CN117746261A - 一种基站天线位姿信息勘探方法、装置、系统及存储介质 - Google Patents
一种基站天线位姿信息勘探方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN117746261A CN117746261A CN202211111722.5A CN202211111722A CN117746261A CN 117746261 A CN117746261 A CN 117746261A CN 202211111722 A CN202211111722 A CN 202211111722A CN 117746261 A CN117746261 A CN 117746261A
- Authority
- CN
- China
- Prior art keywords
- base station
- station antenna
- information
- vertex
- aerial vehicle
- 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 65
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000004140 cleaning Methods 0.000 claims description 13
- 230000002596 correlated effect Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000002407 reforming Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 35
- 230000008569 process Effects 0.000 abstract description 17
- 238000012549 training Methods 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
Classifications
-
- 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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种基站天线位姿信息勘探方法、装置、系统及存储介质。通过本发明，由于图像识别模型可以识别无人机采集的基站天线的图像信息，得到基站天线各个顶点的相对空间坐标信息，因此，在无人机采集基站天线的图像时，不需要固定角度测量，可根据基站天线各个顶点的相对空间坐标信息和无人机所处位置计算基站天线的位姿信息，因此，可以解决在测量过程中对无人机操控要求较高的技术问题，达到降低了对无人机飞手的要求和对飞行时天气环境的要求，提升测量效率与测量准确度的技术效果。
Description
技术领域
本发明涉及移动通信基站天线检测技术领域，具体而言，涉及一种基站天线位姿信息勘探方法、装置、系统及存储介质。
背景技术
近年来，通信技术迅猛发展，对基站的勘探成为了新建及维护基站的重要内容。基站巡检、测量、资源获取，采用最常用的手段是接触式测量与拍照，接触式测量包括不限于使用陀螺仪、倾角仪、测距仪等，基站天线经常会部署在比较高的位置，如楼顶、铁塔等，测量过程中需要专业的人员在符合安全规则的情况下进行。因此测试过程对施工要求、环境要求都非常高，比如大风、大雨、大雪、温度过高、温度过低等天气恶略的情况都无法施工，影响工程进度，会出现安全事故等，并且人为因素对测量精度影响较大。
目前，还可以通过无人机固定角度测量方法，通过无人机固定角度拍摄天线侧面以及斜上方，再通过图像灰度处理，获取天线边界，也是一种测量办法。该方法对无人机位姿有一定要求，在测量下倾角时，无人机朝向一定要正对天线侧边、固定位置，测量天线方向角时，无人机的朝向要正对天线正面。因此在测量过程中对无人机飞手、天气环境要求较高，一旦出现偏差就会出现测不准的情况，产生一定误差，比如高处有一点风导致无人机悬停不精准时，测量就会出现误差。
发明内容
本发明实施例提供了一种基站天线位姿信息勘探方法、装置、系统及存储介质，以至少解决相关技术中在测量过程中对无人机操控要求较高的技术问题。
根据本发明的一个实施例，提供了一种基站天线位姿信息勘探方法，包括：
获取无人机采集的基站天线的图像信息；
根据预设的图像识别模型和所述图像信息，获取基于所述无人机采集所述图像信息时所处位置，所述基站天线各个顶点的相对空间坐标信息；所述图像识别模型用于识别所述图像信息中包含的基站天线的各个顶点的相对空间坐标信息；
根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息；
可选地，所述位姿信息包括位置信息和姿态信息；根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息，包括：
根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位置信息；
以及，根据所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的姿态信息；
可选地，所述姿态信息包括下倾角和方位角；所述相对空间坐标信息包括X轴坐标、Y轴坐标和Z轴坐标；根据所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的姿态信息，包括：
根据所述基站天线各个顶点的所述X轴坐标和所述基站天线各个顶点的所述Z轴坐标，计算所述基站天线的所述下倾角；
以及，根据所述基站天线各个顶点的所述X轴坐标和所述基站天线各个顶点的所述Y轴坐标，计算所述基站天线的所述方位角；
可选地，所述基站天线包括四个侧面；
根据所述基站天线各个顶点的所述X轴坐标和所述基站天线各个顶点的所述Z轴坐标，计算所述基站天线的所述下倾角，包括：
确定所述基站天线任意两个相邻侧面的相交线；
确定任一所述相交线上包括的两个所述顶点；
根据两个所述顶点的所述X轴坐标和两个所述顶点的所述Z轴坐标，计算所述基站天线的所述下倾角；所述下倾角与两个所述X轴坐标之差的模正相关，所述下倾角与两个所述Z轴坐标之差的模负相关；
可选地，所述基站天线包括四个侧面和两个底面，所述四个侧面中包括第一侧面和与所述第一侧面相对的第二侧面；
根据所述基站天线各个顶点的所述X轴坐标和所述基站天线各个顶点的所述Y轴坐标，计算所述基站天线的方位角，包括：
确定所述基站天线的第一侧面、第二侧面和两个底面中任意两个相邻面的相交线；
确定任一所述相交线上包括的两个所述顶点；
根据两个所述顶点的所述X轴坐标和两个所述顶点的所述Y轴坐标，计算所述基站天线的所述方位角；所述方位角与两个所述Y轴坐标之差的模正相关，所述方位与两个所述X轴坐标之差的模负相关；
可选地，根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息之后，所述方法还包括：
将所述基站天线的位姿信息发送至移动终端；以在所述移动终端确定采集的实时画面中包括所述基站天线时，在所述移动终端的实时画面中显示所述基站天线的位姿信息；
可选地，根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息之后，所述方法还包括：
对所述基站天线的位姿信息进行数据清洗重整，以进行数据的异常检测和纠偏。
根据本发明的另一个实施例，提供了一种基站天线位姿信息勘探装置，包括：
第一获取模块，用于获取无人机采集的基站天线的图像信息；
第二获取模块，用于根据预设的图像识别模型和所述图像信息，获取基于所述无人机所处位置，所述基站天线各个顶点的相对空间坐标信息；所述图像识别模型用于识别所述图像信息中包含的基站天线的各个顶点的相对空间坐标信息；
计算模块，用于根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息。
根据本发明的又一个实施例，还提供了一种基站天线位姿信息勘探系统，其特征在于，所述系统包括图像采集单元和数据处理单元；
所述图像采集单元包括无人机；所述无人机用于采集基站天线的图像信息，并将所述图像信息发送至所述数据处理单元；
所述数据处理单元用于获取无人机采集的基站天线的图像信息；根据预设的图像识别模型和所述图像信息，获取基于所述无人机所处位置，所述基站天线各个顶点的相对空间坐标信息；所述图像识别模型用于识别所述图像信息中包含的基站天线的各个顶点的相对空间坐标信息；根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息；
可选地，所述系统还包括人机交互设备和数据清洗单元；
所述人机交互设备包括智能终端，所述智能终端用于从所述数据处理单元接收所述基站天线的位姿信息，在确定采集的实时画面中包括所述基站天线时，在所述实时画面中显示所述基站天线的位姿信息；
所述数据清洗单元用于对所述基站天线的位姿信息进行数据清洗重整，并将清洗重整后的位姿信息作为所述基站天线的位姿信息。
根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，由于图像识别模型可以识别无人机采集的基站天线的图像信息，得到基站天线各个顶点的相对空间坐标信息，因此，在无人机采集基站天线的图像时，不需要固定角度测量，可根据基站天线各个顶点的相对空间坐标信息和无人机所处位置计算基站天线的位姿信息，因此，可以解决在测量过程中对无人机操控要求较高的技术问题，达到降低了对无人机飞手的要求和对飞行时天气环境要求，提升测量效率与测量准确度的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例提供的电子装置结构示意图；
图2是本发明实施例提供的一种基站天线位姿信息勘探方法的系统架构图；
图3是本发明实施例提供的一种基站天线位姿信息勘探方法的流程示意图；
图4是本发明实施例提供的一种基站天线相对空间坐标信息示意图；
图5是本发明实施例提供的一种基站天线下倾角计算示意图；
图6是本发明实施例提供的一种基站天线方位角计算示意图；
图7是本发明实施例提供的另一种基站天线位姿信息勘探方法的流程示意图；
图8是本发明实施例提供的一种基站天线位姿信息勘探装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
实施例1
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种基站天线位姿信息勘探方法的移动终端的硬件结构框图。如图1所示，移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的一种基站天线位姿信息勘探方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
本申请实施例可以运行于图2所示的系统架构上，如图2所示，该网络架构至少包括：图像处理单元201和数据处理单元202，其中，图像处理单元201和数据处理单元202建立通信连接。
可选地，上述系统架构还可以包括人机交互设备203、数据清洗单元204、数据后分析单元205和数据传输单元206。本领域普通技术人员可以理解，图2所示的系统架构仅为示意，其并不对上述移动终端的结构造成限定。例如，该系统架构还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。
其中，图像采集单元201，主要用于待测设备(本应用场景待测设备为基站天线)的图像获取，采用无人机设备，其中无人机的空间坐标及角度获取能力，对计算天线角度、方向数据内容的准确性有极大的保障，并且无人机自带传感器较多，能够直接测定经度、纬度位置信息，飞行高度信息。其他类型的采集设备需要有更多辅助手段，无法满足测量的当前的自动化流程。
人机交互设备203，包括智能终端，主要有两方面作用，一方面用于数据信息的展示，如测量过程中采集设备(比如基站天线，以下基站天线也可简称为天线)的实时图像展示，测量后解析数据的展示，后分析数据的展示，增强现实(Augmented Reality，简称AR)展示等，并且对测试流程进行展示。另一方面支持用户流程操作，负责全过程的操作输入。其中AR展示是在实景上叠加相关业务信息、资源信息，更高效、更高体验的为用户提供信息，如当智能终端(比如手机)摄像头朝向小区时，屏幕中会显示实景，并在天线或小区旁显示方向角、下倾角、高度等相关信息，并且点击信息后可以查看详情或者更新相关信息，实现所见即所得。
数据处理单元202，包括AI(Artificial Intelligence，即人工智能)训练模型，主要用于采集到的图像内容识别，对图像中包含的数据进行结构化处理，自动化、智能化的将巡检内容识别存储。AI训练模型主要采用数据驱动方法对3D目标进行检测，模型训练的步骤为标注数据集-数据增强-模型训练-模型量化-模型部署。由于标注数据集需要至少150k帧的数据，才能确保3D物体识别，所以需要大量的数据采集。而通过数据增强，可以对标注数据进行扩充，增强训练效果。模型训练可使用3D目标检测模型，如Objectron，Object3DNet，MobilePose，two-stage model等。系统的图像识别可分为两部分，分别在移动端与服务端(即数据处理单元202可设置在移动端和服务端，当然也可只设置在服务端，不作限制)，模型量化与部署是针对移动端与服务端做适配。当有新的内容需要识别时，需要对AI训练模型进行增量训练，并添加对应的业务算法，逐步完善数据识别准确度。由于天线型号非常之多，不同类型天线外形差别较大，相同类型天线外形相似度较高，需要标注训练源保持多样性，并且要保证数量级，在此基础上，还需要对训练模型进行增强学习，以此种方式加强模型识别的准确度，也正是因为天线外形相似度较高，需要通过AI来精细识别。另外，针对重要的天线下倾角、方向角数据，AI训练模型完成3D目标检测后，对输出的空间坐标信息与无人机特有的空间坐标计算能力结合，利用空间几何进行拟合，计算出对应的角度等信息。
数据清洗单元204，是对AI结构化的数据进行清洗、整理，并且对过程中的异常数据核对。巡检过程的数据内容众多，数字化的信息需要与实体匹配，数据清洗单元也负责匹配过程。
数据后分析单元205，对已经测量并上传到服务端的数据进行分析，对整个的资源管理给出进度信息、对个别设备信息给出异常提示、对潜在的全局问题进行挖掘。
数据传输单元206，是对各子系统内数据流转做支撑，包括数据采集后传输给数据处理单元202的AI训练模型，结构化数据传输给数据后分析单元205，人机交互设备203从图像采集单元201以及数据后分析单元205获取数据等。
当然，数据清洗单元204、数据后分析单元205和数据传输单元206的功能也可集成在数据处理单元202之中，不作限制。
该系统架构，由于图像识别模型可以识别无人机采集的基站天线的图像信息，得到基站天线各个顶点的相对空间坐标信息，因此，在无人机采集基站天线的图像时，不需要固定角度测量，可根据基站天线各个顶点的相对空间坐标信息和无人机所处位置计算基站天线的位姿信息，因此，可以解决在测量过程中对无人机操控要求较高的技术问题，达到降低了对无人机飞手的要求和对飞行时天气环境要求，提升测量效率与测量准确度的技术效果。
在本实施例中提供了一种运行于上述移动终端或网络架构的基站天线位姿信息勘探方法，图3是根据本发明实施例的一种基站天线位姿信息勘探方法的流程示意图，如图3所示，该流程包括如下步骤：
步骤S302，获取无人机采集的基站天线的图像信息；
步骤S304，根据预设的图像识别模型和图像信息，获取基于无人机采集图像信息时所处位置，基站天线各个顶点的相对空间坐标信息；图像识别模型用于识别图像信息中包含的基站天线的各个顶点的相对空间坐标信息；
步骤S306，根据无人机所处位置和基站天线各个顶点的相对空间坐标信息，计算基站天线的位姿信息。
通过上述步骤，由于图像识别模型可以识别无人机采集的基站天线的图像信息，得到基站天线各个顶点的相对空间坐标信息，因此，在无人机采集基站天线的图像时，不需要固定角度测量，可根据基站天线各个顶点的相对空间坐标信息和无人机所处位置计算基站天线的位姿信息，因此，可以解决在测量过程中对无人机操控及天气环境要求较高的技术问题，达到降低了无人机飞行要求，提升测量效率与测量准确度的技术效果。
需要说明的是，图像识别模型可以是上述系统架构中的AI训练模型，并且，基于计算得到的基站天线的位姿信息，可以继续对该AI训练模型进行训练，以在使用过程中进一步的提高AI训练模型的识别准确度。
可选地，上述步骤的执行主体可以为服务端，具体可以为服务端中的数据处理单元202，但不限于此，比如，当确定需要勘探的基站天线为不需要新学习的型号时，执行主体可以为移动端。
可选地，步骤S302和步骤S304的执行顺序是可以互换的，即可以先执行步骤S304，然后再执行S302。
一个实施例中，位姿信息包括位置信息和姿态信息；根据无人机所处位置和基站天线各个顶点的相对空间坐标信息，计算基站天线的位姿信息，包括：
根据无人机所处位置和基站天线各个顶点的相对空间坐标信息，计算基站天线的位置信息；
以及，根据基站天线各个顶点的相对空间坐标信息，计算基站天线的姿态信息。
本实施例中，在计算基站天线的姿态信息时，可根据基站天线各个顶点的相对空间坐标信息即可实现。在需要计算基站天线的位置信息时，比如海拔高度、经纬度等信息，需要一个参照物，也就是需要无人机采集照片时所处的高度、经纬度等信息。由于无人机自带传感器较多，能够直接测定经度、纬度位置信息以及飞行高度信息等，直接读取无人机传感器采集的位置信息即可，简单方便。
接下来，对如何计算基站天线的姿态信息进行详细说明。姿态信息包括下倾角和方位角。相对空间坐标信息为无人机采集图像信息所处时刻，基站天线相对于无人机的空间坐标信息，即以无人机为坐标原点，基站天线各个顶点的相对空间坐标信息。相对空间坐标信息包括X轴坐标、Y轴坐标和Z轴坐标。
基站天线，一般为长方体结构，此处，以基站天线为长方体结构进行举例说明，即基站天线包括六个面，其中四个侧面，两个底面，如图4所示。
根据基站天线各个顶点的相对空间坐标信息，计算基站天线的姿态信息，包括：
根据基站天线各个顶点的X轴坐标和基站天线各个顶点的Z轴坐标，计算基站天线的下倾角；
以及，根据基站天线各个顶点的X轴坐标和基站天线各个顶点的Y轴坐标，计算基站天线的方位角。
其中，计算基站天线的下倾角，包括：确定基站天线任意两个相邻侧面的相交线；确定任一相交线上包括的两个顶点；根据两个顶点的X轴坐标和两个顶点的Z轴坐标，计算基站天线的下倾角；下倾角与两个X轴坐标之差的模正相关，下倾角与两个Z轴坐标之差的模负相关。
其中，基站天线的四个侧面中包括第一侧面和与第一侧面相对的第二侧面；第一侧面可以是基站天线的正面，方位角为该基站天线的正面与正北方向的夹角，基站天线的正面一般具有标识信息，比如产品的标识信息等，可通过图像信息中包含的标识信息确定第一侧面。
计算基站天线的方位角，包括：确定基站天线的第一侧面、第二侧面和两个底面中任意两个相邻面的相交线；确定任一相交线上包括的两个顶点；根据两个顶点的X轴坐标和两个顶点的Y轴坐标，计算基站天线的方位角；方位角与两个Y轴坐标之差的模正相关，方位与两个X轴坐标之差的模负相关。
具体地，算法如下：
构建无人机坐标系，如图4，以无人机的坐标O(x0,y0,z0)为原点，其中，Y轴代表正北方位(Y轴箭头方向为正北方N)。
基站的八个顶点A，B，C，D，E，F，G，H的相对坐标分别为：
A(x1,y1,z1)，B(x2,y2,z2)，C(x3,y3,z3)，D(x4,y4,z4)，E(x5,y5,z5)，F(x6,y6,z6)，G(x7,y7,z7)，H(x8,y8,z8)
计算基站天线的下倾角α：下倾角是天线和竖直面(竖直面指平行与X轴与Z轴所在平面，且与地面垂直的平面)的夹角。计算方法将三位空间的天线与竖直面之前的夹角转换为二位空间线与线之间的夹角，如图5。由于天线的4个面都是长方形，一般竖直方向的边较长，计算下倾角时，只需要取某一条长边即可，或者说，只需要取四个侧面相交的线段，根据该线段上的两个顶点坐标计算夹角即可，可以得出：
即，
比如四个侧面相交的线段分别为AE、DH、CG和BF，可根据其中任一条线段所包含的两个顶点按照上述公式计算，或者，分别计算出四个角度，取四个角度的平均值作为基站天线的下倾角，不作限制。
计算基站天线的方位角β：方位角可以理解为正北方向的平面顺时针旋转到和天线所在平面重合所经历的角度，即基站天线的第一侧面与正北方向的夹角。将三位空间拍摄的基站侧面映射到二位平面来计算基站方位角，计算方法将三位空间的天线所在平面与正北方向之间的夹角转换为二位空间线与线之间的夹角，如图6。由于天线的4个面都是长方形，计算方位角时，只需要取某一条短边即可，或者说，如图4，只需取AD、BC、FG、EH中的任一个边即可，根据该边包括的两个顶点的坐标即可计算基站天线的方位角。
可以得出：
或者，j∈[5,8]，i＝8-i+5
即，
需要说明的是，以上i和j均为整数。
本实施例中，通过拟合计算得到天线位姿信息，由于AI识别的角度任意性，降低了飞行要求和外部环境因素的影响，在无人机采集图像信息时，不需要固定角度测量，可任意角度采集，可自动识别出采集的基站天线的各个顶点的相对空间坐标信息，提升了测量效率与准确度。
需要说明的是，基站天线还可以为其他形状结构，计算下倾角和方位角的方法相同。此处以基站天线为长方体结构进行举例说明，不代表只能计算长方体结构的基站天线的下倾角和方位角，本领域人员应当理解在其他形状结构时，也可选择其中部分顶点的坐标信息计算基站天线的下倾角和方位角。
一个实施例中，根据无人机所处位置和基站天线各个顶点的相对空间坐标信息，计算基站天线的位姿信息之后，方法还包括：
将基站天线的位姿信息发送至移动终端；以在移动终端确定采集的实时画面中包括基站天线时，在移动终端的实时画面中显示基站天线的位姿信息。
本实施例中，在移动终端打开摄像头，对准基站天线时，可在移动终端的实时画面中显示该基站天线的位姿信息，可方便获取各个移动终端的位姿信息数据，在显示时，可在实时画面中显示在基站天线旁边，或者显示在该基站的旁边，若不能显示，则说明该基站天线还没有进行位姿信息勘探，需要通过无人机进行位姿信息的测量。
一个实施例中，根据无人机所处位置和基站天线各个顶点的相对空间坐标信息，计算基站天线的位姿信息之后，方法还包括：
对基站天线的位姿信息进行数据清洗重整，以进行数据的异常检测和纠偏。
本实施例中，数据的清洗重整不是必需的，但经过清洗重整的数据可将异常数据筛除，对异常的采集数据纠偏，提高测试的准确度。
一个实施例中，一种基站天线位姿信息勘探方法，如图7，包括：
步骤S701，巡检勘查开始；
步骤S702，图像、数据采集；
步骤S703，AI数据识别；
步骤S704，数据清洗重整；
步骤S705，判断是否测试完成；若测试完成，执行步骤706，若测试未完成，重新执行步骤702；
步骤S706，结构化存储；之后可执行步骤707或步骤709；
步骤S707，服务端回传数据；
步骤S708，数据关联分析；
步骤S709，AR/3D展示；
步骤S710，巡检勘查结束。
本实施例中，巡检开始后的流程如下：
图像采集单元开机，选择待测站点，使用控制器控制设备对待测站点拍照，包含有基站天线的图像信息存储在手机或服务端中，在后续流程中的操作都是针对此站点；在图像采集过程中，其中几个数据可通过无人机传感获取，包括经度、纬度、高度、俯仰角、朝向角。
将图像信息传输到AI子单元，AI子单元分别部署在移动端和服务端，移动端中包括轻量化AI模型，适用于无网络情况，性能与功能方面都有所牺牲，而服务端是全量AI模型，适用于有网络的情况，将图片从移动端传输至服务端。之后对待测信息进行AI识别，AI单元对传输的图像内容，进行3D目标识别，获取对应天线以及空间坐标。针对重要的天线下倾角、方向角数据，AI模型完成3D目标检测后，对输出的空间坐标信息与云台传感器做结合，利用空间几何进行双坐标系拟合，计算出对应的角度等信息，其中双坐标系指基站天线的坐标系与无人机的坐标系，将两个坐标系拟合为以无人机为坐标原点的空间坐标系，方便下倾角和方位角的计算。
数据输出后，传输至数据清洗单元，完成数据的异常检测、纠偏，对数据整理对应。
判断是否已经完成了所有资源的测试，如未完成，则继续进行其他资源的图像采集，如完成，则对所有识别清洗后的数据进行结构化存储，所有数值与图像对应。
完成对应关系及数据的存储，对数据进行持久化，并可以对数据进行展示，如测试进度、数据详情。
数据关联分析，资源的端侧数据在服务端持久化后，进行挖掘分析，可以对设备的生命周期进行评估、可预测故障，并为其他自智网络相关系统提供基础数据源。
对于前端AI识别后数据与服务端存储的分析数据，都可通过高可视化的方式展现给用户。可通过3D方式或者AR方式进行展示，其中3D方式是将测量数据基本模型化，将三维模型展示在3D地图中，AR方式是将数据基本信息叠加在对应位置的资源实景上，对应数据可以展示详情等相关信息，并可以进行更新操作。
经过以上步骤后，完成一次资源巡检测试。
本实施例中，利用无人机特有的空间坐标获取能力，与可识别无线基站天线的AI训练模型相结合，进行空间坐标拟合，能够精确的计算出对无线覆盖领域非常重要的天线角度信息(下倾角、方向角)，对测量效率、准确度的提升提供了极大的帮助。使用无人机等非接触式的图像采集，避免了资源数据采集过程中的高危作业，并且对外界环境的要求大大降低。测量手段的变化，使工具的学习使用成本降低，对测量过程的效率也会有较大的促进提升。高可视化的AR以及3D方式，给予更直观的展示，提高了用户体验以及操作效率。对端侧资源的统一管理，以及数据准确性的提升，此类数据可为其他系统提供基础数据源，对网络自智具有极大的帮助。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
实施例2
在本实施例中还提供了一种基站天线位姿信息勘探装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图8是根据本发明实施例的一种基站天线位姿信息勘探装置的结构示意图，如图8所示，该装置包括：
第一获取模块802，用于获取无人机采集的基站天线的图像信息；
第二获取模块804，用于根据预设的图像识别模型和所述图像信息，获取基于所述无人机所处位置，所述基站天线各个顶点的相对空间坐标信息；所述图像识别模型用于识别所述图像信息中包含的基站天线的各个顶点的相对空间坐标信息；
计算模块806，用于根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息。
由于第二获取模块804中图像识别模型可以识别无人机采集的基站天线的图像信息，得到基站天线各个顶点的相对空间坐标信息，因此，在无人机采集基站天线的图像时，不需要固定角度测量，可根据基站天线各个顶点的相对空间坐标信息和无人机所处位置计算基站天线的位姿信息，因此，可以解决在测量过程中对无人机操控及天气环境要求较高的技术问题，达到降低了无人机飞行要求，提升测量效率与测量准确度的技术效果。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
获取无人机采集的基站天线的图像信息；
根据预设的图像识别模型和所述图像信息，获取基于所述无人机采集所述图像信息时所处位置，所述基站天线各个顶点的相对空间坐标信息；所述图像识别模型用于识别所述图像信息中包含的基站天线的各个顶点的相对空间坐标信息；
根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
实施例4
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。将图1中的存储器104作为该电子装置中的一种存储器的一种示例。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
获取无人机采集的基站天线的图像信息；
根据预设的图像识别模型和所述图像信息，获取基于所述无人机采集所述图像信息时所处位置，所述基站天线各个顶点的相对空间坐标信息；所述图像识别模型用于识别所述图像信息中包含的基站天线的各个顶点的相对空间坐标信息；
根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种基站天线位姿信息勘探方法，其特征在于，包括：
获取无人机采集的基站天线的图像信息；
根据预设的图像识别模型和所述图像信息，获取基于所述无人机采集所述图像信息时所处位置，所述基站天线各个顶点的相对空间坐标信息；所述图像识别模型用于识别所述图像信息中包含的基站天线的各个顶点的相对空间坐标信息；
根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息。
2.根据权利要求1所述的方法，其特征在于，所述位姿信息包括位置信息和姿态信息；根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息，包括：
根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位置信息；
以及，根据所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的姿态信息。
3.根据权利要求2所述的方法，其特征在于，所述姿态信息包括下倾角和方位角；所述相对空间坐标信息包括X轴坐标、Y轴坐标和Z轴坐标；根据所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的姿态信息，包括：
根据所述基站天线各个顶点的所述X轴坐标和所述基站天线各个顶点的所述Z轴坐标，计算所述基站天线的所述下倾角；
以及，根据所述基站天线各个顶点的所述X轴坐标和所述基站天线各个顶点的所述Y轴坐标，计算所述基站天线的所述方位角。
4.根据权利要求3所述的方法，其特征在于，所述基站天线包括四个侧面；
根据所述基站天线各个顶点的所述X轴坐标和所述基站天线各个顶点的所述Z轴坐标，计算所述基站天线的所述下倾角，包括：
确定所述基站天线任意两个相邻侧面的相交线；
确定任一所述相交线上包括的两个所述顶点；
根据两个所述顶点的所述X轴坐标和两个所述顶点的所述Z轴坐标，计算所述基站天线的所述下倾角；所述下倾角与两个所述X轴坐标之差的模正相关，所述下倾角与两个所述Z轴坐标之差的模负相关。
5.根据权利要求3所述的方法，其特征在于，所述基站天线包括四个侧面和两个底面，所述四个侧面中包括第一侧面和与所述第一侧面相对的第二侧面；
根据所述基站天线各个顶点的所述X轴坐标和所述基站天线各个顶点的所述Y轴坐标，计算所述基站天线的方位角，包括：
确定所述基站天线的第一侧面、第二侧面和两个底面中任意两个相邻面的相交线；
确定任一所述相交线上包括的两个所述顶点；
根据两个所述顶点的所述X轴坐标和两个所述顶点的所述Y轴坐标，计算所述基站天线的所述方位角；所述方位角与两个所述Y轴坐标之差的模正相关，所述方位与两个所述X轴坐标之差的模负相关。
6.根据权利要求1所述的方法，其特征在于，根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息之后，所述方法还包括：
将所述基站天线的位姿信息发送至移动终端；以在所述移动终端确定采集的实时画面中包括所述基站天线时，在所述移动终端的实时画面中显示所述基站天线的位姿信息。
7.根据权利要求1所述的方法，其特征在于，根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息之后，所述方法还包括：
对所述基站天线的位姿信息进行数据清洗重整，以进行数据的异常检测和纠偏。
8.一种基站天线位姿信息勘探装置，其特征在于，所述装置包括：
第一获取模块，用于获取无人机采集的基站天线的图像信息；
第二获取模块，用于根据预设的图像识别模型和所述图像信息，获取基于所述无人机所处位置，所述基站天线各个顶点的相对空间坐标信息；所述图像识别模型用于识别所述图像信息中包含的基站天线的各个顶点的相对空间坐标信息；
计算模块，用于根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息。
9.一种基站天线位姿信息勘探系统，其特征在于，所述系统包括图像采集单元和数据处理单元；
所述图像采集单元包括无人机；所述无人机用于采集基站天线的图像信息，并将所述图像信息发送至所述数据处理单元；
所述数据处理单元用于获取无人机采集的基站天线的图像信息；根据预设的图像识别模型和所述图像信息，获取基于所述无人机所处位置，所述基站天线各个顶点的相对空间坐标信息；所述图像识别模型用于识别所述图像信息中包含的基站天线的各个顶点的相对空间坐标信息；根据所述无人机所处位置和所述基站天线各个顶点的相对空间坐标信息，计算所述基站天线的位姿信息。
10.根据权利要求9所述的系统，其特征在于，所述系统还包括人机交互设备和数据清洗单元；
所述人机交互设备包括智能终端，所述智能终端用于从所述数据处理单元接收所述基站天线的位姿信息，在确定采集的实时画面中包括所述基站天线时，在所述实时画面中显示所述基站天线的位姿信息；
所述数据清洗单元用于对所述基站天线的位姿信息进行数据清洗重整，并将清洗重整后的位姿信息作为所述基站天线的位姿信息。
11.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至7任一项中所述的方法。
12.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7任一项中所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211111722.5A CN117746261A (zh) | 2022-09-13 | 2022-09-13 | 一种基站天线位姿信息勘探方法、装置、系统及存储介质 |
| PCT/CN2023/115973 WO2024055846A1 (zh) | 2022-09-13 | 2023-08-30 | 一种基站天线位姿信息勘探方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211111722.5A CN117746261A (zh) | 2022-09-13 | 2022-09-13 | 一种基站天线位姿信息勘探方法、装置、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117746261A true CN117746261A (zh) | 2024-03-22 |
Family
ID=90274199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211111722.5A Pending CN117746261A (zh) | 2022-09-13 | 2022-09-13 | 一种基站天线位姿信息勘探方法、装置、系统及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN117746261A (zh) |
| WO (1) | WO2024055846A1 (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100585834B1 (ko) * | 2003-03-21 | 2006-06-01 | 에스케이 텔레콤주식회사 | 무선통신 기지국 안테나의 재원 측정 및 교정 방법과 그시스템 |
| CN107121125B (zh) * | 2017-06-12 | 2019-05-14 | 哈尔滨工业大学 | 一种通讯基站天线位姿自动检测装置与方法 |
| CN110896331B (zh) * | 2018-09-13 | 2022-08-19 | 中兴通讯股份有限公司 | 一种测量天线工程参数的方法、装置和存储介质 |
| 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 |
| CN114531700B (zh) * | 2022-02-18 | 2022-10-14 | 北京航空航天大学云南创新研究院 | 一种非人工的基站天线工参采集系统及方法 |
-
2022
- 2022-09-13 CN CN202211111722.5A patent/CN117746261A/zh active Pending
-
2023
- 2023-08-30 WO PCT/CN2023/115973 patent/WO2024055846A1/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024055846A1 (zh) | 2024-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108344397B (zh) | 基于倾斜摄影技术的自动化建模方法、系统及其辅助装置 | |
| CN111415409B (zh) | 一种基于倾斜摄影的建模方法、系统、设备和存储介质 | |
| CN109931945B (zh) | Ar导航方法、装置、设备和存储介质 | |
| CN113820735B (zh) | 位置信息的确定方法、位置测量设备、终端及存储介质 | |
| US20230236280A1 (en) | Method and system for positioning indoor autonomous mobile robot | |
| CN106017463A (zh) | 一种基于定位传感装置的飞行器定位方法 | |
| CN112348886B (zh) | 视觉定位方法、终端和服务器 | |
| JP2001503134A (ja) | 携帯可能な手持ちデジタル地理データ・マネージャ | |
| US12131501B2 (en) | System and method for automated estimation of 3D orientation of a physical asset | |
| CN107607090B (zh) | 建筑物投影纠正方法及装置 | |
| CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
| CN110703805B (zh) | 立体物体测绘航线规划方法、装置、设备、无人机及介质 | |
| CN112365549B (zh) | 车载相机的姿态校正方法、装置和存储介质及电子装置 | |
| KR102130687B1 (ko) | 다중 센서 플랫폼 간 정보 융합을 위한 시스템 | |
| CN111710040B (zh) | 一种高精度地图的构建方法、系统、终端和存储介质 | |
| CN111337037B (zh) | 移动激光雷达slam制图装置及数据处理方法 | |
| CN112967392A (zh) | 一种基于多传感器触合的大规模园区建图定位方法 | |
| CN112419501A (zh) | 一种地空异构协同地图构建方法 | |
| CN112489032A (zh) | 一种复杂背景下无人机载小目标检测定位方法及系统 | |
| CN107449404B (zh) | Dlg数据采集方法及装置 | |
| CN115797256A (zh) | 基于无人机的隧道岩体结构面信息的处理方法以及装置 | |
| CN113960614A (zh) | 一种基于帧-地图匹配的高程图构建方法 | |
| CN116858215B (zh) | 一种ar导航地图生成方法及装置 | |
| CN111612829B (zh) | 一种高精度地图的构建方法、系统、终端和存储介质 | |
| CN114077249A (zh) | 一种作业方法、作业设备、装置、存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |