CN111625016A - 植保无人机作业优化方法、装置、系统及可读存储介质 - Google Patents
植保无人机作业优化方法、装置、系统及可读存储介质 Download PDFInfo
- Publication number
- CN111625016A CN111625016A CN201910152022.2A CN201910152022A CN111625016A CN 111625016 A CN111625016 A CN 111625016A CN 201910152022 A CN201910152022 A CN 201910152022A CN 111625016 A CN111625016 A CN 111625016A
- Authority
- CN
- China
- Prior art keywords
- target
- plant protection
- aerial vehicle
- unmanned aerial
- protection unmanned
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Abstract
本发明公开了一种植保无人机作业优化方法,所述植保无人机作业优化方法包括:根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息;基于所述目标作物的空间分布信息,设置植保无人机的作业航线;控制所述植保无人机根据所述作业航线对所述目标作物进行植保作业。本发明还公开了一种植保无人机作业优化装置、一种植保无人机作业优化系统和一种计算机可读存储介质。本发明实现了在山地、坡地等地形起伏较大的地块中无人机的精准喷施,提升了植保无人机的喷施精度和植保效果。
Description
技术领域
本发明涉及无人机植保技术领域,尤其涉及植保无人机作业优化方法、装置、系统及可读存储介质。
背景技术
随着无人机行业的发展,其应用领域越来越广,在农业应用中,相较于普通的人工喷施作业,无人机植保的作业效率要高很多。现有的植保作业方法,是根据目标地块的二维航测图像来规划植保无人机的作业航线,然而,对于某些复杂地形,如山地、坡地等,地形的起伏导致目标作物的高矮也有较大起伏,植保无人机根据规划的作业航线对这些复杂地形中的目标作物进行植保作业时,存在喷施精度低、植保效果差的问题。
发明内容
本发明的主要目的在于提出一种植保无人机作业优化方法、装置、系统及可读存储介质,旨在解决山地、坡地等复杂地形中植保无人机喷施精度低、植保效果差的问题。
为实现上述目的,本发明提供一种植保无人机作业优化方法,所述植保无人机作业优化方法包括如下步骤:
根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息;
基于所述目标作物的空间分布信息,设置植保无人机的作业航线;
控制所述植保无人机根据所述作业航线对所述目标作物进行植保作业。
可选地,所述航测数据包括目标地块的光谱影像,所述根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息的步骤包括:
基于获取到的针对目标地块的航测数据,生成与所述目标地块对应的数字高程模型及数字表面模型;
对所述数字表面模型与所述数字高程模型进行栅格计算,得到与所述目标地块对应的冠层高度模型;
根据所述光谱影像的波段及所述数字高程模型,确定所述目标地块中目标作物的空间位置信息;
从所述冠层高度模型中提取所述目标作物的高度信息;
将所述目标作物的空间位置信息及所述高度信息作为与所述目标作物对应的空间分布信息。
可选地,所述基于获取到的针对目标地块的航测数据,生成与所述目标地块对应的数字高程模型及数字表面模型的步骤包括:
将获取到的针对目标地块的航测数据作为输入,输入至预设的第一模型生成程序,得到与所述目标地块对应的数字高程模型;
将获取到的针对目标地块的航测数据作为输入,输入至预设的第二模型生成程序,得到与所述目标地块对应的数字表面模型。
可选地,所述根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息的步骤之前还包括:
确定目标地块及所述目标地块中的目标作物;
控制航测无人机对所述目标地块进行航测以获取针对所述目标地块的航测数据。
可选地,所述控制航测无人机对所述目标地块进行航测以获取针对所述目标地块的航测数据的步骤包括:
控制航测无人机对所述目标地块进行多光谱航测和/或高光谱航测和/或可见光航测,得到航测后的影像数据;
对所述影像数据进行拼接得到航测数据。
此外,本发明还提出一种植保无人机作业优化装置,所述植保无人机作业优化装置包括:
影像优化模块,用于根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息;
航线设置模块,用于基于所述目标作物的空间分布信息,设置植保无人机的作业航线;
控制模块,用于控制所述植保无人机根据所述作业航线对所述目标作物进行植保作业。
可选地,所述航测数据包括目标地块的光谱影像,所述影像优化模块包括:
生成单元,用于基于获取到的针对目标地块的航测数据,生成与所述目标地块对应的数字高程模型及数字表面模型;
计算单元,用于对所述数字表面模型与所述数字高程模型进行栅格计算,得到与所述目标地块对应的冠层高度模型;
获取单元,用于根据所述光谱影像的波段及所述数字高程模型,确定所述目标地块中目标作物的空间位置信息;
提取单元,用于从所述冠层高度模型中提取所述目标作物的高度信息;
确定单元,用于将所述目标作物的空间位置信息及所述高度信息作为与所述目标作物对应的空间分布信息。
可选地,所述生成单元包括:
第一生成子单元,用于将获取到的针对目标地块的航测数据作为输入,输入至预设的第一模型生成程序,得到与所述目标地块对应的数字高程模型;
第二生成子单元,用于将获取到的针对目标地块的航测数据作为输入,输入至预设的第二模型生成程序,得到与所述目标地块对应的数字表面模型。
此外,本发明还提出一种植保无人机作业优化系统,所述植保无人机作业优化系统包括植保无人机、航测无人机以及如上所述的植保无人机作业优化装置。
此外,本发明还提出一种可读存储介质,应用于计算机,所述可读存储介质上存储有植保无人机作业优化程序,所述植保无人机作业优化程序被处理器执行时实现如上所述的植保无人机作业优化方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本发明根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息;基于所述目标作物的空间分布信息,设置植保无人机的作业航线;控制所述植保无人机根据所述作业航线对所述目标作物进行植保作业;由此,根据目标地块的航测数据计算出目标地块中目标作物的空间分布信息,再根据目标作物的空间分布信息来设置植保无人机的作业航线,避免了当目标地块为山地、坡地等复杂地形时,由于根据地块的二维航测图像规划的作业航线无法体现作物的空间位置变化,从而导致的植保无人机喷施精度低、植保效果差的问题;本发明实现了在山地、坡地等地形起伏较大的地块中无人机的精准喷施,提升了植保无人机的喷施精度和植保效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它相关的附图。
图1为本发明植保无人机作业优化方法第一实施例的流程示意图;
图2为本发明植保无人机作业优化方法第二实施例的流程示意图;
图3为图2中步骤S110的细化步骤示意图;
图4为本发明植保无人机作业优化方法第三实施例的流程示意图;
图5为本发明植保无人机作业优化装置一优选实施例的实施例的结构示意图。
图标:10、植保无人机作业优化装置;11、影像优化模块;12、航线设置模块;13、控制模块。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
术语“第一”、“第二”、“第三”、“第四”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“平行”、“垂直”等并不表示要求部件绝对平行或垂直,而是可以稍微倾斜。如“平行”仅仅是指其方向相对“垂直”而言更加平行,并不是表示该结构一定要完全平行,而是可以稍微倾斜。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本发明提出一种植保无人机作业优化方法。
参照图1,图1为本发明植保无人机作业优化方法第一实施例的流程示意图。
本发明实施例提供了植保无人机作业优化方法的实施例,需要说明的是,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。
本发明实施例植保无人机作业优化方法应用于植保无人机作业优化装置,所述植保无人机作业优化装置可以是PC,便携计算机等终端设备,在此不做具体限制。
本实施例植保无人机作业优化方法包括:
步骤S100,根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息;
无人机在农业应用中,相较于普通的人工喷施作业,无人机植保的作业效率要高很多。现有的植保作业方法,是根据目标地块的二维航测图像来规划植保无人机的作业航线,然而,对于某些复杂地形,如山地、坡地等,地形的起伏造成目标作物的高矮起伏也较大,植保无人机根据规划的作业航线对这些复杂地形中的目标作物进行植保作业时,存在喷施精度低、植保效果差的问题。
本实施例中,植保无人机作业优化装置设于地面站内,可以理解的是,在其它实施例中,植保无人机作业优化装置也可设于与地面站连接的PC,便携计算机等终端设备,还可以是与地面站连接的PC,便携计算机等终端设备,本实施例不做具体限制。本实施例地面站接收到针对目标地块的航测指令后,即控制航测无人机对目标地块进行多光谱、高光谱、可见光航拍并得到航拍数据,具体地,多光谱、高光谱、可见光均来自不同的搭载在航测无人机上的航拍相机,对航拍后得到的数据进行拼接得到航测数据;需要说明的是,在其它实施例中,航测无人机也可以是由其它控制器控制航测,得到的拼接后的航测数据再输入至本实施例植保无人机作业优化装置中,本实施例测绘无人机为多旋翼或固定翼无人机,且具有网络RTK定位功能,更好的保证了航测精度。
进一步地,根据目标地块的航测数据得到该目标地块的数字高程模型DEM、数字表面模型DSM以及冠层高度模型CHM,其中,数字表面模型及数字高程模型均是由上述航测数据生成,具体可以采用已有的模型生成软件来生成;冠层高度模型是由数字表面模型和数字高程模型通过栅格计算得到,该模型能够直观的将目标地块植株空间分布展示出来。
进一步地,数字高程模型的构建过程具体为:数据准备,该数据包括POS数据、地面像控点数据及无人机航测数据;定义分类要素为地面点、非地面点,定义分类要素点的种类、代码和显示颜色,其中,每一类用不同于其它类的颜色表示;建立工程;数据导入;低点分类,该步骤是把较低的点从与其相邻的点中分离出来,该步骤用于将明显低于地面的粗差点或点群从地面点中分出来;空中点分类,是把较高的点从与其相邻的点中分离出来;地面点分类,该步骤之后还可手工精确分类地面点,最终得到一个近似的地表面即为所述目标地块的数字高程模型。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,能够反映区域表面的高低起伏。冠层高度模型通过栅格计算器计算得到,具体是DSM-DEM=CHM。
进一步地,本实施例利用无人机航测拼接得到多光谱或高光谱影像后,可根据光谱影像的波段匹配来进行目标作物的识别,不同的种类的目标作物其波段是不同的,由此即可获得目标作物(如树木)的空间位置,再结合地面高程模型得到的地表的高程信息,即可确定目标作物空间位置。进一步从冠层高度模型中提取目标作物高度,由此即得到了目标地块中目标作物的空间分布信息。
步骤S200,基于所述目标作物的空间分布信息,设置植保无人机的作业航线;
本实施例中,根据目标地块的航测数据得到目标地块中目标作物的空间分布信息后,即得到了目标作物的空间分布坐标,根据该空间分布信息,设置植保无人机的作业航线时,则可以根据目标作物的空间分布坐标实现作业航线的精准设置,避免了植保无人机在植保作业时的悬停位置距离目标作物过近或者过远造成的作业效果不理想的问题。
步骤S300,控制所述植保无人机根据所述作业航线对所述目标作物进行植保作业。
植保无人机根据结合了目标作物的空间分布信息设置的作业航线对目标作物进行植保作业,对于地形复杂、地表起伏较大的地块如梯田、坡地等目标地块,控制植保无人机根据设置的航线在空中按目标作物的空间分布精准悬停定点喷施,实现了复杂地形中的植保无人机精准喷施作业,本实施例植保无人机为多旋翼无人机,可实现空中悬停定点喷施。
本实施例通过根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息;基于所述目标作物的空间分布信息,设置植保无人机的作业航线;控制所述植保无人机根据所述作业航线对所述目标作物进行植保作业;由此,根据目标地块的航测数据计算出目标地块中目标作物的空间分布信息,再根据目标作物的空间分布信息来设置植保无人机的作业航线,避免了当作业地块为山地、坡地等复杂地形时,根据地块的二维航测图像规划作业航线导致的植保无人机喷施精度低、植保效果差的问题,本发明实现了在山地、坡地等地形起伏较大的地块中无人机的精准喷施,提升了植保无人机的喷施精度和植保效果。
进一步地,提出本发明植保无人机作业优化方法第二实施例。
参照图2,图2为本发明植保无人机作业优化方法第二实施例的流程示意图,基于上述图1所示的实施例,本实施例中,所述航测数据包括目标地块的光谱影像,步骤S100,根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息的步骤包括:
步骤S110,基于获取到的针对目标地块的航测数据,生成与所述目标地块对应的数字高程模型及数字表面模型;
本实施例中,航测无人机航拍的影像经过拼接后得到航测数据,数字表面模型及数字高程模型均是由该航测数据生成,具体可以采用已有的模型生成软件来生成。
步骤S120,对所述数字表面模型与所述数字高程模型进行栅格计算,得到与所述目标地块对应的冠层高度模型。
本实施例冠层高度模型是由数字表面模型和数字高程模型通过栅格计算得到,具体是DSM-DEM=CHM,冠层高度模型能够直观的将目标地块植株空间分布展示出来。
步骤S130,根据所述光谱影像的波段及所述数字高程模型,确定所述目标地块中目标作物的空间位置信息;
具体地,DEM包含了地形的高程信息,本实施例中,航测拼接得到多光谱或高光谱影像后,根据光谱影像的波段匹配来进行目标作物的识别,不同的种类的目标作物其波段是不同的,由此即可获得目标作物(如树木)的空间位置,再结合地面高程模型得到的地表的高程信息,即可确定目标作物空间位置。
步骤S140,从所述冠层高度模型中提取所述目标作物的高度信息;
进一步地,从冠层高度模型中提取目标作物高度,根据目标作物空间位置和目标作物高度,即得到了目标地块中目标作物的空间分布信息。
步骤S150,将所述目标作物的空间位置信息及所述高度信息作为与所述目标作物对应的空间分布信息。
本实施例根据目标作物的空间分布信息实现了作业航线的精准设置,避免了植保无人机在植保作业时的悬停位置距离目标作物过近或者过远造成的作业效果不理想的问题。
进一步地,参照图3,图3为本实施例中步骤S110的细化步骤示意图,具体地,步骤S110,基于获取到的针对目标地块的航测数据,生成与所述目标地块对应的数字高程模型及数字表面模型的步骤包括:
步骤S111,将获取到的针对目标地块的航测数据作为输入,输入至预设的第一模型生成程序,得到与所述目标地块对应的数字高程模型;
步骤S112,将获取到的针对目标地块的航测数据作为输入,输入至预设的第二模型生成程序,得到与所述目标地块对应的数字表面模型。
本实施例数字高程模型及数字表面模型是采用已有的模型生成软件来生成,将获取到的针对目标地块的航测数据作为输入,输入至预设的第一模型生成程序即现有的数字高程模型生成软件中,得到与所述目标地块对应的数字高程模型;将获取到的针对目标地块的航测数据作为输入,输入至预设的第二模型生成程序即现有的数字表面模型生成软件中,得到与所述目标地块对应的数字表面模型;对所述数字表面模型与所述数字高程模型进行栅格计算,多款现有软件均可实现,得到与所述目标地块对应的冠层高度模型。
本实施例通过将获取到的针对目标地块的航测数据作为输入,输入至预设的模型生成程序,得到与所述目标地块对应的数字高程模型及数字表面模型;对所述数字表面模型与所述数字高程模型进行栅格计算,得到与所述目标地块对应的冠层高度模型;根据所述光谱影像的波段及所述数字高程模型,确定所述目标地块中目标作物的空间位置信息;从所述冠层高度模型中提取所述目标作物的高度信息;将所述目标作物的空间位置信息及所述高度信息作为与所述目标作物对应的空间分布信息;基于所述目标作物的空间分布信息,设置植保无人机的作业航线;控制所述植保无人机根据所述作业航线对所述目标作物进行植保作业;由此,根据目标地块的航测数据计算出目标地块中目标作物的空间分布信息,再根据目标作物的空间分布信息来设置植保无人机的作业航线,避免了当作业地块为山地、坡地等复杂地形时,根据地块的二维航测图像规划作业航线导致的植保无人机喷施精度低、植保效果差的问题,本发明实现了在山地、坡地等地形起伏较大的地块中无人机的精准喷施,提升了植保无人机的喷施精度和植保效果。
进一步地,提出本发明植保无人机作业优化方法第三实施例。
参照图4,图4为本发明植保无人机作业优化方法第三实施例的流程示意图,基于上述图1所示的实施例,本实施例中,步骤S100,根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息的步骤之前还包括:
步骤S101,确定目标地块及所述目标地块中的目标作物;
本实施例中,首先根据植保作业需求确定需要植保的目标地块以及目标地块中的目标作物。
步骤S102,控制航测无人机对所述目标地块进行航测以获取针对所述目标地块的航测数据。
在确定植保无人机作业地块后,进行实地勘察,确定好像控点的布设位置,控制测绘无人机对该地块进行多光谱、高光谱、可见光航拍用以得到航测数据。
进一步地,步骤S102控制航测无人机对所述目标地块进行航测以获取针对所述目标地块的航测数据的步骤包括如下细化步骤:
步骤a,控制航测无人机对所述目标地块进行多光谱航测和/或高光谱航测和/或可见光航测,得到航测后的影像数据;
多光谱、高光谱、可见光均来自不同的航拍相机、传感器,其可搭载在航测无人机进行航空摄影测量。
步骤b,对所述影像数据进行拼接得到航测数据。
航空测量得到的数据拼接后即得到目标地块的航测数据。
本实施例通过确定目标地块及所述目标地块中的目标作物;控制航测无人机对所述目标地块进行航测以获取针对所述目标地块的航测数据;根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息;基于所述目标作物的空间分布信息,设置植保无人机的作业航线;控制所述植保无人机根据所述作业航线对所述目标作物进行植保作业;由此,根据目标地块的航测数据计算出目标地块中目标作物的空间分布信息,再根据目标作物的空间分布信息来设置植保无人机的作业航线,避免了当作业地块为山地、坡地等复杂地形时,根据地块的二维航测图像规划作业航线导致的植保无人机喷施精度低、植保效果差的问题,本发明实现了在山地、坡地等地形起伏较大的地块中无人机的精准喷施,提升了植保无人机的喷施精度和植保效果。
本发明提出一种植保无人机作业优化装置。
参照图5,图5为本发明提出的植保无人机作业优化装置一优选实施例结构示意图,所述植保无人机作业优化装置10包括:
影像优化模块11,用于根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息;
航线设置模块12,用于基于所述目标作物的空间分布信息,设置植保无人机的作业航线;
控制模块13,用于控制所述植保无人机根据所述作业航线对所述目标作物进行植保作业。
优选地,所述航测数据包括目标地块的光谱影像,所述影像优化模块11包括:
生成单元,用于基于获取到的针对目标地块的航测数据,生成与所述目标地块对应的数字高程模型及数字表面模型;
计算单元,用于对所述数字表面模型与所述数字高程模型进行栅格计算,得到与所述目标地块对应的冠层高度模型;
获取单元,用于根据所述光谱影像的波段及所述数字高程模型,确定所述目标地块中目标作物的空间位置信息;
提取单元,用于从所述冠层高度模型中提取所述目标作物的高度信息;
确定单元,用于将所述目标作物的空间位置信息及所述高度信息作为与所述目标作物对应的空间分布信息。
优选地,所述生成单元包括:
第一生成子单元,用于将获取到的针对目标地块的航测数据作为输入,输入至预设的第一模型生成程序,得到与所述目标地块对应的数字高程模型;
第二生成子单元,用于将获取到的针对目标地块的航测数据作为输入,输入至预设的第二模型生成程序,得到与所述目标地块对应的数字表面模型。
本实施例提出的植保无人机作业优化装置10各个模块运行时实现如上所述的植保无人机作业优化方法的步骤,由于采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案带来的所有有益效果,在此不再一一赘述。
本发明提出一种植保无人机作业优化系统,所述植保无人机作业优化系统包括植保无人机、航测无人机以及如上所述的植保无人机作业优化装置,所述的植保无人机作业优化装置各个模块运行时实现如上所述的植保无人机作业优化方法的步骤,由于采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案带来的所有有益效果,在此不再一一赘述。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有植保无人机作业优化程序,所述植保无人机作业优化程序被处理器执行时实现如上所述的植保无人机作业优化方法的步骤。
其中,在所述处理器上运行的植保无人机作业优化程序被执行时所实现的方法可参照本发明植保无人机作业优化方法各个实施例,此处不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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,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(可以是个人计算机,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、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种植保无人机作业优化方法,其特征在于,所述植保无人机作业优化方法包括如下步骤:
根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息;
基于所述目标作物的空间分布信息,设置植保无人机的作业航线;
控制所述植保无人机根据所述作业航线对所述目标作物进行植保作业。
2.如权利要求1所述的植保无人机作业优化方法,其特征在于,所述航测数据包括目标地块的光谱影像,所述根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息的步骤包括:
基于获取到的针对目标地块的航测数据,生成与所述目标地块对应的数字高程模型及数字表面模型;
对所述数字表面模型与所述数字高程模型进行栅格计算,得到与所述目标地块对应的冠层高度模型;
根据所述光谱影像的波段及所述数字高程模型,确定所述目标地块中目标作物的空间位置信息;
从所述冠层高度模型中提取所述目标作物的高度信息;
将所述目标作物的空间位置信息及所述高度信息作为与所述目标作物对应的空间分布信息。
3.如权利要求2所述的植保无人机作业优化方法,其特征在于,所述基于获取到的针对目标地块的航测数据,生成与所述目标地块对应的数字高程模型及数字表面模型的步骤包括:
将获取到的针对目标地块的航测数据作为输入,输入至预设的第一模型生成程序,得到与所述目标地块对应的数字高程模型;
将获取到的针对目标地块的航测数据作为输入,输入至预设的第二模型生成程序,得到与所述目标地块对应的数字表面模型。
4.如权利要求1-3中任一项所述的植保无人机作业优化方法,其特征在于,所述根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息的步骤之前还包括:
确定目标地块及所述目标地块中的目标作物;
控制航测无人机对所述目标地块进行航测以获取针对所述目标地块的航测数据。
5.如权利要求4所述的植保无人机作业优化方法,其特征在于,所述控制航测无人机对所述目标地块进行航测以获取针对所述目标地块的航测数据的步骤包括:
控制航测无人机对所述目标地块进行多光谱航测和/或高光谱航测和/或可见光航测,得到航测后的影像数据;
对所述影像数据进行拼接得到航测数据。
6.一种植保无人机作业优化装置,其特征在于,所述植保无人机作业优化装置包括:
影像优化模块,用于根据获取到的针对目标地块的航测数据及预设的计算规则,计算得到所述目标地块中目标作物的空间分布信息;
航线设置模块,用于基于所述目标作物的空间分布信息,设置植保无人机的作业航线;
控制模块,用于控制所述植保无人机根据所述作业航线对所述目标作物进行植保作业。
7.如权利要求6所述的植保无人机作业优化装置,其特征在于,所述航测数据包括目标地块的光谱影像,所述影像优化模块包括:
生成单元,用于基于获取到的针对目标地块的航测数据,生成与所述目标地块对应的数字高程模型及数字表面模型;
计算单元,用于对所述数字表面模型与所述数字高程模型进行栅格计算,得到与所述目标地块对应的冠层高度模型;
获取单元,用于根据所述光谱影像的波段及所述数字高程模型,确定所述目标地块中目标作物的空间位置信息;
提取单元,用于从所述冠层高度模型中提取所述目标作物的高度信息;
确定单元,用于将所述目标作物的空间位置信息及所述高度信息作为与所述目标作物对应的空间分布信息。
8.如权利要求7所述的植保无人机作业优化装置,其特征在于,所述生成单元包括:
第一生成子单元,用于将获取到的针对目标地块的航测数据作为输入,输入至预设的第一模型生成程序,得到与所述目标地块对应的数字高程模型;
第二生成子单元,用于将获取到的针对目标地块的航测数据作为输入,输入至预设的第二模型生成程序,得到与所述目标地块对应的数字表面模型。
9.一种植保无人机作业优化系统,其特征在于,所述植保无人机作业优化系统包括植保无人机、航测无人机以及如权利要求6-8中任一项所述的植保无人机作业优化装置。
10.一种可读存储介质,其特征在于,应用于计算机,所述可读存储介质上存储有植保无人机作业优化程序,所述植保无人机作业优化程序被处理器执行时实现如权利要求1至5中任一项所述的植保无人机作业优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910152022.2A CN111625016A (zh) | 2019-02-28 | 2019-02-28 | 植保无人机作业优化方法、装置、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910152022.2A CN111625016A (zh) | 2019-02-28 | 2019-02-28 | 植保无人机作业优化方法、装置、系统及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111625016A true CN111625016A (zh) | 2020-09-04 |
Family
ID=72273028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910152022.2A Pending CN111625016A (zh) | 2019-02-28 | 2019-02-28 | 植保无人机作业优化方法、装置、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111625016A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112612299A (zh) * | 2020-12-01 | 2021-04-06 | 北京麦飞科技有限公司 | 一种微型无人机集群变量植保方法 |
CN113485438A (zh) * | 2021-07-30 | 2021-10-08 | 南京石知韵智能科技有限公司 | 一种无人机空间监测路径智能规划方法及系统 |
CN113504788A (zh) * | 2021-06-24 | 2021-10-15 | 北京农业智能装备技术研究中心 | 一种航空施药作业航线规划方法及系统 |
CN115963857A (zh) * | 2023-01-04 | 2023-04-14 | 广东博幻生态科技有限公司 | 一种基于无人机的农药喷洒方法 |
-
2019
- 2019-02-28 CN CN201910152022.2A patent/CN111625016A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112612299A (zh) * | 2020-12-01 | 2021-04-06 | 北京麦飞科技有限公司 | 一种微型无人机集群变量植保方法 |
CN113504788A (zh) * | 2021-06-24 | 2021-10-15 | 北京农业智能装备技术研究中心 | 一种航空施药作业航线规划方法及系统 |
CN113504788B (zh) * | 2021-06-24 | 2024-02-20 | 北京农业智能装备技术研究中心 | 一种航空施药作业航线规划方法及系统 |
CN113485438A (zh) * | 2021-07-30 | 2021-10-08 | 南京石知韵智能科技有限公司 | 一种无人机空间监测路径智能规划方法及系统 |
CN115963857A (zh) * | 2023-01-04 | 2023-04-14 | 广东博幻生态科技有限公司 | 一种基于无人机的农药喷洒方法 |
CN115963857B (zh) * | 2023-01-04 | 2023-08-08 | 广东博幻生态科技有限公司 | 一种基于无人机的农药喷洒方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huuskonen et al. | Soil sampling with drones and augmented reality in precision agriculture | |
CN111625016A (zh) | 植保无人机作业优化方法、装置、系统及可读存储介质 | |
Webster et al. | Three-dimensional thermal characterization of forest canopies using UAV photogrammetry | |
AU2016369263B2 (en) | Cloud detection on remote sensing imagery | |
Vázquez-Arellano et al. | 3-D reconstruction of maize plants using a time-of-flight camera | |
Sona et al. | Experimental analysis of different software packages for orientation and digital surface modelling from UAV images | |
Gini et al. | Aerial images from an UAV system: 3D modeling and tree species classification in a park area | |
UA123573C2 (uk) | Способи агрономічного та сільськогосподарського моніторингу із застосуванням безпілотних літальних систем | |
Gülci | The determination of some stand parameters using SfM-based spatial 3D point cloud in forestry studies: an analysis of data production in pure coniferous young forest stands | |
Röder et al. | Application of optical unmanned aerial vehicle-based imagery for the inventory of natural regeneration and standing deadwood in post-disturbed spruce forests | |
Díaz et al. | Customizing unmanned aircraft systems to reduce forest inventory costs: can oblique images substantially improve the 3D reconstruction of the canopy? | |
US20220366605A1 (en) | Accurate geolocation in remote-sensing imaging | |
Oldeland et al. | The potential of UAV derived image features for discriminating savannah tree species | |
Ramli et al. | Homogeneous tree height derivation from tree crown delineation using Seeded Region Growing (SRG) segmentation | |
Zietara | Creating Digital Elevation Model (DEM) based on ground points extracted from classified aerial images obtained from Unmanned Aerial Vehicle (UAV) | |
Chávez et al. | A decade of unmanned aerial systems in irrigated agriculture in the Western US | |
CN110823187A (zh) | 一种基于航拍测量待测面积的控制方法及装置 | |
CN116645321B (zh) | 植被叶倾角演算统计方法、装置、电子设备及存储介质 | |
Zhang | Native vegetation classification using remote sensing techniques: A case study of dairy flat regrowth bush by using the AUT unmanned aerial vehicle | |
Burchfield et al. | sUAS-based remote sensing in mountainous areas: Benefits, challenges, and best practices | |
Wijesingha | Geometric quality assessment of multi-rotor unmanned aerial vehicle borne remote sensing products for precision agriculture | |
Sari et al. | Using LAPER quadcopter imagery for precision oil palm geospatial intelligence (OP GeoInt) | |
Jiménez-Lao et al. | Multiresolution Segmentation for extracting plastic greenhouses from Deimos-2 Imagery | |
Collins et al. | Using Flight and Field Datasets with Digital Photogrammetric Systems to Assess the Accuracy of a UAS Sensor Platform for Mapping Geospatial Input Treatment Zones | |
Ronchetti | UAV SURVEYS FOR CROP MONITORING AND MANAGEMENT IN PRECISION AGRICULTURE |
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 |