[发明专利]一种非人工的基站天线工参采集系统及方法

权利要求书

1.一种非人工的基站天线工参采集方法，其特征在于，该方法包括以下步骤：

S1：云端平台使用图像识别算法建立天线图像模型库；

S2：获取点云数据，并生成点云文件；

S3：获取基站天线工参：根据点云数据中天线结构体内的空间点的三维坐标信息，结合统计学算法计算得到基站天线工参；

步骤S1中，所述图像识别算法是使用深度学习算法自动识别并且标出目标营运商天线；所述深度学习算法包括：采用目标识别的Yolo框架，用历史无人机拍摄的图片和视频截图作为图片数据集；根据不同营运商，对图片数据集中的天线进行人工标注；然后训练模型进行天线特征的提取；模型训练采用YOLOv5l的权重作为初始权重，并采用YOLOv5l的模型深度和广度倍率。

2.根据权利要求1所述的非人工的基站天线工参采集方法，其特征在于，步骤S2中，生成点云文件，具体包括：获取连续分段的原始点云数据、基站数据和轨迹数据，通过移动测图软件解算成数个las格式的点云文件，再通过三维点云处理软件筛选合并，生成最终的点云文件。

3.根据权利要求1所述的非人工的基站天线工参采集方法，其特征在于，步骤S3中，采用统计学算法计算得到基站天线工参，具体为：采用随机抽样一致算法计算天线方位角和下倾角。

4.根据权利要求3所述的非人工的基站天线工参采集方法，其特征在于，步骤S3中，所述随机抽样一致算法是通过多次迭代，按照概率学统计规律预估数学几何模型的位置；具体包括：从一组包含几何模型内点云和结构体外点云的观测点云中，通过概率统计的方式，当估算的模型结构中所覆盖的点云数量达到目标概率值时，将估算的模型保存，利用不断迭代优化所估算的数学模型的参数，以计算预估天线的目标位置。

5.根据权利要求4所述的非人工的基站天线工参采集方法，其特征在于，步骤S3中，采用随机抽样一致算法与天线模型拟合时，具有以下假设条件：

(1)天线结构体内的点云数据的分布按照长方体形状的天线模型结构来解释，及利用长方体的参数坐标来描述点云的分布情况；

(2)天线结构体外的点云数据分布在通过参数拟合的长方体之外；

(3)除(1)、(2)中与结构体相关的点云外，其余的点云数据均看作噪声。

6.根据权利要求5所述的非人工的基站天线工参采集方法，其特征在于，步骤S3中，采用随机抽样一致算法进行天线模型拟合，具体包括以下步骤：

S31：抽样选择初始点云；

在点云中随机选取四个点作为长方体一个的预测天线基础构型；

S32：拟合初始几何参数；

根据选取的四个点确定长方体的空间方程，用以获得天线的几何参数；

S33：模型校验，具体包括以下步骤：

S331：计算点云中任意一点到确定的六个平面的距离，以判断该点在预测构型内，还是预测构型之外；

对于点云中任意一点P₁，该点到其中一个平面距离d_i为：

其中，P_i为此平面上任意一点坐标，为此平面的法向量；如果点P₁在预测构型之内，即该点到两互相平行的面距离之和等于这两个面之间的距离，则将该点保存下来，并记录数量；

S332：重复步骤S331，如果点云中的点在天线模型内的数量比上一个模型更多，则保存新的模型；反之则保留上一个模型；

S333：当重复至最大迭代次数时，输出保存的最新模型，即为最优模型。