CN112650215A - 无人车的植保作业方法及植保作业装置、无人车控制*** - Google Patents
无人车的植保作业方法及植保作业装置、无人车控制*** Download PDFInfo
- Publication number
- CN112650215A CN112650215A CN202011384312.9A CN202011384312A CN112650215A CN 112650215 A CN112650215 A CN 112650215A CN 202011384312 A CN202011384312 A CN 202011384312A CN 112650215 A CN112650215 A CN 112650215A
- Authority
- CN
- China
- Prior art keywords
- plant
- area
- unmanned vehicle
- plant protection
- protected
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000008569 process Effects 0.000 claims abstract description 36
- 244000038559 crop plants Species 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012876 topography Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 7
- 241000196324 Embryophyta Species 0.000 description 417
- 229920000742 Cotton Polymers 0.000 description 18
- 241000219146 Gossypium Species 0.000 description 18
- 240000002024 Gossypium herbaceum Species 0.000 description 17
- 235000004341 Gossypium herbaceum Nutrition 0.000 description 17
- 238000012545 processing Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 4
- 102000006463 Talin Human genes 0.000 description 3
- 108010083809 Talin Proteins 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
- 238000003971 tillage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 240000006394 Sorghum bicolor Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Guiding Agricultural Machines (AREA)
Abstract
本发明公开了一种无人车的植保作业方法及植保作业装置、无人车控制***。其中,该方法包括:获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型;基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,待植保区域内包括至少一块种植作业区;基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线;基于植株高程模型,确定无人车的底盘离地高度;基于植保导航路线和底盘离地高度,控制无人车对待植保区域进行作业。本发明解决了相关技术中植保作业过程中无法规划作业路线,容易导致作业效率低的技术问题。
Description
技术领域
本发明涉及植保作业技术领域,具体而言,涉及一种无人车的植保作业方法及植保作业装置、无人车控制***。
背景技术
相关技术中,大部分棉花种植基地普及了机械化植保作业,但仍主要以传统人工驾驶作业车或人工通过手柄远程控制无人车的作业方式为主。传统人工驾驶作业主要依靠人工控制手扶拖拉机,该方式作业效率较低;通过手柄远程控制无人车虽然将人从作业车上解放出来,但仍需人工操作无人车控制器,难免会出现操作失误的情况。
当前,在农场棉花区域地带内执行植保作业时,由于未事先规划行驶路线,通过人工驾驶作业车辆执行作业任务时,往往会受到不同棉花地块的大小、耕道影响,存在人工作业效率低和人工操作易失误的问题。同时,目前植保无人车底盘悬挂和轮距都是固定的,由于棉花植株长势差异,株高不一样,若作业车不能灵活调整底盘离地高度,植保作业时容易破坏植株。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种无人车的植保作业方法及植保作业装置、无人车控制***,以至少解决相关技术中植保作业过程中无法规划作业路线,容易导致作业效率低的技术问题。
根据本发明实施例的一个方面,提供了一种无人车的植保作业方法,包括:获取待植保区域的图像集和在所述待植保区域内已种植作物的植株高程模型;基于所述图像集,确定所述待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,所述待植保区域内包括至少一块种植作业区;基于所述机耕道和所述植株范围,生成无人车在植保作业过程中的植保导航路线;基于所述植株高程模型,确定所述无人车的底盘离地高度;基于所述植保导航路线和所述底盘离地高度,控制所述无人车对所述待植保区域进行作业。
可选地,获取待植保区域的图像集和在所述待植保区域内已种植作物的植株高程模型的步骤,包括:控制无人机执行飞行作业,其中,所述飞行作业用于指示所述无人机在所述待植保区域的上空进行飞行;控制所述无人机上携带的摄像模块拍摄所述待植保区域的多帧图像,得到所述图像集;控制所述无人机的扫描模块获取所述待植保区域的地形高程信息、地表信息和每块种植作业区的植株高度参数,得到所述植株高程模型,其中,所述地形高程信息至少包括:区域海拔高度、区域地形高度差,所述地表信息至少包括:植株颜色、每块种植作业区的大小。
可选地,基于所述图像集,确定所述待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围的步骤,包括:对所述图像集进行预设波段运算,得到多个植株像元值;基于所述多个植株像元值,提取每块所述种植作业区中已种植作物的植株范围;确定所述植株范围的植株边界线;基于每两块相邻种植作业区的植株边界线,确定机耕道边界线;以每两条距离最近的机耕道边界线为一组,生成机耕道中心线;基于多条机耕道中心线,确定多个机耕道。
可选地,对所述图像集进行预设波段运算,得到多个植株像元值的步骤,包括:分析所述图像集中每个图像上多个图像子区域的蓝色波段值、绿色波段值和红色波段值;将每个图像子区域的所述蓝色波段值、绿色波段值和红色波段值输入至预设波段公式,得到与每个图像对应的多个所述植株像元值。
可选地,基于所述多个植株像元值,提取每块所述种植作业区中已种植作物的植株范围的步骤,包括:判断所述植株像元值是否大于预设像元阈值;若所述植株像元值大于预设像元阈值,则确定所述植株像元值指示的图像子区域为植株区域;若所述植株像元值小于等于预设像元阈值,则确定所述植株像元值指示的图像子区域为机耕道区域;基于所述植株区域和所述机耕道区域,确定每块所述种植作业区中已种植作物的植株范围。
可选地,基于所述机耕道和所述植株范围,生成无人车在植保作业过程中的植保导航路线的步骤,包括:将每个机耕道的机耕道中心线定义为单向导航路线,以相邻两条单向导航路线组成一对植保导航子路线;计算相邻两条单向导航路线的垂直距离;基于所述垂直距离,以目标路线终点为圆心生成导航圆弧;基于每对植保导航子路线和对应的导航圆弧,生成多条导航子路线;基于多条导航子路线,生成所述植保导航路线。
可选地,基于所述机耕道和所述植株范围,生成无人车在植保作业过程中的植保导航路线的步骤,包括:在每条所述导航子路线的路线起止点和沿路线方向每隔预设距离生成一个信息点,其中,每个所述信息点对应一个标识信号;将相邻两条所述导航子路线上的连续信息点确定为闭合信息块,生成所述植保导航路线的所有导航信息块。
可选地,基于所述植株高程模型,确定所述无人车的底盘离地高度的步骤,包括:基于所述植株高程模型,对所述信息块进行垂直导航路线方向扫描,得到作物植株高度和机耕道高度;基于所述作物植株高度和所述机耕道高度,计算每个所述信息块内的植株高程差值;基于所述植株高程差值和预设离地间距值,计算与每个所述信息块对应的底盘离地高度。
可选地,控制所述无人车对所述待植保区域进行作业的步骤,包括:基于所述植保导航路线和所述底盘离地高度,生成作业处方图,其中,所述作业处方图用于指示无人车在植保作业过程中的行驶路线、底盘离地高度、车辆轮胎间距、车辆转弯时间、转弯方向;基于所述作业处方图,控制所述无人车对所述待植保区域进行作业。
根据本发明实施例的另一方面,还提供了一种无人车的植保作业方法,包括:获取待植保区域的图像集和在所述待植保区域内已种植作物的植株高程模型;基于所述图像集,确定所述待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,所述待植保区域内包括至少一块种植作业区;基于所述机耕道和所述植株范围,生成无人车在植保作业过程中的植保导航路线;基于所述植株高程模型,确定所述无人车的底盘离地高度;基于所述植保导航路线和所述底盘离地高度,生成作业处方图,其中,所述作业处方图用于指示无人车在植保作业过程中的行驶路线、底盘离地高度、车辆转弯时间、转弯方向;基于所述作业处方图,控制所述无人车对所述待植保区域进行作业。
根据本发明实施例的另一方面,还提供了一种无人车控制***,包括:无人机,获取待植保区域的图像集和地形高程信息、地表信息和每块种植作业区的植株高度参数,得到植株高程模型,其中,所述地形高程信息至少包括:区域海拔高度、区域地形高度差,所述地表信息至少包括:植株颜色、每块种植作业区的大小;云计算平台,与所述无人机建立连接关系,所述云计算平台至少包括处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任意一项所述的无人车的植保作业方法;无人车,与所述云计算平台连接,接收作业处方图,并根据所述作业处方图执行植保作业任务。
根据本发明实施例的另一方面,还提供了一种无人车的植保作业装置,包括:获取单元,用于获取待植保区域的图像集和在所述待植保区域内已种植作物的植株高程模型;第一确定单元,用于基于所述图像集,确定所述待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,所述待植保区域内包括至少一块种植作业区;生成单元,用于基于所述机耕道和所述植株范围,生成无人车在植保作业过程中的植保导航路线;第二确定单元,用于基于所述植株高程模型,确定所述无人车的底盘离地高度;控制单元,用于基于所述植保导航路线和所述底盘离地高度,控制所述无人车对所述待植保区域进行作业。
可选地,所述获取单元包括:第一控制模块,用于控制无人机执行飞行作业,其中,所述飞行作业用于指示所述无人机在所述待植保区域的上空进行飞行;第二控制模块,用于控制所述无人机上携带的摄像模块拍摄所述待植保区域的多帧图像,得到所述图像集;第三控制模块,用于控制所述无人机的扫描模块获取所述待植保区域的地形高程信息、地表信息和每块种植作业区的植株高度参数,得到所述植株高程模型,其中,所述地形高程信息至少包括:区域海拔高度、区域地形高度差,所述地表信息至少包括:植株颜色、每块种植作业区的大小。
可选地,所述第一确定单元包括:第一运算模块,用于对所述图像集进行预设波段运算,得到多个植株像元值;第一提取模块,用于基于所述多个植株像元值,提取每块所述种植作业区中已种植作物的植株范围;第一确定模块,用于确定所述植株范围的植株边界线;第二确定模块,用于基于每两块相邻种植作业区的植株边界线,确定机耕道边界线;第一生成模块,用于以每两条距离最近的机耕道边界线为一组,生成机耕道中心线;第三确定模块,用于基于多条机耕道中心线,确定多个机耕道。
可选地,所述第一运算模块包括:第一分析子模块,用于分析所述图像集中每个图像上多个图像子区域的蓝色波段值、绿色波段值和红色波段值;第一输入子模块,用于将每个图像子区域的所述蓝色波段值、绿色波段值和红色波段值输入至预设波段公式,得到与每个图像对应的多个所述植株像元值。
可选地,所述第一提取模块包括:第一判断子模块,用于判断所述植株像元值是否大于预设像元阈值;第一确定子模块,用于在所述植株像元值大于预设像元阈值时,确定所述植株像元值指示的图像子区域为植株区域;第二确定子模块,用于在所述植株像元值小于等于预设像元阈值时,确定所述植株像元值指示的图像子区域为机耕道区域;第三确定子模块,用于基于所述植株区域和所述机耕道区域,确定每块所述种植作业区中已种植作物的植株范围。
可选地,所述生成单元包括:第一定义模块,用于将每个机耕道的机耕道中心线定义为单向导航路线,以相邻两条单向导航路线组成一对植保导航子路线;第一计算模块,用于计算相邻两条单向导航路线的垂直距离;第一生成模块,用于基于所述垂直距离,以目标路线终点为圆心生成导航圆弧;第二生成模块,用于基于每对植保导航子路线和对应的导航圆弧,生成多条导航子路线;第三生成模块,用于基于多条导航子路线,生成所述植保导航路线。
可选地,所述生成单元还包括:第四生成模块,用于在每条所述导航子路线的路线起止点和沿路线方向每隔预设距离生成一个信息点,其中,每个所述信息点对应一个标识信号;第五生成模块,用于将相邻两条所述导航子路线上的连续信息点确定为闭合信息块,生成所述植保导航路线的所有导航信息块。
可选地,所述第二确定单元包括:扫描模块,用于基于所述植株高程模型,对所述信息块进行垂直导航路线方向扫描,得到作物植株高度和机耕道高度;第二计算模块,用于基于所述作物植株高度和所述机耕道高度,计算每个所述信息块内的植株高程差值;第三计算模块,用于基于所述植株高程差值和预设离地间距值,计算与每个所述信息块对应的底盘离地高度。
可选地,所述控制单元包括:第六生成模块,用于基于所述植保导航路线和所述底盘离地高度,生成作业处方图,其中,所述作业处方图用于指示无人车在植保作业过程中的行驶路线、底盘离地高度、车辆转弯时间、转弯方向;控制模块,用于基于所述作业处方图,控制所述无人车对所述待植保区域进行作业。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的无人车的植保作业方法。
本发明实施例中,先获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型,然后基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,之后基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线,基于植株高程模型,确定无人车的底盘离地高度,基于植保导航路线和底盘离地高度,控制无人车对待植保区域进行作业。在该实施例中,可以对图像集和植株高程模型进行分析,获得导航路线,并确定无人车底盘离地高度,然后根据导航路线和底盘离地高度,实现无人车按照导航路线自动行驶并自动调整离地高度,从而进行智能化植保作业,从而解决相关技术中植保作业过程中无法规划作业路线,容易导致作业效率低的技术问题。
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是根据本发明实施例的一种可选的无人车的植保作业方法的流程图;
图2是根据本发明实施例的一种可选的确定机耕道和作物区域的示意图;
图3是根据本发明实施例的一种可选的确定信息块和导航路线的示意图;
图4是根据本发明实施例的一种可选的无人车控制***的示意图;
图5是根据本发明实施例的一种可选的无人车的植保作业装置的示意图。
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。
为便于本领域技术人员理解本发明,下面对本发明各实施例中涉及的部分术语或名词做出解释:
DOM,Digital Orthophoto Map,数字正射影像图,是对目标图像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。
DSM,Digital Surface Model,数字地表模型,是指包含了地表建筑物、桥梁、农作物和树木等高度的地面高程模型。和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。
GLI,Green Leaf Index,绿叶指数,用来识别土壤与植被区域,通过判断红光波段与蓝光波段DN值的平均值是否大于绿光波段DN值来生成灰度图像,并进行归一化处理,使结果图像的像元值在某一像元范围内(例如,设置-1到1)之间。
本发明实施例可以应用于各种农业植保作业环境中,作业环境包括但不限于:棉花植保环境、高粱植保环境、水稻植保环境。本发明实施例以棉花植保作业环境作为例子,进行示意性说明,通过本发明实施例,可以解决棉花植保无人车无法自动生成导航路线以及无法根据棉花地和棉花植株长势情况自动灵活调整底盘离地间距,从而导致植保作业效率低和作业时破坏棉花植株的问题。下面结合各个实施例来说明本发明。
实施例一
本发明实施例利用无人机获取图像集和地表相关信息,生成无人车植保作业处方图,无人车根据处方图进行智能化植保作业。该方法通过对图像集数据的处理,识别出机耕道与作物植株,获得导航路线,并根据地表相关信息获得最优底盘离地高度,确定无人车最优离地间距,然后根据导航路线和底盘离地高度生成植保作业处方图,根据作业处方图,实现无人车按照导航路线自动行驶并自动调整离地高度,从而进行智能化植保作业。下面对本发明实施例进行详细说明。
根据本发明实施例,提供了一种无人车的植保作业方法实施例,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。
图1是根据本发明实施例的一种可选的无人车的植保作业方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型;
步骤S104,基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,待植保区域内包括至少一块种植作业区;
步骤S106,基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线;
步骤S108,基于植株高程模型,确定无人车的底盘离地高度;
步骤S110,基于植保导航路线和底盘离地高度,控制无人车对待植保区域进行作业。
通过上述步骤,可以先获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型,然后基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,之后基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线,基于植株高程模型,确定无人车的底盘离地高度,基于植保导航路线和底盘离地高度,控制无人车对待植保区域进行作业。在该实施例中,可以对图像集和植株高程模型进行分析,获得导航路线,并确定无人车底盘离地高度,然后根据导航路线和底盘离地高度,实现无人车按照导航路线自动行驶并自动调整离地高度,从而进行智能化植保作业,从而解决相关技术中植保作业过程中无法规划作业路线,容易导致作业效率低的技术问题。
下面结合上述各步骤详细说明本发明。
步骤S102,获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型。
可选的,获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型的步骤,包括:控制无人机执行飞行作业,其中,飞行作业用于指示无人机在待植保区域的上空进行飞行;控制无人机上携带的摄像模块拍摄待植保区域的多帧图像,得到图像集;控制无人机的扫描模块获取待植保区域的地形高程信息、地表信息和每块种植作业区的植株高度参数,得到植株高程模型,其中,地形高程信息至少包括:区域海拔高度、区域地形高度差,地表信息至少包括:植株颜色、每块种植作业区的大小。
上述待植保区域可以是指无人车智能化植保作业区域,例如,棉花地植保区域。
可选的,待植保区域可以包括:多个种植作业区和多条机耕道,机耕道可以供无人车行驶,种植作业区可以是分开的,种植作业区的大小可以一致,也可以不一致。
本发明实施例中涉及的无人机可以是指测绘无人机、农业测量机等。在无人机上可以携带有相机和扫描模块,以分别拍摄待植保区域的图像,并获取待植保区域的地表信息和植株信息。
本发明实施例中,以云计算平台为实施主体,该云计算平台分别连接无人机和无人车,可以利用无人机执行飞行作业,以获得图像集和植株高程模型,利用无人车在机耕道上执行植保作业。可选的,本发明实施例涉及的图像集可以指示数字正射影像图DOM集合,植株高程模型可以是指数字植株模型DSM。在云计算平台分析出最优的导航路线和离地最优高度后,确定出作业处方图,并控制无人车按照作业处方图执行植保作业任务。
步骤S104,基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,待植保区域内包括至少一块种植作业区。
可选的,基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围的步骤,包括:对图像集进行预设波段运算,得到多个植株像元值;基于多个植株像元值,提取每块种植作业区中已种植作物的植株范围;确定植株范围的植株边界线;基于每两块相邻种植作业区的植株边界线,确定机耕道边界线;以每两条距离最近的机耕道边界线为一组,生成机耕道中心线;基于多条机耕道中心线,确定多个机耕道。
在本发明实施例中,对图像集进行预设波段运算,得到多个植株像元值的步骤,包括:分析图像集中每个图像上多个图像子区域的蓝色波段值、绿色波段值和红色波段值;将每个图像子区域的蓝色波段值、绿色波段值和红色波段值输入至预设波段公式,得到与每个图像对应的多个植株像元值。
本发明实施例中,获取到的图像集中的图像为三波段影像,机耕道和作业区域的图像波段不相同,每个图像子区域对应的像元有三个波段数;例如,棉花植株区域的波段为:40,61,43;而机耕道的波段为:117,118,107。
预设波段公式可以指示:GLI=(2*Band2-Band1-Band3(蓝色波段))/(2*Band2+Band1+Band3)。其中,Band1指示红色波段,Band2指示绿色波段,Band3指示蓝色波段。
通过该预设波段公式可以对图像集的图像数据进行处理,得到GLI影像,该GLI影像指示图像中各图像子区域中的植株像元值,然后通过像元阈值来对GLI影像进行分割,识别出机耕道与植株范围(或者作物区域),提取出植株与机耕道的边界,生成机耕道中心线,确定机耕道。
作为本发明可选的实施例,基于多个植株像元值,提取每块种植作业区中已种植作物的植株范围的步骤,包括:判断植株像元值是否大于预设像元阈值;若植株像元值大于预设像元阈值,则确定植株像元值指示的图像子区域为植株区域;若植株像元值小于等于预设像元阈值,则确定植株像元值指示的图像子区域为机耕道区域;基于植株区域和机耕道区域,确定每块种植作业区中已种植作物的植株范围。
上述的预设像元阈值并不限定,其可以根据实际的作物进行取值,例如,设定预设像元阈值为0/2/-1,以0进行示意说明,大于0像元值区域为植株区域,小于0的像元值区域机耕道区域。
图2是根据本发明实施例的一种可选的确定机耕道和作物区域的示意图,如图2所示,各个作业块之间包括多条机耕道,图2中带斜线区域为棉花地带,每个棉花地带之间为机耕道,每两条机耕道可以供一台无人车行驶,无人车车轮间距一般大于在两条机耕道之间的棉花地带的间距值,离地高度一般高于所行驶地带的棉花植株的高度。
步骤S106,基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线。
在本发明实施例中,基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线的步骤,包括:将每个机耕道的机耕道中心线定义为单向导航路线,以相邻两条单向导航路线组成一对植保导航子路线;计算相邻两条单向导航路线的垂直距离;基于垂直距离,以目标路线终点为圆心生成导航圆弧;基于每对植保导航子路线和对应的导航圆弧,生成多条导航子路线;基于多条导航子路线,生成植保导航路线。
例如,本发明实施例取机耕道中心线为单向导航路线(编号A、B…,若序号Z不能满足编号需求,则后续路线编号为AA、AB…),相邻两条单向导航路线(路线A、路线B)组成一对无人车导航路线(路线A-B),路线A-B生成之后,计算路线A、路线B终点之间的垂直距离d,以路线B终点为圆心生成一条半径为d的圆弧连接路线A终点和路线C的起点,开始生成第二对导航路线B-C,以此类推,至植保区域内所有导航路线全部生成完毕。需要注意的是,本发明实施例设定从第二条至倒数第二条机耕道,均有两条路线覆盖。
本发明实施例提及的无人车一般是指两轮无人车或者四轮无人车,无人车的作业工具需要高于植株高度,为了保证无人车的正常工作,不压坏或者损坏作业区内的植株,需要控制无人车沿着机耕道行驶,且不能低于两条导航路线之间的植株高度,此时,需要控制无人车根据所行驶区域内的植株高度和作业区的宽度变化,及时调整无人车的车轮之间宽度和底盘高度。因此,本发明实施例中,通过设定每两条单向导航路线组成一队无人车导航路线,使得无人车能够始终沿着导航路线指示的方向前进,并能够及时调整无人车行驶方向,在作业区结束时,能够沿着最合理的导航圆弧转换导航方向,沿着下一对导航路线行驶,直至完成作业。本发明实施例通过设定导航路线,提高无人车的作业效率,减少无人车的行驶里程,减少能源损耗,且快速完成植株作业任务。
在将种植作业区分为多个长条形的作业块(例如,图2中多个长条形的棉花带)后,由于作业块中的宽度不断发生变化,且作业块中的植株高度也会有很大变化,因此,为了保证无人车能够适合植株高度和作业块宽度,需要及时调整无人车的车轮宽度和底盘高度。但是,无人车控制过程中,不能每时每刻都进行车轮宽度和底盘高度的调整(会出现调整过于频繁,损坏车轮部件,降低车辆使用寿命的弊端),需要在每个长条形的作业块中划分出多个信息块,设定对于每一信息块内的底盘高度一致,减少无人车的底盘高度调整次数。
可选的,基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线的步骤,包括:在每条导航子路线的路线起止点和沿路线方向每隔预设距离生成一个信息点,其中,每个信息点对应一个标识信号;将相邻两条导航子路线上的连续信息点确定为闭合信息块,生成植保导航路线的所有导航信息块。
通过闭合信息块知识调节车底盘高度的最小单元,每个信息块内部的植株高度不一致,呈现多样性,本发明实施例以最高植株的植株高度作为调节无人车底盘高度的最小单元,每个信息块内对应一个最终高度,无人车作业时,每到一个信息块进行一个高度调节。
例如,本发明实施例在每条路线起止点和沿路线方向每隔预设距离(例如,设定预设距离为5米、10米等)生成一个信息点,并对信息点进行逐一编号(A1、A2…、B1、B2…,其中:英文字母表示路线序号,代表第x条路线,数字表示信息点序号,代表该条路线上的第i个信息点),其中相邻两条路线上的两个连续信息点(A1、A2、B1、B2)可以组成一个闭合四边形,称信息块,以此类推,生成所有导航路线上的信息块。
图3是根据本发明实施例的一种可选的确定信息块和导航路线的示意图,如图3所示,其中,黑色圆点指示信息点(包括:信息点A1、A2、A3、B1、B2、B3、B4、C1、C2、C3、C4、D1、D2、D3、D4、E1、E2、E3),每四个长方形信息点可以确定一个信息块,例如,信息块SA1A2B2B1,信息块SB4B3C1C2,信息块SA2A3B3B2等,图3中也可以确定出多条机耕道和棉花边界(如图3中中从A1至A3,B3至B1,C3至C1,D3至D1,E3至E1),通过多条机耕道和圆弧形的连线确定出导航路线。
通过图3生成的多个信息块,无人车可以在进入到相应的信息块边界时,开始调整车轮宽度和底盘高度,以适应每个信息块内的植株范围和植株高度。
步骤S108,基于植株高程模型,确定无人车的底盘离地高度。
在本发明实施例中,基于植株高程模型,确定无人车的底盘离地高度的步骤,包括:基于植株高程模型,对信息块进行垂直导航路线方向扫描,得到作物植株高度和机耕道高度;基于作物植株高度和机耕道高度,计算每个信息块内的植株高程差值;基于植株高程差值和预设离地间距值,计算与每个信息块对应的底盘离地高度。
本发明实施例中,使用DSM,可以对信息块进行垂直导航路线方向的逐行扫描,可得到作物植株高度和机耕道高度,在作物植株高度减去机耕道高度取得最大值时,确定单个信息块内作物植株和机耕道最大高程差,以此类推。例如,以棉花作物为例,对信息块SA1A2B1B2进行垂直导航路线方向的逐行扫描,可得到每一行中的棉花植株高度H棉和机耕道高度H道,当H棉-H道为这一信息块内所有行计算的最大值时,得到该信息块内棉花植株和机耕道最大高程差H-SA1A2B1B2。
在本发明实施例,对信息块进行垂直导航路线方向的逐行扫描,是指为了将每个信息元中的“棉花植株高度H棉和机耕道高度H道”按照导航路线方向(车辆行驶方向)的垂直方向进行切分,获得的底盘高度是最合适的,避免由于棉花植株高度H棉和机耕道高度H道位置偏差大,得出较大差值,并不是最合适的。通过计算出每一信息块内较为合适的棉花植株高度H棉和机耕道高度H道的差值,实时调整无人车在每一信息块内底盘高度,不会是的无人车距离所在信息块内的植株较远,也不会直接接触植株,保证作业过程中的稳定性。
对于单个信息块内作物植株和机耕道最大高程差,将其确定为垂直导航路线方向的植株最大高度,该植株最大高度结合预设离地间距值,可以确定无人车的底盘离地高度,其中,预设离地间距值可以自行设定,根据不同地形、作物差别进行适应性调整,例如,设置预设离地间距为15cm。以棉花作物为例,上述H-SA1A2B1B2为信息块SA1A2B1B2内垂直导航路线方向的植株最大高度,在H-SA1A2B1B2基础上加15cm,视为信息块SA1A2B1B2内最优离地间距,以此类推取后续各信息块的最优离地间距。植保无人车行驶至相应的信息块,无人车根据此两项参数可分别自动调整轮胎间距与底盘高度。
步骤S110,基于植保导航路线和底盘离地高度,控制无人车对待植保区域进行作业。
可选的,控制无人车对待植保区域进行作业的步骤,包括:基于植保导航路线和底盘离地高度,生成作业处方图,其中,作业处方图用于指示无人车在植保作业过程中的行驶路线、底盘离地高度、车辆轮胎间距、车辆转弯时间、转弯方向;基于作业处方图,控制无人车对待植保区域进行作业。
使用植保无人车对棉花地进行植保作业时,作业人员只需在远程控制终端上点选待植保区域及无人机飞行参数,无人机飞行作业后自动上传相应数据至云计算平台,云计算平台按照上述步骤进行自动化处理,将获得的导航路线和各地块最优轮距、最优离地间距生成为植保作业处方图,最终将作业处方图输出至无人车控制器,控制植保无人车智能化植保作业。
下面结合另一种可选的实施方式来说明本发明实施例。该实施例以棉花作物为例。
(1)利用测绘无人机进行一次飞行作业,获取植保范围内图像集DOM和植株高程模型DSM数据,并将数据上传至云计算平台,以下操作均集成在云计算平台中;
(2)对DOM数据进行处理,经过波段运算(GLI=(2*Band2-Band1-Band3)/(2*Band2+Band1+Band3)),得到GLI影像;
(3)取阈值对GLI影像进行分割,识别机耕道与棉花,提取棉花与机耕道边界,并生成机耕道中心线;
(4)取机耕道中心线为单向导航路线(编号A、B…,若序号Z不能满足编号需求,则后续路线编号为AA、AB…),相邻两条单向导航路线(路线A、路线B)组成一对无人车导航路线(路线A-B),路线A-B生成之后,计算路线A、路线B终点之间的垂直距离d,以路线B终点为圆心生成一条半径为d的圆弧连接路线A终点和路线C的起点,开始生成第二对导航路线B-C,以此类推,至植保区域内所有导航路线全部生成完毕。需要注意的是,从第二条至倒数第二条机耕道,均有两条路线覆盖;
(5)在每条路线起止点和沿路线方向每隔10米生成一个信息点,并对信息点进行逐一编号(A1、A2…、B1、B2…,其中:英文字母表示路线序号,代表第x条路线,数字表示信息点序号,代表该条路线上的第i个信息点),其中相邻两条路线上的两个连续信息点(A1、A2、B1、B2)可以组成一个闭合四边形,称信息块SA1A2B1B2(SA1A2B1B2,其中A1、A2、B1、B2为导航路线上的信息点编号),以此类推,生成所有导航路线上的信息块;
(6)结合DSM,对信息块SA1A2B1B2进行垂直导航路线方向的逐行扫描,可得到棉花植株高度H棉和机耕道高度H道,当H棉-H道取得最大值时,得到单个信息块内棉花植株和机耕道最大高程差H-SA1A2B1B2,以此类推;
(7)对于上述H-SA1A2B1B2为信息块SA1A2B1B2内垂直导航路线方向的植株最大高度,在H-SA1A2B1B2基础上加15cm,视为信息块SA1A2B1B2内最优离地间距,以此类推取后续各信息块的最优离地间距。植保无人车行驶至相应的信息块,无人车控制器根据此两项参数可分别自动调整轮胎间距与底盘高度;
(8)使用植保无人车对棉花地进行植保作业时,作业人员只需在远程控制终端上点选植保区域及无人机飞行参数,无人机飞行作业后将DOM与DSM数据自动上传至云计算平台,云计算平台按照上述步骤进行自动化处理,将获得的导航路线和各地块最优轮距、最优离地间距生成为植保作业处方图,最终将处方图输出至无人车控制电脑,控制植保无人车智能化植保作业。
本发明实施方式,利用DOM数据,基于绿色植被的光谱反射特性,生成GLI影像,识别棉花植株和机耕道,从而生成无人车导航路线,并利用DSM数据确定最优离地间距,最终获得植保作业处方图,无人车控制电脑根据植保作业处方图,控制植保无人车行驶路线,并自动调整底盘高度,从而达到提高作业效率,精准控制无人车,智能化植保作业的效果。
根据本发明实施例,还提供了一种可选的无人车的植保作业方法,该方法包括:获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型;基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,待植保区域内包括至少一块种植作业区;基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线;基于植株高程模型,确定无人车的底盘离地高度;基于植保导航路线和底盘离地高度,生成作业处方图,其中,作业处方图用于指示无人车在植保作业过程中的行驶路线、底盘离地高度、车辆转弯时间、转弯方向;基于作业处方图,控制无人车对待植保区域进行作业。
通过上述步骤,可以先获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型,然后基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,之后基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线,基于植株高程模型,确定无人车的底盘离地高度,基于植保导航路线和底盘离地高度,生成作业处方图,基于作业处方图,控制无人车对待植保区域进行作业。在该实施例中,可以对图像集和植株高程模型进行分析,获得导航路线,并确定无人车底盘离地高度,然后根据导航路线和底盘离地高度,生成作业处方图,从而控制无人车按照导航路线自动行驶并自动调整离地高度,从而进行智能化植保作业,从而解决相关技术中植保作业过程中无法规划作业路线,容易导致作业效率低的技术问题。
实施例二
图4是根据本发明实施例的一种可选的无人车控制***的示意图,如图4所示,该无人车控制***包括:无人机41,云计算平台43,无人车45,
无人机41,获取待植保区域的图像集和地形高程信息、地表信息和每块种植作业区的植株高度参数,得到植株高程模型,其中,地形高程信息至少包括:区域海拔高度、区域地形高度差,地表信息至少包括:植株颜色、每块种植作业区的大小;
云计算平台43,与无人机建立连接关系,云计算平台至少包括处理器,处理器用于运行程序,其中,程序运行时执行上述任意一项的无人车的植保作业方法;
无人车45,与云计算平台连接,接收作业处方图,并根据作业处方图执行植保作业任务。
上述无人车控制***,可以利用无人机41获取待植保区域的图像集和地形高程信息、地表信息和每块种植作业区的植株高度参数,得到植株高程模型,其中,地形高程信息至少包括:区域海拔高度、区域地形高度差,地表信息至少包括:植株颜色、每块种植作业区的大小,并利用云计算平台43获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型,然后基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,之后基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线,基于植株高程模型,确定无人车的底盘离地高度,基于植保导航路线和底盘离地高度,生成作业处方图,基于作业处方图,控制无人车45对待植保区域进行作业。在该实施例中,可以对图像集和植株高程模型进行分析,获得导航路线,并确定无人车底盘离地高度,然后根据导航路线和底盘离地高度,生成作业处方图,从而控制无人车按照导航路线自动行驶并自动调整离地高度,从而进行智能化植保作业,从而解决相关技术中植保作业过程中无法规划作业路线,容易导致作业效率低的技术问题。
实施例三
图5是根据本发明实施例的一种可选的无人车的植保作业装置的示意图,如图5所示,该植保作业装置可以包括:获取单元51、第一确定单元53、生成单元55、第二确定单元57、控制单元59,其中,
获取单元51,用于获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型;
第一确定单元53,用于基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,待植保区域内包括至少一块种植作业区;
生成单元55,用于基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线;
第二确定单元57,用于基于植株高程模型,确定无人车的底盘离地高度;
控制单元59,用于基于植保导航路线和底盘离地高度,控制无人车对待植保区域进行作业。
上述无人车的植保作业装置,可以先通过获取单元51获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型,然后通过第一确定单元53基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,之后通过生成单元55基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线,基于通过第二确定单元57植株高程模型,确定无人车的底盘离地高度,通过控制单元59基于植保导航路线和底盘离地高度,控制无人车对待植保区域进行作业。在该实施例中,可以对图像集和植株高程模型进行分析,获得导航路线,并确定无人车底盘离地高度,然后根据导航路线和底盘离地高度,实现无人车按照导航路线自动行驶并自动调整离地高度,从而进行智能化植保作业,从而解决相关技术中植保作业过程中无法规划作业路线,容易导致作业效率低的技术问题。
可选的,获取单元包括:第一控制模块,用于控制无人机执行飞行作业,其中,飞行作业用于指示无人机在待植保区域的上空进行飞行;第二控制模块,用于控制无人机上携带的摄像模块拍摄待植保区域的多帧图像,得到图像集;第三控制模块,用于控制无人机的扫描模块获取待植保区域的地形高程信息、地表信息和每块种植作业区的植株高度参数,得到植株高程模型,其中,地形高程信息至少包括:区域海拔高度、区域地形高度差,地表信息至少包括:植株颜色、每块种植作业区的大小。
在本发明实施例中,第一确定单元包括:第一运算模块,用于对图像集进行预设波段运算,得到多个植株像元值;第一提取模块,用于基于多个植株像元值,提取每块种植作业区中已种植作物的植株范围;第一确定模块,用于确定植株范围的植株边界线;第二确定模块,用于基于每两块相邻种植作业区的植株边界线,确定机耕道边界线;第一生成模块,用于以每两条距离最近的机耕道边界线为一组,生成机耕道中心线;第三确定模块,用于基于多条机耕道中心线,确定多个机耕道。
可选的,第一运算模块包括:第一分析子模块,用于分析图像集中每个图像上多个图像子区域的蓝色波段值、绿色波段值和红色波段值;第一输入子模块,用于将每个图像子区域的蓝色波段值、绿色波段值和红色波段值输入至预设波段公式,得到与每个图像对应的多个植株像元值。
另一种可选的,第一提取模块包括:第一判断子模块,用于判断植株像元值是否大于预设像元阈值;第一确定子模块,用于在植株像元值大于预设像元阈值时,确定植株像元值指示的图像子区域为植株区域;第二确定子模块,用于在植株像元值小于等于预设像元阈值时,确定植株像元值指示的图像子区域为机耕道区域;第三确定子模块,用于基于植株区域和机耕道区域,确定每块种植作业区中已种植作物的植株范围。
在本发明实施例中,生成单元包括:第一定义模块,用于将每个机耕道的机耕道中心线定义为单向导航路线,以相邻两条单向导航路线组成一对植保导航子路线;第一计算模块,用于计算相邻两条单向导航路线的垂直距离;第一生成模块,用于基于垂直距离,以目标路线终点为圆心生成导航圆弧;第二生成模块,用于基于每对植保导航子路线和对应的导航圆弧,生成多条导航子路线;第三生成模块,用于基于多条导航子路线,生成植保导航路线。
可选的,生成单元还包括:第四生成模块,用于在每条导航子路线的路线起止点和沿路线方向每隔预设距离生成一个信息点,其中,每个信息点对应一个标识信号;第五生成模块,用于将相邻两条导航子路线上的连续信息点确定为闭合信息块,生成植保导航路线的所有导航信息块。
可选的,第二确定单元包括:扫描模块,用于基于植株高程模型,对信息块进行垂直导航路线方向扫描,得到作物植株高度和机耕道高度;第二计算模块,用于基于作物植株高度和机耕道高度,计算每个信息块内的植株高程差值;第三计算模块,用于基于植株高程差值和预设离地间距值,计算与每个信息块对应的底盘离地高度。
可选的,控制单元包括:第六生成模块,用于基于植保导航路线和底盘离地高度,生成作业处方图,其中,作业处方图用于指示无人车在植保作业过程中的行驶路线、底盘离地高度、车辆转弯时间、转弯方向;控制模块,用于基于作业处方图,控制无人车对待植保区域进行作业。
上述的无人车的植保作业装置还可以包括处理器和存储器,上述获取单元51、第一确定单元53、生成单元55、第二确定单元57、控制单元59等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来控制无人车按照作业处方图执行植保作业任务。
上述存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项的无人车的植保作业方法。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取待植保区域的图像集和在待植保区域内已种植作物的植株高程模型;基于图像集,确定待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,待植保区域内包括至少一块种植作业区;基于机耕道和植株范围,生成无人车在植保作业过程中的植保导航路线;基于植株高程模型,确定无人车的底盘离地高度;基于植保导航路线和底盘离地高度,控制无人车对待植保区域进行作业。
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 (13)
1.一种无人车的植保作业方法,其特征在于,包括:
获取待植保区域的图像集和在所述待植保区域内已种植作物的植株高程模型;
基于所述图像集,确定所述待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,所述待植保区域内包括至少一块种植作业区;
基于所述机耕道和所述植株范围,生成无人车在植保作业过程中的植保导航路线;
基于所述植株高程模型,确定所述无人车的底盘离地高度;
基于所述植保导航路线和所述底盘离地高度,控制所述无人车对所述待植保区域进行作业。
2.根据权利要求1所述的植保作业方法,其特征在于,获取待植保区域的图像集和在所述待植保区域内已种植作物的植株高程模型的步骤,包括:
控制无人机执行飞行作业,其中,所述飞行作业用于指示所述无人机在所述待植保区域的上空进行飞行;
控制所述无人机上携带的摄像模块拍摄所述待植保区域的多帧图像,得到所述图像集;
控制所述无人机的扫描模块获取所述待植保区域的地形高程信息、地表信息和每块种植作业区的植株高度参数,得到所述植株高程模型,其中,所述地形高程信息至少包括:区域海拔高度、区域地形高度差,所述地表信息至少包括:植株颜色、每块种植作业区的大小。
3.根据权利要求2所述的植保作业方法,其特征在于,基于所述图像集,确定所述待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围的步骤,包括:
对所述图像集进行预设波段运算,得到多个植株像元值;
基于所述多个植株像元值,提取每块所述种植作业区中已种植作物的植株范围;
确定所述植株范围的植株边界线;
基于每两块相邻种植作业区的植株边界线,确定机耕道边界线;
以每两条距离最近的机耕道边界线为一组,生成机耕道中心线;
基于多条机耕道中心线,确定多个机耕道。
4.根据权利要求3所述的植保作业方法,其特征在于,对所述图像集进行预设波段运算,得到多个植株像元值的步骤,包括:
分析所述图像集中每个图像上多个图像子区域的蓝色波段值、绿色波段值和红色波段值;
将每个图像子区域的所述蓝色波段值、绿色波段值和红色波段值输入至预设波段公式,得到与每个图像对应的多个所述植株像元值。
5.根据权利要求4所述的植保作业方法,其特征在于,基于所述多个植株像元值,提取每块所述种植作业区中已种植作物的植株范围的步骤,包括:
判断所述植株像元值是否大于预设像元阈值;
若所述植株像元值大于预设像元阈值,则确定所述植株像元值指示的图像子区域为植株区域;
若所述植株像元值小于等于预设像元阈值,则确定所述植株像元值指示的图像子区域为机耕道区域;
基于所述植株区域和所述机耕道区域,确定每块所述种植作业区中已种植作物的植株范围。
6.根据权利要求3所述的植保作业方法,其特征在于,基于所述机耕道和所述植株范围,生成无人车在植保作业过程中的植保导航路线的步骤,包括:
将每个机耕道的机耕道中心线定义为单向导航路线,以相邻两条单向导航路线组成一对植保导航子路线;
计算相邻两条单向导航路线的垂直距离;
基于所述垂直距离,以目标路线终点为圆心生成导航圆弧;
基于每对植保导航子路线和对应的导航圆弧,生成多条导航子路线;
基于多条导航子路线,生成所述植保导航路线。
7.根据权利要求6所述的植保作业方法,其特征在于,基于所述机耕道和所述植株范围,生成无人车在植保作业过程中的植保导航路线的步骤,包括:
在每条所述导航子路线的路线起止点和沿路线方向每隔预设距离生成一个信息点,其中,每个所述信息点对应一个标识信号;
将相邻两条所述导航子路线上的连续信息点确定为闭合信息块,生成所述植保导航路线的所有导航信息块。
8.根据权利要求7所述的植保作业方法,其特征在于,基于所述植株高程模型,确定所述无人车的底盘离地高度的步骤,包括:
基于所述植株高程模型,对所述信息块进行垂直导航路线方向扫描,得到作物植株高度和机耕道高度;
基于所述作物植株高度和所述机耕道高度,计算每个所述信息块内的植株高程差值;
基于所述植株高程差值和预设离地间距值,计算与每个所述信息块对应的底盘离地高度。
9.根据权利要求8所述的植保作业方法,其特征在于,控制所述无人车对所述待植保区域进行作业的步骤,包括:
基于所述植保导航路线和所述底盘离地高度,生成作业处方图,其中,所述作业处方图用于指示无人车在植保作业过程中的行驶路线、底盘离地高度、车辆转弯时间、转弯方向;
基于所述作业处方图,控制所述无人车对所述待植保区域进行作业。
10.一种无人车的植保作业方法,其特征在于,包括:
获取待植保区域的图像集和在所述待植保区域内已种植作物的植株高程模型;
基于所述图像集,确定所述待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,所述待植保区域内包括至少一块种植作业区;
基于所述机耕道和所述植株范围,生成无人车在植保作业过程中的植保导航路线;
基于所述植株高程模型,确定所述无人车的底盘离地高度;
基于所述植保导航路线和所述底盘离地高度,生成作业处方图,其中,所述作业处方图用于指示无人车在植保作业过程中的行驶路线、底盘离地高度、车辆轮胎间距、车辆转弯时间、转弯方向;
基于所述作业处方图,控制所述无人车对所述待植保区域进行作业。
11.一种无人车控制***,其特征在于,包括:
无人机,获取待植保区域的多帧图像、地形高程信息、地表信息和每块种植作业区的植株高度参数,得到图像集和植株高程模型,其中,所述地形高程信息至少包括:区域海拔高度、区域地形高度差,所述地表信息至少包括:植株颜色、每块种植作业区的大小;
云计算平台,与所述无人机建立连接关系,所述云计算平台至少包括处理器,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10中任意一项所述的无人车的植保作业方法;
无人车,与所述云计算平台连接,接收作业处方图,并根据所述作业处方图执行植保作业任务。
12.一种无人车的植保作业装置,其特征在于,包括:
获取单元,用于获取待植保区域的图像集和在所述待植保区域内已种植作物的植株高程模型;
第一确定单元,用于基于所述图像集,确定所述待植保区域内处于作物边缘的机耕道和每块种植作业区的植株范围,其中,所述待植保区域内包括至少一块种植作业区;
生成单元,用于基于所述机耕道和所述植株范围,生成无人车在植保作业过程中的植保导航路线;
第二确定单元,用于基于所述植株高程模型,确定所述无人车的底盘离地高度;
控制单元,用于基于所述植保导航路线和所述底盘离地高度,控制所述无人车对所述待植保区域进行作业。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至10中任意一项所述的无人车的植保作业方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011384312.9A CN112650215B (zh) | 2020-12-01 | 2020-12-01 | 无人车的植保作业方法及植保作业装置、无人车控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011384312.9A CN112650215B (zh) | 2020-12-01 | 2020-12-01 | 无人车的植保作业方法及植保作业装置、无人车控制*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112650215A true CN112650215A (zh) | 2021-04-13 |
CN112650215B CN112650215B (zh) | 2024-02-23 |
Family
ID=75349888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011384312.9A Active CN112650215B (zh) | 2020-12-01 | 2020-12-01 | 无人车的植保作业方法及植保作业装置、无人车控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112650215B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110471A (zh) * | 2021-04-25 | 2021-07-13 | 珠海格力电器股份有限公司 | 设备作业路径规划方法、装置、计算机设备和存储介质 |
CN113359723A (zh) * | 2021-06-01 | 2021-09-07 | 常柴股份有限公司 | 基于星型分布的作业方法、***及路径规划方法 |
CN117055562A (zh) * | 2023-09-04 | 2023-11-14 | 黑龙江惠达科技股份有限公司 | 控制农用无人车作业的方法及其控制*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108935418A (zh) * | 2018-09-13 | 2018-12-07 | 东莞海特帕沃液压科技有限公司 | 一种全自动植保喷洒机器人 |
CN109631903A (zh) * | 2019-01-04 | 2019-04-16 | 丰疆智慧农业股份有限公司 | 谷物处理自动驾驶***及其自动驾驶方法和路径规划方法 |
CN209403376U (zh) * | 2018-12-03 | 2019-09-20 | 常州机电职业技术学院 | 一种农用田地垄间行走农药喷雾装置 |
WO2020134217A1 (zh) * | 2018-12-26 | 2020-07-02 | 丰疆智能科技股份有限公司 | 高速插秧机自动转向***和自动转向方法 |
CN111645478A (zh) * | 2020-05-27 | 2020-09-11 | 农业农村部南京农业机械化研究所 | 具有柔性仿形底盘的轮式农田管理机器人及仿形控制方法 |
CN111645777A (zh) * | 2020-05-27 | 2020-09-11 | 农业农村部南京农业机械化研究所 | 具有自适应轮距调节功能的轮式农业机器人及其调节方法 |
CN111754186A (zh) * | 2019-12-30 | 2020-10-09 | 广州极飞科技有限公司 | 喷洒控制方法、装置及电子设备 |
CN111982097A (zh) * | 2019-05-23 | 2020-11-24 | 广州极飞科技有限公司 | 无人作业设备的目标航线的生成方法及装置、植保*** |
-
2020
- 2020-12-01 CN CN202011384312.9A patent/CN112650215B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108935418A (zh) * | 2018-09-13 | 2018-12-07 | 东莞海特帕沃液压科技有限公司 | 一种全自动植保喷洒机器人 |
CN209403376U (zh) * | 2018-12-03 | 2019-09-20 | 常州机电职业技术学院 | 一种农用田地垄间行走农药喷雾装置 |
WO2020134217A1 (zh) * | 2018-12-26 | 2020-07-02 | 丰疆智能科技股份有限公司 | 高速插秧机自动转向***和自动转向方法 |
CN109631903A (zh) * | 2019-01-04 | 2019-04-16 | 丰疆智慧农业股份有限公司 | 谷物处理自动驾驶***及其自动驾驶方法和路径规划方法 |
CN111982097A (zh) * | 2019-05-23 | 2020-11-24 | 广州极飞科技有限公司 | 无人作业设备的目标航线的生成方法及装置、植保*** |
CN111754186A (zh) * | 2019-12-30 | 2020-10-09 | 广州极飞科技有限公司 | 喷洒控制方法、装置及电子设备 |
CN111645478A (zh) * | 2020-05-27 | 2020-09-11 | 农业农村部南京农业机械化研究所 | 具有柔性仿形底盘的轮式农田管理机器人及仿形控制方法 |
CN111645777A (zh) * | 2020-05-27 | 2020-09-11 | 农业农村部南京农业机械化研究所 | 具有自适应轮距调节功能的轮式农业机器人及其调节方法 |
Non-Patent Citations (2)
Title |
---|
丁雷龙等: "基于无人机图像颜色指数的植被识别", 《国土资源遥感》 * |
赵汉钦: "基于高分辨率影像的单木定位技术研究", 《中国优秀硕士学位论文全文数据库农业科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110471A (zh) * | 2021-04-25 | 2021-07-13 | 珠海格力电器股份有限公司 | 设备作业路径规划方法、装置、计算机设备和存储介质 |
CN113110471B (zh) * | 2021-04-25 | 2023-03-21 | 珠海格力电器股份有限公司 | 设备作业路径规划方法、装置、计算机设备和存储介质 |
CN113359723A (zh) * | 2021-06-01 | 2021-09-07 | 常柴股份有限公司 | 基于星型分布的作业方法、***及路径规划方法 |
CN113359723B (zh) * | 2021-06-01 | 2022-12-23 | 常柴股份有限公司 | 基于星型分布的作业方法、***及路径规划方法 |
CN117055562A (zh) * | 2023-09-04 | 2023-11-14 | 黑龙江惠达科技股份有限公司 | 控制农用无人车作业的方法及其控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN112650215B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112650215A (zh) | 无人车的植保作业方法及植保作业装置、无人车控制*** | |
CN110297483B (zh) | 待作业区域边界获取方法、装置,作业航线规划方法 | |
JP6737535B2 (ja) | 植物有機体を自動処理するためのロボット車両及びロボットを使用する方法 | |
AU2006202805B2 (en) | Method and system for vehicular guidance using a crop image | |
EP3907469A1 (en) | Automatic driving system for grain processing, and automatic driving method and path planning method therefor | |
AU2006202803B2 (en) | Method and system for vehicular guidance using a crop image | |
AU2006202812B2 (en) | Method and system for vehicular guidance using a crop image | |
US11410301B2 (en) | System and method for determining residue coverage within a field based on pre-harvest image data | |
CN110081873A (zh) | 区域打点识别方法和农机打点识别*** | |
Bakker | An autonomous robot for weed control: design, navigation and control | |
US20210365037A1 (en) | Automatic driving system for grain processing, automatic driving method, and automatic identification method | |
JP4873686B2 (ja) | 農作業支援機器のための農業用資材と該農業用資材を用いた農地、並びに該農地における農作業支援機器の進行方向認識方法 | |
Rahul et al. | Image processing based automatic plant disease detection and stem cutting robot | |
WO2022038363A1 (en) | Agricultural machine | |
Yang et al. | Site-specific management of cotton root rot using airborne and high-resolution satellite imagery and variable-rate technology | |
CN104504736A (zh) | 一种识别大田作物长势监控图像中绿色植物的方法及*** | |
CN111982096B (zh) | 一种作业路径生成方法、装置及无人飞行器 | |
Kushwaha | Robotic and mechatronic application in agriculture | |
CN114485612B (zh) | 路线生成方法、装置、无人作业车、电子设备及存储介质 | |
WO2019237412A1 (zh) | 一种用于自动操控的无人机植保监控***及方法 | |
CN115963821A (zh) | 露地蔬菜自动化生产作业方法、装置、设备及介质 | |
RU2774651C1 (ru) | Система автоматического вождения для переработки зерна, способ автоматического вождения и способ планирования траектории | |
RU2811462C2 (ru) | Способ регулирования рабочих параметров почвообрабатывающего орудия (варианты) и считываемый компьютером носитель для долговременного хранения информации для осуществления способа регулирования рабочих параметров почвообрабатывающего орудия (варианты) | |
JP7466853B2 (ja) | 圃園管理判断装置並びに圃園管理判断方法 | |
Ahmad et al. | Simplified vision based automatic navigation for wheat harvesting in low income economies |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |