CN111982097A - 无人作业设备的目标航线的生成方法及装置、植保*** - Google Patents
无人作业设备的目标航线的生成方法及装置、植保*** Download PDFInfo
- Publication number
- CN111982097A CN111982097A CN201910436260.6A CN201910436260A CN111982097A CN 111982097 A CN111982097 A CN 111982097A CN 201910436260 A CN201910436260 A CN 201910436260A CN 111982097 A CN111982097 A CN 111982097A
- Authority
- CN
- China
- Prior art keywords
- unmanned
- working
- area
- plant protection
- route
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004891 communication Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000005507 spraying Methods 0.000 abstract description 17
- 238000005516 engineering process Methods 0.000 abstract description 9
- 241000196324 Embryophyta Species 0.000 description 184
- 230000002093 peripheral effect Effects 0.000 description 22
- 239000000575 pesticide Substances 0.000 description 21
- 241001122767 Theaceae Species 0.000 description 20
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 6
- 239000007921 spray Substances 0.000 description 6
- 239000008141 laxative Substances 0.000 description 5
- 230000002475 laxative effect Effects 0.000 description 5
- 229920000742 Cotton Polymers 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000002420 orchard Substances 0.000 description 3
- 235000009024 Ceanothus sanguineus Nutrition 0.000 description 2
- 240000003553 Leptospermum scoparium Species 0.000 description 2
- 235000015459 Lycium barbarum Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000037805 labour Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000000889 atomisation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- 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
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
-
- 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
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种无人作业设备的目标航线的生成方法及装置。其中，该方法包括：获取植保区域的图像数据和地面高程模型数据；依据获取的图像数据确定农作物生长区域的轮廓，并基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；依据该轮廓和地面高程模型数据确定无人作业设备在该轮廓所指示的作业范围内进行作业时的作业高度；依据作业路线和作业高度生成无人作业设备在该轮廓所指示的作业范围内进行作业时的目标航线。本申请解决了现有技术中操作无人机进行植保作业范围局限、喷洒精准度难以保证，利用RTK定位技术进行植保作业时需要人工打取坐标信息数据导致效率低的技术问题。
Description
技术领域
本申请涉及植保领域，具体而言，涉及一种无人作业设备的目标航线的生成方法及装置。
背景技术
目前植保通常为传统人工打药、打药机打药、手动操作植保无人机打药和植保无人机依据实时动态载波相位差分技术(Real-time Kinematic,简称RTK)定点航线打药。
传统人工打药，一般是作业人员背着农药箱，边走边往作物上喷洒农药，是目前最普遍的施药方式，然而，由于农药对人体的危害极大，愿意人工作业的打药人也已经越来越少，传统人工打药的缺点在于劳动力短缺，作业效率低、成本昂贵、管理难度大；打药机品种繁多，利用打药机打药的优点是雾化效果好，缺点是受风力影响较大，风力越大效果越差，并且受地形影响，丘陵地带坡度陡，打药机无法进入；农作物种植区域情况复杂，手动操作无人机时视线容易受到遮挡，严重影响无人机的飞行安全，因此，手动操作无人机打药时一般保持在较小的视距范围内，这又大大降低了植保作业效率；植保无人机依据RTK定点航线打药相比人工打药效率高，相比打药机打药更精准，缺点是需要人工手持RTK设备到农作物种植区域打取坐标信息数据，再依据坐标信息数据指令植保无人机进行打药，对于范围大的区域，需要耗费大量劳动力到农作物种植区域打取坐标信息数据。
针对现有技术中在植保服务及农业相关服务中，手动操作无人机进行植保作业范围局限、喷洒精准度难以保证、漏喷洒等问题，利用RTK定位技术进行植保作业时需要人工打取坐标信息数据导致效率低等问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种无人作业设备的目标航线的生成方法及装置，以至少解决现有技术中操作无人机进行植保作业范围局限、喷洒精准度难以保证，利用RTK定位技术进行植保作业时需要人工打取坐标信息数据导致效率低的技术问题。
根据本申请实施例的一个方面，提供了一种无人作业设备的目标航线的生成方法，包括：获取植保区域的图像数据和植保区域的地面高程模型数据；依据植保区域的图像数据确定植保区域中农作物生长区域的轮廓，并基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；依据作业路线和作业高度生成无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线。
可选地，在基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线之前，上述方法还包括：比较农作物生长区域的轮廓的宽度与无人作业设备的作业幅度；如果农作物生长区域的轮廓的宽度小于无人作业设备的作业幅度，触发基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；如果农作物生长区域的轮廓的宽度大于无人作业设备的作业幅度，按照作业幅度将农作物生长区域分割成多个子区域，其中，多个子区域中任意一个子区域的轮廓的宽度小于或者等于作业幅度；基于任意一个子区域的轮廓的中心线确定无人作业设备在任意一个子区域的轮廓所指示的作业范围内进行作业时的作业路线。
可选地，农作物生长区域的轮廓的中心线通过以下方法确定：确定农作物生长区域的多个中心点；连接多个中心点，确定农作物生长区域的轮廓的中心线。
可选地，在确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线之后，上述方法还包括：依据无人作业设备的尺寸以及无人作业设备进行作业时四周预留的安全距离确定无人作业设备按照作业路线进行作业时的特定作业范围，特定作业范围为无人作业设备的安全作业范围。
可选地，在依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度之前，上述方法还包括：将农作物生长区域的轮廓与地面高程模型数据叠加，得到农作物生长区域的轮廓内的特定作业范围的最大高程值，最大高程值为特定作业范围内的农作物的最高点。
可选地，依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度，包括：确定特定作业范围中相邻特定作业范围内最大高程值的差值；如果差值大于预设阈值，调整无人作业设备按照作业路线进行作业时的作业高度。
可选地，如果差值大于预设阈值，调整无人作业设备按照作业路线进行作业时的作业高度，包括：如果无人作业设备进行作业的当前特定作业范围内最大高程值低于相邻的下一特定作业范围内最大高程值，且二者差值大于预设阈值，增加无人作业设备的作业高度至下一特定作业范围内的作业高度；如果无人作业设备进行作业的当前特定作业范围内最大高程值高于相邻的下一特定作业范围内最大高程值，且二者差值大于预设阈值，降低无人作业设备的作业高度至下一特定作业范围内的作业高度。
可选地，在调整无人作业设备按照作业路线进行作业时的作业高度之后，上述方法还包括：控制无人作业设备按照作业路线平移至下一特定作业范围内进行作业。
可选地，在依据作业路线和作业高度生成无人作业设备在轮廓所指示的作业范围内进行作业时的目标航线之后，方法还包括：将目标航线发送至无人作业设备的控制器，控制器用于控制无人作业设备按照目标航线进行作业。
可选地，植保区域的图像数据包括植保区域的数字正射影像图DOM，地面高程模型数据包括植保区域的数字表面模型DSM。
根据本申请实施例的另一方面，还提供了另一种无人作业设备的目标航线的生成方法，包括：获取植保区域的图像数据和植保区域的地面高程模型数据；依据植保区域的图像数据确定植保区域中农作物生长区域的轮廓，以及比较该轮廓的宽度与无人作业设备作业幅度，并依据比较结果确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；依据作业路线和作业高度生成无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线。
根据本申请实施例的再一方面，还提供了一种无人作业设备的目标航线的生成装置，包括：获取模块，用于获取植保区域的图像数据和植保区域的地面高程模型数据；第一确定模块，用于依据植保区域的图像数据确定植保区域中农作物生长区域的轮廓，并基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；第二确定模块，用于依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；生成模块，用于依据作业路线和作业高度生成无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线。
根据本申请实施例的再一方面，还提供了一种植保***，包括：服务器，用于获取植保区域的图像数据和植保区域的地面高程模型数据；依据植保区域的图像数据确定植保区域中农作物生长区域的轮廓，并基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；依据作业路线和作业高度生成无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线；将目标航线发送至无人作业设备的控制器；无人作业设备，与服务器通信连接，用于按照目标航线进行植保作业。
根据本申请实施例的又一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的无人作业设备的目标航线的生成方法。
根据本申请实施例的又一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行以上的无人作业设备的目标航线的生成方法。
在本申请实施例中，采用获取植保区域的图像数据和植保区域的地面高程模型数据；依据植保区域的图像数据确定植保区域中农作物生长区域的轮廓，并基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；依据作业路线和作业高度生成无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线的方式，通过植保区域的图像数据中的农作物生长区域的轮廓，然后将识别出的农作物生长区域的轮廓和植保区域的地面高程模型数据叠加，获取植保区域植保目标高度的地面高程模型数据，进而规划相应的智能无人机植保航线，从而实现了提高植保无人机进行植保作业的喷洒精度、提高植保作业的效率的技术效果，进而解决了现有技术中操作无人机进行植保作业范围局限、喷洒精准度难以保证，利用RTK定位技术进行植保作业时需要人工打取坐标信息数据导致效率低的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种无人作业设备的目标航线的生成方法的流程图；
图2是根据本申请实施例的一种植保区域的DOM数据的示意图；
图3是根据本申请实施例的一种植保区域的DSM数据的示意图；
图4是根据本申请实施例的一种田垄的***轮廓的中心线的示意图；
图5a至图5c是根据本申请实施例的一种农作物生长区域(茶垄)***轮廓的示意图；
图6是根据本申请实施例的一种农作物生长区域(茶垄)***轮廓的中心线的示意图；
图7是根据本申请实施例的一种无人机作业范围的示意图；
图8是根据本申请实施例的另一种无人作业设备的目标航线的生成方法的流程图；
图9根据本申请实施例的另一种无人作业设备的目标航线的生成装置的结构图；
图10根据本申请实施例的一种植保***的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请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，以便这里描述的本申请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。
根据本申请实施例，提供了一种无人作业设备的目标航线的生成方法的方法实施例，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。
首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
DOM(Digital Orthophoto Map,简称DOM)：数字正射影像图，是对航空(或航天)相片进行数字微分纠正和镶嵌，按一定图幅范围裁剪生成的数字正射影像集，同时具有地图几何精度和影像特征的图像，具有精度高、信息丰富、直观逼真、获取快捷等优点。
DSM(Digital Surface Model,简称DOM)：数字表面模型，是指包含了地表建筑物、桥梁和树木等高度的地面高程模型。和DEM(Digital Elevation Model,简称DEM)相比，DEM只包含了地形的高程信息，并未包含其它地表信息，DSM是在DEM的基础上，进一步涵盖了除地面以外的其它地表信息的高程。
图像识别：指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。
图1是根据本申请实施例的一种无人作业设备的目标航线的生成方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取植保区域的图像数据和植保区域的地面高程模型数据。
根据本申请的一个可选的实施例，步骤S102中的植保区域包括但不限于茶园种植区域，果园种植区域、棉花种植区域、小麦种植区域、水稻种植区域等其他农作物种植区域。
可选地，植保区域的图像数据包括植保区域的数字正射影像图DOM，地面高程模型数据包括植保区域的数字表面模型DSM，高程模型数据还可以是点云数据。在执行步骤S102之前，可以预先利用测绘无人机或其他测绘设备采集植保区域的DOM数据和DSM数据。图2为获取的植保区域的DOM数据的示意图，图3为获取的植保区域的DSM数据的示意图。
步骤S104，依据植保区域的图像数据确定植保区域中农作物生长区域的轮廓，并基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线。
根据本申请的一个可选的实施例，农作物生长区域的轮廓的中心线通过以下方法确定：确定农作物生长区域的多个中心点；连接多个中心点，确定农作物生长区域的轮廓的中心线。一种的中心点确定方法是应用于条带状的茶园区域：先将条带中的相对的两条长边确定下来；然后将第一条长边按照预设间距按照顺序取预设数量个点；然后对称地，将与第一条长边相对的第二条长边也按照顺序均匀的取相同数量个点，此时的间距可以是根据点的数量和第二条长边的实际长度确定的；然后第一条长边上的第一个点与第二条边上的第一个点进行映射，并根据相对的两个点确定第一个中心点，例如可以采用分别求取横、纵坐标中间值的方法，也就是将第一条长边的第一个点的横坐标与第二条长边上的第一个点的横坐标进行求平均值的计算，第一条长边的第一个点的纵坐标与第二条长边上的第一个点的纵坐标进行求平均值的计算，例如，第一个点坐标是(3,7)，第二条长边上的第一个点坐标是(5,9)，则第一个中心点的横坐标为(3+5)/2＝4，纵坐标为(7+9)/2＝8，因而第一个中心的坐标为(4,8)，按照该方法依次确定条状作业区域中的多个中心点，然后将这些中心点连线确定目标航线。对于非条带的区域，则可以依照最长边的轮廓，按照无人机作业宽幅确定出与最长边平行的多条辅助线，从而将非条带区域分割成多个子条带状区域，然后再依照上述方法确定出每个子条带状区域的作业路线。本发明的另一个实施例是，对于条带状的区域，首先识别出该条带区域的转弯点或者弧度变化较大的点，以这些点为分割点将条带状的区域进行分割，从而分割成多个短条带状的区域，再按照上述方法确定每个短条带状的区域的中心点。
上述步骤S104中的作业路线是指在无人作业设备进行植保作业时，无人作业设备的飞行方向的路线。农作物生长区域的轮廓指农作物生长的田垄的***轮廓。图4是根据本申请实施例的一种田垄的***轮廓的中心线的示意图，如图4所示，在田垄的***轮廓中确定对应轮廓的中心点，将确定的多个中心点连接起来，作为该轮廓的中心线。然后生成中心线附近的作业路线，作业路线可以是与该中心线平行的路线。
步骤S106，依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度。
将农作物生长的田垄的***轮廓与植保区域的数字表面模型DSM叠加，得到植保区域的地面高程模型，进而根据植保区域的地面高程模型确定无人作业设备在植保区域进行作业时的飞行高度。
例如可以根据高程模型获取多个采样点的高程，然后求取高程的平均值，参考该平均值确定出无人机在植保区域的飞行高度，其中一种实施例是将该平均值加上预设高度得出无人机的实际作业时的飞行高度；还可以获取该区域中高程最大的点作为该区域的高度值，然后将该高度值加上预设高度得出无人机的实际作业时的飞行高度。
步骤S108，依据作业路线和作业高度生成无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线。
将无人作业设备进行植保作业时的飞行路线和无人作业设备进行植保作业时的飞行高度作为无人作业设备进行植保作业时的目标航线。
通过上述步骤，通过植保区域的图像数据识别出农作物生长区域的轮廓，基于该轮廓的中心线确定无人作业设备进行作业时的作业路线；然后将识别出的农作物生长区域的轮廓和植保区域的地面高程模型数据叠加，获取植保区域植保目标高度的地面高程模型数据，确定无人作业设备进行作业时的作业高度；进而根据作业路线和作业高度规划相应的智能无人机植保航线，可以实现提高植保无人机进行植保作业的喷洒精度、提高植保作业的效率的技术效果。
在本申请的一些实施例中，在得到上述植保区域的DOM数据后，通过图像识别技术识别出植保区域中农作物生长区域的轮廓，比如识别出茶垄的***轮廓。图5a至图5c是通过图像识别技术识别得到的农作物生长区域(茶垄)***轮廓的示意图。然后通过计算得出茶垄的***轮廓的中心线，将该中心线作为植保无人机在该农作物生长区域的轮廓指示的范围内进行植保作业时的飞行路线。如图6所示，图6是通过程序计算得出农作物生长区域(茶垄)***轮廓的中心线的示意图。
在本申请的一些实施例中，执行步骤S104之前，还需要在基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线之前，上述方法还包括：比较农作物生长区域的轮廓的宽度与无人作业设备的作业幅度；如果农作物生长区域的轮廓的宽度小于无人作业设备的作业幅度，触发基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；如果农作物生长区域的轮廓的宽度大于无人作业设备的作业幅度，按照作业幅度将农作物生长区域分割成多个子区域，其中，多个子区域中任意一个子区域的轮廓的宽度小于或者等于作业幅度；基于任意一个子区域的轮廓的中心线确定无人作业设备在任意一个子区域的轮廓所指示的作业范围内进行作业时的作业路线。
无人作业设备的作业幅度是指无人机进行药剂喷洒作业时，喷洒药剂能够覆盖的区域的最大宽度。比较农作物生长区域的轮廓的宽度与无人作业设备的作业幅度，如果农作物生长区域的轮廓的宽度小于无人作业设备的作业幅度，说明无人作业设备在该生长区域进行作业时，进行一次作业能够使喷洒的药剂覆盖整个生长区域，直接依据该生长区域的中心线确定无人作业设备的作业路线即可完成作业任务。
如果农作物生长区域的轮廓的宽度大于无人作业设备的作业幅度，说明无人作业设备在该生长区域进行作业时，只进行一次作业不能使喷洒的药剂覆盖到整个生长区域，会造成药剂漏喷。此时需要将该农作物生长区域划分成多个子区域，需要说明的是，划分后的任意一个子区域的轮廓的宽度小于无人作业设备的作业幅度，以保证无人作业设备在任意一个子区域进行作业时，只进行一次作业就可以能使喷洒的药剂覆盖到该子区域的全部范围，避免药剂漏喷。
根据本申请的一个可选的实施例，在执行步骤S104之后，还需要依据无人作业设备的尺寸以及无人作业设备进行作业时四周预留的安全距离确定无人作业设备按照作业路线进行作业时的特定作业范围，特定作业范围为无人作业设备的安全作业范围。图7是依据植保无人机机身尺寸和四周预留安全距离得到植保无人机作业范围的示意图，将该作业范围设定为特定范围。
在本申请的一些实施例中，在执行步骤S106之前，还需要将农作物生长区域的轮廓与地面高程模型数据叠加，得到农作物生长区域的轮廓内的特定作业范围的最大高程值，最大高程值为特定作业范围内的农作物的最高点，在最高点的基础上确定实际飞行高度。
根据本申请的一个可选的实施例，执行步骤S106通过以下方法实现：确定特定作业范围中相邻特定作业范围内最大高程值的差值；如果差值大于预设阈值，调整无人作业设备按照作业路线进行作业时的作业高度。
可选地，如果差值大于预设阈值，调整无人作业设备按照作业路线进行作业时的作业高度，包括：如果无人作业设备进行作业的当前特定作业范围内最大高程值低于相邻的下一特定作业范围内最大高程值，且二者差值大于预设阈值，增加无人作业设备的作业高度至下一特定作业范围内的作业高度；如果无人作业设备进行作业的当前特定作业范围内最大高程值高于相邻的下一特定作业范围内最大高程值，且二者差值大于预设阈值，降低无人作业设备的作业高度至下一特定作业范围内的作业高度。
根据本申请的一个可选的实施例，在调整无人作业设备按照作业路线进行作业时的作业高度之后，上述方法还包括：控制无人作业设备按照作业路线平移至下一特定作业范围内进行作业。
将上述识别得到的茶垄或其它植被的***轮廓与上述得到的DSM数据或点云数据叠加，得到轮廓内每个特定范围的最大高程值(即设定范围内茶树的最高点)后，设定程序计算出相邻特定范围内最大高程值落差不得超出设定的米数，当下一作业范围最大高程值高于现作业高程值并超出设定，则需先垂直上升到下一作业范围植保作业高度再根据航线(***轮廓的中心线)平移到下一作业位置植保；当下一作业范围最大高程值低于现作业高程值并超出设定，则需在进入下一作业范围后先垂直下降到该范围的植保作业高度再作业。以此类推，得到整个航测范围内茶垄的植保航线和作业高度。
需要说明的是，当无人作业设备进行作业的当前特定作业范围内最大高程值低于相邻的下一特定作业范围内最大高程值，且二者差值大于预设阈值，如果增加无人作业设备的作业高度过高，超过下一特定作业范围内的作业高度，还需要在无人作业设备到达下一特定作业范围后再降低无人作业的作业高度至下一特定作业范围内的作业高度。
下面以一个具体的实施例对上述步骤进行说明：设定相邻最高高程值不得大于或等于2米。茶垄a轮廓内有8个特定范围，特定范围1-4最高点均为2米，特定范围5-8最高点均为5米，基于植保无人机一般在作物上1-2米处作业，所以此处设定在作物上2米处作业，由此可得茶垄a中特定范围1-4植保作业高度为2m+2m＝4m，特定范围5-8植保作业高度为5m+2m＝7m。实际作业场景为植保无人机以4米的航高为茶垄a中特定范围1-4植保，完成后先垂直上升行高至7米处(即上述计算得出的特定范围5-8作业行高)，再按航线(即茶垄轮廓中心线)平移到特定范围5-8处进行植保作业。
在本申请的一些实施例中，在步骤S108执行完成之后，还需要将目标航线发送至无人作业设备的控制器，控制器用于控制无人作业设备按照目标航线进行作业。
通过网络或其它方式将上述得到的所有预设航线上传到无人机的控制板或无人机的远程控制终端。无人机的控制板或无人机的远程控制终端即会自动获取到需植保作物的轮廓定位、高度信息以及相应有效安全的植保作业航线。
本申请实施例提供的无人作业设备的目标航线的生成方法优点在于不受其他因素的影响下，结合使用DOM、DSM数据和图像识别技术能够精准获取茶园植保范围内需植保作物的轮廓定位、高度信息以及生成相应有效安全的植保作业航线。能够保证植保任务的顺利完成，提高效率。
图8是根据本申请实施例的另一种无人作业设备的目标航线的生成方法的流程图，如图8所示，该方法包括以下步骤：
步骤S802，获取植保区域的图像数据和植保区域的地面高程模型数据。
根据本申请的一个可选的实施例，步骤S802中的植保区域包括但不限于茶园种植区域，果园种植区域、棉花种植区域等其他农作物种植区域。
可选地，植保区域的图像数据包括植保区域的数字正射影像图DOM，地面高程模型数据包括植保区域的数字表面模型DSM，高程模型数据还可以是点云数据。在执行步骤S802之前，需要预先利用测绘无人机或其他测绘设备采集植保区域的DOM数据和DSM数据。图2为获取的植保区域的DOM数据的示意图，图3为获取的植保区域的DSM数据的示意图。
步骤S804，依据植保区域的图像数据确定植保区域中农作物生长区域的轮廓，以及比较该轮廓的宽度与无人作业设备作业幅度，并依据比较结果确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线。
上述步骤S804中的作业路线是指在无人作业设备进行植保作业时，无人作业设备的飞行方向的路线。农作物生长区域的轮廓指农作物生长的田垄的***轮廓。
步骤S806，依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度。
执行步骤S806时将农作物生长的田垄的***轮廓与植保区域的数字表面模型DSM叠加，得到植保区域的地面高程模型，进而根据植保区域的地面高程模型确定无人作业设备在植保区域进行作业时的飞行高度。
步骤S808，依据作业路线和作业高度生成无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线。
将无人作业设备进行植保作业时的飞行路线和无人作业设备进行植保作业时的飞行高度作为无人作业设备进行植保作业时的目标航线。
通过上述步骤，通过植保区域的图像数据识别出农作物生长区域的轮廓，然后将识别出的农作物生长区域的轮廓和植保区域的地面高程模型数据叠加，获取植保区域植保目标高度的地面高程模型数据，进而规划相应的智能无人机植保航线，可以实现提高植保无人机进行植保作业的喷洒精度、提高植保作业的效率的技术效果。
步骤S802至步骤S808提供了另一种无人作业设备的目标航线的生成方法，需要说明的是，图8所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。
图9根据本申请实施例的另一种无人作业设备的目标航线的生成装置的结构图，如图9所示，该装置包括：
获取模块90，用于获取植保区域的图像数据和植保区域的地面高程模型数据。
植保区域包括但不限于茶园种植区域，果园种植区域、棉花种植区域等其他农作物种植区域。
可选地，植保区域的图像数据包括植保区域的数字正射影像图DOM，地面高程模型数据包括植保区域的数字表面模型DSM，高程模型数据还可以是点云数据。需要预先利用测绘无人机或其他测绘设备采集植保区域的DOM数据和DSM数据。
第一确定模块92，用于依据植保区域的图像数据确定植保区域中农作物生长区域的轮廓，并基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线。
可选地，第一确定模块92还包括第一确定单元，用于确定农作物生长区域的多个中心点；设置单元，用于连接多个中心点，确定农作物生长区域的轮廓的中心线。
上述作业路线是指在无人作业设备进行植保作业时，无人作业设备的飞行方向的路线。农作物生长区域的轮廓指农作物生长的田垄的***轮廓。
在本申请的一些实施例中，目标航线的生成装置还包括比较模块，用于比较农作物生长区域的轮廓的宽度与无人作业设备的作业幅度；如果农作物生长区域的轮廓的宽度小于无人作业设备的作业幅度，触发基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；如果农作物生长区域的轮廓的宽度大于无人作业设备的作业幅度，按照作业幅度将农作物生长区域分割成多个子区域，其中，多个子区域中任意一个子区域的轮廓的宽度小于或者等于作业幅度；基于任意一个子区域的轮廓的中心线确定无人作业设备在任意一个子区域的轮廓所指示的作业范围内进行作业时的作业路线。
第二确定模块94，用于依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度。
第二确定模块94用于将农作物生长的田垄的***轮廓和农作物的***轮廓与植保区域的数字表面模型DSM叠加，得到植保区域的地面高程模型，进而根据植保区域的地面高程模型确定无人作业设备在植保区域进行作业时的飞行高度。
在本申请的一些实施例中，上述无人作业设备的目标航线的生成装置还包括：设置模块，用于将农作物生长区域的轮廓与地面高程模型数据叠加，得到农作物生长区域的轮廓内的特定作业范围的最大高程值，最大高程值为特定作业范围内的农作物的最高点。
可选地，第二确定模块94包括：第二确定单元，用于确定特定作业范围中相邻特定作业范围内最大高程值的差值；调整单元，用于在差值大于预设阈值的情况下，调整无人作业设备按照作业路线进行作业时的作业高度。
上述调整单元包括：第一调整子单元，用于在无人作业设备进行作业的当前特定作业范围内最大高程值低于相邻的下一特定作业范围内最大高程值，且二者差值大于预设阈值时，增加无人作业设备的作业高度至下一特定作业范围内的作业高度；第二调整子单元，用于在无人作业设备进行作业的当前特定作业范围内最大高程值高于相邻的下一特定作业范围内最大高程值，且二者差值大于预设阈值的情况下，降低无人作业设备的作业高度至下一特定作业范围内的作业高度。
在本申请的一些实施例中，上述无人作业设备的目标航线的生成装置还包括控制模块，用于在调整无人作业设备按照作业路线进行作业时的作业高度之后，控制无人作业设备按照作业路线平移至下一特定作业范围内进行作业。
将上述识别得到的茶垄或其它植被的***轮廓与上述得到的DSM数据或点云数据叠加，得到轮廓内每个特定范围的最大高程值(即设定范围内茶树的最高点)后，设定程序计算出相邻特定范围内最大高程值落差不得超出设定的米数，当下一作业范围最大高程值高于现作业高程值并超出设定，则需先垂直上升到下一作业范围植保作业高度再根据航线(***轮廓的中心线)平移到下一作业位置植保；当下一作业范围最大高程值低于现作业高程值并超出设定，则需在进入下一作业范围后先垂直下降到该范围的植保作业高度再作业。以此类推，得到整个航测范围内茶垄的植保航线和作业高度。
需要说明的是，当无人作业设备进行作业的当前特定作业范围内最大高程值低于相邻的下一特定作业范围内最大高程值，且二者差值大于预设阈值，如果增加无人作业设备的作业高度过高，超过下一特定作业范围内的作业高度，还需要在无人作业设备到达下一特定作业范围后再降低无人作业的作业高度至下一特定作业范围内的作业高度。
生成模块96，用于依据作业路线和作业高度生成无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线。
将无人作业设备进行植保作业时的飞行路线和无人作业设备进行植保作业时的飞行高度作为无人作业设备进行植保作业时的目标航线。
上述无人作业设备的目标航线的生成装置还包括：发送模块，用于将目标航线发送至无人作业设备的控制器，控制器用于控制无人作业设备按照目标航线进行作业。通过网络或其它方式将上述得到的所有预设航线上传到无人机的控制板或无人机的远程控制终端。无人机的控制板或无人机的远程控制终端即会自动获取到需植保作物的轮廓定位、高度信息以及相应有效安全的植保作业航线。
通过上述装置，通过植保区域的图像数据识别出农作物生长区域的轮廓，然后将识别出的农作物生长区域的轮廓和植保区域的地面高程模型数据叠加，获取植保区域植保目标高度的地面高程模型数据，进而规划相应的智能无人机植保航线，可以实现提高植保无人机进行植保作业的喷洒精度、提高植保作业的效率的技术效果。
需要说明的是，图9所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。
图10根据本申请实施例的一种植保***的结构图，如图10所示，该***包括：
服务器100，用于获取植保区域的图像数据和植保区域的地面高程模型数据；依据植保区域的图像数据确定植保区域中农作物生长区域的轮廓，并基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；依据作业路线和作业高度生成无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线；将目标航线发送至无人作业设备的控制器。
上述作业路线是指在无人作业设备进行植保作业时，指示无人作业设备的飞行方向的路线。农作物生长区域的轮廓指农作物生长的田垄的***轮廓。将农作物生长的田垄的***轮廓与植保区域的数字表面模型DSM叠加，得到植保区域的地面高程模型，进而根据植保区域的地面高程模型确定无人作业设备在植保区域进行作业时的飞行高度。将无人作业设备进行植保作业时的飞行路线和无人作业设备进行植保作业时的飞行高度作为无人作业设备进行植保作业时的目标航线。
无人作业设备102，与服务器通信连接，用于按照目标航线进行植保作业。
根据本申请的一个可选的实施例，无人作业设备102包括但不限于无人机。
需要说明的是，图10所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。
本申请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，程序运行时控制存储介质所在的设备执行以上的无人作业设备的目标航线的生成方法。
存储介质用于存储执行以下功能的程序：获取植保区域的图像数据和植保区域的地面高程模型数据；依据植保区域的图像数据确定植保区域中农作物生长区域的轮廓，并基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；依据作业路线和作业高度生成无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线。
本申请实施例还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行以上的无人作业设备的目标航线的生成方法。
处理器用于运行执行以下功能的程序：获取植保区域的图像数据和植保区域的地面高程模型数据；依据植保区域的图像数据确定植保区域中农作物生长区域的轮廓，并基于农作物生长区域的轮廓的中心线确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；依据农作物生长区域的轮廓和地面高程模型数据确定无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；依据作业路线和作业高度生成无人作业设备在农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，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，在本申请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，本申请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)执行本申请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。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (15)
1.一种无人作业设备的目标航线的生成方法，其特征在于，包括：
获取植保区域的图像数据和所述植保区域的地面高程模型数据；
依据所述植保区域的图像数据确定所述植保区域中农作物生长区域的轮廓，并基于所述农作物生长区域的轮廓的中心线确定所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；
依据所述农作物生长区域的轮廓和所述地面高程模型数据确定所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；
依据所述作业路线和所述作业高度生成所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线。
2.根据权利要求1所述的方法，其特征在于，在基于所述农作物生长区域的轮廓的中心线确定所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线之前，所述方法还包括：
比较所述农作物生长区域的轮廓的宽度与所述无人作业设备的作业幅度；
如果所述农作物生长区域的轮廓的宽度小于所述无人作业设备的作业幅度，触发基于所述农作物生长区域的轮廓的中心线确定所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；
如果所述农作物生长区域的轮廓的宽度大于所述无人作业设备的作业幅度，按照所述作业幅度将所述农作物生长区域分割成多个子区域，其中，所述多个子区域中任意一个子区域的轮廓的宽度小于或者等于所述作业幅度；基于所述任意一个子区域的轮廓的中心线确定所述无人作业设备在所述任意一个子区域的轮廓所指示的作业范围内进行作业时的作业路线。
3.根据权利要求1或2所述的方法，其特征在于，所述农作物生长区域的轮廓的中心线通过以下方法确定：
确定所述农作物生长区域的多个中心点；
连接所述多个中心点，确定所述农作物生长区域的轮廓的中心线。
4.根据权利要求1或2所述的方法，其特征在于，在确定无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线之后，所述方法还包括：
依据所述无人作业设备的尺寸以及所述无人作业设备进行作业时四周预留的安全距离确定所述无人作业设备按照所述作业路线进行作业时的特定作业范围，所述特定作业范围为所述无人作业设备的安全作业范围。
5.根据权利要求4所述的方法，其特征在于，在依据所述农作物生长区域的轮廓和所述地面高程模型数据确定所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度之前，所述方法还包括：
将所述农作物生长区域的轮廓与所述地面高程模型数据叠加，得到所述农作物生长区域的轮廓内的特定作业范围的最大高程值，所述最大高程值为所述特定作业范围内的所述农作物的最高点。
6.根据权利要求5所述的方法，其特征在于，依据所述农作物生长区域的轮廓和所述地面高程模型数据确定所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度，包括：
确定所述特定作业范围中相邻特定作业范围内最大高程值的差值；
如果所述差值大于预设阈值，调整所述无人作业设备按照所述作业路线进行作业时的作业高度。
7.根据权利要求6所述的方法，其特征在于，如果所述差值大于预设阈值，调整所述无人作业设备按照所述作业路线进行作业时的作业高度，包括：
如果所述无人作业设备进行作业的当前特定作业范围内最大高程值低于相邻的下一特定作业范围内最大高程值，且二者差值大于所述预设阈值，增加所述无人作业设备的作业高度至所述下一特定作业范围内的作业高度；
如果所述无人作业设备进行作业的当前特定作业范围内最大高程值高于相邻的下一特定作业范围内最大高程值，且二者差值大于所述预设阈值，降低所述无人作业设备的作业高度至所述下一特定作业范围内的作业高度。
8.根据权利要求7所述的方法，其特征在于，在调整所述无人作业设备按照所述作业路线进行作业时的作业高度之后，所述方法还包括：
控制所述无人作业设备按照所述作业路线平移至所述下一特定作业范围内进行作业。
9.根据权利要求1所述的方法，其特征在于，在依据所述作业路线和所述作业高度生成所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线之后，所述方法还包括：
将所述目标航线发送至所述无人作业设备的控制器，所述控制器用于控制所述无人作业设备按照所述目标航线进行作业。
10.根据权利要求1所述的方法，其特征在于，所述植保区域的图像数据包括所述植保区域的数字正射影像图DOM，所述地面高程模型数据包括所述植保区域的数字表面模型DSM。
11.一种无人作业设备的目标航线的生成方法，其特征在于，包括：
获取植保区域的图像数据和所述植保区域的地面高程模型数据；
依据所述植保区域的图像数据确定所述植保区域中农作物生长区域的轮廓，以及比较所述轮廓的宽度与无人作业设备作业幅度，并依据比较结果确定无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；
依据所述农作物生长区域的轮廓和所述地面高程模型数据确定所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；
依据所述作业路线和所述作业高度生成所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线。
12.一种无人作业设备的目标航线的生成装置，其特征在于，包括：
获取模块，用于获取植保区域的图像数据和所述植保区域的地面高程模型数据；
第一确定模块，用于依据所述植保区域的图像数据确定所述植保区域中农作物生长区域的轮廓，并基于所述农作物生长区域的轮廓的中心线确定所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；
第二确定模块，用于依据所述农作物生长区域的轮廓和所述地面高程模型数据确定所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；
生成模块，用于依据所述作业路线和所述作业高度生成所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线。
13.一种植保***，其特征在于，包括：
服务器，用于获取植保区域的图像数据和所述植保区域的地面高程模型数据；依据所述植保区域的图像数据确定所述植保区域中农作物生长区域的轮廓，并基于所述农作物生长区域的轮廓的中心线确定无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的作业路线；依据所述农作物生长区域的轮廓和所述地面高程模型数据确定所述无人作业设备在所农作物生长区域的轮廓所指示的作业范围内进行作业时的作业高度；依据所述作业路线和所述作业高度生成所述无人作业设备在所述农作物生长区域的轮廓所指示的作业范围内进行作业时的目标航线；将所述目标航线发送至所述无人作业设备的控制器；
所述无人作业设备，与所述服务器通信连接，用于按照所述目标航线进行植保作业。
14.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时控制存储介质所在的设备执行权利要求1至11中任意一项所述的无人作业设备的目标航线的生成方法。
15.一种处理器，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11中任意一项所述的无人作业设备的目标航线的生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910436260.6A CN111982097A (zh) | 2019-05-23 | 2019-05-23 | 无人作业设备的目标航线的生成方法及装置、植保*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910436260.6A CN111982097A (zh) | 2019-05-23 | 2019-05-23 | 无人作业设备的目标航线的生成方法及装置、植保*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111982097A true CN111982097A (zh) | 2020-11-24 |
Family
ID=73437531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910436260.6A Pending CN111982097A (zh) | 2019-05-23 | 2019-05-23 | 无人作业设备的目标航线的生成方法及装置、植保*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111982097A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112650215A (zh) * | 2020-12-01 | 2021-04-13 | 广州极飞科技有限公司 | 无人车的植保作业方法及植保作业装置、无人车控制*** |
| CN112700346A (zh) * | 2020-12-31 | 2021-04-23 | 广州极飞科技有限公司 | 农作物高度的确定方法、装置、存储介质和设备 |
| CN112700347A (zh) * | 2020-12-31 | 2021-04-23 | 广州极飞科技有限公司 | 农作物高度生长曲线的生成方法、装置和存储介质 |
| CN114494396A (zh) * | 2021-12-28 | 2022-05-13 | 广州极飞科技股份有限公司 | 作业对象高度确定方法、装置、设备和存储介质 |
| CN114485612A (zh) * | 2021-12-29 | 2022-05-13 | 广州极飞科技股份有限公司 | 路线生成方法、装置、无人作业车、电子设备及存储介质 |
| CN114611802A (zh) * | 2022-03-15 | 2022-06-10 | 广州极飞科技股份有限公司 | 作业航线生成方法、装置、电子设备及可读存储介质 |
| CN115316172A (zh) * | 2022-10-12 | 2022-11-11 | 广东省农业科学院植物保护研究所 | 一种基于植保无人机的纳米农药施药方法及*** |
| CN116222547A (zh) * | 2023-05-10 | 2023-06-06 | 北京市农林科学院智能装备技术研究中心 | 适用于等高种植的农机导航方法、装置及电子设备 |
| CN116578117A (zh) * | 2023-05-23 | 2023-08-11 | 上海左岸芯慧电子科技有限公司 | 一种基于无人农机的精准作业方法、***、设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105955294A (zh) * | 2016-05-26 | 2016-09-21 | 北京大工科技有限公司 | 控制无人机植保作业的方法及装置 |
| US20170199528A1 (en) * | 2015-09-04 | 2017-07-13 | Nutech Ventures | Crop height estimation with unmanned aerial vehicles |
| CN108513643A (zh) * | 2017-08-31 | 2018-09-07 | 深圳市大疆创新科技有限公司 | 一种路径规划方法、飞行器、飞行*** |
| CN109035869A (zh) * | 2017-07-26 | 2018-12-18 | 广州极飞科技有限公司 | 无人机航线的生成方法和装置 |
| CN109154503A (zh) * | 2017-11-21 | 2019-01-04 | 深圳市大疆创新科技有限公司 | 无人机作业航线的规划方法及地面端设备 |
| 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 |
| CN109375636A (zh) * | 2018-12-13 | 2019-02-22 | 广州极飞科技有限公司 | 无人机航线的生成方法、装置、无人机和存储介质 |
-
2019
- 2019-05-23 CN CN201910436260.6A patent/CN111982097A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170199528A1 (en) * | 2015-09-04 | 2017-07-13 | Nutech Ventures | Crop height estimation with unmanned aerial vehicles |
| CN105955294A (zh) * | 2016-05-26 | 2016-09-21 | 北京大工科技有限公司 | 控制无人机植保作业的方法及装置 |
| CN109035869A (zh) * | 2017-07-26 | 2018-12-18 | 广州极飞科技有限公司 | 无人机航线的生成方法和装置 |
| CN108513643A (zh) * | 2017-08-31 | 2018-09-07 | 深圳市大疆创新科技有限公司 | 一种路径规划方法、飞行器、飞行*** |
| CN109154503A (zh) * | 2017-11-21 | 2019-01-04 | 深圳市大疆创新科技有限公司 | 无人机作业航线的规划方法及地面端设备 |
| 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 |
| CN109375636A (zh) * | 2018-12-13 | 2019-02-22 | 广州极飞科技有限公司 | 无人机航线的生成方法、装置、无人机和存储介质 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112650215A (zh) * | 2020-12-01 | 2021-04-13 | 广州极飞科技有限公司 | 无人车的植保作业方法及植保作业装置、无人车控制*** |
| CN112650215B (zh) * | 2020-12-01 | 2024-02-23 | 广州极飞科技股份有限公司 | 无人车的植保作业方法及植保作业装置、无人车控制*** |
| CN112700346A (zh) * | 2020-12-31 | 2021-04-23 | 广州极飞科技有限公司 | 农作物高度的确定方法、装置、存储介质和设备 |
| CN112700347A (zh) * | 2020-12-31 | 2021-04-23 | 广州极飞科技有限公司 | 农作物高度生长曲线的生成方法、装置和存储介质 |
| CN114494396A (zh) * | 2021-12-28 | 2022-05-13 | 广州极飞科技股份有限公司 | 作业对象高度确定方法、装置、设备和存储介质 |
| CN114485612A (zh) * | 2021-12-29 | 2022-05-13 | 广州极飞科技股份有限公司 | 路线生成方法、装置、无人作业车、电子设备及存储介质 |
| CN114485612B (zh) * | 2021-12-29 | 2024-04-26 | 广州极飞科技股份有限公司 | 路线生成方法、装置、无人作业车、电子设备及存储介质 |
| CN114611802A (zh) * | 2022-03-15 | 2022-06-10 | 广州极飞科技股份有限公司 | 作业航线生成方法、装置、电子设备及可读存储介质 |
| CN115316172A (zh) * | 2022-10-12 | 2022-11-11 | 广东省农业科学院植物保护研究所 | 一种基于植保无人机的纳米农药施药方法及*** |
| CN116222547A (zh) * | 2023-05-10 | 2023-06-06 | 北京市农林科学院智能装备技术研究中心 | 适用于等高种植的农机导航方法、装置及电子设备 |
| CN116578117A (zh) * | 2023-05-23 | 2023-08-11 | 上海左岸芯慧电子科技有限公司 | 一种基于无人农机的精准作业方法、***、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111982097A (zh) | 无人作业设备的目标航线的生成方法及装置、植保*** | |
| CN106200683B (zh) | 无人机植保***及植保方法 | |
| CN106873631B (zh) | 无人机控制方法、植保作业方法、无人机及地面站 | |
| KR102229095B1 (ko) | 무인기 작업 방법 및 장치 | |
| CN109716167B (zh) | 映射和建立使用空中无人机进行收割-稀释任务的数据库的***和方法 | |
| CN105116911B (zh) | 无人机喷药方法 | |
| CN105159319B (zh) | 一种无人机的喷药方法及无人机 | |
| CN112965514B (zh) | 一种空地协同施药方法及*** | |
| CN108519775A (zh) | 一种精准喷洒的无人机***及其控制方法 | |
| CA2830009C (en) | Tree metrology system | |
| CN109845715A (zh) | 农药喷洒控制方法、装置、设备以及存储介质 | |
| CN106020237A (zh) | 植保无人机的多机作业航线规划及其喷洒作业方法和*** | |
| UA123573C2 (uk) | Способи агрономічного та сільськогосподарського моніторингу із застосуванням безпілотних літальних систем | |
| CN107274254B (zh) | 互联网共享租赁无人机*** | |
| CN205819567U (zh) | 一种无人机植保*** | |
| CN107526367A (zh) | 一种基于地理信息融合技术的果树植保无人机作业*** | |
| 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 | |
| CN110333737A (zh) | 一种用于农药喷洒的喷洒效率高的无人机控制***及方法 | |
| CN111625016A (zh) | 植保无人机作业优化方法、装置、***及可读存储介质 | |
| CN111506097A (zh) | 一种无人机遥感技术在精准农业中的应用***及方法 | |
| CN103424366A (zh) | 一种多光谱精准识别的智能施肥实施方法 | |
| CN112180987B (zh) | 协同作业方法、***、装置、计算机设备及存储介质 | |
| CN111984026A (zh) | 无人机的控制方法和装置 | |
| CN111982096B (zh) | 一种作业路径生成方法、装置及无人飞行器 | |
| US20220046859A1 (en) | System and method for selective harvesting at night or under poor visibility conditions, night dilution and agriculture data collection |
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 |
Address after: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant after: XAG Co., Ltd. Address before: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant before: Guangzhou Xaircraft Technology Co.,Ltd. |
|
| CB02 | Change of applicant information |