通信行业天面类资源识别与三维重建

摘  要

为了实现对现存无线网资源更好的数字化管理，通常需要借助三维重建技术完成其数字孪生。但是在天面类资源的应用场景下，由于其种类的多样性以及环境的复杂性，简单采用无人机或全景相机进行3D建模的方法并不能普遍应用。随着人工智能技术的兴起，借助参数识别而非扫描的方法可以更加精准且迅速地实现天面类资源的三维重建。经过数据采集与实地实验，结合识别算法与预置模型组装可以很好地完成通信行业天面类资源的三维重建任务。

  引  言     

目前通信行业的资源可视化手段主要为数据各类形式展现和GIS呈现2种方式，还未实现实物世界与数字世界的一一对应。随着VR、3D和传感技术的发展，虚拟数字世界与真实世界的互动成为可能。但是在前期调研工作中发现，天面类资源因其所在室外环境的不确定性与复杂性，目前3D建模主要采用无人机，但因无人机操控复杂、影像3D无法实现自动化处理以及图像识别等关键技术数据匮乏，未能满足普及推广使用的条件。

本文借助时下热门的人工智能算法，通过将天面类资源参数拆分，探索出一套天面类资源自动化3D建模方案，可以实现基站铁塔和天线的数字孪生，推动网络资源可视化管理。

   0 1   

天面类资源三维建模研究发展现状

目前业界室外场景的三维建模方法主要分为 2种：一种为将场景内容显式地表达为点云、网格、体素等元素的集合，另一种则借助神经网络将场景隐式地抽象为一个连续的5D神经辐射场（Neural Radiance Field，NeRF），通过大量参数来拟合场景内光线的传播情况。在显式建模中，关键技术主要分为2步，分别为运动恢复结构（Structure from Motion，SfM）的稀疏重建与多视图立体（Multi View Stereo，MVS）的稠密重建。在稀疏重建中，关键的技术点是需要通过匹配不同图像中的同一关键点来还原不同图片相机的位姿信息。但是在室外天面类资源中，因为其表面纹理特征不清晰，外加大量的仰拍天空占比，从图像中还原位姿变得困难无比。参考实地拍摄图片（见图1），图像内存在大量的树木与天空噪声，难以匹配关键点信息。而另一种NeRF算法，由于需要多角度的隐式模式匹配，其输入往往需要进行多角度的环绕拍摄图像，而在室外对近40 m高的铁塔进行环绕拍摄对于拍摄硬件与人体条件的要求又过分苛刻，此方法也同样不能用于室外天面类资源的三维重建场景中。

图1 真实室外天面类资源场景

   0 2   

天面类资源三维建模新方案

在天面类资源的数字孪生过程中，工作人员并不会细致地关注铁塔上的走线或杂物情况，其资源关注点主要为铁塔种类、天线挂高以及铁塔每层的挂杆占用率。这些使得天面类资源参数化成为可能，即在资源的数字孪生体中主要表现出塔的种类、平台层数、天线挂高以及占用情况即可，无需做到细致如塔顶鸟巢的建模。因此在多次实地实验与算法验证后，本文提出一种全新的天面类资源三维建模方案：通过将铁塔拆分为高度、类别2种维度的信息，分别训练高度估计与目标检测2种人工智能算法，实现铁塔的关键信息识别；在信息提取完全后，再利