[发明专利]一种基于端云协同的室内皮基站检测与定位方法及装置

说明书

本发明公开了一种基于端云协同的室内皮基站检测与定位方法及装置，包括：首先利用双目相机采集待检测画面；然后将画面传入端侧平台进行深度计算；之后将视频帧送入缓冲区，并将缓冲区的第一个视频帧送入云侧平台进行目标检测与特征提取；再将边界框、特征点与标签传回端侧平台进行跟踪，并将检测与定位结果渲染在显示设备上。本申请在跟踪过程中会自适应地根据累积跟踪误差、当前帧与上一帧的灰度差值、已跟踪的视频帧数量以及送检但未返回结果的视频帧数量判断是否将当前视频帧送至云端进行检测，从而最大限度地利用检测资源。本发明采用端云协同的模式，在满足显示画面流畅要求的同时，降低了嵌入式设备能耗，解决了工程落地的问题。

技术领域

本发明属于目标检测与定位领域，特别是涉及一种基于端云协同的室内皮基站检测与定位方法及装置。

背景技术

随着通信技术的快速发展，5G逐渐走进人们的生活，基于5G技术的应用也层出不穷。其中利用室内皮基站对用户终端进行定位是5G的重要应用之一，但是这就对皮基站的坐标测量提出了小误差的要求。但是由于皮基站是以信号尽可能全面覆盖当前场景为目的去布设的，因此皮基站在室内的分布不具备规律性，基站坐标测量难度较大，传统方法会浪费大量的人工与时间成本。

现有的皮基站定位方法以人工使用激光测距设备定位为主，误差较大，因为当激光设备距离皮基站较远时，1度激光线的测角误差会导致皮基站坐标产生3-4米误差。因此设计一套皮基站检测与定位方法是非常必要的，既可以自动化的识别并定位画面中的多个皮基站，提高测量人员的工作效率，又可以降低坐标测量误差。但是现有的目标识别与定位装置存在以下问题：

1、传统的目标识别与定位通常部署在台式计算机中，不适用于皮基站定位的场景。例如在商场中一层楼会部署数十个皮基站，这就要求整套装置需要不停移动才能对所有皮基站进行定位，而台式设备显然无法满足。

2、使用可移动的嵌入式设备可以满足皮基站定位场景，但是目标检测算法对硬件设备提出了较高的算力要求，而嵌入式设备算力有限，执行一次检测需要消耗较长时间，导致整套装置实时性低，用户体验很差。

3、传统的端云协同方式是通过端侧与云侧相互协作，将目标检测部分的算力卸负到云上，然后将结果发回端侧。但是当检测帧率较高时，网络带宽占用比较大，传回端侧的结果有时延，会导致定位结果不准确。

发明内容

本发明的目的是提供一种基于端云协同的室内皮基站检测与定位方法及装置，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了一种基于端云协同的室内皮基站检测与定位方法，包括：

采集皮基站图像，端侧对所述皮基站图像进行深度估计获得深度图；

云侧获取所述皮基站图像的边界框、目标标签、目标特征点发送至端侧进行目标跟踪，计算跟踪过程中的跟踪累积误差、帧差分值、已跟踪视频帧数量，设定送检条件，并分别判断是否满足送检条件，若是则将下一帧图像发送至云侧进行信息获取，进行KLT跟踪，若不是则根据所述深度图与所述边界框计算皮基站最终坐标，显示皮基站定位结果。

可选的，采集皮基站图像的过程包括：将双目相机固定在四轮小车上，所述四轮小车匀速平稳移动并采集皮基站图像。

可选的，深度估计的过程包括：采用Sobel算子对所述皮基站图像进行梯度滤波后，进行代价运算，将每个像素点的代价值采用领域的代价值总和替代，采用动态规划获得进行替代处理后每个像素点代价值最小最优视差并转换，获得深度图。

可选的，目标跟踪的过程包括：构建基于YOLOv5s网络的目标检测模型，在所述目标检测模型中添加160*160检测特征图，在模型的head中17层后对特征图进行上采样，在检测层添加小目标检测层；采用添加后的模型进行目标跟踪。