[發明專利]一種非人工的基站天線工參采集系統及方法

有效

• 申請號: 202210149725.1
• 申請日: 2022-02-18
• 公開（公告）號: CN114531700B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 王海泉;唐修博
• 申請（專利權）人: 北京航空航天大學云南創新研究院
• 主分類號: H04W24/02
• 分類號: H04W24/02;G01S17/42;G01S17/58;G01S17/86;G01S17/89;G06V20/17;G06N3/04;G06N3/08
• 代理公司: 重慶樂泰知識產權代理事務所(普通合伙) 50221
• 代理人: 雷鈔

本發明涉及一種非人工的基站天線工參采集系統及方法，屬于無線通信技術領域，具體公開了一種非人工的基站天線工參采集方法，包括：S1：云端平臺使用圖像識別算法建立天線圖像模型庫；S2：獲取點云數據，并生成點云文件；S3：獲取基站天線工參：根據點云數據中天線結構體內的空間點的三維坐標信息，結合統計學算法計算得到基站天線工參。本發明只需獲取天線點云數據、圖片和視頻信息即可實現天線工參的采集，大大降低無人機操作技能的要求和數據準確性的要求，提高天線工參采集的效率。

技術領域

本發明屬于無線通信技術領域，具體涉及了一種非人工的基站天線工參采集系統及方法。

背景技術

隨著通信基站天線數量的規模不斷增大，基站天線數量由最初的一個基站一個扇區只有一付2G天線發展到現在2G、3G、4G、5G天線同時出現在一個基站上，一個扇區可能出現4付天線，甚至還會出現一個基站多家營運商的多套通信系統同時出現在一個物理地址的現象，一個扇區天線數可能達到10多付的情況，為基站天線的工參采集增加了難度。目前天線工參的采集主要還是通過人工上站現場測量獲取，受物業、環境等因素影響比較大，存在攀爬高塔的安全風險和物業業主不在不能上站的現象。盡管已經出現了一些使用無人機采集天線參數的技術，這些技術主要是基于無人機通過人為控制無人機的飛行位置、姿態、與天線的距離和角度獲取現場數據，對無人機的操作技能要求很高，獲取數據的精確度也有一定要求，因此對天線工參采集效率存在一定程度的影響。

現有的天線工參采集技術主要存在以下一些缺陷：

(1)人工采集方式受物業和環境等因素影響，存在業主不在無法上站測量天線工參、一些高塔基站人工采集存在安全隱患等缺點。

(2)現有的無人機天線工參采集，對無人機操作技能要求高，對采集的數據準確性有一定要求，大大降低了數據采集效率，難以滿足日益增多的天線數量對于天線工參采集的需求。

發明內容

有鑒于此，本發明的目的在于提供一種非人工的基站天線工參采集系統及方法，通過在無人機上掛載激光雷達和攝像頭，只需獲取天線點云數據、圖片和視頻信息即可實現天線工參的采集，大大降低無人機操作技能的要求和數據準確性的要求，提高天線工參采集的效率。

為達到上述目的，本發明提供如下技術方案：

方案1、一種非人工的基站天線工參采集方法，包括以下步驟：

S1：云端平臺使用圖像識別算法建立天線圖像模型庫；

S2：獲取點云數據，并生成點云文件；

S3：獲取基站天線工參：根據點云數據中天線結構體內的空間點的三維坐標信息，結合統計學算法計算得到基站天線工參。

進一步，步驟S1中，所述圖像識別算法是使用深度學習算法自動識別并且標出目標營運商天線；所述深度學習算法包括：采用目標識別的Yolo框架，用歷史無人機拍攝的圖片和視頻截圖作為圖片數據集；根據不同營運商，對圖片數據集中的天線進行人工標注；然后訓練模型進行天線特征的提取；模型訓練采用YOLOv5l的權重作為初始權重，并采用YOLOv5l的模型深度和廣度倍率。

進一步，步驟S2中，生成點云文件，具體包括：獲取連續分段的原始點云數據、基站數據和軌跡數據，通過移動測圖軟件StarSolve解算成數個las格式的點云文件，再通過cloud compare三維點云處理軟件篩選合并，生成最終的點云文件。

進一步，步驟S3中，采用統計學算法計算得到基站天線工參，具體為：采用隨機抽樣一致算法計算天線方位角和下傾角。