CN114387424A - 室内分布系统故障定位方法、装置、设备及可读介质 - Google Patents
室内分布系统故障定位方法、装置、设备及可读介质 Download PDFInfo
- Publication number
- CN114387424A CN114387424A CN202011132612.8A CN202011132612A CN114387424A CN 114387424 A CN114387424 A CN 114387424A CN 202011132612 A CN202011132612 A CN 202011132612A CN 114387424 A CN114387424 A CN 114387424A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- fault
- determining
- dimensional sampling
- sampling points
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例涉及无线网络维护技术领域,公开了一种室内分布系统故障定位方法,该方法包括:获取告警信息,根据告警信息确定故障设备信息;确定故障设备信息对应的室内分布系统作为待排查系统;确定待排查系统对应的三维模型,三维模型包括多个三维采样点,一个或多个三维采样点对应于待排查系统中的一个设备;根据告警信息在三维模型中进行故障位置标记;获取与待排查系统关联的AR设备发送的实地设备图像,将标记过的三维模型与实地设备图像进行融合,得到增强型系统图像;将增强型系统图像通过AR设备进行展示。通过上述方式,本发明实施例提高了室内分布系统的故障定位的准确性,降低了故障维护的成本。
Description
技术领域
本发明实施例涉及无线网络维护技术领域,具体涉及一种室内分布系统故障定位方法、装置、设备及可读介质。
背景技术
随着网络的高速发展,为了提高无线网络的质量和信号覆盖深度,室内分布系统被越来越多地应用。
室内分布系统中包括多种不同分散在各个地方,因此在出现故障时,需要对室内分布系统中的各个设备进行故障定位,从而进行具体的设备的故障的实地检查与修复。
现有技术中在针对室内分布系统进行故障定位时一般是首先获取故障信息,然后依照竣工图纸获取室内分布系统的设备分布和配置数据,将运维人员取得的故障现场的实景照片与标记有室内分布系统的配置信息的竣工图纸进行人工识别与匹配,从而确定故障设备在实景中的位置。
这样的做法一方面人工匹配和识别的效率较低、准确率不高并且图纸存储的成本高和获取不方便,另一方面室内分布系统所在的现场可能出现后期改装等原因,导致现场实景与竣工图纸不再匹配,并且隐蔽式故障维护难以根据图纸准确定位,并且定位不准导致的破坏成本难以控制,这些都导致室内分布系统的故障定位的准确率较低并且定位成本较大。
发明内容
鉴于上述问题,本发明实施例提供了一种室内分布系统故障定位方法,用于解决现有技术中存在的室内分布系统故障定位准确率不高、定位成本较高的问题。
根据本发明实施例的一个方面,提供了一种室内分布系统故障定位方法,所述方法包括:
获取告警信息,根据所述告警信息确定故障设备信息;
确定所述故障设备信息对应的室内分布系统作为待排查系统;
确定所述待排查系统对应的三维模型,所述三维模型包括多个三维采样点,一个或多个所述三维采样点对应于所述待排查系统中的一个设备;
根据所述告警信息在所述三维模型中进行故障位置标记;
获取与所述待排查系统关联的AR设备发送的实地设备图像,将标记过的所述三维模型与所述实地设备图像进行融合,得到增强型系统图像;
将所述增强型系统图像通过所述AR设备进行展示。
在一种可选的方式中,所述方法进一步包括:
获取所述待排查系统对应的场景视频序列,所述场景视频序列包含多帧深度图;
确定各帧深度图中包含的二维采样点的深度值;
获取所述场景视频序列对应的相机位置参数;
根据所述二维采样点的深度值和所述相机位置参数进行反投影,得到各帧深度图对应的三维采样点的坐标;
根据各帧深度图对应的三维采样点的坐标确定所述待排查系统对应的三维模型。
在一种可选的方式中,所述相机位置参数包括相机内参矩阵、相机旋转矩阵和相机平移矩阵;
所述方法进一步包括:确定所述场景视频序列中的多个特征点,分别获取所述各帧深度图中的所述各个特征点对应的二维采样点的坐标;
根据所述二维采样点的坐标按照下式通过光束法平差算法确定所述相机位置参数和各个所述二维采样点对应的三维采样点的坐标:
其中,λ为预设的尺度值,K为所述相机内参矩阵,R为所述相机旋转矩阵,t为所述相机平移矩阵,(ui,vi)为三维采样点i对应的深度图中的二维采样点的坐标,(xi,yi,zi)为三维采样点i的坐标。
在一种可选的方式中,所述方法进一步包括:
获取所述三维模型对应的至少一个采集位置标识,所述采集位置标识对应于一或多个所述三维采样点;
获取所述待排查系统的系统配置信息,所述系统配置信息中包括至少一个设备位置标识;
将所述至少一个采集位置标识和所述至少一个设备位置标识进行匹配;
将每一个所述采集位置标识所匹配到的设备位置标识进行关联。
在一种可选的方式中,所述故障设备信息中包括所述故障设备的设备位置标识,所述方法进一步包括:
获取与所述故障设备的设备位置标识关联的采集位置对应的三维采样点作为所述故障位置;
在所述三维模型中对所述三维采样点进行标记。
在一种可选的方式中,所述方法还进一步包括:
确定所述各帧深度图中的三维采样点的视差;
根据各个所述三维采样点在相邻两帧深度图中的视差确定该三维采样点的深度误差;
删除所述深度误差大于预设误差阈值的三维采样点。
在一种可选的方式中,所述方法还进一步包括:
确定所述各个深度图中的三维采样点的颜色值;
根据各个所述三维采样点在相邻两帧深度图中的颜色值确定该三维采样点的颜色误差;
根据所述颜色误差确定所述各个三维采样点的置信度;
删除所述置信度小于预设置信度阈值的三维采样点。
根据本发明实施例的另一方面,提供了一种室内分布系统故障定位装置,包括:
告警获取模块,用于获取告警信息,根据所述告警信息确定故障设备信息;
系统定位模块,用于确定所述故障设备信息对应的室内分布系统作为待排查系统;
模型确定模块,用于确定所述待排查系统对应的三维模型,所述三维模型包括多个三维采样点,一个或多个所述三维采样点对应于所述待排查系统中的一个设备;
故障定位模块,用于根据所述告警信息在所述三维模型中进行故障位置标记;
模型匹配模块,用于获取与所述待排查系统关联的AR设备发送的实地设备图像,将标记过的所述三维模型与所述实地设备图像进行融合,得到增强型系统图像;
图像展示模块,将所述增强型系统图像通过所述AR设备进行展示。
根据本发明实施例的另一方面,提供了一种室内分布系统故障定位设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如前述任意一实施例所述的室内分布系统故障定位方法的操作。
根据本发明实施例的又一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令在室内分布系统故障定位设备/装置上运行时,使得室内分布系统故障定位设备/装置执行如前述任意一实施例所述的室内分布系统故障定位方法的操作。
本发明实施例通过获取告警信息,根据告警信息确定故障设备信息;然后,确定故障设备信息对应的室内分布系统作为待排查系统。再确定待排查系统对应的三维模型,三维模型包括多个三维采样点,一个或多个三维采样点对应于待排查系统中的一个设备,并且根据告警信息在三维模型中进行故障位置标记。最后,获取与待排查系统关联的AR设备发送的实地设备图像,将标记过的三维模型与实地设备图像进行融合,得到增强型系统图像。将增强型系统图像通过AR设备进行展示。
从而区别于现有技术中的采用人工比对施工图纸中的设备安装信息和故障告警信息,本发明能够基于室内分布系统对应的三维模型进行故障位置的标记,并且将标记后的三维模型与实地场景图像进行融合后通过AR设备展示给现场排障人员,从而提高了室内分布站点的故障定位的准确率和效率,降低了定位以及故障排除的成本。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
附图仅用于示出实施方式,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的室内分布系统的故障定位方法的流程示意图;
图2示出了本发明实施例提供的室内分布系统的故障定位装置的结构示意图;
图3示出了本发明实施例提供的室内分布系统的故障定位设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。
图1示出了本发明室内分布系统的故障定位方法实施例的流程图,该方法由计算机处理设备执行。具体的计算机处理设备可以包括笔记本电脑、手机等。如图1所示,该方法至少包括步骤110-160。
步骤110:获取告警信息,根据所述告警信息确定故障设备信息。
告警信息是由预设的网络管理中心获取的,可以包括如发生故障的系统名称、故障发生时间、系统分布经纬度、系统内安装的设备名称及数量、系统产生告警的设备名称以及详细告警类型等。
故障设备信息中可以包括故障设备的设备故障类型、设备故障发生时间、设备名称、设备所属系统标识、设备安装位置等。
步骤120:确定所述故障设备信息对应的室内分布系统作为待排查系统。
首先,故障定位首先要定位到具体的室内分布系统,而室内分布系统主要由来自各种制式网络的施主信源和信号分布系统两部分组成,其中,施主信源包括基站、基站拉远设备、无线或有线中继设备等,室内信号分布系统由有源器件、无源器件、天线、缆线等组成。
具体的故障设备可以是某个天线或者某个BBU等。因此在收到对应设备的告警信息之后,获取该故障设备标识所关联的室内分布系统作为此处的待排查系统。
步骤130:确定所述待排查系统对应的三维模型,所述三维模型包括多个三维采样点,一个或多个所述三维采样点对应于所述待排查系统中的一个设备。
三维模型是待排查系统的真实场景的数字再现,其中包括了待排查系统中各个设备的位置和安装信息等,而要确定一个设备至少需要确定其在三维模型中对应的至少一个三维采样点。
要确定三维模型,首先可以通过运动摄像机采集待排查系统的一系列连续的深度图(即组成视频序列),根据深度图中的各个像素点进行反投影确定其在空间中对应的三维点坐标,从而根据待排查系统对应的所有三维点构建三维模型。
确定三维模型的步骤具体又可以包括图2示出的步骤1301-1305。
步骤1301:获取所述待排查系统对应的场景视频序列,所述场景视频序列包含多帧深度图。
首先,场景视频序列是由运动摄像机采集的。在采集时,每一个待排查系统对应于一个场景视频序列。
步骤1302:确定各帧深度图中包含的二维采样点的深度值。
深度图是一个二维的图像,其中每个像素点具有二维坐标以及深度信息。
步骤1303:获取所述场景视频序列对应的相机位置参数。
首先,此处的相机位置参数至少包括采集场景序列的摄像机的相机内参矩阵、相机旋转矩阵和相机平移矩阵,用于确定相机坐标系在世界坐标系中的位姿。
根据采集场景视频序列时相机的位置参数即可以对采集到的视频序列中包含的各个深度图中的二维点坐标进行反投影得到其在空间中对应的三维点。
具体的获取所述场景视频序列对应的相机位置参数的过程还可以包括步骤13031-13032:
步骤13031:确定所述场景视频序列中的多个特征点,分别获取所述各帧深度图中的所述各个特征点对应的二维采样点的坐标。
每一个场景视频序列中的点在各帧深度图中都对应一个二维采样点,容易理解的是,由于视频序列是一系列连续运动的点构成的,因此视频中同一个点在运动的过程中在不同的深度图中对应的二维采样点坐标以及深度值是在不断变化的。
特征点可以是根据各个待排查系统的设备组成确定的,可以用于标定待定位系统的各个设备的坐标点,如BBU、RRU、1/2馈线、7/8馈线、吸顶天线等安装位置的坐标点。
步骤13032:根据所述二维采样点的坐标按照下式通过光束法平差算法确定所述相机位置参数和各个所述二维采样点对应的三维采样点的坐标:
其中,λ为预设的尺度值,K为所述相机内参矩阵,R为所述相机旋转矩阵,t为所述相机平移矩阵,(ui,vi)为三维采样点i对应的深度图中的二维采样点的坐标,(xi,yi,zi)为三维采样点i的坐标。
光束法平差(Bundle Adjustment)算法是优化最小的重投影误差的函数。由于两张图片有很多对特征点,将所有特征点的投影误差求和,取平方,再乘上1/2,由此构建了一个非线性最小二乘问题,将里面的位姿、空间点作为优化的对象(即需要求解的对象),最小化重投影误差,即可得到一个优化后的结果,即求得重投影误差最小时的三维点的坐标以及相机位置参数。
步骤1304:根据所述二维采样点的深度值和所述相机位置参数进行反投影,得到各帧深度图对应的三维采样点的坐标。
投影是指空间中的某个点映射到图像中的某个像素的过程。而反投影即三维采样点就是在实地系统的各个设备的位置在采集到的二维深度图之中的点的位置反向确定其在三维空间中的位置。
考虑到在实际采样的过程中可能存在相机位置的移动或者噪声,因此需要针对三维点需要进行筛选,剔除三维采样点中重投影误差较大的点。
更进一步地,在确定三维采样点的坐标之后,还需要对三维采样点进行筛选和重复点以及误差点剔除。可选的,可以包括步骤130410-步骤130412。
步骤130410:确定所述各帧深度图中的三维采样点的视差。
视差即为深度值的导数。视差反应了三维采样点距离相机的不同距离(即深度)。视差越大表示三维采样点距离相机越近。
步骤130411:根据各个所述三维采样点在相邻两帧深度图中的视差确定该三维采样点的深度误差。
首先确定各个所述三维采样点在相邻两帧深度图中的视差的差值。
一个点在不断运动的过程中在不同帧中对应的采样点的深度值应该比较接近,因此,可以将每一个三维采样点在各个相邻帧中视差差值的平均值作为该三维采样点对应的深度误差。
由此,如果一个三维采样点在连续帧中的视差变化较大可能说明该点的采集出现了干扰或者是采集数据存在错误,需要将该三维采样点进行剔除。
步骤130412:删除所述深度误差大于预设误差阈值的三维采样点。
预设的误差阈值可以根据历史三维模型的构造。
还可以包括步骤130420-步骤130423。
步骤130420:确定所述各个深度图中的三维采样点的颜色值。
颜色值指的是各个三维采样点在深度图中的RGB值。
步骤130421:根据各个所述三维采样点在相邻两帧深度图中的颜色值确定该三维采样点的颜色误差。
类似于步骤130411中的深度误差的计算,首先确定各个所述三维采样点在相邻两帧深度图中的颜色值的差值。
一个点在不断运动的过程中在不同帧中对应的采样点的颜色值应该比较接近,因此,可以将每一个三维采样点在各个相邻帧中颜色值差值的平均值作为该三维采样点对应的颜色误差。
由此,如果一个三维采样点在连续帧中的颜色值变化较大可能说明该点的采集出现了干扰或者是采集数据存在错误,需要将该三维采样点进行剔除。
步骤130422:根据所述颜色误差确定所述各个三维采样点的置信度。
按照预设的度量计算公式,根据颜色误差与置信度之间的比例关系计算出置信度。
步骤130423:删除所述置信度小于预设置信度阈值的三维采样点。
步骤1305:根据各帧深度图对应的三维采样点的坐标确定所述待排查系统对应的三维模型。
前述步骤中所确定的三维采样点的坐标只是包含了特征点的三维坐标,为了使得三维模型更加贴近实际场景,即包含室内分布式系统中的所有点,得到与现实1比1完全还原的三维模型,还要根据确定出特征点的三维采样点进行密集重建。
具体的密集重建指的是将深度摄像机采集的剩余大量未匹配的室内分布系统包含的非特征点,根据步骤1303中得到的相机坐标系的位姿参数对非特征点的二维采样点的坐标进行转换,得到各个非特征点的三维坐标。
最后融合室内分布站点中所有点的三维坐标得到待排查站点对应的稠密点云作为所述三维模型。
可选的,在确定了包括所有采样点的稠密点云之后,为了完全还原场景以方便室内分布基站故障的定位,还可以将网管中室内分布基站故障问题标记到稠密点云上,因为每个三维点对应了很多图片上的二维点,而图片上的二维点都已经携带了相关的颜色信息,因此将这些颜色信息直接付给三维点即可得到稠密带纹理的场景,并且该场景和实际场景是1:1的大小。
在得到了实际场景是1:1稠密点云模型之后即可以根据告警信息进行故障位置的标记。
步骤140:根据所述告警信息在所述三维模型中进行故障位置标记。
容易理解的是,进行故障定位之前需要进行实地采样,即将深度摄像机采集到的数据和施工图纸以及完工验收的实地场景配置信息进行匹配。即将三维模型中三维模型中的各个采样点与实地的设备信息进行关联。
步骤140还可以包括步骤1401-1404:
步骤1401:获取所述三维模型对应的至少一个采集位置标识,所述采集位置标识对应于一或多个所述三维采样点。
采集位置标识如某待排查系统中至少包括一个设备,需要对该设备进行定位至少需要一或多个三维采样点,而一个设备对应于一片采集区域,该采集区域对应于一个采集位置标识。
举例说明,在某室内分布系统A中存在第一BBU、第二BBU、第三BBU这三个设备,每一个设备分别对应于一个特异性的采集位置标识如A001、A002、A003。而A001可以对应于10个三维采样点。
步骤1402:获取所述待排查系统的系统配置信息,所述系统配置信息中包括至少一个设备位置标识。
系统配置信息中可以是在室内分布系统在竣工交付时,采集到的室内分布站点内安装的设备信息,具体包括包含主设备、远端BBU、RRU、馈线、天线等各种室内分布系统中包括的设备类型、各种设备的数量以及各个设备的安装位置等。
每一个安装位置对应于一个特异性的设备位置标识,用于指示当前位置的经纬度,以及该经纬度上安装的设备类型、设备名称以及该设备所属系统标识等。
步骤1403:将所述至少一个采集位置标识和所述至少一个设备位置标识进行匹配。
步骤1404:将每一个所述采集位置标识所匹配到的设备位置标识进行关联。
在确定了各个三维点对应的设备信息之后,就可以根据告警信息中的故障设备对应的设备位置标识进行关联。
根据告警信息进行故障位置标记的过程还包括步骤1411-1412:
步骤1411:获取与所述故障设备的设备位置标识关联的采集位置对应的三维采样点作为所述故障位置。
故障位置可能对应于一或多个三维采样点。
步骤1412:在所述三维模型中对所述三维采样点进行标记。
具体的标记形式可以是文字形式,如在某个三维采样点的上方显示该三维采样对应的设备标识、设备名称以及设备类型等。
步骤150:获取与所述待排查系统关联的AR设备发送的实地设备图像,将标记过的所述三维模型与所述实地设备图像进行融合,得到增强型系统图像。
进行融合即在实地设备图像的基础上叠加三维模型进行展示,从而可以通过AR设备看到实地设备图像和三维模型图像的叠加,AR设备的用户可以通过三维模型中标记的设备所在位置在实地设备图像中找到对应的点。
可选的,在进行融合之前,可以首先向AR设备发送显示消息,指导用户将实地设备图像中人工确定的特征点与三维模型中的特征点进行对准,从而使得三维模型可以叠加到实地设备图像中。
具体的,可以在获取到实地设备图像后,根据AR设备所上报的实际设备图像中的特征点位置,指导用户移动AR设备,从而将三维模型与所述实地设备图像进行对准,然后进行叠加融合。
步骤160:将所述增强型系统图像通过所述AR设备进行展示。
进行融合即在实地设备图像的基础上对三维模型进行展示,从而可以通过AR设备看到实地设备图像和三维模型图像的叠加,AR设备的用户可以通过三维模型中标记的设备所在位置在实地设备图像中找到对应的点。
在可选的实施例中,在步骤160之后还可以进一步地根据告警信息确定故障设备的地理位置,发送给AR设备或者与待排查系统关联的运维人员设备。
在另一个可选的并且进一步根据告警信息确定对应的故障解决方案,将故障解决方案在所述增强型系统图像中进行标记和备注,再发回给AR设备。由此运维人员不仅可以很快找到故障设备,还可以根据远程的专家指导,在增强型系统图像中标记出某BBU存在故障之后,还可以进一步通过故障解决方案的标注得知应该如何进行修复。这样就可以进一步提高室内分布系统的故障排除速度,节约人力和时间成本。
图2示出了本发明室内分布系统故障定位装置实施例的结构示意图。如图2所示,该装置200包括:告警获取模块210、系统定位模块220、模型确定模块230、故障定位模块240、模型匹配模块250、图像展示模块260。
告警获取模块210,用于获取告警信息,根据所述告警信息确定故障设备信息;
系统定位模块220,用于确定所述故障设备信息对应的室内分布系统作为待排查系统;
模型确定模块230,用于确定所述待排查系统对应的三维模型,所述三维模型包括多个三维采样点,一个或多个所述三维采样点对应于所述待排查系统中的一个设备;
故障定位模块240,用于根据所述告警信息在所述三维模型中进行故障位置标记;
模型匹配模块250,用于获取与所述待排查系统关联的AR设备发送的实地设备图像,将标记过的所述三维模型与所述实地设备图像进行融合,得到增强型系统图像;
图像展示模块260,将所述增强型系统图像通过所述AR设备进行展示。
在一种可选的方式中,故障定位模块240还用于:
获取所述三维模型对应的至少一个采集位置标识,所述采集位置标识对应于一或多个所述三维采样点;
获取所述待排查系统的系统配置信息,所述系统配置信息中包括至少一个设备位置标识;
将所述至少一个采集位置标识和所述至少一个设备位置标识进行匹配;
将每一个所述采集位置标识所匹配到的设备位置标识进行关联。
在一种可选的方式中,故障定位模块240还用于:
获取与所述故障设备的设备位置标识关联的采集位置对应的三维采样点作为所述故障位置;
在所述三维模型中对所述三维采样点进行标记。
在一种可选的方式中,模型确定模块260还用于:
获取所述待排查系统对应的场景视频序列,所述场景视频序列包含多帧深度图;
确定各帧深度图中包含的二维采样点的深度值;
获取所述场景视频序列对应的相机位置参数;
根据所述二维采样点的深度值和所述相机位置参数进行反投影,得到各帧深度图对应的三维采样点的坐标;
根据各帧深度图对应的三维采样点的坐标确定所述待排查系统对应的三维模型。
在一种可选的方式中,模型确定模块260还用于:
确定所述场景视频序列中的多个特征点,分别获取所述各帧深度图中的所述各个特征点对应的二维采样点的坐标;
根据所述二维采样点的坐标按照下式通过光束法平差算法确定所述相机位置参数和各个所述二维采样点对应的三维采样点的坐标:
其中,λ为预设的尺度值,K为所述相机内参矩阵,R为所述相机旋转矩阵,t为所述相机平移矩阵,(ui,vi)为三维采样点i对应的深度图中的二维采样点的坐标,(xi,yi,zi)为三维采样点i的坐标。
在一种可选的方式中,模型确定模块260还用于:
确定所述各个深度图中的三维采样点的颜色值;
根据各个所述三维采样点在相邻两帧深度图中的颜色值确定该三维采样点的颜色误差;
根据所述颜色误差确定所述各个三维采样点的置信度;
删除所述置信度小于预设置信度阈值的三维采样点。
在一种可选的方式中,模型确定模块260还用于:
确定所述各个深度图中的三维采样点的颜色值;
根据各个所述三维采样点在相邻两帧深度图中的颜色值确定该三维采样点的颜色误差;
根据所述颜色误差确定所述各个三维采样点的置信度;
删除所述置信度小于预设置信度阈值的三维采样点。
本发明实施例的室内分布系统的故障定位装置的具体工作过程与上述室内分布系统的故障定位方法的具体流程步骤相同,此处不再赘述。
本发明实施例的室内分布系统的故障定位装置通过基于室内分布系统对应的三维模型进行故障位置的标记,并且将标记后的三维模型与实地场景图像进行融合后通过AR设备展示给现场排障人员,从而提高了室内分布站点的故障定位的准确率和效率,降低了定位以及故障排除的成本。
图3示出了本发明室内分布系统的故障定位设备实施例的结构示意图,本发明具体实施例并不对室内分布系统的故障定位设备的具体实现做限定。
如图3所示,该室内分布系统的故障定位设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。处理器402,用于执行程序410,具体可以执行上述用于室内分布系统的故障定位方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机可执行指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。室内分布系统的故障定位设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以被处理器402调用使室内分布系统的故障定位设备执行以下操作:
获取告警信息,根据所述告警信息确定故障设备信息;
确定所述故障设备信息对应的室内分布系统作为待排查系统;
确定所述待排查系统对应的三维模型,所述三维模型包括多个三维采样点,一个或多个所述三维采样点对应于所述待排查系统中的一个设备;
根据所述告警信息在所述三维模型中进行故障位置标记;
获取与所述待排查系统关联的AR设备发送的实地设备图像,将标记过的所述三维模型与所述实地设备图像进行融合,得到增强型系统图像;
将所述增强型系统图像通过所述AR设备进行展示。
在一种可选的方式中,程序410具体可以被处理器402调用使室内分布系统的故障定位设备执行以下操作:
获取所述待排查系统对应的场景视频序列,所述场景视频序列包含多帧深度图;
确定各帧深度图中包含的二维采样点的深度值;
获取所述场景视频序列对应的相机位置参数;
根据所述二维采样点的深度值和所述相机位置参数进行反投影,得到各帧深度图对应的三维采样点的坐标;
根据各帧深度图对应的三维采样点的坐标确定所述待排查系统对应的三维模型。
在一种可选的方式中,程序410具体可以被处理器402调用使室内分布系统的故障定位设备执行以下操作:
确定所述场景视频序列中的多个特征点,分别获取所述各帧深度图中的所述各个特征点对应的二维采样点的坐标;
根据所述二维采样点的坐标按照下式通过光束法平差算法确定所述相机位置参数和各个所述二维采样点对应的三维采样点的坐标:
其中,λ为预设的尺度值,K为所述相机内参矩阵,R为所述相机旋转矩阵,t为所述相机平移矩阵,(ui,vi)为三维采样点i对应的深度图中的二维采样点的坐标,(xi,yi,zi)为三维采样点i的坐标。
在一种可选的方式中,程序410具体可以被处理器402调用使室内分布系统的故障定位设备执行以下操作:
获取所述三维模型对应的至少一个采集位置标识,所述采集位置标识对应于一或多个所述三维采样点;
获取所述待排查系统的系统配置信息,所述系统配置信息中包括至少一个设备位置标识;
将所述至少一个采集位置标识和所述至少一个设备位置标识进行匹配;
将每一个所述采集位置标识所匹配到的设备位置标识进行关联。
在一种可选的方式中,程序410具体可以被处理器402调用使室内分布系统的故障定位设备执行以下操作:
获取与所述故障设备的设备位置标识关联的采集位置对应的三维采样点作为所述故障位置;
在所述三维模型中对所述三维采样点进行标记。
在一种可选的方式中,程序410具体可以被处理器402调用使室内分布系统的故障定位设备执行以下操作:
确定所述各帧深度图中的三维采样点的视差;
根据各个所述三维采样点在相邻两帧深度图中的视差确定该三维采样点的深度误差;
删除所述深度误差大于预设误差阈值的三维采样点。
在一种可选的方式中,程序410具体可以被处理器402调用使室内分布系统的故障定位设备执行以下操作:
确定所述各个深度图中的三维采样点的颜色值;
根据各个所述三维采样点在相邻两帧深度图中的颜色值确定该三维采样点的颜色误差;
根据所述颜色误差确定所述各个三维采样点的置信度;
删除所述置信度小于预设置信度阈值的三维采样点。
本发明实施例的室内分布系统的故障定位设备的具体工作过程与上述室内分布系统的故障定位方法的具体流程步骤相同,此处不再赘述。
本发明实施例的室内分布系统的故障定位设备通过基于室内分布系统对应的三维模型进行故障位置的标记,并且将标记后的三维模型与实地场景图像进行融合后通过AR设备展示给现场排障人员,从而提高了室内分布站点的故障定位的准确率和效率,降低了定位以及故障排除的成本。
本发明实施例提供了一种计算机可读存储介质,所述存储介质存储有至少一可执行指令,该可执行指令在室内分布系统的故障定位设备/装置上运行时,使得所述室内分布系统的故障定位设备/装置执行上述任意方法实施例中的室内分布系统的故障定位方法。
可执行指令具体可以用于使得室内分布系统的故障定位设备/装置执行以下操作:
获取告警信息,根据所述告警信息确定故障设备信息;
确定所述故障设备信息对应的室内分布系统作为待排查系统;
确定所述待排查系统对应的三维模型,所述三维模型包括多个三维采样点,一个或多个所述三维采样点对应于所述待排查系统中的一个设备;
根据所述告警信息在所述三维模型中进行故障位置标记;
获取与所述待排查系统关联的AR设备发送的实地设备图像,将标记过的所述三维模型与所述实地设备图像进行融合,得到增强型系统图像;
将所述增强型系统图像通过所述AR设备进行展示。
在一种可选的方式中,可执行指令还用于使得室内分布系统的故障定位设备/装置执行以下操作:
获取所述待排查系统对应的场景视频序列,所述场景视频序列包含多帧深度图;
确定各帧深度图中包含的二维采样点的深度值;
获取所述场景视频序列对应的相机位置参数;
根据所述二维采样点的深度值和所述相机位置参数进行反投影,得到各帧深度图对应的三维采样点的坐标;
根据各帧深度图对应的三维采样点的坐标确定所述待排查系统对应的三维模型。
在一种可选的方式中,可执行指令还用于使得室内分布系统的故障定位设备/装置执行以下操作:
确定所述场景视频序列中的多个特征点,分别获取所述各帧深度图中的所述各个特征点对应的二维采样点的坐标;
根据所述二维采样点的坐标按照下式通过光束法平差算法确定所述相机位置参数和各个所述二维采样点对应的三维采样点的坐标:
其中,λ为预设的尺度值,K为所述相机内参矩阵,R为所述相机旋转矩阵,t为所述相机平移矩阵,(ui,vi)为三维采样点i对应的深度图中的二维采样点的坐标,(xi,yi,zi)为三维采样点i的坐标。
在一种可选的方式中,可执行指令还用于使得室内分布系统的故障定位设备/装置执行以下操作:
获取所述三维模型对应的至少一个采集位置标识,所述采集位置标识对应于一或多个所述三维采样点;
获取所述待排查系统的系统配置信息,所述系统配置信息中包括至少一个设备位置标识;
将所述至少一个采集位置标识和所述至少一个设备位置标识进行匹配;
将每一个所述采集位置标识所匹配到的设备位置标识进行关联。
在一种可选的方式中,可执行指令还用于使得室内分布系统的故障定位设备/装置执行以下操作:
获取与所述故障设备的设备位置标识关联的采集位置对应的三维采样点作为所述故障位置;
在所述三维模型中对所述三维采样点进行标记。
在一种可选的方式中,可执行指令还用于使得室内分布系统的故障定位设备/装置执行以下操作:
确定所述各帧深度图中的三维采样点的视差;
根据各个所述三维采样点在相邻两帧深度图中的视差确定该三维采样点的深度误差;
删除所述深度误差大于预设误差阈值的三维采样点。
在一种可选的方式中,可执行指令还用于使得室内分布系统的故障定位设备/装置执行以下操作:
确定所述各个深度图中的三维采样点的颜色值;
根据各个所述三维采样点在相邻两帧深度图中的颜色值确定该三维采样点的颜色误差;
根据所述颜色误差确定所述各个三维采样点的置信度;
删除所述置信度小于预设置信度阈值的三维采样点。
本发明实施例的计算机可读存储介质的具体工作过程与上述室内分布系统的故障定位方法的具体流程步骤相同,此处不再赘述。
本发明实施例的计算机可读存储介质通过基于室内分布系统对应的三维模型进行故障位置的标记,并且将标记后的三维模型与实地场景图像进行融合后通过AR设备展示给现场排障人员,从而提高了室内分布站点的故障定位的准确率和效率,降低了定位以及故障排除的成本。
本发明实施例提供了一种计算机程序,所述计算机程序可被处理器调用室内分布系统故障定位设备执行上述任意方法实施例中的室内分布系统故障定位方法。
本发明实施例提供了一种计算机程序产品,计算机程序产品包括存储在计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令在计算机上运行时,使得所述计算机执行上述任意方法实施例中的室内分布系统故障定位方法。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种室内分布系统故障定位方法,其特征在于,所述方法包括:
获取告警信息,根据所述告警信息确定故障设备信息;
确定所述故障设备信息对应的室内分布系统作为待排查系统;
确定所述待排查系统对应的三维模型,所述三维模型包括多个三维采样点,一个或多个所述三维采样点对应于所述待排查系统中的一个设备;
根据所述告警信息在所述三维模型中进行故障位置标记;
获取与所述待排查系统关联的AR设备发送的实地设备图像,将标记过的所述三维模型与所述实地设备图像进行融合,得到增强型系统图像;
将所述增强型系统图像通过所述AR设备进行展示。
2.根据权利要求1所述的方法,其特征在于,所述确定所述待排查系统对应的三维模型,进一步包括:
获取所述待排查系统对应的场景视频序列,所述场景视频序列包含多帧深度图;
确定各帧深度图中包含的二维采样点的深度值;
获取所述场景视频序列对应的相机位置参数;
根据所述二维采样点的深度值和所述相机位置参数进行反投影,得到各帧深度图对应的三维采样点的坐标;
根据各帧深度图对应的三维采样点的坐标确定所述待排查系统对应的三维模型。
4.根据权利要求1或2所述的方法,其特征在于,在所述根据所述告警信息在所述三维模型中进行故障位置标记之前,进一步包括:
获取所述三维模型对应的至少一个采集位置标识,所述采集位置标识对应于一或多个所述三维采样点;
获取所述待排查系统的系统配置信息,所述系统配置信息中包括至少一个设备位置标识;
将所述至少一个采集位置标识和所述至少一个设备位置标识进行匹配;
将每一个所述采集位置标识所匹配到的设备位置标识进行关联。
5.根据权利要求1所述的方法,其特征在于,所述故障设备信息中包括所述故障设备的设备位置标识,所述根据所述告警信息在所述三维模型中进行故障位置标记,进一步包括:
获取与所述故障设备的设备位置标识关联的采集位置对应的三维采样点作为所述故障位置;
在所述三维模型中对所述三维采样点进行标记。
6.根据权利要求2所述的方法,其特征在于,在所述根据各帧深度图对应的三维采样点确定所述待排查系统对应的三维模型之前,还进一步包括:
确定所述各帧深度图中的三维采样点的视差;
根据各个所述三维采样点在相邻两帧深度图中的视差确定该三维采样点的深度误差;
删除所述深度误差大于预设误差阈值的三维采样点。
7.根据权利要求2所述的方法,其特征在于,在所述根据各帧深度图对应的三维采样点确定所述待排查系统对应的三维模型之前,还进一步包括:
确定所述各个深度图中的三维采样点的颜色值;
根据各个所述三维采样点在相邻两帧深度图中的颜色值确定该三维采样点的颜色误差;
根据所述颜色误差确定所述各个三维采样点的置信度;
删除所述置信度小于预设置信度阈值的三维采样点。
8.一种室内分布系统故障定位装置,其特征在于,所述装置包括:
告警获取模块,用于获取告警信息,根据所述告警信息确定故障设备信息;
系统定位模块,用于确定所述故障设备信息对应的室内分布系统作为待排查系统;
模型确定模块,用于确定所述待排查系统对应的三维模型,所述三维模型包括多个三维采样点,一个或多个所述三维采样点对应于所述待排查系统中的一个设备;
故障定位模块,用于根据所述告警信息在所述三维模型中进行故障位置标记;
模型匹配模块,用于获取与所述待排查系统关联的AR设备发送的实地设备图像,将标记过的所述三维模型与所述实地设备图像进行融合,得到增强型系统图像;
图像展示模块,将所述增强型系统图像通过所述AR设备进行展示。
9.一种室内分布系统故障定位设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7任意一项所述的室内分布系统故障定位方法的操作。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令在室内分布系统故障定位设备/装置上运行时,使得室内分布系统故障定位设备执行如权利要求1-7任意一项所述的室内分布系统故障定位方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011132612.8A CN114387424A (zh) | 2020-10-21 | 2020-10-21 | 室内分布系统故障定位方法、装置、设备及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011132612.8A CN114387424A (zh) | 2020-10-21 | 2020-10-21 | 室内分布系统故障定位方法、装置、设备及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114387424A true CN114387424A (zh) | 2022-04-22 |
Family
ID=81193368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011132612.8A Pending CN114387424A (zh) | 2020-10-21 | 2020-10-21 | 室内分布系统故障定位方法、装置、设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114387424A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116310918A (zh) * | 2023-02-16 | 2023-06-23 | 东易日盛家居装饰集团股份有限公司 | 基于混合现实的室内关键物体识别定位方法、装置及设备 |
-
2020
- 2020-10-21 CN CN202011132612.8A patent/CN114387424A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116310918A (zh) * | 2023-02-16 | 2023-06-23 | 东易日盛家居装饰集团股份有限公司 | 基于混合现实的室内关键物体识别定位方法、装置及设备 |
CN116310918B (zh) * | 2023-02-16 | 2024-01-09 | 东易日盛家居装饰集团股份有限公司 | 基于混合现实的室内关键物体识别定位方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180276241A1 (en) | System and method for telecom inventory management | |
CN112184890B (zh) | 一种应用于电子地图中的摄像头精准定位方法及处理终端 | |
CN106403942B (zh) | 基于变电站景深图像识别的人员室内惯性定位方法 | |
CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
CN111104473B (zh) | 可视化信息管理系统、方法及服务器 | |
CN116298701B (zh) | 一种基于数字孪生系统的配电网故障检测方法及相关装置 | |
CN114862973B (zh) | 基于固定点位的空间定位方法、装置、设备及存储介质 | |
CN113312963A (zh) | 一种光伏电站的巡检方法、巡检装置以及存储介质 | |
CN111563961B (zh) | 一种变电站的三维建模方法和相关装置 | |
CN114531700B (zh) | 一种非人工的基站天线工参采集系统及方法 | |
CN116129064A (zh) | 电子地图生成方法、装置、设备及存储介质 | |
CN114387424A (zh) | 室内分布系统故障定位方法、装置、设备及可读介质 | |
WO2019106847A1 (ja) | カメラ撮影画像を用いる位置情報システム、及びそれに用いるカメラ付き情報機器 | |
CN114693782A (zh) | 用于确定三维场景模型坐标系和物理坐标系的转换关系的方法及装置 | |
CN112000109A (zh) | 电力巡检机器人的位置校正方法、电力巡检机器人及介质 | |
CN109377529B (zh) | 一种地面坐标与ptz摄像机的画面坐标转换方法、系统以及装置 | |
CN113316160B (zh) | 一种基于mr的基站设备的运维方法、系统及存储介质 | |
CN112860946B (zh) | 一种视频图像信息转换为地理信息的方法及系统 | |
CN115982824A (zh) | 施工现场工人空间管理方法、装置、电子设备及存储介质 | |
CN113916244A (zh) | 巡检位置设置的方法、装置、电子设备和可读存储介质 | |
US20160086339A1 (en) | Method of providing cartograic information of an eletrical component in a power network | |
CN110264521A (zh) | 一种基于双目摄像头的定位方法及系统 | |
CN110795586A (zh) | 一种图像显示方法、系统及装置 | |
CN112509153B (zh) | 基于移动设备定位的ar模型显示处理方法及装置 | |
CN109269477A (zh) | 一种视觉定位方法、装置、设备和存储介质 |
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 |