[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

权利要求书

1.一种基于深度学习的天线姿态参数检测方法，其特征在于，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，并且所述基于天线目标对应的坐标参数得到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；

所述方法还包括得到预设的深度学习模型，所述得到预设的深度学习模型包括：

基于原始目标监测网络构建深度学习模型；

获取用于训练所述深度学习模型的先验信息集；

基于所述先验信息集训练所述深度学习模型，得到所述预设的深度学习模型，所述预设的深度学习模型能够根据输入的带有天线目标的航拍图片输出天线目标对应的坐标参数和所述天线目标对应的分类结果；所述基于原始目标监测网络构建深度学习模型，包括：

将原始目标监测网络的特征提取子网络替换为移动网结构，得到第一机器学习模型；

将所述第一机器学习模型的输出子网络确定为三分类输出网络，得到深度学习模型，所述三分类输出网络用于输出天线目标的顶面，天线目标的侧面或天线目标的背景。

2.根据权利要求1所述的方法，其特征在于，所述根据所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，包括：

获取所述天线目标的分类结果，所述天线目标的分类结果包括顶面或侧面；

若所述天线目标的分类结果为顶面，则基于所述所述天线目标对应的坐标参数和所述姿态数据计算所述天线目标的方位角；

若所述天线目标的分类结果为侧面，则基于所述天线目标对应的坐标参数和所述姿态数据计算所述天线目标的俯仰角。

3.根据权利要求2所述的方法，其特征在于，所述基于所述所述天线目标对应的坐标参数和所述姿态数据计算所述天线目标的方位角，包括：

基于所述天线目标对应的坐标参数在航拍图片中提取能代表天线状态的直线；

若所述直线与水平方向一致，则根据所述姿态数据计算所述天线目标的方位角。

4.根据权利要求3所述的方法，其特征在于，所述基于所述天线目标对应的坐标参数和所述姿态数据计算所述天线目标的俯仰角，包括：

基于所述天线目标对应的坐标参数在航拍图片中提取能代表天线状态的直线；

将所述能代表天线状态的直线与水平方向的夹角确定为所述天线目标的俯仰角。

5.一种基于深度学习的天线姿态参数检测装置，其特征在于，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，以及所述基于天线目标对应的坐标参数得到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；

所述装置还包括深度学习模型构建模块，所述深度学习模型构建模块包括：

网络构建单元，用于基于原始目标监测网络构建深度学习模型；

先验信息获取单元，用于获取用于训练所述深度学习模型的先验信息集；

训练单元，用于基于所述先验信息集训练所述深度学习模型，得到所述预设的深度学习模型，所述预设的深度学习模型能够根据输入的带有天线目标的航拍图片输出天线目标对应的坐标参数和所述天线目标对应的分类结果；

所述网络构建单元，包括：

第一修正子单元，用于将原始目标监测网络的特征提取子网络替换为移动网结构，得到第一机器学习模型；

第二修正子单元，用于将所述第一机器学习模型的输出子网络确定为三分类输出网络，得到深度学习模型，所述三分类输出网络用于输出天线目标的顶面，天线目标的侧面或天线目标的背景。