CN105259909A - 基于无人飞行器的植被数据采集方法及采集装置 - Google Patents
基于无人飞行器的植被数据采集方法及采集装置 Download PDFInfo
- Publication number
- CN105259909A CN105259909A CN201510753763.8A CN201510753763A CN105259909A CN 105259909 A CN105259909 A CN 105259909A CN 201510753763 A CN201510753763 A CN 201510753763A CN 105259909 A CN105259909 A CN 105259909A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- data acquisition
- acquisition region
- main body
- unmanned vehicle
- 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
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种基于无人飞行器的植被数据采集方法,该方法包括:获取多个数据采集区域的坐标;根据多个数据采集区域的坐标,设定无人飞行器的飞行线路;以及根据无人飞行器的飞行线路,通过飞行控制器,控制无人飞行器执行相应的飞行任务;其中飞行任务包括在每个数据采集区域,使用高度计记录无人机主体的飞行高度以及使用距离传感器记录无人机主体与下方障碍物的距离。本发明还提供一种基于无人飞行器的植被数据采集装置。本发明通过无人机主体的飞行高度以及无人机主体与下方障碍物的距离,获取植被状态数据;因此采集操作的数据处理量较小且该采集装置的使用成本较低。
Description
技术领域
本发明涉及无人机控制领域,特别是涉及一种基于无人飞行器的植被数据采集方法及采集装置。
背景技术
无人飞行器由于其应用前景广阔,想象空间大,技术发展日益成熟,所以逐渐成为当前热点,其可被广泛应用于航拍以及计量等领域。
现有技术中已经有使用无人飞行器来进行农田、果林、山地、森林等植被巡查的需求。但是传统使用无人飞行器进行植被巡查时,一般是在无人飞行器上搭载航拍设备,针对被勘测目标进行图像采集,然后将采集到的图像实时或延时传回到图像处理设备,随后由人或者电脑对图像进行分析和处理。这样的工作方式,各种数据的处理量均较大。
此外为了确保在设定时间内完成巡查对象的完整扫描,有时还需要设置多台无人飞行器协作进行植被巡查,在这种情况下,还需要增加对无人飞行器的采集图像的合并操作。
申请号为201310380546.X的一种大尺度植被覆盖度航空动态获取系统提供了一种适用于野外较大范围底面植被信息航空采集和植被覆盖度信息整体直接动态测算的装置平台和软件系统,但是其同样存在数据处理量较大以及使用成本较高的技术问题。
申请号为201410454210.8的一种基于无人机航拍的地震灾害损毁度评估方法采用无人飞行器在地震受灾地区上空进行悬停以及图像采集,其仅披露的对于不同典型地物的获取方法,其中也没有对如何减少无人飞行器的数据处理量以及降低无人飞行器的使用成本进行相关描述。
因此现有的基于无人飞行器的植被数据采集方法的数据处理量较大且使用成本较高。故,有必要提供一种基于无人飞行器的植被数据采集方法及采集装置,以解决现有技术所存在的问题。
发明内容
本发明实施例提供一种数据处理量较小且使用成本较低的基于无人飞行器的植被数据采集方法及采集装置;以解决现有的植被数据采集方法及采集装置的数据处理量较大且使用成本较高的技术问题。
本发明实施例提供一种基于无人飞行器的植被数据采集方法,其中所述无人飞行器包括:
无人机主体,
高度计,用于检测所述无人机主体的飞行高度;
距离传感器,用于检测所述无人机主体与下方障碍物的距离;以及
飞行控制器,用于控制所述无人机主体进行飞行操作;
其中所述植被数据采集方法包括:
获取多个数据采集区域的坐标;
根据多个所述数据采集区域的坐标,设定所述无人飞行器的飞行线路;以及
根据所述无人飞行器的飞行线路,通过所述飞行控制器,控制所述无人飞行器执行相应的飞行任务;
其中所述飞行任务包括在每个所述数据采集区域,使用所述高度计记录所述无人机主体的飞行高度以及使用所述距离传感器记录所述无人机主体与下方障碍物的距离。
在本发明所述的基于无人飞行器的植被数据采集方法中,所述飞行控制器获取多个数据采集区域的坐标的步骤之前还包括:
设置多个所述数据采集区域,其中所述数据采集区域包括但不限于植被区域的出入口、所述植被区域的风口部以及所述植被区域的用户设定区域。
在本发明所述的基于无人飞行器的植被数据采集方法中,所述植被数据采集方法还包括:
根据每个所述数据采集区域中,所述无人机主体的飞行高度以及所述无人机主体与下方障碍物的距离,获取相应的所述数据采集区域中的植被高度;以及
根据所述数据采集区域中的植被高度,获取所述数据采集区域中的植被的植被状态。
在本发明所述的基于无人飞行器的植被数据采集方法中,所述根据所述数据采集区域中的植被高度,获取所述数据采集区域中的植被的植被状态的步骤包括:
将不同的所述数据采集区域的植被高度进行比较,得到第一比较结果;以及
根据所述第一比较结果,获取所述数据采集区域中的植被的植被状态。
在本发明所述的基于无人飞行器的植被数据采集方法中,所述根据所述数据采集区域中的植被高度,获取所述数据采集区域中的植被的植被状态的步骤包括:
将同一所述数据采集区域的不同时间段的植被高度进行比较,得到第二比较结果;以及
根据所述第二比较结果,获取所述数据采集区域的植被的植被状态。
在本发明所述的基于无人飞行器的植被数据采集方法中,所述使用所述距离传感器记录所述无人机主体与下方障碍物的距离的步骤具体为:
使用距离传感器,以设定间隔记录所述无人机主体与下方障碍物的距离。
在本发明所述的基于无人飞行器的植被数据采集方法中,所述根据多个所述数据采集区域的坐标,设定所述无人飞行器的飞行线路的步骤具体为:
将邻近的所述数据采集区域依次连接起来,以形成所述无人飞行器的飞行线路。
本发明实施例还提供一种基于无人飞行器的植被数据采集装置,设置在相应的无人飞行器中,其中所述无人飞行器包括:
无人机主体,
高度计,用于检测所述无人机主体的飞行高度;
距离传感器,用于检测所述无人机主体与下方障碍物的距离;以及
飞行控制器,用于控制所述无人机主体进行飞行操作;其中所述植被数据采集装置包括:
坐标获取模块,用于获取多个数据采集区域的坐标;
飞行线路设定模块,用于根据多个所述数据采集区域的坐标,设定所述无人飞行器的飞行线路;以及
飞行任务执行模块,用于根据所述无人飞行器的飞行线路,通过所述飞行控制器,控制所述无人飞行器执行相应的飞行任务;
其中所述飞行任务包括在每个所述数据采集区域,使用所述高度计记录所述无人机主体的飞行高度以及使用所述距离传感器记录所述无人机主体与下方障碍物的距离。
在本发明所述的基于无人飞行器的植被数据采集装置中,所述植被数据采集装置还包括:
采集区域设置模块,用于设置多个所述数据采集区域,其中所述数据采集区域包括但不限于植被区域的出入口、所述植被区域的风口部以及所述植被区域的用户设定区域;
植被高度获取模块,用于根据每个所述数据采集区域中,所述无人机主体的飞行高度以及所述无人机主体与下方障碍物的距离,获取相应的所述数据采集区域中的植被高度;以及
植被状态获取模块,用于根据所述数据采集区域中的植被高度,获取所述数据采集区域中的植被的植被状态。
在本发明所述的基于无人飞行器的植被数据采集装置中,所述植被状态获取模块包括:
第一比较单元,用于将不同的所述数据采集区域的植被高度进行比较,得到第一比较结果;
第一植被状态获取单元,用于根据所述第一比较结果,获取所述数据采集区域中的植被的植被状态;
第二比较单元,用于将同一所述数据采集区域的不同时间段的植被高度进行比较,得到第二比较结果;以及
第二植被状态获取单元,用于根据所述第二比较结果,获取所述数据采集区域的植被的植被状态。
相较于现有技术,本发明的基于无人飞行器的植被数据采集方法及采集装置通过无人机主体的飞行高度以及无人机主体与下方障碍物的距离,获取植被状态数据;因此采集操作的数据处理量较小且该采集装置的使用成本较低;解决了现有的植被数据采集方法及采集装置的数据处理量较大且使用成本较高的技术问题。
附图说明
图1为本发明的基于无人飞行器的植被数据采集方法的第一优选实施例的流程图;
图2为本发明的基于无人飞行器的植被数据采集方法的第二优选实施例的流程图;
图3为本发明的基于无人飞行器的植被数据采集方法的第二优选实施例的步骤S206的具体流程图之一;
图4为本发明的基于无人飞行器的植被数据采集方法的第二优选实施例的步骤S206的具体流程图之二;
图5为本发明的基于无人飞行器的植被数据采集装置的第一优选实施例的结构示意图;
图6为本发明的基于无人飞行器的植被数据采集装置的第二优选实施例的结构示意图;
图7为本发明的基于无人飞行器的植被数据采集装置的第二优选实施例的植被状态获取模块的结构示意图;
图8为本发明的基于无人飞行器的植被数据采集装置的具体实施例的使用示意图。
具体实施方式
请参照图式,其中相同的组件符号代表相同的组件,本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例,其不应被视为限制本发明未在此详述的其它具体实施例。
在以下的说明中,本发明的具体实施例将参考由一部或多部计算机所执行之作业的步骤及符号来说明,除非另有述明。因此,其将可了解到这些步骤及操作,其中有数次提到为由计算机执行,包括了由代表了以一结构化型式中的数据之电子信号的计算机处理单元所操纵。此操纵转换该数据或将其维持在该计算机之内存系统中的位置处,其可重新配置或另外以本领域技术人员所熟知的方式来改变该计算机之运作。该数据所维持的数据结构为该内存之实体位置,其具有由该数据格式所定义的特定特性。但是,本发明原理以上述文字来说明,其并不代表为一种限制,本领域技术人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
请参照图1,图1为本发明的基于无人飞行器的植被数据采集方法的第一优选实施例的流程图。其中无人飞行器包括无人机主体、高度计、距离传感器以及飞行控制器。高度计用于检测无人机主体的飞行高度;距离传感器用于检测无人机主体与下方障碍物的距离;飞行控制器用于控制无人机主体进行飞行操作。本优选实施例的植被数据采集方法包括:
步骤S101,获取多个数据采集区域的坐标;
步骤S102,根据多个数据采集区域的坐标,设定无人飞行器的飞行线路;
步骤S103,根据无人飞行器的飞行线路,通过飞行控制器,控制无人飞行器执行相应的飞行任务。
下面详细说明本优选实施例的基于无人飞行器的植被数据采集方法的数据采集过程。
在步骤S101中,植被数据采集装置获取多个数据采集区域的坐标,这里的数据采集区域可为机器或人为设定的区域,由于数据采集区域与周边区域的所处环境基本相同,因此可使用数据采集区域中植被的植被状态代替周边区域中的植被的植被状态。这样通过多个数据采集区域中植被的植被状态的检测,可以体现整个植被区域的植被的植被状态。随后转到步骤S102。
在步骤S102中,植被数据采集装置根据步骤S101获取的多个数据采集区域的坐标,设定无人飞行器的飞行线路。这里的飞行线路可为穿过所有数据采集区域的最短的一条飞行线路。随后转到步骤S103。
在步骤S103中,植被数据采集装置根据步骤S102中确定的无人飞行器的飞行线路,通过飞行控制器,控制无人飞行器执行相应的飞行任务。其中该飞行任务包括在每个数据采集区域,使用高度计记录无人机主体的飞行高度以及使用距离传感器记录无人机主体与下方障碍物的距离。
最后可通过分析无人机主体的飞行高度以及使用距离传感器记录无人机主体与下方障碍物的距离获取相应的数据采集区域中的植被的植被状态,从而获知整个植被区域的植被的植被状态。
这样即完成了本优选实施例的植被数据采集方法的数据采集过程。
本优选实施例的基于无人飞行器的植被数据采集方法通过无人机主体的飞行高度以及无人机主体与下方障碍物的距离,获取植被状态数据;因此采集操作的数据处理量较小且该采集装置的使用成本较低。
请参照图2,图2为本发明的基于无人飞行器的植被数据采集方法的第二优选实施例的流程图。其中无人飞行器包括无人机主体、高度计、距离传感器以及飞行控制器。高度计用于检测无人机主体的飞行高度;距离传感器用于检测无人机主体与下方障碍物的距离;飞行控制器用于控制无人机主体进行飞行操作。本优选实施例的植被数据采集方法包括:
步骤S201,设置多个数据采集区域;
步骤S202,获取多个数据采集区域的坐标;
步骤S203,根据多个数据采集区域的坐标,设定无人飞行器的飞行线路;
步骤S204,根据无人飞行器的飞行线路,通过飞行控制器,控制无人飞行器执行相应的飞行任务;
步骤S205,根据每个数据采集区域中,无人机主体的飞行高度以及无人机主体与下方障碍物的距离,获取相应的数据采集区域中的植被高度;
步骤S206,根据数据采集区域中的植被高度,获取数据采集区域中的植被的植被状态。
下面详细说明本优选实施例的基于无人飞行器的植被数据采集方法的数据采集过程。
在步骤S201中,植被数据采集装置设置多个数据采集区域,这里的数据采集区域可为机器或人为设定的具有代表性的样本采集区域,如整个植被区域的出口或入口、整个植被区域的风口部以及整个植被区域的用户设定区域,如易发生虫害的区域、易被偷盗的区域等。随后转到步骤S202。
在步骤S202中,植被数据采集装置获取步骤S201中设置的多个数据采集区域在整个植被区域中的坐标或详细的地理坐标,由于数据采集区域与周边区域的所处环境基本相同,因此可使用数据采集区域中植被的植被状态代替周边区域中的植被的植被状态。这样通过多个数据采集区域中植被的植被状态的检测,可以体现整个植被区域的植被的植被状态。随后转到步骤S203。
在步骤S203中,植被数据采集装置根据步骤S202获取的多个数据采集区域的坐标,设定无人飞行器的飞行线路。这里的飞行线路可为穿过所有数据采集区域的最短的一条飞行线路。如可将邻近的数据采集区域依次连接起来,以形成无人飞行器的飞行线路。随后转到步骤S204。
在步骤S204中,植被数据采集装置根据步骤S203中确定的无人飞行器的飞行线路,通过飞行控制器,控制无人飞行器执行相应的飞行任务。其中该飞行任务包括在每个数据采集区域,使用高度计记录无人机主体的飞行高度以及使用距离传感器记录无人机主体与下方障碍物的距离。为了保证记录的完整性,可使用距离传感器,以设定间隔连续记录无人机主体与下方障碍物的距离。随后转到步骤S205。
在步骤S205中,植被数据采集装置根据在步骤S204中获取的每个数据采集区域中,无人机主体的飞行高度以及无人机主体与下方障碍物的距离,获取相应的数据采集区域中的植被高度。在无人飞行器保持自身高度相对固定的情况下,用无人机主体的飞行高度,减去无人机主体与下方障碍物的距离,即可获取该数据采集区域中的植被高度。随后转到步骤S206。
在步骤S206中,植被数据采集装置根据步骤S205中获取的数据采集区域中的植被高度,获取该数据采集区域中的植被的植被状态。由于不同时期的植被的高度可以很好的反映当前植被的植被状态,在相同或相似数据采集区域中的相同生长周期的植被的高度均是在一定设定范围中的,如出现相同生长周期的不同数据采集区域的植被的高度不一致,则可能是某个数据采集区域中的植被出现了异样,如出现植被倒伏或植被矮小等。这时可根据需要到出现异样的数据采集区域进行实地观察,确认该数据采集区域的植被是否实现问题。
请参照图3,图3为本发明的基于无人飞行器的植被数据采集方法的第二优选实施例的步骤S206的具体流程图之一。该步骤S206包括:
步骤S2061A,植被数据采集装置将不同的数据采集区域的植被高度进行比较,得到第一比较结果;这里将同一时间在不同的数据采集区域种植的植被的植被高度进行比较,以观察不同类型的数据采集区域的环境对植被的影响。随后转到步骤S2062。
步骤S2062A中,植被数据采集装置根据步骤S2061A中获取的第一比较结果,可获取发生植被高度异常的数据采集区域,如植被异常高大、植被异常矮小、植被异常密集或植被异常疏松等,从而获取数据采集区域中的植被的正常植被状态或异常植被状态。
请参照图4,图4为本发明的基于无人飞行器的植被数据采集方法的第二优选实施例的步骤S206的具体流程图之二。该步骤S206包括:
步骤S2061B,植被数据采集装置将同一数据采集区域的不同时间段的植被高度进行比较,得到第二比较结果;这里将同一数据采集区域中植被的不同时间段植被高度进行比较,如将前一周的植被的植被高度与本周的植被的植被高度进行比较,去年的植被的植被高度与今年的植被的植被高度进行比较等,从而可以较好的获知该数据采集区域中的植被的生长情况,以及获取该数据采集区域中的植被的生长规律是否符合历史规律,从而可知该数据采集区域的植被的种植环境的变化。随后转到步骤S2062B。
步骤S2062B中,植被数据采集装置根据步骤S2061B中获取的第二比较结果,可获取发生植被高度异常的数据采集区域,如植被异常高大、植被异常矮小、植被异常密集或植被异常疏松等,从而获取数据采集区域中的植被的正常植被状态或异常植被状态,以及该数据采集区域的终止环境的变化。
这样即完成了本优选实施例的植被数据采集方法的数据采集过程。
在第一优选实施例的基础上,本优选实施例的基于无人飞行器的植被数据采集方法通过不同的数据分析方式获取数据采集区域中的植被的植被状态,使得获取的数据采集区域中的植被信息更加全面,同时还可获取数据采集区域中区域环境的变化情况。
本发明还提供一种基于无人飞行器的植被数据采集装置,请参照图5,图5为本发明的基于无人飞行器的植被数据采集装置的第一优选实施例的结构示意图。本优选实施例的基于无人飞行器的植被数据采集装置50可使用上述的基于无人飞行器的植被数据采集方法的第一优选实施例进行实施。
其中无人飞行器包括无人机主体、高度计、距离传感器、飞行控制器以及植被数据采集装置。其中高度计用于检测无人机主体的飞行高度;距离传感器用于检测无人机主体与下方障碍物的距离;飞行控制器用于控制无人机主体进行飞行操作。
植被数据采集装置50包括坐标获取模块51、飞行线路设定模块52以及飞行任务执行模块53。坐标获取模块51用于获取多个数据采集区域的坐标;飞行线路设定模块52用于根据多个数据采集区域的坐标,设定无人飞行器的飞行线路;飞行任务执行模块53用于根据无人飞行器的飞行线路,通过飞行控制器,控制无人飞行器执行相应的飞行任务;其中飞行任务包括在每个数据采集区域,使用高度计记录无人机主体的飞行高度以及使用距离传感器记录无人机主体与下方障碍物的距离。
本优选实施例的植被数据采集装置50使用时,首先坐标获取模块51获取多个数据采集区域的坐标,这里的数据采集区域可为机器或人为设定的区域,由于数据采集区域与周边区域的所处环境基本相同,因此可使用数据采集区域中植被的植被状态代替周边区域中的植被的植被状态。这样通过多个数据采集区域中植被的植被状态的检测,可以体现整个植被区域的植被的植被状态。
随后飞行线路设定模块52根据坐标获取模块51获取的多个数据采集区域的坐标,设定无人飞行器的飞行线路。这里的飞行线路可为穿过所有数据采集区域的最短的一条飞行线路。
然后飞行任务执行模块53根据飞行线路设定模块52确定的无人飞行器的飞行线路,通过飞行控制器,控制无人飞行器执行相应的飞行任务。其中该飞行任务包括在每个数据采集区域,使用高度计记录无人机主体的飞行高度以及使用距离传感器记录无人机主体与下方障碍物的距离。
最后植被数据采集装置50可通过分析无人机主体的飞行高度以及使用距离传感器记录无人机主体与下方障碍物的距离获取相应的数据采集区域中的植被的植被状态,从而获知整个植被区域的植被的植被状态。
这样即完成了本优选实施例的植被数据采集装置50的数据采集过程。
本优选实施例的基于无人飞行器的植被数据采集装置通过无人机主体的飞行高度以及无人机主体与下方障碍物的距离,获取植被状态数据;因此采集操作的数据处理量较小且该采集装置的使用成本较低。
请参照图6,图6为本发明的基于无人飞行器的植被数据采集装置的第二优选实施例的结构示意图。本优选实施例的基于无人飞行器的植被数据采集装置可使用上述的基于无人飞行器的植被数据采集方法的第二优选实施例进行实施。
其中无人飞行器包括无人机主体、高度计、距离传感器、飞行控制器以及植被数据采集装置。其中高度计用于检测无人机主体的飞行高度;距离传感器用于检测无人机主体与下方障碍物的距离;飞行控制器用于控制无人机主体进行飞行操作。
植被数据采集装置60包括采集区域设置模块61、坐标获取模块62、飞行线路设定模块63、飞行任务执行模块64、植被高度获取模块65以及植被状态获取模块66。采集区域设置模块61用于设置多个数据采集区域,其中数据采集区域包括但不限于植被区域的出入口、植被区域的风口部以及植被区域的用户设定区域;坐标获取模块62用于获取多个数据采集区域的坐标;飞行线路设定模块63用于根据多个数据采集区域的坐标,设定无人飞行器的飞行线路;飞行任务执行模块64用于根据无人飞行器的飞行线路,通过飞行控制器,控制无人飞行器执行相应的飞行任务;其中飞行任务包括在每个数据采集区域,使用高度计记录无人机主体的飞行高度以及使用距离传感器记录无人机主体与下方障碍物的距离;植被高度获取模块65用于根据每个数据采集区域中,无人机主体的飞行高度以及无人机主体与下方障碍物的距离,获取相应的数据采集区域中的植被高度;植被状态获取模块66用于根据数据采集区域中的植被高度,获取数据采集区域中的植被的植被状态。
请参照图7,图7为本发明的基于无人飞行器的植被数据采集装置的第二优选实施例的植被状态获取模块的结构示意图,该植被状态获取模块66包括第一比较单元661、第一植被状态获取单元662、第二比较单元663以及第二植被状态获取单元664。
第一比较单元661用于将不同的数据采集区域的植被高度进行比较,得到第一比较结果;第一植被状态获取单元662用于根据第一比较结果,获取数据采集区域中的植被的植被状态;第二比较单元663用于将同一所述数据采集区域的不同时间段的植被高度进行比较,得到第二比较结果;第二植被状态获取单元664用于根据第二比较结果,获取数据采集区域的植被的植被状态。
本优选实施例的植被数据采集装置60使用时,首先采集区域设置模块61设置多个数据采集区域,这里的数据采集区域可为机器或人为设定的具有代表性的样本采集区域,如整个植被区域的出口或入口、整个植被区域的风口部以及整个植被区域的用户设定区域,如易发生虫害的区域、易被偷盗的区域等等。
随后坐标获取模块62获取采集区域设置模块61设置的多个数据采集区域在整个植被区域中的坐标或详细的地理坐标,由于数据采集区域与周边区域的所处环境基本相同,因此可使用数据采集区域中植被的植被状态代替周边区域中的植被的植被状态。这样通过多个数据采集区域中植被的植被状态的检测,可以体现整个植被区域的植被的植被状态。
然后飞行线路设定模块63根据坐标获取模块62获取的多个数据采集区域的坐标,设定无人飞行器的飞行线路。这里的飞行线路可为穿过所有数据采集区域的最短的一条飞行线路。如可将邻近的数据采集区域依次连接起来,以形成无人飞行器的飞行线路。
随后飞行任务执行模块64根据飞行线路设定模块63确定的无人飞行器的飞行线路,通过飞行控制器,控制无人飞行器执行相应的飞行任务。其中该飞行任务包括在每个数据采集区域,使用高度计记录无人机主体的飞行高度以及使用距离传感器记录无人机主体与下方障碍物的距离。为了保证记录的完整性,可使用距离传感器,以设定间隔连续记录无人机主体与下方障碍物的距离。
然后植被高度获取模块65根据飞行任务执行模块64获取的每个数据采集区域中,无人机主体的飞行高度以及无人机主体与下方障碍物的距离,获取相应的数据采集区域中的植被高度。在无人飞行器保持自身高度相对固定的情况下,用无人机主体的飞行高度,减去无人机主体与下方障碍物的距离,即可获取该数据采集区域中的植被高度。
最后植被状态获取模块66根据植被高度获取模块65获取的数据采集区域中的植被高度,获取该数据采集区域中的植被的植被状态。由于不同时期的植被的高度可以很好的反映当前植被的植被状态,在相同或相似数据采集区域中的相同生长周期的植被的高度均是在一定设定范围中的,如出现相同生长周期的不同数据采集区域的植被的高度不一致,则可能是某个数据采集区域中的植被出现了异样,如出现植被倒伏或植被矮小等。这时可根据需要人工到出现异样的数据采集区域进行实地观察,确认该数据采集区域的植被是否实现问题。
具体获取数据采集区域中的植被的植被状态的流程包括:
植被状态获取模块66的第一比较单元661将不同的数据采集区域的植被高度进行比较,得到第一比较结果;这里将同一时间在不同的数据采集区域种植的植被的植被高度进行比较,以观察不同类型的数据采集区域的环境对植被的影响。
随后植被状态获取模块66的第一植被状态获取单元662根据第一比较单元661获取的第一比较结果,可获取发生植被高度异常的数据采集区域,如植被异常高大、植被异常矮小、植被异常密集或植被异常疏松等,从而获取数据采集区域中的植被的正常植被状态或异常植被状态。
具体获取数据采集区域中的植被的植被状态的流程还包括:
植被状态获取模块66的第二比较单元663将同一数据采集区域的不同时间段的植被高度进行比较,得到第二比较结果;这里将同一数据采集区域中植被的不同时间段植被高度进行比较,如将前一周的植被的植被高度与本周的植被的植被高度进行比较,去年的植被的植被高度与今年的植被的植被高度进行比较等,从而可以较好的获知该数据采集区域中的植被的生长情况,以及获取该数据采集区域中的植被的生长规律是否符合历史规律,从而可知该数据采集区域的植被的种植环境的变化。
随后植被状态获取模块66的第二植被状态获取单元664根据第二比较单元663获取的第二比较结果,可获取发生植被高度异常的数据采集区域,如植被异常高大、植被异常矮小、植被异常密集或植被异常疏松等,从而获取数据采集区域中的植被的正常植被状态或异常植被状态,以及该数据采集区域的终止环境的变化。
这样即完成了本优选实施例的植被数据采集装置60的数据采集过程。
在第一优选实施例的基础上,本优选实施例的基于无人飞行器的植被数据采集装置通过不同的数据分析方式获取数据采集区域中的植被的植被状态,使得获取的数据采集区域中的植被信息更加全面,同时还可获取数据采集区域中区域环境的变化情况。
下面通过一具体实施例说明本发明的基于无人飞行器的植被数据采集方法及采集装置的工作原理。请参照图8,图8为本发明的基于无人飞行器的植被数据采集装置的具体实施例的使用示意图。
如用户需要使用无人飞行器对整个植被种植区域进行植被数据采集。
首先,植被数据采集装置按区域的功能以及植被的种类将整个植被种植区域划分为八个种植区域,具体如图8所示。如一号种子种植在A种植区域、B种植区域以及C种植区域;二号种子种植在D种植区域、E种植区域以及F种植区域;三号种子种植在G种植区域。这里还可对种植区域的功能进行标注,以对最终获取的数据采集区域中的植被的植被高度进行修正,如C种植区域为高地,D种植区域为坡地,G种植区域为风口,F种植区域为入口等。然后在每个种植区域中设置一至两个数据采集区域,以在该数据采集区域采集的植被数据作为相应的种植区域的植被数据,优选数据采集区域设置在种植区域的中间位置。在本具体实施例中G种植区域设置有数据采集区域1和数据采集区域2,D种植区域设置有数据采集区域3,A种植区域设置有数据采集区域4,B种植区域设置有数据采集区域5,C种植区域设置有数据采集区域6,E种植区域设置有数据采集区域7,F种植区域设置有数据采集区域8。
随后植被数据采集装置获取上述每个数据采集区域的坐标,该坐标可为绝对坐标,如经纬度坐标,或相对坐标,如该数据采集区域与无人飞行器的起点的相对位置关系等。
然后植被数据采集装置将上述邻近的数据采集区域依次连接起来,以形成无人飞行器的飞行线路,具体如图8所示。
随后植被数据采集装置通过飞行控制器,控制无人飞行器在该飞行线路上执行飞行任务,即在每个数据区域,使用高度计记录无人机主体的飞行高度以及使用距离传感器,以设定间隔记录无人机主体与下方障碍物的距离。
然后植被数据采集装置根据无人机主体的飞行高度以及无人机主体与下方障碍物的距离,获取相应的数据采集区域中的植被高度。
最后植被数据采集装置根据数据采集区域中的植被高度,获取数据采集区域中的植被的植被状态。具体可为:
将同一数据采集区域的不同时间的植被高度数据进行比较(如一天前的数据和一天后的数据、一周前的数据与一周后的数据,或者形成数据变化曲线),判断是否在正常范围之内(如植被高度数据变化趋势是否在预设的阈值范围内,植被高度数据是否符合被监视植被生长的历史规律所反映的经验数据)。或将不同数据采集区域的植被高度数据进行比较,判断是否在正常范围之内。
植被高度在不同时间的数据应该符合植被生长的规律,因此,很容易判断出该植被的植被状态是否正常。而不同地点的植被高度,在考虑了不同地点的高度之后,也可以直接反映植被生长的规律。如某个数据采集区域中植被的植被高度出现大幅度降低时,很可能该数据采集区域中的植被发生了倒伏。
再如,在不同种类的植被高度数据发生较大差异时,可能是因为植被种类的差异导致的植被生长异常。比如因为根茎过高,果穗重心高,可能导致玉米倒伏,植被高度数据发生明显异常,而根茎生长不高的玉米,可能就很正常。因此用户可根据数据采集区域的植被的植被高度、数据采集区域的植被的植被种类、数据采集区域的植被的生长周期以及数据采集区域的地理环境等,判断该数据采集区域中的植被的正常植被状态或异常植被状态;如监视到植被高度数据异常,则给予植被状态异常预警,从而可尽快采取挽救措施。
本发明的基于无人飞行器的植被数据采集方法及采集装置一旦确定飞行线路,即可以较高的频率如一天两次或一天一次进行固定的无人机巡查,这种无人机巡查方式的数据处理量小且飞行成本小,并可根据需要对数据采集区域进行随时变更。
本发明的基于无人飞行器的植被数据采集方法及采集装置通过无人机主体的飞行高度以及无人机主体与下方障碍物的距离,获取植被状态数据;因此采集操作的数据处理量较小且该采集装置的使用成本较低;解决了现有的植被数据采集方法及采集装置的数据处理量较大且使用成本较高的技术问题。
如本申请所使用的术语“组件”、“模块”、“系统”、“接口”、“进程”等等一般地旨在指计算机相关实体:硬件、硬件和软件的组合、软件或执行中的软件。例如,组件可以是但不限于是运行在处理器上的进程、处理器、对象、可执行应用、执行的线程、程序和/或计算机。通过图示,运行在控制器上的应用和该控制器二者都可以是组件。一个或多个组件可以有在于执行的进程和/或线程内,并且组件可以位于一个计算机上和/或分布在两个或更多计算机之间。
本文提供了实施例的各种操作。在一个实施例中,所述的一个或多个操作可以构成一个或多个计算机可读介质上存储的计算机可读指令,其在被电子设备执行时将使得计算设备执行所述操作。描述一些或所有操作的顺序不应当被解释为暗示这些操作必需是顺序相关的。本领域技术人员将理解具有本说明书的益处的可替代的排序。而且,应当理解,不是所有操作必需在本文所提供的每个实施例中存在。
而且,本文所使用的词语“优选的”意指用作实例、示例或例证。奉文描述为“优选的”任意方面或设计不必被解释为比其他方面或设计更有利。相反,词语“优选的”的使用旨在以具体方式提出概念。如本申请中所使用的术语“或”旨在意指包含的“或”而非排除的“或”。即,除非另外指定或从上下文中清楚,“X使用A或B”意指自然包括排列的任意一个。即,如果X使用A;X使用B;或X使用A和B二者,则“X使用A或B”在前述任一示例中得到满足。
而且,尽管已经相对于一个或多个实现方式示出并描述了本公开,但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型,并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件、资源等)执行的各种功能,用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示),即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外,尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开,但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或多个其他特征组合。而且,就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言,这样的术语旨在以与术语“包含”相似的方式包括。
本发明实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器,磁盘或光盘等。上述的各装置或系统,可以执行相应方法实施例中的方法。
综上所述,虽然本发明已以优选实施例揭露如上,但上述优选实施例并非用以限制本发明,本领域的普通技术人员,在不脱离本发明的精神和范围内,均可作各种更动与润饰,因此本发明的保护范围以权利要求界定的范围为准。
Claims (10)
1.一种基于无人飞行器的植被数据采集方法,其中所述无人飞行器包括:
无人机主体,
高度计,用于检测所述无人机主体的飞行高度;
距离传感器,用于检测所述无人机主体与下方障碍物的距离;以及
飞行控制器,用于控制所述无人机主体进行飞行操作;
其特征在于,所述植被数据采集方法包括:
获取多个数据采集区域的坐标;
根据多个所述数据采集区域的坐标,设定所述无人飞行器的飞行线路;以及
根据所述无人飞行器的飞行线路,通过所述飞行控制器,控制所述无人飞行器执行相应的飞行任务;
其中所述飞行任务包括在每个所述数据采集区域,使用所述高度计记录所述无人机主体的飞行高度以及使用所述距离传感器记录所述无人机主体与下方障碍物的距离。
2.根据权利要求1所述的基于无人飞行器的植被数据采集方法,其特征在于,所述飞行控制器获取多个数据采集区域的坐标的步骤之前还包括:
设置多个所述数据采集区域,其中所述数据采集区域包括但不限于植被区域的出入口、所述植被区域的风口部以及所述植被区域的用户设定区域。
3.根据权利要求1所述的基于无人飞行器的植被数据采集方法,其特征在于,所述植被数据采集方法还包括:
根据每个所述数据采集区域中,所述无人机主体的飞行高度以及所述无人机主体与下方障碍物的距离,获取相应的所述数据采集区域中的植被高度;以及
根据所述数据采集区域中的植被高度,获取所述数据采集区域中的植被的植被状态。
4.根据权利要求3所述的基于无人飞行器的植被数据采集方法,其特征在于,所述根据所述数据采集区域中的植被高度,获取所述数据采集区域中的植被的植被状态的步骤包括:
将不同的所述数据采集区域的植被高度进行比较,得到第一比较结果;以及
根据所述第一比较结果,获取所述数据采集区域中的植被的植被状态。
5.根据权利要求3所述的基于无人飞行器的植被数据采集方法,其特征在于,所述根据所述数据采集区域中的植被高度,获取所述数据采集区域中的植被的植被状态的步骤包括:
将同一所述数据采集区域的不同时间段的植被高度进行比较,得到第二比较结果;以及
根据所述第二比较结果,获取所述数据采集区域的植被的植被状态。
6.根据权利要求1所述的基于无人飞行器的植被数据采集方法,其特征在于,所述使用所述距离传感器记录所述无人机主体与下方障碍物的距离的步骤具体为:
使用距离传感器,以设定间隔记录所述无人机主体与下方障碍物的距离。
7.根据权利要求1所述的基于无人飞行器的植被数据采集方法,其特征在于,所述根据多个所述数据采集区域的坐标,设定所述无人飞行器的飞行线路的步骤具体为:
将邻近的所述数据采集区域依次连接起来,以形成所述无人飞行器的飞行线路。
8.一种基于无人飞行器的植被数据采集装置,设置在相应的无人飞行器中,其中所述无人飞行器包括:
无人机主体,
高度计,用于检测所述无人机主体的飞行高度;
距离传感器,用于检测所述无人机主体与下方障碍物的距离;以及
飞行控制器,用于控制所述无人机主体进行飞行操作;其特征在于,所述植被数据采集装置包括:
坐标获取模块,用于获取多个数据采集区域的坐标;
飞行线路设定模块,用于根据多个所述数据采集区域的坐标,设定所述无人飞行器的飞行线路;以及
飞行任务执行模块,用于根据所述无人飞行器的飞行线路,通过所述飞行控制器,控制所述无人飞行器执行相应的飞行任务;
其中所述飞行任务包括在每个所述数据采集区域,使用所述高度计记录所述无人机主体的飞行高度以及使用所述距离传感器记录所述无人机主体与下方障碍物的距离。
9.根据权利要求8所述的基于无人飞行器的植被数据采集装置,其特征在于,所述植被数据采集装置还包括:
采集区域设置模块,用于设置多个所述数据采集区域,其中所述数据采集区域包括但不限于植被区域的出入口、所述植被区域的风口部以及所述植被区域的用户设定区域;
植被高度获取模块,用于根据每个所述数据采集区域中,所述无人机主体的飞行高度以及所述无人机主体与下方障碍物的距离,获取相应的所述数据采集区域中的植被高度;以及
植被状态获取模块,用于根据所述数据采集区域中的植被高度,获取所述数据采集区域中的植被的植被状态。
10.根据权利要求9所述的基于无人飞行器的植被数据采集装置,其特征在于,所述植被状态获取模块包括:
第一比较单元,用于将不同的所述数据采集区域的植被高度进行比较,得到第一比较结果;
第一植被状态获取单元,用于根据所述第一比较结果,获取所述数据采集区域中的植被的植被状态;
第二比较单元,用于将同一所述数据采集区域的不同时间段的植被高度进行比较,得到第二比较结果;以及
第二植被状态获取单元,用于根据所述第二比较结果,获取所述数据采集区域的植被的植被状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510753763.8A CN105259909B (zh) | 2015-11-08 | 2015-11-08 | 基于无人飞行器的植被数据采集方法及采集装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510753763.8A CN105259909B (zh) | 2015-11-08 | 2015-11-08 | 基于无人飞行器的植被数据采集方法及采集装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105259909A true CN105259909A (zh) | 2016-01-20 |
CN105259909B CN105259909B (zh) | 2018-07-10 |
Family
ID=55099645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510753763.8A Active CN105259909B (zh) | 2015-11-08 | 2015-11-08 | 基于无人飞行器的植被数据采集方法及采集装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105259909B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106403904A (zh) * | 2016-10-19 | 2017-02-15 | 中国林业科学研究院 | 一种基于无人机的景观尺度植被覆盖度的计算方法及系统 |
CN107264806A (zh) * | 2017-06-28 | 2017-10-20 | 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 |
CN108896022A (zh) * | 2018-08-17 | 2018-11-27 | 山东农业大学 | 一种植被覆盖度估算方法 |
CN109074082A (zh) * | 2016-06-09 | 2018-12-21 | X开发有限责任公司 | 用于交通工具的传感器轨迹规划 |
CN109215398A (zh) * | 2018-11-05 | 2019-01-15 | 飞牛智能科技(南京)有限公司 | 一种无人机航路规划方法及装置 |
CN109389006A (zh) * | 2017-08-07 | 2019-02-26 | 广州极飞科技有限公司 | 一种植物长势检测方法及装置 |
WO2019237412A1 (zh) * | 2018-06-13 | 2019-12-19 | 仲恺农业工程学院 | 一种用于自动操控的无人机植保监控系统及方法 |
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 |
CN114326780A (zh) * | 2020-09-30 | 2022-04-12 | 丰田自动车株式会社 | 信息处理装置及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101418488B1 (ko) * | 2013-03-26 | 2014-07-14 | 한국항공우주산업 주식회사 | 무인기용 통합 비행제어 컴퓨터시스템 및 그 검증방법 |
CN104298245A (zh) * | 2014-08-06 | 2015-01-21 | 江苏恒创软件有限公司 | 基于无人机的监控林木生长状态的方法 |
CN104406557A (zh) * | 2014-11-27 | 2015-03-11 | 广西大学 | 树木测高遥控飞机 |
CN204270115U (zh) * | 2014-11-14 | 2015-04-15 | 山东农业大学 | 一种植保无人机专用飞控系统 |
CN104777846A (zh) * | 2015-04-20 | 2015-07-15 | 中国科学院长春光学精密机械与物理研究所 | 用于无人机航迹飞行高度控制的平滑过渡方法 |
CN104808676A (zh) * | 2015-03-09 | 2015-07-29 | 上海交通大学 | 基于外部视觉的四旋翼无人飞行器全自主飞行控制系统 |
CN104849722A (zh) * | 2015-05-08 | 2015-08-19 | 南京林业大学 | 一种LiDAR波形综合特征的单木识别方法 |
-
2015
- 2015-11-08 CN CN201510753763.8A patent/CN105259909B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101418488B1 (ko) * | 2013-03-26 | 2014-07-14 | 한국항공우주산업 주식회사 | 무인기용 통합 비행제어 컴퓨터시스템 및 그 검증방법 |
CN104298245A (zh) * | 2014-08-06 | 2015-01-21 | 江苏恒创软件有限公司 | 基于无人机的监控林木生长状态的方法 |
CN204270115U (zh) * | 2014-11-14 | 2015-04-15 | 山东农业大学 | 一种植保无人机专用飞控系统 |
CN104406557A (zh) * | 2014-11-27 | 2015-03-11 | 广西大学 | 树木测高遥控飞机 |
CN104808676A (zh) * | 2015-03-09 | 2015-07-29 | 上海交通大学 | 基于外部视觉的四旋翼无人飞行器全自主飞行控制系统 |
CN104777846A (zh) * | 2015-04-20 | 2015-07-15 | 中国科学院长春光学精密机械与物理研究所 | 用于无人机航迹飞行高度控制的平滑过渡方法 |
CN104849722A (zh) * | 2015-05-08 | 2015-08-19 | 南京林业大学 | 一种LiDAR波形综合特征的单木识别方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109074082B (zh) * | 2016-06-09 | 2022-01-04 | 因思创新有限责任公司 | 用于机器人设备的传感器轨迹规划系统及方法 |
CN109074082A (zh) * | 2016-06-09 | 2018-12-21 | X开发有限责任公司 | 用于交通工具的传感器轨迹规划 |
CN106403904B (zh) * | 2016-10-19 | 2019-10-22 | 中国林业科学研究院 | 一种基于无人机的景观尺度植被覆盖度的计算方法及系统 |
CN106403904A (zh) * | 2016-10-19 | 2017-02-15 | 中国林业科学研究院 | 一种基于无人机的景观尺度植被覆盖度的计算方法及系统 |
CN107264806A (zh) * | 2017-06-28 | 2017-10-20 | 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 |
CN109389006A (zh) * | 2017-08-07 | 2019-02-26 | 广州极飞科技有限公司 | 一种植物长势检测方法及装置 |
WO2019237412A1 (zh) * | 2018-06-13 | 2019-12-19 | 仲恺农业工程学院 | 一种用于自动操控的无人机植保监控系统及方法 |
CN108896022A (zh) * | 2018-08-17 | 2018-11-27 | 山东农业大学 | 一种植被覆盖度估算方法 |
CN109215398A (zh) * | 2018-11-05 | 2019-01-15 | 飞牛智能科技(南京)有限公司 | 一种无人机航路规划方法及装置 |
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 |
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 |
CN114326780A (zh) * | 2020-09-30 | 2022-04-12 | 丰田自动车株式会社 | 信息处理装置及方法 |
CN114326780B (zh) * | 2020-09-30 | 2024-05-14 | 丰田自动车株式会社 | 信息处理装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105259909B (zh) | 2018-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105259909A (zh) | 基于无人飞行器的植被数据采集方法及采集装置 | |
Zermas et al. | 3D model processing for high throughput phenotype extraction–the case of corn | |
Otero et al. | Managing mangrove forests from the sky: Forest inventory using field data and Unmanned Aerial Vehicle (UAV) imagery in the Matang Mangrove Forest Reserve, peninsular Malaysia | |
CA3086213C (en) | Capture of ground truthed labels of plant traits method and system | |
US20170199528A1 (en) | Crop height estimation with unmanned aerial vehicles | |
US8352410B2 (en) | Method and system for estimating vegetation growth relative to an object of interest | |
CN106528513B (zh) | 一种基于无人机作业的作业报告生成方法及装置 | |
BR102016018669B1 (pt) | Sistema de gerador de rota de colheita, e, métodoimplementado por computador para gerar uma rota de colheita para uma máquina de colheita | |
US11272701B2 (en) | Method for remediating developmentally delayed plants | |
CN114706933A (zh) | 基于无人机作业的喷洒区域确定方法及装置 | |
US9606236B2 (en) | System for detecting planted trees with LiDAR data | |
US20210055417A1 (en) | Methods for generating treatment prescriptions based on uav-derived plant height data and related crop management systems | |
CN109145489B (zh) | 一种基于概率图的障碍物分布仿真方法、装置以及终端 | |
CN112329789B (zh) | 点云的提取方法、装置、计算机设备和存储介质 | |
JP6685856B2 (ja) | 農作業計画支援装置及び農作業計画支援方法 | |
CN112817331A (zh) | 一种基于多机协同的林业信息智能监测系统 | |
d'Oliveira et al. | Impacts of selective logging on Amazon forest canopy structure and biomass with a LiDAR and photogrammetric survey sequence | |
CN107479045B (zh) | 基于全波形激光雷达点云数据剔除低矮植被的方法及系统 | |
CN114519712A (zh) | 一种点云数据处理方法、装置、终端设备及存储介质 | |
Linke et al. | A disturbance-inventory framework for flexible and reliable landscape monitoring | |
CN116681959A (zh) | 基于机器学习的锋线识别方法、装置、存储介质及终端 | |
CN205121343U (zh) | 基于无人飞行器的植被数据采集装置及无人飞行器 | |
Rodgers et al. | Multiscale invasive plant monitoring: Experiences from the greater Everglades restoration area | |
Tagarakis et al. | 3d scenery construction of agricultural environments for robotics awareness | |
Popescu et al. | Orchard monitoring based on unmanned aerial vehicles and image processing by artificial neural networks: a systematic review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |