾角时,步骤七还可以包括有:
步骤7B、根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,为每个天线目标挑选出多张平均宽度小的目标截图,并据此计算每个天线目标的机械倾角:将所挑选出的多张目标截图中的天线目标的轮廓信息拟合出一条直线,每个天线目标的机械倾角即是拟合出的直线与竖直方向的夹角,
3、当计算每个天线目标的挂高时,步骤七还可以包括有:
步骤7C、计算每个天线目标的挂高,即是飞行采集装置在塔基处刚起飞时的海拔高度以及绕点飞行的海拔高度的差值。
如图2所示,为了对天线轮廓进行精准拟合,从而提高机械倾角的测量精确度,步骤7B还可以进一步包括有:
步骤7B1、根据每个天线目标在目标截图序列的每张目标截图中的平均宽度,为每个天线目标挑选出多张平均宽度小的目标截图,所述挑选出的目标截图称为原目标截图;
步骤7B2、从视频流中提取每张原目标截图对应的原图片,然后将原目标截图的宽度、高度分别扩大若干倍(例如将宽度扩大至3倍、高度扩大至2倍),再以原目标截图框为中心、按照扩大后的宽度和高度从原图片中截取得到新的目标截图;
步骤7B3、将每个天线目标截取得到的多张新的目标截图输入目标轮廓拟合模型,从而输出每个天线目标在每张新的目标截图中的轮廓信息,然后计算每个天线目标在每张新的目标截图中的平均宽度,并从中挑选出多张平均宽度小的新的目标截图,最后将所挑选出的多张新的目标截图中的天线目标的轮廓信息拟合出一条直线,每个天线目标的机械倾角即是拟合出的直线与竖直方向的夹角。
当测量得到的每个天线目标的方向角、机械倾角或挂高超过设定的阈值时,将发出报警信号,所述阈值可以根据天线安装时的值来进行设定。
如图3所示,本发明一种自动测量基站天线参数的系统,包括有飞行采集装置、网络通信装置和天线参数测量装置,其中:
飞行采集装置,用于按照预先设置的半径和飞行高度,以基站抱杆中心为圆点飞行一周,并将采集到的视频流传给天线参数测量装置;可以针对基站的天线类型,预先设置飞行采集装置绕点飞行的圆点、半径及飞行高度;
网络通信装置,用于飞行采集装置和天线参数测量装置之间的通信(如5G网络),
天线参数测量装置可以进一步包括有模型管理单元和参数计算单元,其中:
模型管理单元,用于构建、并训练生成内部的模型部件,将飞行采集装置发送来的视频流输入至内部的模型部件,以从视频流中跟踪到所有出现的天线目标信息,然后再从所有天线目标信息中为每个天线目标筛选出其在正侧面->正面->正侧面这一过程的所有目标截图,同时还拟合获得其在所有目标截图中的轮廓信息;
参数计算单元,用于根据模型管理单元输出的每个天线目标在正侧面->正面->正侧面这一过程的所有目标截图及目标截图中的轮廓信息,计算每个天线目标的参数,所述参数可以包括但不限于方向角、机械倾角、挂高等。
飞行采集装置,进一步由飞行器(如无人机)和遥控设备(如智能手机)组成。飞行器上安装有高清摄像头和导航记录单元,高清摄像头用于采集基站中天线的视频流数据,导航记录单元用于记录飞行器的飞行高度及所在经纬度信息,遥控设备用于负责对飞行器的飞行进行控制。
如图4所示,天线参数测量装置的模型管理单元还可以进一步包括有:
标注训练部件,用于对模型管理单元内部模型部件的训练数据进行标注,并根据标注的训练数据构建、训练生成相应的模型部件,所述模型部件包括有目标跟踪分析模型部件、目标截图筛选模型部件、目标轮廓拟合模型部件;
视频流处理部件,用于保存飞行采集装置发送来的视频流,然后按一定的截取区域,将视频流中的每张图片都截取出一定区域内的子图片,并用截取得到的子图片替换视频流中的原图片;截取区域的大小可以根据飞行采集装置绕点飞行的半径而定,从而可以排除视频流中天线区域外干扰因素的影响;
目标跟踪分析模型部件,用于读取保存后的视频流,跟踪视频流中出现的所有天线目标,然后输出跟踪到的所有天线目标信息,所述天线目标信息包括有每个天线目标的坐标信息、目标截图、图片对应的飞行采集装置的朝向以及经纬度信息;该部件可以采用多目标跟踪算法yolov3_deepsort来实现;
目标截图筛选模型部件,用于接收目标跟踪分析模型部件输出的每个天线目标的天线目标信息,为每个天线目标筛选出其在正侧面->正面->正侧面这一过程的所有目标截图,然后输出每个天线目标的目标截图序列,所述目标截图序列由天线目标在正侧面->正面->正侧面这一过程的所有目标截图所构成;该部件可以采用细粒度分类算法DFL-CNN算法来实现,通过为每个天线目标筛选出在正侧面->正面->正侧面这一过程的截图,可以剔除掉天线背面的截图及相关信息;
目标轮廓拟合模型部件,用于接收目标截图筛选模型部件输出的每个天线目标的目标截图序列中的每张目标截图,拟合获得每张目标截图中天线目标的轮廓信息,然后输出目标截图中天线目标的轮廓信息;该部件可以采用残差网络resnet算法来实现对目标轮廓的拟合。
目标跟踪分析模型部件可以进一步包括有:
天线目标选择部件,用于统计目标跟踪分析模型跟踪到的每个目标对应的目标截图张数和基站的天线个数num,然后按照目标截图张数从多到少的顺序对所有跟踪到的目标排序,最后挑选出num个排序在前的目标作为基站的天线目标,即所述num个目标为从视频流中跟踪到的天线目标,最后输出所述num个天线目标信息。
如图5所示,参数计算单元可以进一步包括有:
方向角测量部件,用于根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,然后为每个天线目标挑选出多张平均宽度大的目标截图,并据此计算每个天线目标的方向角:每个天线目标的方向角即是为其挑选出的多张目标截图对应的飞行采集装置朝向的均值;
机械倾角测量部件,用于根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,为每个天线目标挑选出多张平均宽度小的目标截图,并据此计算每个天线目标的机械倾角:将所挑选出的多张目标截图中的天线目标的轮廓信息拟合出一条直线,每个天线目标的机械倾角即是拟合出的直线与竖直方向的夹角;
挂高测量部件,用于计算每个天线目标的挂高,即是飞行采集装置在塔基处刚起飞时的海拔高度以及绕点飞行的海拔高度的差值;
异常报警部件,用于判断当测量得到的每个天线目标的参数(包括方向角、机械倾角或挂高等)超过设定的阈值时,发出报警信号,所述阈值可以根据天线安装时的值来进行设定。
为了对天线轮廓进行精准拟合,从而提高机械倾角的测量精确度,机械倾角测量部件还可以进一步包括有:
机械倾角计算部件,根据每个天线目标在目标截图序列的每张目标截图中的平均宽度,为每个天线目标挑选出多张平均宽度小的目标截图,所述挑选出的目标截图称为原目标截图;然后,从视频流中提取每张原目标截图对应的原图片,将原目标截图的宽度、高度分别扩大若干倍(例如将宽度扩大至3倍、高度扩大至2倍),并以原目标截图框为中心、按照扩大后的宽度和高度从原图片中截取得到新的目标截图;最后,将每个天线目标截取得到的多张新的目标截图输入目标轮廓拟合模型部件,从而获得每个天线目标在每张新的目标截图中的轮廓信息,计算每个天线目标在每张新的目标截图中的平均宽度,并从中挑选出多张平均宽度小的新的目标截图,将所挑选出的多张新的目标截图中的天线目标的轮廓信息拟合出一条直线,每个天线目标的机械倾角即是拟合出的直线与竖直方向的夹角。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (9)
1.一种自动测量基站天线参数的方法,其特征在于,包括有:
步骤一、针对基站的天线类型,设置飞行采集装置绕点飞行的圆点、半径及飞行高度;
步骤二、飞行采集装置按照预先设置的半径和飞行高度,以基站抱杆中心为圆点飞行一周,并将采集到的视频流传给天线参数测量装置;
步骤三、天线参数测量装置保存飞行采集装置发送来的视频流;
步骤四、构建、并训练目标跟踪分析模型,所述目标跟踪分析模型用于跟踪视频流中出现的所有天线目标,将飞行采集装置发来的视频流输入目标跟踪分析模型,并输出从视频流中跟踪到的所有天线目标信息,所述天线目标信息包括有每个天线目标的坐标信息、目标截图、图片对应的飞行采集装置的朝向以及经纬度信息;
步骤五、构建、并训练目标截图筛选模型,所述目标截图筛选模型用于为每个天线目标筛选出其在正侧面->正面->正侧面这一过程的所有目标截图,逐一将目标跟踪分析模型输出的每个天线目标的天线目标信息输入至目标截图筛选模型,并输出由每个天线目标在正侧面->正面->正侧面这一过程的所有目标截图所构成的一个目标截图序列;
步骤六、构建、并训练目标轮廓拟合模型,所述目标轮廓拟合模型用于拟合出目标截图中天线目标的轮廓信息,继续将目标截图筛选模型输出的每个天线目标的目标截图序列中的每张目标截图输入至目标轮廓拟合模型,并输出每张目标截图中天线目标的轮廓信息;
步骤七、根据每个天线目标的目标截图序列中的所有目标截图及目标截图中的轮廓信息,计算每个天线目标的参数,所述参数包括方向角、机械倾角、挂高,
当计算每个天线目标的方向角时,步骤七还包括有:
步骤7A、根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,然后为每个天线目标挑选出多张平均宽度大的目标截图,并据此计算每个天线目标的方向角:每个天线目标的方向角即是为其挑选出的多张目标截图对应的飞行采集装置朝向的均值,
当计算每个天线目标的机械倾角时,步骤七还包括有:
步骤7B、根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,为每个天线目标挑选出多张平均宽度小的目标截图,并据此计算每个天线目标的机械倾角:将所挑选出的多张目标截图中的天线目标的轮廓信息拟合出一条直线,每个天线目标的机械倾角即是拟合出的直线与竖直方向的夹角,
当计算每个天线目标的挂高时,步骤七还包括有:
步骤7C、计算每个天线目标的挂高,即是飞行采集装置在塔基处刚起飞时的海拔高度以及绕点飞行的海拔高度的差值,
步骤四中的目标跟踪分析模型采用多目标跟踪算法yolov3_deepsort来实现,步骤五中的目标截图筛选模型采用细粒度分类算法DFL-CNN来实现,步骤六的目标轮廓拟合模型采用残差网络resnet来实现对目标轮廓的拟合。
2.根据权利要求1所述的方法,其特征在于,步骤三进一步包括有:
天线参数测量装置保存飞行采集装置发送来的视频流,然后按一定的截取区域,将视频流中的每张图片都截取出一定区域内的子图片,并用截取得到的子图片替换视频流中的原图片。
3.根据权利要求1所述的方法,其特征在于,步骤四还包括有:
统计目标跟踪分析模型跟踪到的每个目标对应的目标截图张数和基站的天线个数num,然后按照目标截图张数从多到少的顺序对所有跟踪到的目标排序,最后挑选出num个排序在前的目标作为基站的天线目标,即所述num个目标为从视频流中跟踪到的天线目标,最后输出所述num个天线目标信息。
4.根据权利要求1所述的方法,其特征在于,步骤7B还进一步包括有:
步骤7B1、根据每个天线目标在目标截图序列的每张目标截图中的平均宽度,为每个天线目标挑选出多张平均宽度小的目标截图,所述挑选出的目标截图称为原目标截图;
步骤7B2、从视频流中提取每张原目标截图对应的原图片,然后将原目标截图的宽度、高度分别扩大若干倍,再以原目标截图框为中心、按照扩大后的宽度和高度从原图片中截取得到新的目标截图;
步骤7B3、将每个天线目标截取得到的多张新的目标截图输入目标轮廓拟合模型,从而输出每个天线目标在每张新的目标截图中的轮廓信息,然后计算每个天线目标在每张新的目标截图中的平均宽度,并从中挑选出多张平均宽度小的新的目标截图,最后将所挑选出的多张新的目标截图中的天线目标的轮廓信息拟合出一条直线,每个天线目标的机械倾角即是拟合出的直线与竖直方向的夹角。
5.一种自动测量基站天线参数的系统,其特征在于,包括有飞行采集装置、网络通信装置和天线参数测量装置,其中:
飞行采集装置,用于按照预先设置的半径和飞行高度,以基站抱杆中心为圆点飞行一周,并将采集到的视频流传给天线参数测量装置;
网络通信装置,用于飞行采集装置和天线参数测量装置之间的通信,
天线参数测量装置进一步包括有模型管理单元和参数计算单元,其中:
模型管理单元,用于构建、并训练生成内部的模型部件,将飞行采集装置发送来的视频流输入至内部的模型部件,以从视频流中跟踪到所有出现的天线目标信息,然后再从所有天线目标信息中为每个天线目标筛选出其在正侧面->正面->正侧面这一过程的所有目标截图,同时还拟合获得其在所有目标截图中的轮廓信息;
参数计算单元,用于根据模型管理单元输出的每个天线目标在正侧面->正面->正侧面这一过程的所有目标截图及目标截图中的轮廓信息,计算每个天线目标的参数,所述参数包括方向角、机械倾角、挂高,
参数计算单元进一步包括有:
方向角测量部件,用于根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,然后为每个天线目标挑选出多张平均宽度大的目标截图,并据此计算每个天线目标的方向角:每个天线目标的方向角即是为其挑选出的多张目标截图对应的飞行采集装置朝向的均值;或,
机械倾角测量部件,用于根据每个天线目标在目标截图序列的每张目标截图中的轮廓信息,计算每个天线目标在每张目标截图中的平均宽度,为每个天线目标挑选出多张平均宽度小的目标截图,并据此计算每个天线目标的机械倾角:将所挑选出的多张目标截图中的天线目标的轮廓信息拟合出一条直线,每个天线目标的机械倾角即是拟合出的直线与竖直方向的夹角;或,
挂高测量部件,用于计算每个天线目标的挂高,即是飞行采集装置在塔基处刚起飞时的海拔高度以及绕点飞行的海拔高度的差值,
天线参数测量装置的模型管理单元进一步包括有:
标注训练部件,用于对模型管理单元内部模型部件的训练数据进行标注,并根据标注的训练数据构建、训练生成相应的模型部件;
目标跟踪分析模型部件,用于读取保存的视频流,跟踪视频流中出现的所有天线目标,然后输出跟踪到的所有天线目标信息,所述天线目标信息包括有每个天线目标的坐标信息、目标截图、图片对应的飞行采集装置的朝向以及经纬度信息,该部件采用多目标跟踪算法yolov3_deepsort来实现;
目标截图筛选模型部件,用于接收目标跟踪分析模型部件输出的每个天线目标的天线目标信息,为每个天线目标筛选出其在正侧面->正面->正侧面这一过程的所有目标截图,然后输出每个天线目标的目标截图序列,所述目标截图序列由天线目标在正侧面->正面->正侧面这一过程的所有目标截图所构成,该部件采用细粒度分类算法DFL-CNN来实现;
目标轮廓拟合模型部件,用于接收目标截图筛选模型部件输出的每个天线目标的目标截图序列中的每张目标截图,拟合获得每张目标截图中天线目标的轮廓信息,然后输出目标截图中天线目标的轮廓信息,该部件采用残差网络resnet算法来实现对目标轮廓的拟合。
6.根据权利要求5所述的系统,其特征在于,飞行采集装置,进一步由飞行器和遥控设备组成,飞行器上安装有高清摄像头和导航记录单元,高清摄像头用于采集基站中天线的视频流数据,导航记录单元用于记录飞行器的飞行高度及所在经纬度信息,遥控设备用于负责对飞行器的飞行进行控制。
7.根据权利要求5所述的系统,其特征在于,模型管理单元还包括有:
视频流处理部件,用于保存飞行采集装置发送来的视频流,然后按一定的截取区域,将视频流中的每张图片都截取出一定区域内的子图片,并用截取得到的子图片替换视频流中的原图片。
8.根据权利要求5所述的系统,其特征在于,目标跟踪分析模型部件进一步包括有:
天线目标选择部件,用于统计目标跟踪分析模型跟踪到的每个目标对应的目标截图张数和基站的天线个数num,然后按照目标截图张数从多到少的顺序对所有跟踪到的目标排序,最后挑选出num个排序在前的目标作为基站的天线目标,即所述num个目标为从视频流中跟踪到的天线目标,最后输出所述num个天线目标信息。
9.根据权利要求5所述的系统,其特征在于,机械倾角测量部件还进一步包括有:
机械倾角计算部件,根据每个天线目标在目标截图序列的每张目标截图中的平均宽度,为每个天线目标挑选出多张平均宽度小的目标截图,所述挑选出的目标截图称为原目标截图;然后,从视频流中提取每张原目标截图对应的原图片,将原目标截图的宽度、高度分别扩大若干倍,并以原目标截图框为中心、按照扩大后的宽度和高度从原图片中截取得到新的目标截图;最后,将每个天线目标截取得到的多张新的目标截图输入目标轮廓拟合模型部件,从而获得每个天线目标在每张新的目标截图中的轮廓信息,计算每个天线目标在每张新的目标截图中的平均宽度,并从中挑选出多张平均宽度小的新的目标截图,将所挑选出的多张新的目标截图中的天线目标的轮廓信息拟合出一条直线,每个天线目标的机械倾角即是拟合出的直线与竖直方向的夹角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010296882.6A CN111551150B (zh) | 2020-04-15 | 2020-04-15 | 一种自动测量基站天线参数的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010296882.6A CN111551150B (zh) | 2020-04-15 | 2020-04-15 | 一种自动测量基站天线参数的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111551150A CN111551150A (zh) | 2020-08-18 |
CN111551150B true CN111551150B (zh) | 2022-04-15 |
Family
ID=72005646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010296882.6A Active CN111551150B (zh) | 2020-04-15 | 2020-04-15 | 一种自动测量基站天线参数的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111551150B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492525A (zh) * | 2018-09-26 | 2019-03-19 | 中睿通信规划设计有限公司 | 一种测量基站天线工程参数的方法 |
CN109658670A (zh) * | 2018-11-06 | 2019-04-19 | 五邑大学 | 一种无人机的基站天线巡检方法、装置、设备和存储介质 |
CN110688904A (zh) * | 2019-08-30 | 2020-01-14 | 中通服建设有限公司 | 基于5g无人机的基站天线工参勘测方法及装置 |
CN110705389A (zh) * | 2019-09-16 | 2020-01-17 | 全球能源互联网研究院有限公司 | 一种电网作业行为的识别方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT511191B1 (de) * | 2011-07-01 | 2012-10-15 | Thomas Dr Neubauer | Verfahren und vorrichtung zur bestimmung und speicherung von position und ausrichtung von antennenstrukturen |
US11055854B2 (en) * | 2018-08-23 | 2021-07-06 | Seoul National University R&Db Foundation | Method and system for real-time target tracking based on deep learning |
-
2020
- 2020-04-15 CN CN202010296882.6A patent/CN111551150B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492525A (zh) * | 2018-09-26 | 2019-03-19 | 中睿通信规划设计有限公司 | 一种测量基站天线工程参数的方法 |
CN109658670A (zh) * | 2018-11-06 | 2019-04-19 | 五邑大学 | 一种无人机的基站天线巡检方法、装置、设备和存储介质 |
CN110688904A (zh) * | 2019-08-30 | 2020-01-14 | 中通服建设有限公司 | 基于5g无人机的基站天线工参勘测方法及装置 |
CN110705389A (zh) * | 2019-09-16 | 2020-01-17 | 全球能源互联网研究院有限公司 | 一种电网作业行为的识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111551150A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN103941746B (zh) | 无人机巡检图像处理系统及方法 | |
CN111537515A (zh) | 基于三维实景模型的铁塔螺栓缺陷展示方法和系统 | |
CN110418957A (zh) | 对具有运行机构的设施进行状态监控的方法和装置 | |
CN108133028A (zh) | 基于视频分析与定位信息结合的航空器挂牌方法 | |
CN114034296B (zh) | 一种导航信号干扰源检测与识别方法及系统 | |
CN108711172B (zh) | 基于细粒度分类的无人机识别与定位方法 | |
CN110110797B (zh) | 一种基于多传感器融合的水面目标训练集自动采集方法 | |
CN114240868A (zh) | 一种基于无人机的巡检分析系统及方法 | |
CN111561943A (zh) | 一种机器人巡检方法及系统 | |
CN110673643A (zh) | 一种无人机智能环保监测系统及方法 | |
CN109977840A (zh) | 一种基于深度学习的机场场面监视方法 | |
CN113554595A (zh) | 无人机激光雷达点云杆塔塔头形变检测装置及方法 | |
CN111551150B (zh) | 一种自动测量基站天线参数的方法和系统 | |
CN110276379B (zh) | 一种基于视频图像分析的灾情信息快速提取方法 | |
CN115880231A (zh) | 一种基于深度学习的输电线路隐患检测方法和系统 | |
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 | |
CN116719339A (zh) | 一种基于无人机的电力线路巡检控制方法及系统 | |
CN114078211A (zh) | 基于激光雷达智能检测树木倒伏的方法 | |
CN115373416B (zh) | 一种铁路电力贯通线智能巡检方法 | |
CN115790610A (zh) | 一种无人机精准定位系统及方法 | |
CN109708659A (zh) | 一种分布式智能光电低空防护系统 | |
US20240103537A1 (en) | Methods, systems, and devices for inspecting structures and objects | |
CN114592411A (zh) | 一种载体寄生式公路损坏智能巡查方法 | |
CN110618696B (zh) | 一种陆空一体化测绘无人机 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 310013 4th floor, No.398 Wensan Road, Xihu District, Hangzhou City, Zhejiang Province Patentee after: Xinxun Digital Technology (Hangzhou) Co.,Ltd. Address before: 310013 4th floor, No.398 Wensan Road, Xihu District, Hangzhou City, Zhejiang Province Patentee before: EB Information Technology Ltd. |
|
CP01 | Change in the name or title of a patent holder |