[发明专利]基于深度学习的天线姿态参数检测方法、装置及存储介质

说明书

本发明公开了基于深度学习的天线姿态参数检测方法、装置及存储介质，所述方法包括获取航拍图片；将所航拍图片输入至预设的深度学习模型，得到所述深度学习模型的输出结果；若所述输出结果中包含有所述天线目标对应的坐标参数和天线目标的分类结果，所述天线目标对应的坐标参数指向的天线目标框在所述航拍图片中圈定的图像中存在天线目标；获取所述航拍图片的拍摄实体的姿态数据；根据所述述天线目标对应的坐标参数、天线目标的分类结果和所述姿态数据计算所述天线目标的姿态。本发明可以通过航拍减少人工接触式测量的安全隐患，避免测量人员攀爬天线塔，并达到降低操作人员操作难度、简化天线参数测量过程和提升天线测量精度的目的。

技术领域

本发明涉及天线角度测量领域，尤其涉及基于深度学习的天线姿态参数检测方法、装置及存储介质。

背景技术

随着4G、5G网络的不断发展，越来越多的基站建立起来。基站的天线是基站发射和接收信号的核心部件，基站天线的初始设定姿态参数可能会随着气候与外界的干扰发生变化，这样的变化会影响天线对信号的接收与发送，从而影响通信的质量。然而，扇形天线的俯仰角和方位角是两个最重要的姿态影响参数。因此，需要对天线的姿态参数进行相应的测量和维护。

目前，普遍的天线姿态测量的方法都是通过人工手工测量完成的，这样的方法需要依靠工人攀爬到天线基站上，利用物理仪器对天线的姿态参数进行测量，这样的测量方式在效率与安全方面都是巨大的问题。因为天线数量庞大并且天线高度要求一般在10米以上，这就产生了工人的安全问题。而使用非接触式的方式完成天线姿态的测量能够很大程度减少人工成本和安全隐患，就成为可行的天线姿态测量的研究方向。

随着无人机技术的高速发展，结合无人机技术实现的非接触式检测得到了长足的发展。但由于目前的非接触天线姿态测量方法都需要操作人员人工操控无人机并通过手动操作来定位框选天线位置来完成测量，这增加了操作人员的使用难度，对操作人员的要求也随之升高，容易出现较大误差，并且也容易耗费较多时间。

发明内容

为了解决现有技术中非接触式天线姿态测量方法中人力成本存在过大消耗，人工框选天线位置导致精度降低的问题，同时提升非接触式天线姿态测量的自动化智能化程度，本发明实施例提供基于深度学习的天线姿态参数检测方法、装置及存储介质。

一方面，本发明提供了一种基于深度学习的天线姿态参数检测方法，所述方法包括：

获取航拍图片；

将所航拍图片输入至预设的深度学习模型，得到所述深度学习模型的输出结果；

若所述输出结果中包含有所述天线目标对应的坐标参数和天线目标的分类结果，所述天线目标对应的坐标参数指向的天线目标框在所述航拍图片中圈定的图像中存在天线目标；

获取所述航拍图片的拍摄实体的姿态数据；

根据所述述天线目标对应的坐标参数、天线目标的分类结果和所述姿态数据计算所述天线目标的姿态。

另一方面，本发明提供一种基于深度学习的天线姿态参数检测装置，所述装置包括：

航拍图片获取模块，用于获取航拍图片；

机器学习输出模块，用于将所航拍图片输入至预设的深度学习模型，得到所述深度学习模型的输出结果；

判定模块，用于判断所述输出结果中是否包含有所述天线目标对应的坐标参数和天线目标的分类结果，以及所述天线目标对应的坐标参数指向的天线目标框在所述航拍图片中圈定的图像中是否存在天线目标；

姿态数据获取模块，用于获取所述航拍图片的拍摄实体的姿态数据；

姿态计算模块，用于根据所述述天线目标对应的坐标参数、天线目标的分类结果和所述姿态数据计算所述天线目标的姿态。