CN108846325A - 目标区域作业的规划方法、装置、存储介质及处理器 - Google Patents

目标区域作业的规划方法、装置、存储介质及处理器 Download PDF

Info

Publication number
CN108846325A
CN108846325A CN201810525552.2A CN201810525552A CN108846325A CN 108846325 A CN108846325 A CN 108846325A CN 201810525552 A CN201810525552 A CN 201810525552A CN 108846325 A CN108846325 A CN 108846325A
Authority
CN
China
Prior art keywords
height
subregion
region
path
geometric center
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810525552.2A
Other languages
English (en)
Inventor
代双亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Xaircraft Technology Co Ltd
Original Assignee
Guangzhou Xaircraft Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Xaircraft Technology Co Ltd filed Critical Guangzhou Xaircraft Technology Co Ltd
Priority to CN201810525552.2A priority Critical patent/CN108846325A/zh
Publication of CN108846325A publication Critical patent/CN108846325A/zh
Priority to US17/044,105 priority patent/US20210150184A1/en
Priority to EP19812180.8A priority patent/EP3805981A4/en
Priority to PCT/CN2019/071998 priority patent/WO2019227948A1/zh
Priority to JP2020566656A priority patent/JP2021525426A/ja
Priority to AU2019276115A priority patent/AU2019276115B2/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B79/00—Methods for working soil
    • A01B79/005—Precision agriculture
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B69/00—Steering of agricultural machines or implements; Guiding agricultural machines or implements on a desired track
    • A01B69/007—Steering or guiding of agricultural vehicles, e.g. steering of the tractor to keep the plough in the furrow
    • A01B69/008—Steering or guiding of agricultural vehicles, e.g. steering of the tractor to keep the plough in the furrow automatic

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)

Abstract

本发明公开了一种目标区域作业的规划方法、装置、存储介质及处理器。该方法包括：获取待作业目标区域的地图影像信息；从地图影像信息中识别出待作业目标区域包含的多个子区域，其中，多个子区域与多个待作业对象相对应；根据多个子区域规划作业设备在待作业目标区域内的行动路径，以控制作业设备在沿行动路径作业时遍历多个子区域。本发明解决了相关技术中所采用的果园植保方式易造成资源的浪费、且成本较高的技术问题。

Description

目标区域作业的规划方法、装置、存储介质及处理器
技术领域
本发明涉及计算机领域，具体而言，涉及一种目标区域作业的规划方法、装置、存储介质及处理器。
背景技术
中国是果业大国，近些年来的水果种植面积和产量一直稳居世界第一，同时也是世界上最大的水果消费国。为了确保果业健康有序地发展，机械化果园植保将会是促进果业发展的重要研究课题。果园植保主要关注于果树的病虫害的防治，只有果树管理适当才能产出优质的果实。相对于农田植保来讲，果园植株的密集度较低。如果采用大田作业方式，则易造成农药和水资源的浪费。而如果采用人工精密定位方式，则又会为植保添加额外程序，需要浪费更多的人力、物力和财力。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明至少部分实施例提供了一种目标区域作业的规划方法、装置、存储介质及处理器，以至少解决相关技术中所采用的果园植保方式易造成资源的浪费、且成本较高的技术问题。
根据本发明其中一实施例，提供了一种目标区域作业的规划方法，包括：
获取待作业目标区域的地图影像信息；从地图影像信息中识别出待作业目标区域包含的多个子区域，其中，多个子区域与多个待作业对象相对应；根据多个子区域规划作业设备在待作业目标区域内的行动路径，以控制作业设备在沿行动路径作业时遍历多个子区域。
可选地，从地图影像信息中识别出待作业目标区域包含的多个子区域包括：从地图影像信息中识别出多个子区域中每个子区域的几何中心位置以及每个子区域的外轮廓。
可选地，当外轮廓为圆形时，几何中心位置为圆形的圆心位置；当外轮廓为矩形时，几何中心位置为矩形的中心位置；当外轮廓为椭圆形时，几何中心位置为椭圆的圆心位置；当外轮廓为不规则形状时，几何中心位置为不规则形状的形心位置。
可选地，根据多个子区域规划作业设备在待作业目标区域内的行动路径包括：基于多个子区域中每个子区域的几何中心位置生成遍历待作业目标区域内多个待作业对象的过渡路径；基于多个子区域中每个子区域的外轮廓规划多个待作业对象的作业路径；在过渡路径添加作业路径，以生成作业设备在待作业目标区域内的行动路径。
可选地，基于多个子区域中每个子区域的几何中心位置生成遍历待作业目标区域内多个待作业对象的过渡路径包括：选取步骤，多个子区域中选取与作业设备的起飞位置距离最近的子区域为起始子区域；建立步骤，从起始子区域的几何中心位置开始，依次查找与当前子区域距离最近的相邻子区域的几何中心位置，并在相邻几何中心位置之间建立过渡路径；判断步骤，判断是否存在尚未连通的子区域，如果是，则返回建立步骤，直至生成遍历多个待作业对象的过渡路径。
可选地，基于多个子区域中每个子区域的外轮廓规划多个待作业对象的作业路径包括：确定步骤，根据从多个子区域中选取的当前子区域的外轮廓确定当前子区域的实际面积；第一判断步骤，当实际面积小于预设面积时，采用定点自转作业路径；当实际面积大于或等于预设面积时，采用螺旋作业路径和/或往返作业路径；第二判断步骤，判断多个子区域是否全部规划完毕，如果否，则返回确定步骤，以便为当前子区域相邻的下一个子区域内的待作业对象规划作业路径，直至多个待作业对象的作业路径全部规划完毕。
可选地，第一判断步骤包括：根据作业设备的作业幅宽确定预设面积，当当前子区域的最大直径小于作业幅宽时，采用定点自转作业路径；当当前子区域的最大直径大于或等于作业幅宽时，采用螺旋作业路径和/或往返作业路径。
可选地，当相邻的两个或多个子区域的重合面积大于或等于预设阈值，或，当相邻的两个或多个子区域重合面积大于或等于预设占比时，将相邻的两个或多个子区域确定为一个子区域。
可选地，在控制作业设备在沿行动路径作业时遍历多个子区域之前，还包括：获取第一高度、第二高度、第三高度和第四高度，其中，第一高度为每个待作业对象的测绘海拔高度，第二高度为作业设备的起飞点海拔高度，第三高度为每个待作业对象自身高度，第四高度为每个待作业对象自身高度的基础上增加的预设高度；采用第一高度、第二高度、第三高度和第四高度计算作业设备的实际飞行高度。
根据本发明其中一实施例，还提供了一种目标区域作业的规划装置，包括：
第一获取模块，用于获取待作业目标区域的地图影像信息；识别模块，用于从地图影像信息中识别出待作业目标区域包含的多个子区域，其中多个子区域与多个待作业对象相对应；规划模块，用于根据多个子区域规划作业设备在待作业目标区域内的行动路径，以控制作业设备在沿行动路径作业时遍历多个子区域。
可选地，识别模块，用于从地图影像信息中识别出多个子区域中每个子区域的几何中心位置以及每个子区域的外轮廓。
可选地，当外轮廓为圆形时，几何中心位置为圆形的圆心位置；当外轮廓为矩形时，几何中心位置为矩形的中心位置；当外轮廓为椭圆形时，几何中心位置为椭圆的圆心位置；当外轮廓为不规则形状时，几何中心位置为不规则形状的形心位置。
可选地，规划模块包括：生成单元，用于基于多个子区域中每个子区域的几何中心位置生成遍历待作业目标区域内多个待作业对象的过渡路径；规划单元，用于基于多个子区域中每个子区域的外轮廓规划多个待作业对象的作业路径；处理单元，用于在过渡路径添加作业路径，以生成作业设备在待作业目标区域内的行动路径。
可选地，生成单元包括：选取子单元，用于从多个子区域中选取与作业设备的起飞位置距离最近的子区域为起始子区域；建立子单元，用于从起始子区域的几何中心位置开始，依次查找与当前子区域距离最近的相邻子区域的几何中心位置，并在相邻几何中心位置之间建立过渡路径；判断子单元，用于判断是否存在尚未连通的子区域，如果是，则返回建立子单元，直至生成遍历多个待作业对象的过渡路径。
可选地，规划单元包括：确定子单元，用于根据从多个子区域中选取的当前子区域的外轮廓确定当前子区域的实际面积；第一判断子单元，用于当实际面积小于预设面积时，采用定点自转作业路径；当实际面积大于或等于预设面积时，采用螺旋作业路径和/或往返作业路径；第二判断子单元，用于判断多个子区域是否全部规划完毕，如果否，则返回确定子单元，以便为当前子区域相邻的下一个子区域内的待作业对象规划作业路径，直至多个待作业对象的作业路径全部规划完毕。
可选地，第一判断子单元，用于根据作业设备的作业幅宽确定预设面积，当当前子区域的最大直径小于作业幅宽时，采用定点自转作业路径；当当前子区域的最大直径大于或等于作业幅宽时，采用螺旋作业路径和/或往返作业路径。
可选地，当相邻的两个或多个子区域的重合面积大于或等于预设阈值，或，当相邻的两个或多个子区域重合面积大于或等于预设占比时，将相邻的两个或多个子区域确定为一个子区域。
可选地，上述装置还包括：第二获取模块，用于获取第一高度、第二高度、第三高度和第四高度，其中，第一高度为每个待作业对象的测绘海拔高度，第二高度为作业设备的起飞点海拔高度，第三高度为每个待作业对象自身高度，第四高度为每个待作业对象自身高度的基础上增加的预设高度；计算模块，用于采用第一高度、第二高度、第三高度和第四高度计算作业设备的实际飞行高度。
根据本发明其中一实施例，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述目标区域作业的规划方法。
根据本发明其中一实施例，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述目标区域作业的规划方法。
在本发明至少部分实施例中，采用获取待作业目标区域的地图影像信息，以及从地图影像信息中识别出待作业目标区域包含的与多个待作业对象相对应的多个子区域的方式，根据多个子区域规划作业设备在待作业目标区域内的行动路径并控制作业设备在沿行动路径作业时遍历多个子区域，达到了在实际应用时只需要选择待作业目标区域，然后***会直接根据所选择待作业目标区域的位置以及获取到的高清影像生成整个待作业目标区域的行动路径的目的，从而实现了既可以做到精准植保，又可以减少大量的人工成本的技术效果，进而解决了相关技术中所采用的果园植保方式易造成资源的浪费、且成本较高的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明其中一实施例的目标区域作业的规划方法的流程图；
图2是根据本发明其中一优选实施例的从高清地图影像中提取部分数据进行标注过程的示意图；
图3是根据本发明其中一优选实施例的从地图影像信息中识别出每个子区域的几何中心位置的示意图；
图4是根据本发明其中一优选实施例的过渡路径规划过程的示意图；
图5是根据本发明其中一实施例的目标区域作业的规划装置的结构框图；
图6是根据本发明其中一优选实施例的目标区域作业的规划装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明其中一实施例，提供了一种目标区域作业的规划方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明其中一实施例的目标区域作业的规划方法的流程图，如图1所示，该方法包括如下步骤：
步骤S12，获取待作业目标区域的地图影像信息；
步骤S14，从地图影像信息中识别出待作业目标区域包含的多个子区域，其中，多个子区域与多个待作业对象相对应；
步骤S16，根据多个子区域规划作业设备在待作业目标区域内的行动路径，以控制作业设备在沿行动路径作业时遍历多个子区域。
通过上述步骤，可以采用获取待作业目标区域的地图影像信息，以及从地图影像信息中识别出待作业目标区域包含的与多个待作业对象相对应的多个子区域的方式，根据多个子区域规划作业设备在待作业目标区域内的行动路径并控制作业设备在沿行动路径作业时遍历多个子区域，达到了在实际应用时只需要选择待作业目标区域，然后***会直接根据所选择待作业目标区域的位置以及获取到的高清影像生成整个待作业目标区域的行动路径的目的，从而实现了既可以做到精准植保，又可以减少大量的人工成本的技术效果，进而解决了相关技术中所采用的果园植保方式易造成资源的浪费、且成本较高的技术问题。
上述方法通常应用于遥控无人机作业的控制终端上。上述地图影像包括二维地图、三维地图、DSM地图、图画、影片、图片等。上述待作业目标区域可以包括但不限于：果园植保区域(例如：苹果园植保区域)、果实采摘区域(例如：苹果采摘区域)、果实剪枝区域(例如：葡萄剪枝区域、棉花剪枝区域)、田地区域(麦田收割区域)，在所述待作业目标区域中含有多个待作业对象，例如所述待作业区域为果园时，所述待作业对象为果树；当所述待作业目标区域为田地时，所述待作业对象为成片的小麦等作物。上述作业设备可以是具有植保作业功能的无人机，也可以为地面作业设备，如拖拉机。以下可选实施例将主要以果园植保区域为例进行解释说明。
可选地，在步骤S14中，从地图影像信息中识别出待作业目标区域包含的多个子区域可以包括以下执行步骤：
步骤S141，从地图影像信息中识别出多个子区域中每个子区域的几何中心位置以及每个子区域的外轮廓。
具体地，当外轮廓为圆形时，几何中心位置可以为圆形的圆心位置；当外轮廓为矩形时，几何中心位置可以为矩形的中心位置；当外轮廓为椭圆形时，几何中心位置可以为椭圆的圆心位置；当外轮廓为不规则形状时，几何中心位置可以为不规则形状的形心位置。识别上述几何中心位置，通常需要在地图影像中对其进行进一步的标注，本发明不限定标注形式，只要其能标识出外轮廓和中心位置即可，例如采用三个点标注一个圆，本领域内技术人员可以理解，当标注三个点时就可以按照惯常算法得到圆的外轮廓和圆心。又如采用矩形框标注矩形区域，又如采用四个点标注矩形区域，又如采用圆心标注圆形区域的中心位置，用圆形框标注圆心区域的外轮廓等。
在一个可选实施例中，首先，利用测绘无人机或者航拍无人机获取高清的地图影像。然后，鉴于获取到的地图影像所包含的数据量较大，为此，需要从获取到的地图影像中提取部分数据(例如：可见度较高的部分图像)进行标注作为训练集。标注方式是基于无人机采集的高清的地图影像，首先通过人工方式将每株果树的边缘采用预设形状(例如：圆形)加以标注，然后由终端自动生成对应的圆框数据。该圆框数据可以包括但不限于：高清地图影像中每株果树的真实圆心位置以及半径数据。
图2是根据本发明其中一优选实施例的从高清地图影像中提取部分数据进行标注过程的示意图，如图2所示，左侧为输入的原始图像，右侧则为从原始图像中提取可见度较高的部分数据进行标注的图像。右侧图像中出现的圆形线条即为标注的边界的数据。
在此基础上，深度网络模型主要是基于上述圆形标注的目标检测进行反复训练得到。具体过程如下：首先，将原始图像(通常为RGB图，其分辨率可以为256×256)作为输入项，通过卷积神经网络(CNN)得到特征图(通常为尺寸较小且分层的抽象图，其分辨率可以为16×16)。该卷积神经网络为预训练的分类网络。另外，考虑到特征图的层级越高，提取到的特征越抽象，而在果园中果树的分布相对密集，为此，在本发明提供的一个可选实施例中，将选用底层(即层级较低)的特征图，以便能够更加容易检测到目标物体(即每株果树)。其次，对特征图进行核为1的卷积处理以分别输出位置信息(loc)和所有目标分类的概率(logits(c1，c2，…cp))。loc可以表示为Δ(cx，cy，radius)，其中，cx，cy表示目标圆的中心点，radius表示半径的偏置值。logits则主要用于区分果树与其他物体以及背景。
在得到上述计算结果之后，还可以根据上述圆框数据分别计算分类损失值和圆的回归损失值，进而执行梯度反向传递处理，以优化模型参数，其具体计算过程如以下公式所示：
其中，P为正例目标(目标为果树)，Neg为反例目标(目标为背景)，l为标注圆的真实参数，g为标注圆的预测参数，d为默认值圆参数，smooth L1为损失函数。
图3是根据本发明其中一优选实施例的从地图影像信息中识别出每个子区域的几何中心位置的示意图，如图3所示，通过反复训练并修正上述深度网络模型，***可以根据输入的果园高清地图影像，能够通过使用AI图像识别技术准确地从地图影像信息中识别出多个子区域中每个子区域的几何中心位置并且加以标注。而在后续规划过程中，通过使用每株果树的几何中心位置即可完成行动路径规划。
需要说明的是，在上述可选实施例中，当相邻的两个或多个子区域的重合面积大于或等于预设阈值，或，当相邻的两个或多个子区域重合面积大于或等于预设占比时，相邻的两个或多个子区域可被确定为一个子区域。
可选地，在步骤S16中，根据多个子区域规划作业设备在待作业目标区域内的行动路径可以包括以下执行步骤：
步骤S161，基于多个子区域中每个子区域的几何中心位置生成遍历待作业目标区域内多个待作业对象的过渡路径；
步骤S162，基于多个子区域中每个子区域的外轮廓规划多个待作业对象的作业路径；
步骤S163，在过渡路径添加作业路径，以生成作业设备在待作业目标区域内的行动路径。
在本发明的一个可选实施例中，首先，通过上述深度学习和计算机视觉从待作业果园的高清影像中准确识别出每株果树的几何中心位置。其次，根据多个子区域中每个子区域的几何中心位置的像素坐标生成遍历待作业果园内各株果树的过渡路径。该过渡路径用于确定整个果园中每株果树的依次喷洒顺序。然后，再根据每个子区域的外轮廓规划每株果树的作业路径。作业路径用于确定整个果园中每株果树的药物喷洒方式。最终，通过将过渡路径与作业路径相结合，从而形成一整套能够喷洒整个果园内所有果树的完整行动路径。
可选地，在步骤S161中，基于多个子区域中每个子区域的几何中心位置生成遍历待作业目标区域内多个待作业对象的过渡路径可以包括以下执行步骤：
步骤S1611，多个子区域中选取与作业设备的起飞位置距离最近的子区域为起始子区域；
步骤S1612，从起始子区域的几何中心位置开始，依次查找与当前子区域距离最近的相邻子区域的几何中心位置，并在相邻几何中心位置之间建立过渡路径；
步骤S1613，判断是否存在尚未连通的子区域，如果是，则返回步骤S1612，直至生成遍历多个待作业对象的过渡路径。
在过渡路径生成过程中，首先，无人机需要从多个子区域中选取与无人机起飞位置最近的几何中心位置所在的子区域作为起始子区域；其次，从起始子区域的几何中心位置开始，根据最短路径算法从相邻的一个或多个几何中心位置中选取距离当前几何中心位置最近的子区域；然后，在当前子区域与选取的相邻子区域之间采用连线在这两个几何中心位置之间建立过渡路径。最终，通过将高清图像中标注的全部几何中心位置不重复地两两相连，得到无人机在整个果园的各株果树之间行进的过渡路径。
图4是根据本发明其中一优选实施例的过渡路径规划过程的示意图，如图4所示，通过输入原始图像，在获取到果园内各株果树的几何中心位置(A1，A2，…A35)之后，可以将距离无人机起飞位置最近的果树作为起始出发地。假设当前距离无人机起飞位置最近的果树为A1所在位置的果树，则A1所在的子区域即为起始子区域。从该从起始子区域的几何中心位置A1开始，查找与A1所在子区域距离最近的相邻子区域的几何中心位置A2，并在A1与A2之间建立过渡路径(其实质上为分段路径)。其次，判断是否存在尚未连通的子区域(即查找尚未连通的几何中心位置)，通过查找发现与A2所在子区域距离最近的相邻子区域的几何中心位置A3尚未连通，因此，需要在A1与A2之间建立过渡路径。然后，再判断是否存在尚未连通的子区域，通过查找发现与A3所在子区域距离最近的相邻子区域的几何中心位置A4尚未连通，因此，需要在A3与A4之间建立过渡路径。以此类推，直至A1至A35全部连通完毕，最终得到上述遍历果园内全部果树的过渡路径。
可选地，在步骤S162中，基于多个子区域中每个子区域的外轮廓规划多个待作业对象的作业路径可以包括以下执行步骤：
步骤S1621，根据从多个子区域中选取的当前子区域的外轮廓确定当前子区域的实际面积；
步骤S1622，当实际面积小于预设面积时，采用定点自转作业路径；当实际面积大于或等于预设面积时，采用螺旋作业路径和/或往返作业路径；
步骤S1623，判断多个子区域是否全部规划完毕，如果否，则返回步骤S1621，以便为当前子区域相邻的下一个子区域内的待作业对象规划作业路径，直至多个待作业对象的作业路径全部规划完毕。
在优选实施过程中，可以根据作业设备的作业幅宽(通常为1.5米-3米)确定预设面积。在当前子区域的最大直径小于作业幅宽时，可以采用定点自转作业路径。例如：控制无人机悬停在当前子区域的几何中心位置对应的上空，通过自转作业方式向当前果树喷洒农药。
在当前子区域的最大直径大于或等于作业幅宽时，采用螺旋作业路径和/或往返作业路径。具体地，螺旋作业路径特别适用于丘陵地区的果树植保服务，能够根据测绘信息和果树的生长情况自动规划喷洒路径。若果树的树冠直径较小，无人机会在果树上方，自旋一周进行喷洒。若果树的树冠直径较大，则无人机在果树上方，以树冠为中心，从中心到周边进行“蚊香状航线”飞行。另外，无人机只有在飞行到果树上方执行航线时，才会打开喷头喷洒，在其他时间段喷头均处于关闭状态，从而确保农药被有效地喷洒在树叶上。此外，通过采用往返作业路径，可以控制无人机在当前子区域上方采用往返方波形或往返波浪形的作业方式向当前果树喷洒农药。
可选地，在步骤S16，控制作业设备在沿行动路径作业时遍历多个子区域之前，还可以包括以下执行步骤：
步骤S17，获取第一高度、第二高度、第三高度和第四高度，其中，第一高度为每个待作业对象的测绘海拔高度，第二高度为作业设备的起飞点海拔高度，第三高度为每个待作业对象自身高度，第四高度为每个待作业对象自身高度的基础上增加的预设高度；
步骤S18，采用第一高度、第二高度、第三高度和第四高度计算作业设备的实际飞行高度。
当果树处于山地时，不但需要考虑果树的自身高度，还需要考虑果树的实际海拔高度。果树的实际海拔高度既可以通过三维的数字表面模型(DSM)地图来确定，也可以根据测绘数据来确定。而果树的自身高度可以通过人工方式测量得到，当然也可以通过作业机的距离传感器来确定。由此可见，行动路径的规划实际上是三维的。
在果树植保导航过程中，无人机可以使用全球导航卫星***(GNSS)实时差分定位(RTK)导航组件为无人机提供的高度数据进行定高飞行。飞行高度受作物高度及周围环境的影响，一般飞行高度距离植物冠层1.5-2.5米，如果是使用RTK定高，还需要参考地势差，选择合适的高度。
当测绘人员使用测绘设备对果树进行定点航线测绘时，测绘设备不仅能够记录经纬度信息，还会记录高程信息，因此在测绘过程中需要测绘器保持竖直触地状态，以确保采集到的高程数据准确无误。在此过程中，无人机针对每株果树的飞行高度是以起飞点水平面的海拔高度为基准，再综合果树测绘海拔高度、果树自身高度和离树梢高度计算得到的，具体计算公式如下：
无人机的飞行高度＝(果树测绘海拔高度-起飞点水平面的海拔高度)+(果树自身高度+离树梢高度)。
根据本发明其中一实施例，提供了一种目标区域作业的规划装置的实施例。图5是根据本发明其中一实施例的目标区域作业的规划装置的结构框图，如图5所示，该装置包括：第一获取模块10，用于获取待作业目标区域的地图影像信息；识别模块20，用于从地图影像信息中识别出待作业目标区域包含的多个子区域，其中多个子区域与多个待作业对象相对应；规划模块30，用于根据多个子区域规划作业设备在待作业目标区域内的行动路径，以控制作业设备在沿行动路径作业时遍历多个子区域。
可选地，识别模块20，用于从地图影像信息中识别出多个子区域中每个子区域的几何中心位置以及每个子区域的外轮廓。
可选地，当外轮廓为圆形时，几何中心位置为圆形的圆心位置；当外轮廓为矩形时，几何中心位置为矩形的中心位置；当外轮廓为椭圆形时，几何中心位置为椭圆的圆心位置；当外轮廓为不规则形状时，几何中心位置为不规则形状的形心位置。
可选地，图6是根据本发明其中一优选实施例的目标区域作业的规划装置的结构框图，如图6所示，规划模块30包括：生成单元300，用于基于多个子区域中每个子区域的几何中心位置生成遍历待作业目标区域内多个待作业对象的过渡路径；规划单元302，用于基于多个子区域中每个子区域的外轮廓规划多个待作业对象的作业路径；处理单元304，用于在过渡路径添加作业路径，以生成作业设备在待作业目标区域内的行动路径。
可选地，生成单元300包括：选取子单元(图中未示出)，用于从多个子区域中选取与作业设备的起飞位置距离最近的子区域为起始子区域；建立子单元(图中未示出)，用于从起始子区域的几何中心位置开始，依次查找与当前子区域距离最近的相邻子区域的几何中心位置，并在相邻几何中心位置之间建立过渡路径；判断子单元(图中未示出)，用于判断是否存在尚未连通的子区域，如果是，则返回建立子单元，直至生成遍历多个待作业对象的过渡路径。
可选地，规划单元302包括：确定子单元(图中未示出)，用于根据从多个子区域中选取的当前子区域的外轮廓确定当前子区域的实际面积；第一判断子单元(图中未示出)，用于当实际面积小于预设面积时，采用定点自转作业路径；当实际面积大于或等于预设面积时，采用螺旋作业路径和/或往返作业路径；第二判断子单元(图中未示出)，用于判断多个子区域是否全部规划完毕，如果否，则返回确定子单元，以便为当前子区域相邻的下一个子区域内的待作业对象规划作业路径，直至多个待作业对象的作业路径全部规划完毕。
可选地，第一判断子单元(图中未示出)，用于根据作业设备的作业幅宽确定预设面积，当当前子区域的最大直径小于作业幅宽时，采用定点自转作业路径；当当前子区域的最大直径大于或等于作业幅宽时，采用螺旋作业路径和/或往返作业路径。
可选地，当相邻的两个或多个子区域的重合面积大于或等于预设阈值，或，当相邻的两个或多个子区域重合面积大于或等于预设占比时，将相邻的两个或多个子区域确定为一个子区域。
可选地，如图6所示，上述装置还包括：第二获取模块40，用于获取第一高度、第二高度、第三高度和第四高度，其中，第一高度为每个待作业对象的测绘海拔高度，第二高度为作业设备的起飞点海拔高度，第三高度为每个待作业对象自身高度，第四高度为每个待作业对象自身高度的基础上增加的预设高度；计算模块50，用于采用第一高度、第二高度、第三高度和第四高度计算作业设备的实际飞行高度。
本发明其中一实施例还可以提供一种计算机终端。在本实施例中，该计算机终端可以包括：一个或多个处理器以及存储器。
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的安全漏洞检测方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的目标区域作业的规划方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取待作业目标区域的地图影像信息；从地图影像信息中识别出待作业目标区域包含的多个子区域，其中，多个子区域与多个待作业对象相对应；根据多个子区域规划作业设备在待作业目标区域内的行动路径，以控制作业设备在沿行动路径作业时遍历多个子区域。
可选的，上述处理器还可以执行如下步骤的程序代码：从地图影像信息中识别出多个子区域中每个子区域的几何中心位置以及每个子区域的外轮廓。
可选的，上述处理器还可以执行如下步骤的程序代码：基于多个子区域中每个子区域的几何中心位置生成遍历待作业目标区域内多个待作业对象的过渡路径；基于多个子区域中每个子区域的外轮廓规划多个待作业对象的作业路径；在过渡路径添加作业路径，以生成作业设备在待作业目标区域内的行动路径。
可选的，上述处理器还可以执行如下步骤的程序代码：选取步骤，多个子区域中选取与作业设备的起飞位置距离最近的子区域为起始子区域；建立步骤，从起始子区域的几何中心位置开始，依次查找与当前子区域距离最近的相邻子区域的几何中心位置，并在相邻几何中心位置之间建立过渡路径；判断步骤，判断是否存在尚未连通的子区域，如果是，则返回建立步骤，直至生成遍历多个待作业对象的过渡路径。
可选的，上述处理器还可以执行如下步骤的程序代码：确定步骤，根据从多个子区域中选取的当前子区域的外轮廓确定当前子区域的实际面积；第一判断步骤，当实际面积小于预设面积时，采用定点自转作业路径；当实际面积大于或等于预设面积时，采用螺旋作业路径和/或往返作业路径；第二判断步骤，判断多个子区域是否全部规划完毕，如果否，则返回确定步骤，以便为当前子区域相邻的下一个子区域内的待作业对象规划作业路径，直至多个待作业对象的作业路径全部规划完毕。
可选的，上述处理器还可以执行如下步骤的程序代码：根据作业设备的作业幅宽确定预设面积，当当前子区域的最大直径小于作业幅宽时，采用定点自转作业路径；当当前子区域的最大直径大于或等于作业幅宽时，采用螺旋作业路径和/或往返作业路径。
可选的，上述处理器还可以执行如下步骤的程序代码：获取第一高度、第二高度、第三高度和第四高度，其中，第一高度为每个待作业对象的测绘海拔高度，第二高度为作业设备的起飞点海拔高度，第三高度为每个待作业对象自身高度，第四高度为每个待作业对象自身高度的基础上增加的预设高度；采用第一高度、第二高度、第三高度和第四高度计算作业设备的实际飞行高度。
本领域普通技术人员可以理解，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。当然，计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本发明其中一实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的目标区域作业的规划方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取待作业目标区域的地图影像信息；从地图影像信息中识别出待作业目标区域包含的多个子区域，其中，多个子区域与多个待作业对象相对应；根据多个子区域规划作业设备在待作业目标区域内的行动路径，以控制作业设备在沿行动路径作业时遍历多个子区域。
可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：从地图影像信息中识别出多个子区域中每个子区域的几何中心位置以及每个子区域的外轮廓。
可选的，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：基于多个子区域中每个子区域的几何中心位置生成遍历待作业目标区域内多个待作业对象的过渡路径；基于多个子区域中每个子区域的外轮廓规划多个待作业对象的作业路径；在过渡路径添加作业路径，以生成作业设备在待作业目标区域内的行动路径。
可选的，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：选取步骤，多个子区域中选取与作业设备的起飞位置距离最近的子区域为起始子区域；建立步骤，从起始子区域的几何中心位置开始，依次查找与当前子区域距离最近的相邻子区域的几何中心位置，并在相邻几何中心位置之间建立过渡路径；判断步骤，判断是否存在尚未连通的子区域，如果是，则返回建立步骤，直至生成遍历多个待作业对象的过渡路径。
可选的，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：确定步骤，根据从多个子区域中选取的当前子区域的外轮廓确定当前子区域的实际面积；第一判断步骤，当实际面积小于预设面积时，采用定点自转作业路径；当实际面积大于或等于预设面积时，采用螺旋作业路径和/或往返作业路径；第二判断步骤，判断多个子区域是否全部规划完毕，如果否，则返回确定步骤，以便为当前子区域相邻的下一个子区域内的待作业对象规划作业路径，直至多个待作业对象的作业路径全部规划完毕。
可选的，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：根据作业设备的作业幅宽确定预设面积，当当前子区域的最大直径小于作业幅宽时，采用定点自转作业路径；当当前子区域的最大直径大于或等于作业幅宽时，采用螺旋作业路径和/或往返作业路径。
可选的，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：获取第一高度、第二高度、第三高度和第四高度，其中，第一高度为每个待作业对象的测绘海拔高度，第二高度为作业设备的起飞点海拔高度，第三高度为每个待作业对象自身高度，第四高度为每个待作业对象自身高度的基础上增加的预设高度；采用第一高度、第二高度、第三高度和第四高度计算作业设备的实际飞行高度。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (20)

1.一种目标区域作业的规划方法，其特征在于，包括：
获取待作业目标区域的地图影像信息；
从所述地图影像信息中识别出所述待作业目标区域包含的多个子区域，其中，所述多个子区域与多个待作业对象相对应；
根据所述多个子区域规划作业设备在所述待作业目标区域内的行动路径，以控制所述作业设备在沿所述行动路径作业时遍历所述多个子区域。
2.根据权利要求1所述的方法，其特征在于，从所述地图影像信息中识别出所述待作业目标区域包含的所述多个子区域包括：
从所述地图影像信息中识别出所述多个子区域中每个子区域的几何中心位置以及每个子区域的外轮廓。
3.根据权利要求2所述的方法，其特征在于，当所述外轮廓为圆形时，所述几何中心位置为所述圆形的圆心位置；当所述外轮廓为矩形时，所述几何中心位置为所述矩形的中心位置；当所述外轮廓为椭圆形时，所述几何中心位置为所述椭圆的圆心位置；当所述外轮廓为不规则形状时，所述几何中心位置为所述不规则形状的形心位置。
4.根据权利要求2或3所述的方法，其特征在于，根据所述多个子区域规划所述作业设备在所述待作业目标区域内的行动路径包括：
基于所述多个子区域中每个子区域的几何中心位置生成遍历所述待作业目标区域内所述多个待作业对象的过渡路径；
基于所述多个子区域中每个子区域的外轮廓规划所述多个待作业对象的作业路径；
在所述过渡路径添加所述作业路径，以生成所述作业设备在所述待作业目标区域内的行动路径。
5.根据权利要求4所述的方法，其特征在于，基于所述多个子区域中每个子区域的几何中心位置生成遍历所述待作业目标区域内所述多个待作业对象的过渡路径包括：
选取步骤，所述多个子区域中选取与所述作业设备的起飞位置距离最近的子区域为起始子区域；
建立步骤，从所述起始子区域的几何中心位置开始，依次查找与当前子区域距离最近的相邻子区域的几何中心位置，并在相邻几何中心位置之间建立过渡路径；
判断步骤，判断是否存在尚未连通的子区域，如果是，则返回所述建立步骤，直至生成遍历所述多个待作业对象的过渡路径。
6.根据权利要求4所述的方法，其特征在于，基于所述多个子区域中每个子区域的外轮廓规划所述多个待作业对象的作业路径包括：
确定步骤，根据从所述多个子区域中选取的当前子区域的外轮廓确定所述当前子区域的实际面积；
第一判断步骤，当所述实际面积小于预设面积时，采用定点自转作业路径；
当所述实际面积大于或等于所述预设面积时，采用螺旋作业路径和/或往返作业路径；
第二判断步骤，判断所述多个子区域是否全部规划完毕，如果否，则返回所述确定步骤，以便为所述当前子区域相邻的下一个子区域内的待作业对象规划作业路径，直至所述多个待作业对象的作业路径全部规划完毕。
7.根据权利要求6所述的方法，其特征在于，所述第一判断步骤包括：
根据所述作业设备的作业幅宽确定所述预设面积，当所述当前子区域的最大直径小于所述作业幅宽时，采用定点自转作业路径；当所述当前子区域的最大直径大于或等于所述作业幅宽时，采用螺旋作业路径和/或往返作业路径。
8.根据权利要求1所述的方法，其特征在于，当相邻的两个或多个子区域的重合面积大于或等于预设阈值，或，当相邻的两个或多个子区域重合面积大于或等于预设占比时，将所述相邻的两个或多个子区域确定为一个子区域。
9.根据权利要求1所述的方法，其特征在于，在控制所述作业设备在沿所述行动路径作业时遍历所述多个子区域之前，还包括：
获取第一高度、第二高度、第三高度和第四高度，其中，所述第一高度为每个待作业对象的测绘海拔高度，所述第二高度为所述作业设备的起飞点海拔高度，所述第三高度为每个待作业对象自身高度，所述第四高度为所述每个待作业对象自身高度的基础上增加的预设高度；
采用所述第一高度、所述第二高度、所述第三高度和所述第四高度计算所述作业设备的实际飞行高度。
10.一种目标区域作业的规划装置，其特征在于，包括：
第一获取模块，用于获取待作业目标区域的地图影像信息；
识别模块，用于从所述地图影像信息中识别出所述待作业目标区域包含的多个子区域，其中，所述多个子区域与多个待作业对象相对应；
规划模块，用于根据所述多个子区域规划作业设备在所述待作业目标区域内的行动路径，以控制所述作业设备在沿所述行动路径作业时遍历所述多个子区域。
11.根据权利要求10所述的装置，其特征在于，所述识别模块，用于从所述地图影像信息中识别出所述多个子区域中每个子区域的几何中心位置以及每个子区域的外轮廓。
12.根据权利要求11所述的装置，其特征在于，当所述外轮廓为圆形时，所述几何中心位置为所述圆形的圆心位置；当所述外轮廓为矩形时，所述几何中心位置为所述矩形的中心位置；当所述外轮廓为椭圆形时，所述几何中心位置为所述椭圆的圆心位置；当所述外轮廓为不规则形状时，所述几何中心位置为所述不规则形状的形心位置。
13.根据权利要求11或12所述的装置，其特征在于，所述规划模块包括：
生成单元，用于基于所述多个子区域中每个子区域的几何中心位置生成遍历所述待作业目标区域内所述多个待作业对象的过渡路径；
规划单元，用于基于所述多个子区域中每个子区域的外轮廓规划所述多个待作业对象的作业路径；
处理单元，用于在所述过渡路径添加所述作业路径，以生成所述作业设备在所述待作业目标区域内的行动路径。
14.根据权利要求13所述的装置，其特征在于，所述生成单元包括：
选取子单元，用于从所述多个子区域中选取与所述作业设备的起飞位置距离最近的子区域为起始子区域；
建立子单元，用于从所述起始子区域的几何中心位置开始，依次查找与当前子区域距离最近的相邻子区域的几何中心位置，并在相邻几何中心位置之间建立过渡路径；
判断子单元，用于判断是否存在尚未连通的子区域，如果是，则返回所述建立子单元，直至生成遍历所述多个待作业对象的过渡路径。
15.根据权利要求13所述的装置，其特征在于，所述规划单元包括：
确定子单元，用于根据从所述多个子区域中选取的当前子区域的外轮廓确定所述当前子区域的实际面积；
第一判断子单元，用于当所述实际面积小于预设面积时，采用定点自转作业路径；当所述实际面积大于或等于所述预设面积时，采用螺旋作业路径和/或往返作业路径；
第二判断子单元，用于判断所述多个子区域是否全部规划完毕，如果否，则返回所述确定子单元，以便为所述当前子区域相邻的下一个子区域内的待作业对象规划作业路径，直至所述多个待作业对象的作业路径全部规划完毕。
16.根据权利要求15所述的装置，其特征在于，所述第一判断子单元，用于根据所述作业设备的作业幅宽确定所述预设面积，当所述当前子区域的最大直径小于所述作业幅宽时，采用定点自转作业路径；当所述当前子区域的最大直径大于或等于所述作业幅宽时，采用螺旋作业路径和/或往返作业路径。
17.根据权利要求10所述的装置，其特征在于，当相邻的两个或多个子区域的重合面积大于或等于预设阈值，或，当相邻的两个或多个子区域重合面积大于或等于预设占比时，将所述相邻的两个或多个子区域确定为一个子区域。
18.根据权利要求10所述的装置，其特征在于，所述装置还包括：
第二获取模块，用于获取第一高度、第二高度、第三高度和第四高度，其中，所述第一高度为每个待作业对象的测绘海拔高度，所述第二高度为所述作业设备的起飞点海拔高度，所述第三高度为每个待作业对象自身高度，所述第四高度为所述每个待作业对象自身高度的基础上增加的预设高度；
计算模块，用于采用所述第一高度、所述第二高度、所述第三高度和所述第四高度计算所述作业设备的实际飞行高度。
19.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的目标区域作业的规划方法。
20.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的目标区域作业的规划方法。
CN201810525552.2A 2018-05-28 2018-05-28 目标区域作业的规划方法、装置、存储介质及处理器 Pending CN108846325A (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201810525552.2A CN108846325A (zh) 2018-05-28 2018-05-28 目标区域作业的规划方法、装置、存储介质及处理器
US17/044,105 US20210150184A1 (en) 2018-05-28 2019-01-16 Target region operation planning method and apparatus, storage medium, and processor
EP19812180.8A EP3805981A4 (en) 2018-05-28 2019-01-16 METHOD AND DEVICE FOR PLANNING OPERATION IN A TARGET REGION, STORAGE MEDIUM AND PROCESSOR
PCT/CN2019/071998 WO2019227948A1 (zh) 2018-05-28 2019-01-16 目标区域作业的规划方法、装置、存储介质及处理器
JP2020566656A JP2021525426A (ja) 2018-05-28 2019-01-16 ターゲット領域作業の計画方法、装置、記憶媒体及びプロセッサ
AU2019276115A AU2019276115B2 (en) 2018-05-28 2019-01-16 Target Region Operation Planning Method and Apparatus, Storage Medium, and Processor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810525552.2A CN108846325A (zh) 2018-05-28 2018-05-28 目标区域作业的规划方法、装置、存储介质及处理器

Publications (1)

Publication Number Publication Date
CN108846325A true CN108846325A (zh) 2018-11-20

Family

ID=64209893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810525552.2A Pending CN108846325A (zh) 2018-05-28 2018-05-28 目标区域作业的规划方法、装置、存储介质及处理器

Country Status (6)

Country Link
US (1) US20210150184A1 (zh)
EP (1) EP3805981A4 (zh)
JP (1) JP2021525426A (zh)
CN (1) CN108846325A (zh)
AU (1) AU2019276115B2 (zh)
WO (1) WO2019227948A1 (zh)

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109341702A (zh) * 2018-12-13 2019-02-15 广州极飞科技有限公司 作业区域内的路线规划方法、装置、设备及存储介质
CN109358650A (zh) * 2018-12-14 2019-02-19 国网冀北电力有限公司检修分公司 巡检路径规划方法、装置、无人机和计算机可读存储介质
CN109683627A (zh) * 2018-12-10 2019-04-26 杭州瓦屋科技有限公司 一种植保无人机作业自动识别地块的方法及***
CN109766049A (zh) * 2018-12-14 2019-05-17 广州极飞科技有限公司 为作业设备分配目标地块的方法和控制设备
CN109885060A (zh) * 2019-01-18 2019-06-14 丰疆智能科技研究院(常州)有限公司 路径管理***及其管理方法
CN110069073A (zh) * 2018-11-30 2019-07-30 广州极飞科技有限公司 作业控制方法、装置及植保***
CN110345959A (zh) * 2019-06-10 2019-10-18 同济人工智能研究院(苏州)有限公司 一种基于“门”点的路径规划方法
WO2019227948A1 (zh) * 2018-05-28 2019-12-05 广州极飞科技有限公司 目标区域作业的规划方法、装置、存储介质及处理器
CN110825091A (zh) * 2019-11-29 2020-02-21 洛阳中科龙网创新科技有限公司 一种基于无人机的智能拖拉机智能选路方法及装置
CN110926472A (zh) * 2019-10-29 2020-03-27 东北大学 一种智能果园路径规划方法
WO2020107354A1 (zh) * 2018-11-29 2020-06-04 深圳市大疆创新科技有限公司 控制方法和设备
CN111442773A (zh) * 2019-01-16 2020-07-24 无锡先导智能装备股份有限公司 运动路径的生成方法
CN111504297A (zh) * 2019-06-03 2020-08-07 苏州极目机器人科技有限公司 无路网导航作业方法、装置及导航设备
CN111561934A (zh) * 2020-06-24 2020-08-21 平湖市中地测绘规划有限公司 基于无人机的地质勘探规划方法
CN111752298A (zh) * 2019-09-30 2020-10-09 广州极飞科技有限公司 无人机作业航线生成方法及相关装置
CN111766864A (zh) * 2019-12-30 2020-10-13 广州极飞科技有限公司 路径生成方法、装置、电子设备和计算机可读存储介质
CN111982096A (zh) * 2019-05-23 2020-11-24 广州极飞科技有限公司 一种作业路径生成方法、装置及无人飞行器
CN112189398A (zh) * 2020-09-28 2021-01-08 广州极飞科技有限公司 土地平整方法、***、装置、设备及存储介质
WO2021008264A1 (zh) * 2019-07-18 2021-01-21 南京嘉谷初成通信科技有限公司 一种无人机的植保喷洒方法、无人机及存储介质
CN112668793A (zh) * 2020-12-31 2021-04-16 广州极飞科技有限公司 补给点位确定方法、作业规划方法及相关装置
CN112859920A (zh) * 2021-01-19 2021-05-28 成都智慧赋能科技有限公司 基于大数据的智慧城市管理方法
CN112948371A (zh) * 2019-12-10 2021-06-11 广州极飞科技股份有限公司 数据处理方法、装置、存储介质、处理器
CN113009884A (zh) * 2019-12-19 2021-06-22 广州极飞科技股份有限公司 无人设备的作业控制方法、装置、设备及存储介质
CN113074740A (zh) * 2021-04-29 2021-07-06 广州极飞科技股份有限公司 一种作业区域内的航线规划方法、装置、设备及介质
CN114115327A (zh) * 2021-09-28 2022-03-01 佛山中科云图智能科技有限公司 一种基于dsm模型的航线规划方法和规划装置
CN114283067A (zh) * 2021-12-30 2022-04-05 广州极飞科技股份有限公司 一种处方图获取方法、装置、存储介质及终端设备
CN114355877A (zh) * 2021-11-25 2022-04-15 烟台杰瑞石油服务集团股份有限公司 一种多机器人作业区域的分配方法和装置

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11074447B1 (en) * 2018-07-13 2021-07-27 Hana Resources, Inc. Land analysis system using drone-captured data
TWI760782B (zh) * 2019-07-08 2022-04-11 國立臺灣大學 用於地理區域上果園辨識之系統及方法
CN111242554B (zh) * 2020-01-17 2023-10-17 秒针信息技术有限公司 拣货方式类型确定方法和装置
JP2022063484A (ja) * 2020-10-12 2022-04-22 カワサキモータース株式会社 道路推定プログラム、道路推定方法及び道路推定装置
CN113985882B (zh) * 2021-10-29 2024-02-27 珠海格力电器股份有限公司 作业路径规划方法、装置、电子设备和存储介质
CN117693721A (zh) * 2021-11-09 2024-03-12 深圳市大疆创新科技有限公司 作业规划方法、控制装置、控制终端及存储介质
CN114137974A (zh) * 2021-11-26 2022-03-04 广州极飞科技股份有限公司 中耕控制方法、装置、***和电子设备
CN115482269B (zh) * 2022-09-22 2023-05-09 佳都科技集团股份有限公司 一种土方量计算方法、装置、终端设备以及存储介质
CN115545352B (zh) * 2022-11-29 2023-04-18 水利部珠江水利委员会珠江水利综合技术中心 基于水资源分区管理的数据处理方法及***
CN116485063B (zh) * 2023-06-20 2023-08-18 成都工业职业技术学院 一种基于大数据的无人驾驶碾压机群控制方法及装置
CN117315170B (zh) * 2023-09-12 2024-04-05 华大天元(北京)科技股份有限公司 电网作业环境地图的构建方法、装置、设备及介质
CN117146831B (zh) * 2023-10-31 2024-01-02 北京佳格天地科技有限公司 基于机器学习和无人机的果树生长状态评估方法及***
CN117436675B (zh) * 2023-12-20 2024-03-08 国网浙江省电力有限公司金华供电公司 用于绿色仓储园区的人车物出入智能策略生成方法及***
CN117934485B (zh) * 2024-03-25 2024-05-31 天津市肿瘤医院（天津医科大学肿瘤医院） 基于ct图像的肺部气管路径特征提取方法、***及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105116911A (zh) * 2015-07-20 2015-12-02 广州极飞电子科技有限公司 无人机喷药方法
CN106504233A (zh) * 2016-10-18 2017-03-15 国网山东省电力公司电力科学研究院 基于Faster R‑CNN的无人机巡检图像电力小部件识别方法及***
CN106873631A (zh) * 2017-04-21 2017-06-20 广州极飞科技有限公司 无人机控制方法、植保作业方法、无人机及地面站
US20180132471A1 (en) * 2016-11-16 2018-05-17 Floratine Products Group, Inc Method to Use a Colored Photoluminescent Composition in Agricultural Applications

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5461494B2 (ja) * 2011-09-14 2014-04-02 ヤマハ発動機株式会社 自動走行車両及び自動走行車両の制御方法
EP3098562B1 (en) * 2014-04-25 2019-06-05 Sony Corporation Information processing device, information processing method, and computer program
JP2016225863A (ja) * 2015-06-01 2016-12-28 株式会社Ｎｔｔファシリティーズ 撮影システム、撮影方法及びプログラム
JP6375503B2 (ja) * 2015-10-15 2018-08-22 株式会社プロドローン 飛行型検査装置および検査方法
JP6691721B2 (ja) * 2016-02-15 2020-05-13 株式会社トプコン 飛行計画作成方法及び飛行体誘導システム
US11029352B2 (en) * 2016-05-18 2021-06-08 Skydio, Inc. Unmanned aerial vehicle electromagnetic avoidance and utilization system
CA3034060C (en) * 2016-08-18 2023-09-26 Tevel Advanced Technologies Ltd. System and method for mapping and building database for harvesting-dilution tasks using aerial drones
JP6833452B2 (ja) * 2016-10-28 2021-02-24 株式会社東芝 巡視点検システム、情報処理装置、巡視点検制御プログラム
CN107264806B (zh) * 2017-06-28 2020-05-12 苏州极目机器人科技有限公司 一种无人机的植保喷洒方法
CN107390715A (zh) * 2017-07-07 2017-11-24 深圳市华琥技术有限公司 一种基于无人机的喷药控制方法
JP6555786B2 (ja) * 2017-07-10 2019-08-07 株式会社プロドローン 無人航空機の飛行高度設定方法および無人航空機システム
CN107450576B (zh) * 2017-07-24 2020-06-16 哈尔滨工程大学 一种桥梁检测无人机路径规划的方法
CN108846325A (zh) * 2018-05-28 2018-11-20 广州极飞科技有限公司 目标区域作业的规划方法、装置、存储介质及处理器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105116911A (zh) * 2015-07-20 2015-12-02 广州极飞电子科技有限公司 无人机喷药方法
CN106504233A (zh) * 2016-10-18 2017-03-15 国网山东省电力公司电力科学研究院 基于Faster R‑CNN的无人机巡检图像电力小部件识别方法及***
US20180132471A1 (en) * 2016-11-16 2018-05-17 Floratine Products Group, Inc Method to Use a Colored Photoluminescent Composition in Agricultural Applications
CN106873631A (zh) * 2017-04-21 2017-06-20 广州极飞科技有限公司 无人机控制方法、植保作业方法、无人机及地面站

Cited By (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019227948A1 (zh) * 2018-05-28 2019-12-05 广州极飞科技有限公司 目标区域作业的规划方法、装置、存储介质及处理器
WO2020107354A1 (zh) * 2018-11-29 2020-06-04 深圳市大疆创新科技有限公司 控制方法和设备
CN111279284B (zh) * 2018-11-29 2024-05-17 深圳市大疆创新科技有限公司 控制方法和设备
CN111279284A (zh) * 2018-11-29 2020-06-12 深圳市大疆创新科技有限公司 控制方法和设备
CN110069073A (zh) * 2018-11-30 2019-07-30 广州极飞科技有限公司 作业控制方法、装置及植保***
CN109683627A (zh) * 2018-12-10 2019-04-26 杭州瓦屋科技有限公司 一种植保无人机作业自动识别地块的方法及***
CN109341702A (zh) * 2018-12-13 2019-02-15 广州极飞科技有限公司 作业区域内的路线规划方法、装置、设备及存储介质
CN109341702B (zh) * 2018-12-13 2021-07-20 广州极飞科技股份有限公司 作业区域内的路线规划方法、装置、设备及存储介质
CN109358650A (zh) * 2018-12-14 2019-02-19 国网冀北电力有限公司检修分公司 巡检路径规划方法、装置、无人机和计算机可读存储介质
CN109766049A (zh) * 2018-12-14 2019-05-17 广州极飞科技有限公司 为作业设备分配目标地块的方法和控制设备
CN111442773A (zh) * 2019-01-16 2020-07-24 无锡先导智能装备股份有限公司 运动路径的生成方法
CN109885060A (zh) * 2019-01-18 2019-06-14 丰疆智能科技研究院(常州)有限公司 路径管理***及其管理方法
CN111982096A (zh) * 2019-05-23 2020-11-24 广州极飞科技有限公司 一种作业路径生成方法、装置及无人飞行器
CN111504297A (zh) * 2019-06-03 2020-08-07 苏州极目机器人科技有限公司 无路网导航作业方法、装置及导航设备
CN111504297B (zh) * 2019-06-03 2023-08-11 极目(海南)智能育种装备有限公司 无路网导航作业方法、装置及导航设备
CN110345959A (zh) * 2019-06-10 2019-10-18 同济人工智能研究院(苏州)有限公司 一种基于“门”点的路径规划方法
CN110345959B (zh) * 2019-06-10 2023-11-03 同济人工智能研究院(苏州)有限公司 一种基于“门”点的路径规划方法
WO2021008264A1 (zh) * 2019-07-18 2021-01-21 南京嘉谷初成通信科技有限公司 一种无人机的植保喷洒方法、无人机及存储介质
CN111752298A (zh) * 2019-09-30 2020-10-09 广州极飞科技有限公司 无人机作业航线生成方法及相关装置
CN110926472A (zh) * 2019-10-29 2020-03-27 东北大学 一种智能果园路径规划方法
CN110825091A (zh) * 2019-11-29 2020-02-21 洛阳中科龙网创新科技有限公司 一种基于无人机的智能拖拉机智能选路方法及装置
CN112948371A (zh) * 2019-12-10 2021-06-11 广州极飞科技股份有限公司 数据处理方法、装置、存储介质、处理器
CN113009884A (zh) * 2019-12-19 2021-06-22 广州极飞科技股份有限公司 无人设备的作业控制方法、装置、设备及存储介质
CN111766864A (zh) * 2019-12-30 2020-10-13 广州极飞科技有限公司 路径生成方法、装置、电子设备和计算机可读存储介质
CN111561934A (zh) * 2020-06-24 2020-08-21 平湖市中地测绘规划有限公司 基于无人机的地质勘探规划方法
CN112189398A (zh) * 2020-09-28 2021-01-08 广州极飞科技有限公司 土地平整方法、***、装置、设备及存储介质
CN112189398B (zh) * 2020-09-28 2023-03-07 广州极飞科技股份有限公司 土地平整方法、***、装置、设备及存储介质
CN112668793A (zh) * 2020-12-31 2021-04-16 广州极飞科技有限公司 补给点位确定方法、作业规划方法及相关装置
CN112859920B (zh) * 2021-01-19 2022-04-15 济南市政公用资产管理运营有限公司 基于大数据的智慧城市管理方法
CN112859920A (zh) * 2021-01-19 2021-05-28 成都智慧赋能科技有限公司 基于大数据的智慧城市管理方法
CN113074740A (zh) * 2021-04-29 2021-07-06 广州极飞科技股份有限公司 一种作业区域内的航线规划方法、装置、设备及介质
CN113074740B (zh) * 2021-04-29 2023-11-17 广州极飞科技股份有限公司 一种作业区域内的航线规划方法、装置、设备及介质
CN114115327A (zh) * 2021-09-28 2022-03-01 佛山中科云图智能科技有限公司 一种基于dsm模型的航线规划方法和规划装置
CN114355877A (zh) * 2021-11-25 2022-04-15 烟台杰瑞石油服务集团股份有限公司 一种多机器人作业区域的分配方法和装置
CN114355877B (zh) * 2021-11-25 2023-11-03 烟台杰瑞石油服务集团股份有限公司 一种多机器人作业区域的分配方法和装置
CN114283067A (zh) * 2021-12-30 2022-04-05 广州极飞科技股份有限公司 一种处方图获取方法、装置、存储介质及终端设备
CN114283067B (zh) * 2021-12-30 2023-09-01 广州极飞科技股份有限公司 一种处方图获取方法、装置、存储介质及终端设备

Also Published As

Publication number Publication date
US20210150184A1 (en) 2021-05-20
EP3805981A1 (en) 2021-04-14
EP3805981A4 (en) 2021-07-28
AU2019276115A1 (en) 2020-12-24
AU2019276115B2 (en) 2021-12-16
WO2019227948A1 (zh) 2019-12-05
JP2021525426A (ja) 2021-09-24

Similar Documents

Publication Publication Date Title
CN108846325A (zh) 目标区域作业的规划方法、装置、存储介质及处理器
CN110297483B (zh) 待作业区域边界获取方法、装置，作业航线规划方法
CN106407880B (zh) 使用图像处理的存量、生长和风险预测
US10846843B2 (en) Utilizing artificial intelligence with captured images to detect agricultural failure
Lam et al. An open source workflow for weed mapping in native grassland using unmanned aerial vehicle: Using Rumex obtusifolius as a case study
EP3697686B1 (en) Unmanned aerial vehicle for agricultural field assessment
CN109146889A (zh) 一种基于高分辨率遥感图像的农田边界提取方法
CN112154447A (zh) 地表特征识别方法、设备、无人机及计算机可读存储介质
CN110254722A (zh) 一种飞行器***及其方法、具有计算机程序的产品
CN107657623A (zh) 一种用于无人机的河道线检测***与方法
Ferraz et al. Canopy density model: A new ALS-derived product to generate multilayer crown cover maps
Minakshi et al. High-accuracy detection of malaria mosquito habitats using drone-based multispectral imagery and Artificial Intelligence (AI) algorithms in an agro-village peri-urban pastureland intervention site (Akonyibedo) in Unyama SubCounty, Gulu District, Northern Uganda
Gu et al. Individual tree crown delineation from UAS imagery based on region growing by over-segments with a competitive mechanism
Zimudzi et al. Segmenting mangrove ecosystems drone images using SLIC superpixels
CN115641412A (zh) 基于高光谱数据的三维语义地图的生成方法
Ahmadi et al. Individual tree detection from unmanned aerial vehicle (UAV) derived point cloud data in a mixed broadleaf forest using hierarchical graph approach
CN110084120B (zh) 海岛环境下的植被调查方法、装置、***、设备和介质
Pérez-Ortiz et al. An experimental comparison for the identification of weeds in sunflower crops via unmanned aerial vehicles and object-based analysis
Zadorozhniuk UAV data collection parameters impact on accuracy of Scots pine stand mensuration.
CN108763248A (zh) 一种水域空间监测精细划分方法及***
Ozdarici-Ok et al. Object-based classification of multi-temporal images for agricultural crop mapping in Karacabey Plain, Turkey
Lawrence Early detection of Heacleum Mantegazzianum (Giant Hogweed) based on leaf spectral characteristics from UAV images SVM and OBIA Techniques
Rognlien et al. Detecting Location of Free Range Sheep-Using Unmanned Aerial Vehicles and Forward Looking Infrared Images
Lozano et al. Detection and Monitoring of Alien Weeds Using Unmanned Aerial Vehicle in Agricultural Systems in Sardinia (Italy)
RU2773144C1 (ru) Способ определения запасов стволовой древесины с использованием данных воздушной беспилотной съемки

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province

Applicant after: XAG Co., Ltd.

Address before: 510000, No. 1, Cheng Cheng Road, Gaotang Software Park, Guangzhou, Guangdong, Tianhe District, 3A01

Applicant before: Guangzhou Xaircraft Technology Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181120