CN111752298A - 无人机作业航线生成方法及相关装置 - Google Patents

Abstract

本申请的实施例提供了一种无人机作业航线生成方法及相关装置，涉及无人机领域，该方法包括：获取目标区域的图像；通过神经网络识别图像中的作业区域；作业区域的特征符合预设作业特征，作业区域的最大宽度小于无人机的作业幅宽；根据作业区域的边界确定多个规划中心点；根据多个规划中心点生成作业航线。由于无人机沿作业航线飞行时，一次飞行即可完成作业任务。又由于通过神经网络模型能够准确地识别出图像或地图中的作业区域，进而无人机沿生成的作业航线飞行时，能够准确的飞行在作业区域的中心线上高效完成作业任务，达到了针对的条形作业区域高效准确地生成无人机的作业航线的目的。

Description

无人机作业航线生成方法及相关装置

技术领域

本申请涉及无人机领域，具体而言，涉及一种无人机作业航线生成方法及相关装置。

背景技术

随着无人机(Unmanned Aerial Vehicle，UAV)控制技术的进步，无人机的功能越来越完善，人们在很多应用领域已经离不开无人机的使用。

目前，针对狭长条形的作业区域，通常需要人工对作业区域进行测绘，并根据测绘结果规划无人机的作业航线。而人工操作势必会带来作业航线规划的低效率以及高出错率的问题。例如，当无人机需要在茶园地区作业时，由于茶园区域通常是一狭长的条形，人工进行针对茶园地区的测绘和作业航线的规划非常麻烦和耗时，且存在高出错率的问题。

因此，对于条形的作业区域，如何高效准确地生成无人机的作业航线成为亟待解决的问题。

发明内容

本申请的目的包括，例如，提供了一种无人机作业航线生成方法及相关装置，其能够针对条形的作业区域高效准确地生成无人机的作业航线。

本申请的实施例可以这样实现：

第一方面，本申请实施例提供一种无人机作业航线生成方法，包括：获取目标区域的图像或地图；通过神经网络模型识别所述图像或地图中的作业区域；在识别出来的作业区域的最大宽度小于所述无人机的作业幅宽时，根据所述作业区域的边界确定多个规划中心点；根据所述多个规划中心点生成所述作业航线。

在可选的实施方式中，所述根据所述作业区域的边界确定多个规划中心点的步骤包括：根据所述作业区域的长度在所述作业区域中确定顺序排列的n个中心点；根据所述n个中心点确定所述多个规划中心点；所述多个规划中心点中任意相邻的三个中心点形成的连线的角度变化值大于预设角度值。

由于任意相邻的三个中心点形成的连线的角度变化值大于预设角度值，即任意相邻的三个中心点对应的作业区域的弯曲程度较大，从而本申请可以实现：当作业区域的弯曲程度越小时，其根据n个中心点确定的规划中心点个数越少；当作业区域的弯曲程度越大时，其根据n个中心点确定的规划中心点个数越多。故而本申请能够简洁且准确的根据中心点规划出无人机的作业航线。

在可选的实施方式中，所述根据所述多个规划中心点生成所述作业航线的步骤包括：对所述多个规划中心点进行曲线拟合得到平滑曲线，并将所述平滑曲线作为所述作业航线。

由于对多个规划中心点进行曲线拟合得到平滑曲线，故而本申请能够减小曲线拟合的难度，提高所拟合出来的平滑曲线与作业区域实际形状的一致程度。

在可选的实施方式中，当所述多个规划中心点的个数大于预设值时，所述根据所述多个规划中心点生成所述作业航线的步骤包括：将所述多个规划中心点划分为m个待规划中心点组；每个所述待规划中心点组包含的规划中心点连续，两个相邻的待规划中心点组具有一个重叠的规划中心点；分别对每个所述待规划中心点组进行曲线拟合得到m个平滑曲线段；根据所述m个平滑曲线段确定所述作业航线。

由于两个相邻的待规划中心点组具有一个重叠的规划中心点，根据相邻的待规划中心点组即可拟合出的平滑曲线段即可得出作业航线，故而本申请能够根据多个规划中心点的个数灵活地对作业航线进行规划，提高作业航线规划的准确性和有效性。

第二方面，本申请实施例提供一种无人机作业航线生成装置，包括：获取模块，用于获取目标区域的图像或地图；识别模块，用于通过神经网络模型识别所述图像或地图中的作业区域；航线规划模块，用于在识别出来的作业区域的最大宽度小于所述无人机的作业幅宽时，根据所述作业区域的边界确定多个规划中心点，以及用于根据所述多个规划中心点生成所述作业航线。

在可选的实施方式中，所述航线规划模块用于根据所述作业区域的长度在所述作业区域中确定顺序排列的n个中心点；所述航线规划模块还用于根据所述n个中心点确定所述多个规划中心点；所述多个规划中心点中任意相邻的三个中心点形成的连线的角度变化值大于预设角度值。

在可选的实施方式中，所述航线规划模块用于对所述多个规划中心点进行曲线拟合得到平滑曲线，并将所述平滑曲线作为所述作业航线。

第三方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式中任一项所述的无人机作业航线生成方法。

第四方面，本申请实施例提供一种无人机控制设备，包括处理器和存储器，所述存储器存储有机器可执行指令，所述处理器用于执行所述机器可执行指令以实现如前述实施方式中任一项所述的无人机作业航线生成方法。

第五方面，本申请实施例提供一种无人机，包括：机体；动力设备，安装在所述机体，用于为所述无人机提供动力；以及无人机控制设备，所述无人机控制设备包括处理器和存储器，所述存储器存储有机器可执行指令，所述处理器用于执行所述机器可执行指令以实现如前述实施方式中任一项所述的无人机作业航线生成方法。

本申请实施例提供的无人机作业航线生成方法及相关装置，该方法包括：获取目标区域的图像或地图；通过神经网络模型识别图像或地图中的作业区域；在识别出来的作业区域的最大宽度小于无人机的作业幅宽时，根据作业区域的边界确定多个规划中心点；根据多个规划中心点生成作业航线。由于所识别出来的作业区域的最大宽度小于无人机的作业幅宽，无人机在作业时的作业直径大于作业区域的宽度，并且根据多个规划中心点生成的作业航线可以理解为作业区域的中心线，故无人机沿作业航线飞行时，一次飞行即可完成作业任务。又由于通过神经网络模型能够准确地识别出图像或地图中的作业区域，进而无人机沿生成的作业航线飞行时，能够准确的飞行在作业区域的中心线上高效完成作业任务，达到了针对的条形作业区域高效准确地生成无人机的作业航线的目的。

附图说明

为了更清楚地说明本申请实施例的技术方案，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申请的某些实施例，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他相关的附图。

图1示出了茶园地区的图像；

图2示出了本申请实施例提供的无人机作业航线生成方法的一种流程图；

图3示出了本申请实施例提供的对图1进行作业区域识别后的区域识别示意图；

图4示出了图3中的作业区域A的示意图；

图5示出了图3中的相连作业区域的示意图；

图6示出了本申请实施例提供的无人机作业航线生成方法的另一种流程图；

图7示出了三个中心点形成的连线的角度变化值的几何示意图；

图8示出了本申请实施例提供的无人机作业航线生成方法的另一种流程图；

图9示出了本申请实施例提供的作业航线的一种规划示意图；

图10示出了本申请实施例提供的无人机作业航线生成方法的另一种流程图；

图11示出了本申请实施例提供的作业航线的另一种规划示意图；

图12示出了本申请实施例提供的无人机作业航线生成装置的一种功能模块图；

图13示出了本申请实施例所提供的无人机控制设备的结构框图；

图14示出了本申请实施例所提供的无人机的结构框图。

图标：200-无人机作业航线生成装置；210-获取模块；220-识别模块；230-航线规划模块；300-无人机；310-机体；320-动力设备；330-无人机控制设备；331-存储器；332-通信接口；333-处理器；334-总线。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

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。

需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。

在实现本申请实施例的技术方案的过程中，本申请发明人发现：

目前，在规划无人机的作业航线时，对于狭长条形的作业区域(例如，茶园、成列的果园、狭长的农田等作业场景)，通常由测绘人员对作业区域进行测绘，其中，测绘人员所记录的测绘点通常是以散点形式记录，当测绘人员在测绘结束后，还需要根据记录的散点确定出作业区域的边界，这势必会导致测绘人员确定的作业区域边界与实际边界不一致甚至测绘出错。例如，当无人机需要在如图1所示的茶园地区作业时，由于茶园地区的茶道通常是一狭长的条形，人工进行针对茶园地区的测绘以及作业航线的规划非常麻烦和耗时，并且存在高出错率的问题。

因此，为了改善上述缺陷，本申请实施例提出一种无人机作业航线生成方法及相关装置，其能够针对条形的作业区域高效准确地生成无人机的作业航线。需要说明的是，以上现有技术中的方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案，都应该是发明人在本申请过程中对本申请做出的贡献。

请参照图2，图2示出了本申请实施例提供的无人机作业航线生成方法的一种流程图。无人机飞行轨迹规划方法可以应用于无人机，该无人机作业航线生成方法包括以下步骤：

S100，获取目标区域的图像或地图。

在一些可能的实施例中，无人机上可以设置有摄像装置，在实际应用时，由无人机通过该摄像装置对目标区域进行实时拍摄，从而获取到目标区域的图像；另外，无人机也可以通过网络从云服务器、后台、手机终端等其他可以存储传输数据的设备处获取目标区域的图像或地图，因此，本申请实施例对于图像和地图的获取方式未作限定。

其中，目标区域的图像可以是包含二维信息的图像(即二维图像)或者是包含三维信息的图像(即三维图像)，可选地，由于无人机实际的作业场景可能是丘陵、山地等高低起伏的地区，为使得无人机能够在该高低起伏地区有效完成作业任务，避免生成的无人机作业航线仅适用于平原，在本申请实施例中，获取的目标区域的图像可以是点云图像，进而使得本申请实施例所提供的方法能够生成三维作业航线。

需要说明的是，本申请实施例并未将作业航线以及作业区域的维度限定在二维，本申请实施例所提供的作业航线、图像以及作业区域的维度实际可以是三维。因此，本文仅以二维示意图进行说明，在本申请的实施例所示的方案基础上，本领域技术人员可以不作出创造性劳动地将本申请的技术方案在三维环境中实现，此处不再赘述。

S110，通过神经网络识别图像或地图中的作业区域。

在一些可能的实施例中，该神经网络模型是基于深度学习技术构造的并且经过一定的数据训练，可以识别出图像或地图中符合预设特征的区域。可选地，可以首先通过该神经网络模型对图像或地图进行实例分割(Instance Segmentation)，识别出图像或地图中符合预设作业特征的区域作为作业区域。由于通过神经网络进行图像的识别能够精准地识别出图像中的感兴趣区域，故通过神经网络能够准确地识别出识别图像或地图中的作业区域。

应理解，由于图像或地图对应的实际场景中可能存在多个不同特征的区域(例如，在茶园、果园混合的实际场景中包括茶道以及成列果树，该场景对应的图像或地图中可同时存在茶道区域以及成列果树区域)，本方法所述的作业区域可以为符合预设特征集合的区域，即本方法所述的作业区域可以既理解为符合一个特征的区域(例如，在茶园、果园混合的实际场景中，本方法仅根据茶道区域进行作业区域识别)，也可以理解为符合多个特征的区域(例如，在茶园、果园混合的实际场景中，本方法可以根据茶道区域以及成列果树区域进行作业区域识别)，本申请对此不作限定。

S120，在识别出来的作业区域的最大宽度小于无人机的作业幅宽时，根据作业区域的边界确定多个规划中心点。

在一些可能的实施例中，对于如何识别出最大宽度小于无人机的作业幅宽的作业区域，如图1及图3所示，可以通过神经网络模型对图1进行实例分割得到表征茶道的区域，也即可以直接识别出最大宽度小于无人机的作业幅宽的作业区域，进而得到图3。

另外，对于那些作业区域的最大宽度大于无人机的作业幅宽的区域，可以将其按照作业幅宽分割成多个条形区域。

本发明另外一个实施例，可以通过神经网络模型识别图像或地图中的所述作业区域的边界点；将边界点依次连接从而形成所述作业区域。

在本申请另外一个实施例中，可以通过神经网络模型识别图像或地图中符合预设作业特征的区域的边界点；将边界点依次连接从而形成所述作业区域。其中，对于如何对神经网络进行数据训练，可以通过预先进行标注的训练集对其进行训练，使得其能够准确识别出图像中符合条件的区域作为作业区域，进而提高神经网络识别的准确率，确保能够高效准确地生成无人机的作业航线。

在其他可能的实施例中，对于如何识别出最大宽度小于无人机的作业幅宽的作业区域，还可以首先预设作业区域特征，然后从图像中识别出符合该预设作业区域特征的区域作为作业区域，以识别图1所示的茶园图像中的作业区域(茶道)为例，可以首先预设能够表征茶道的作业区域特征，然后从图1所示的图像中识别出符合表征茶道的作业区域特征的区域作为作业区域(如图3所示)，其中，由于图1所示的茶园包括多条长短各异的茶道，从而根据图1识别出的作业区域也对应包括多条长短各异的作业区域。

另外，对于那些最大宽度大于或等于无人机的作业幅宽的区域的作业区域，可以将其按照作业幅宽分割成多个子作业区域，并且这些子作业区域的最大宽度均小于无人机的作业幅宽。进而可以理解，本申请在识别图像或地图中的作业区域时，可以：首先识别出图像或地图中符合预设特征的区域，然后识别出这些区域中最大宽度小于无人机的作业幅宽作为作业区域，并将最大宽度大于或等于无人机的作业幅宽的区域分割成多个最大宽度均小于无人机的作业幅宽的区域作为作业区域。故本申请在识别图像或地图中的作业区域时，对所识别的区域的最大宽度并未进行限定。

应理解，本申请实施例适合所识别出的作业区域可以为条形作业区域，从而无人机能够针对条形作业区域进行高效准确地作业。即采用本申请的实施例，对于图像或地图中符合预设作业特征且最大宽度小于无人机的作业幅宽的区域可以直接识别出来作为作业区域，对于图像或地图中符合预设作业特征且最大宽度大于或等于无人机的作业幅宽的区域可以分割成多个最大宽度均小于无人机的作业幅宽的区域作为作业区域。例如，以识别图1所示的茶园图像中的作业区域(茶道)为例，可以在识别出表征茶道的区域后，将这些区域中满足最大宽度小于无人机的作业幅宽的区域作为作业区域，以及将这些区域中最大宽度大于或等于无人机的作业幅宽的区域分割成多个最大宽度小于无人机的作业幅宽的区域作为作业区域。其中，无人机的作业幅宽表征的是无人机的作业范围，例如，植保无人机的作业幅宽可以为植保无人机的喷洒范围。

由于在一些实际应用场景中，作业区域可能会存在相连的情况，因此在识别图像中的作业区域时，还可以对相连的作业区域进行分割。如图5所示，在通过神经网络识别该图像中的作业区域后，得到图中所示的相连的作业区域，因而可以根据两条中心线拟合出两条直线，根据两条直线的夹角确定出两个条带区域之间形成了锐角关系，此时可以根据条带相连处的拐弯中心点确定一条分割线，例如通过虚线L将该相连的作业区域划分为作业区域1和作业区域2，实现对相连的作业区域的分割。对于确定拐弯点的方法，可以通过确认是否存在连续的或者相邻的三个点A、B、C，且AB连线与BC连线之间的夹角小于预设角度，例如预先设定当预设角度小于90°时则形成拐弯点，如果存在则确定B点为拐弯点，则对该作业区域进行分割，在本实施例中可以从B点向作业区域边界做垂线，然后将这个垂线作为分割线对区域进行分割，也可以如图5，以其中一个作业区域的边界线进行分割，以保证每个作业区域与实际应用场景对应，确保作业航线能够有效生成。

应理解，由于所识别出来的作业区域的最大宽度小于无人机的作业幅宽，故无人机在作业时的作业直径大于作业区域的宽度。因此无人机沿作业区域的长度方向进行作业即可高效地完成作业任务，以茶园为例，由于茶园内的茶道均为条形，无人机沿茶道的延伸方向(即作业区域的长度方向)飞行作业即可快速有效地完成作业任务。进而为确保无人机能够快速有效地完成作业任务，规划中心点可以是根据作业区域的边界在作业区域宽度方向上确定的中心点，并且在每个作业区域内可以确定出多个规划中心点，如图4所示，可以根据表示茶道的作业区域A的边界在作业区域宽度方向上确定多个规划中心点。

其中，对于如何根据作业区域的边界在作业区域宽度方向上确定的中心点，以图4所示的作业区域的边界上的点1为例，点1位于该作业区域的边界的a边，b边为a边的对边，获取b边上距离点1最近的点2，进而可以根据点1、点2的连线确定出一个中心点。具体地，可以标记点1和点2的坐标值，例如点1的坐标分别是(x1，y1)，点2的坐标为(x2，y2)，则中心点的坐标为((x1+x2)/2，(y1+y2)/2)，也即，中心点的横坐标为点1和点2的横坐标的平均值，中心点的纵坐标为点1和点2的纵坐标的平均值。

在确定点1的对应点点2时，可以在a边和b边的起点开始一一对应，例如，a边自左向右分别是点a1，a2，a3…，b边自左向右分别是b1，b2，b3…，则a1与b1对应计算中心点，a2与b2对应计算中心点，a3与b3对应计算中心点。

S130，根据多个规划中心点生成作业航线。

在本实施例中，可以直接根据多个规划中心点的连线生成作业航线，或者根据多个规划中心点拟合出的曲线生成作业航线，即根据多个规划中心点生成的作业航线可以理解为作业区域的中心线，本申请实施例对于根据多个规划中心点生成作业航线的具体形式不做限定。

在其他可能的实施例中，对于如何根据作业区域的边界生成作业航线，由于作业区域的最大宽度小于无人机的作业幅宽，为使得无人机在作业时能够高效准确地完成作业任务，所生成的作业航线的形状可以与作业区域长度方向的形状对应。

由于所识别出来的作业区域的最大宽度小于无人机的作业幅宽，无人机在作业时的作业直径大于作业区域的宽度，并且根据多个规划中心点生成的作业航线可以理解为作业区域的中心线，故无人机沿作业航线飞行时，一次飞行即可完成作业任务。又由于通过神经网络模型能够准确地识别出图像或地图中的作业区域，进而无人机沿生成的作业航线飞行时，能够准确的飞行在作业区域的中心线上高效完成作业任务，达到了针对的条形作业区域高效准确地生成无人机的作业航线的目的(所获取的作业区域实际上可以理解为条形区域)。

进一步的，在图2的基础上，下面给出一种完整方案可能的实现方式，具体请参照图6，图6示出了本申请实施例提供的无人机作业航线生成方法的另一种流程图。需要说明的是，本申请实施例提供的无人机作业航线生成方法并不以图6以及以下的具体顺序为限制，应当理解，在其它实施例中，本申请实施例提供的无人机作业航线生成方法其中部分步骤的顺序可以根据实际需要相互交换，或者其中的部分步骤也可以省略或删除。下面将对图6所示的具体流程进行详细阐述。

S120具体可以包括：

S120-1，根据作业区域的长度在作业区域中确定顺序排列的n个中心点。

在本实施例中，假设一个作业区域的长度为10m，则可以根据该作业区域的长度在作业区域中确定顺序排列的100个中心点，也即是说，作业区域的长度与n成函数关系，例如，作业区域的长度与n成一次函数关系。其中，由于所获取的作业区域实际上可以理解为条形区域，进而可以理解作业区域的长度与作业区域的延伸方向的长度一致，具体如图3所示，图3中包括多条作业区域，每条作业区域的长度均不同，且每条作业区域的长度与作业区域的延伸方向一致。

可选地，顺序排列的n个中心点中相邻点的间隔可以相同。

S120-2，根据n个中心点确定多个规划中心点；多个规划中心点中任意相邻的三个中心点形成的连线的角度变化值大于预设角度值。

为了简洁且准确的根据中心点规划出无人机的作业航线，可以从该n个中心点确定出多个规划中心点，并且该多个规划中心点中任意相邻的三个中心点形成的连线的角度变化值大于预设角度值。其中，对于三个中心点形成的连线的角度变化值的确定方法，以图7为例，空间中存在顺序排列的三个点(K1、K2、K3)，K1、K2连线与K2、K3连线的角度变化值即为β。

可以理解，由于任意相邻的三个中心点形成的连线的角度变化值大于预设角度值，即任意相邻的三个中心点对应的作业区域的弯曲程度较大，因此，上述确定的多个规划中心点实际达到的效果是：当作业区域的弯曲程度越小时，其根据n个中心点确定的规划中心点个数越少；当作业区域的弯曲程度越大时，其根据n个中心点确定的规划中心点个数越多，即尽可能的减少根据n个中心点确定多个规划中心点的个数，简洁且准确的根据中心点规划出无人机的作业航线。

具体的，对于S120-2中如何根据n个中心点确定多个规划中心点，且保证多个规划中心点中任意相邻的三个中心点形成的连线的角度变化值大于预设角度值，可以首先根据n个中心点的排列顺序，判断第一、第二以及第三个中心点形成的连线的角度变化值是否大于预设角度值，当该角度变化值大于预设角度值时，则将第一、第二以及第三个中心点确定为规划中心点，然后判断第二、第三以及第四个中心点形成的连线的角度变化值是否大于预设角度值；当该角度变化值不大于预设角度值时，则判断第二、第三以及第四个中心点形成的连线的角度变化值是否大于预设角度值，以此类推，依次对后续的中心点进行判断，从而确定出多个规划中心点，且该多个规划中心点中任意相邻的三个中心点形成的连线的角度变化值大于预设角度值。例如，以10个顺序排列的中心点Z1、Z2、…、Z10为例，其中，Z3、Z4、Z5以及Z7、Z8、Z9形成的连线的角度变化值大于预设角度值，则可以确定该10个顺序排列的中心点中的规划中心点为Z3、Z4、Z5以及Z7、Z8、Z9，可选地，还可以将10个顺序排列的中心点中的两个端点(Z1、Z10)确定为规划中心点。

在图6的基础上，在一种可选地实施例中，请参照图8，S130具体可以包括：

S130-1A，对多个规划中心点进行曲线拟合得到平滑曲线，并将平滑曲线作为作业航线。

具体的，如图9所示，根据多个规划中心点的拟合曲线可以得到一个平滑曲线作为无人机的作业航线。考虑到无人机在作业过程中需要尽可能进行平滑飞行，根据多个规划中心点所拟合出的曲线需要高阶可导，且该曲线高阶倒数的时间积分值需要尽可能小。

可以理解的是，由于在S120-2中所确定的多个规划中心点实际能够达到：当条形的作业区域越接近长方形时，其根据n个中心点确定的规划中心点个数越少；当条形的作业区域的弯曲越多时，其根据n个中心点确定的规划中心点个数越多。在此前提下，本步骤在对多个规划中心点进行曲线拟合得到平滑曲线时，能够减小曲线拟合的难度，提高所拟合出来的平滑曲线与作业区域实际形状的一致程度。

由于当多个规划中心点的个数较多时，对多个规划中心点进行曲线拟合得到平滑曲线时，可能会存在所拟合出的平滑曲线与作业区域实际形状的一致程度较低，不利于针对条形的作业区域高效准确地生成无人机的作业航线。为了解决当多个规划中心点的个数较多时，可能会存在所拟合出的平滑曲线与作业区域实际形状的一致程度较低的问题，在图6的基础上，可选地，请参照图10，S130具体可以包括：

S130-1B，将多个规划中心点划分为m个待规划中心点组；每个待规划中心点组包含的规划中心点连续，两个相邻的待规划中心点组具有一个重叠的规划中心点。

在本实施例中，当多个规划中心点的个数大于预设值时，将多个规划中心点划分为m个待规划中心点组；每个待规划中心点组包含的规划中心点连续，两个相邻的待规划中心点组具有一个重叠的规划中心点，例如，当多个规划中心点的个数为6个(A、B、C、D、E、F)时，则可以将6个规划中心点划分为2个待规划中心点组(分别为第一待规划中心点组A、B、C、D以及第二待规划中心点组D、E、F)，其中，每个待规划中心点组的规划点中心点两两相邻，第一待规划中心点组和第二待规划中心点组为相邻的待规划中心点组，包含重叠的(即同一个)规划中心点D。

S130-2B，分别对每个待规划中心点组进行曲线拟合得到m个平滑曲线段。

以上述的第一待规划中心点组A、B、C、D以及第二待规划中心点组D、E、F为例，分别对第一待规划中心点组和第二待规划中心点组进行曲线拟合，得到2个平滑曲线段。

S130-3B，根据m个平滑曲线段确定作业航线。

以上述的第一待规划中心点组A、B、C、D以及第二待规划中心点组D、E、F为例，由于两个相邻的待规划中心点组具有一个重叠的规划中心点，根据相邻的待规划中心点组即可拟合出的平滑曲线段即可得出作业航线，即第一待规划中心点组和第二待规划中心点组具有重叠的规划中心点D，进而连接第一待规划中心点组和第二待规划中心点组所拟合出的平滑曲线段即可得出作业航线。进而本申请实施例所提供的方法具有能够根据多个规划中心点的个数灵活地对作业航线进行规划，提高作业航线规划的准确性和有效性。

下面，以图11所示的作业航线为例，对上述的S130-1B至S130-3B做进一步解释。

首先，将规划中心点1-3、规划中心点3-6、规划中心点6-8划分为3个待规划中心点组，分别为待规划中心点组A、待规划中心点组B、待规划中心点组C；

然后分别对待规划中心点组A、待规划中心点组B、待规划中心点组C进行曲线拟合，得到3个平滑曲线段；

将3个平滑曲线段整合为一个航线，从而确定出无人机的作业航线。

需要说明的是，在实际应用中，本申请实施例所提供的方法既可以应用在无人机上，也可以应用在多个无人机(例如相关联的植保无人机以及测绘无人机群)测绘无人机、后台服务器、云平台等设备设施上，由这些设备设施实现本申请实施例所提供的无人机作业航线生成方法。例如，由测绘无人机对茶园区域进行拍摄，获取到茶园区域的图像，然后由后台服务器或者植保无人机根据该图像生成适应茶园场景的作业航线，并由植保无人机根据该作业航线自动对茶园进行作业。

基于上述实施例，本申请实施例提供的无人机作业航线生成方法至少具有以下优点：

1、能够针对条形的作业区域高效准确地生成无人机的作业航线；

2、在生成无人机的作业航线时，能够减小曲线拟合的难度，提高所拟合出来的平滑曲线与作业区域实际形状的一致程度；

3、在生成无人机的作业航线时，能够根据多个规划中心点的个数大小灵活地对作业航线进行规划，提高作业航线规划的准确性和有效性。

为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种无人机作业航线生成装置的实现方式，请参阅图12，图12示出了本申请实施例提供的无人机作业航线生成装置的一种功能模块图。需要说明的是，本实施例所提供的无人机作业航线生成装置200，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该无人机作业航线生成装置200包括：获取模块210、识别模块220、航线规划模块230。

可选地，上述模块可以软件或固件(Firmware)的形式存储于存储器中或固化于该无人机的操作系统(Operating System，OS)中，并可由无人机中的处理器执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器中。

获取模块210用于获取目标区域的图像或地图。

可以理解的是，获取模块210可以执行上述S100。

识别模块220用于通过神经网络模型识别图像或地图中的作业区域。

可以理解的是，识别模块220可以执行上述S110。

航线规划模块230可以用于在识别出来的作业区域的最大宽度小于所述无人机的作业幅宽时，根据作业区域的边界确定多个规划中心点；以及用于根据多个规划中心点生成作业航线。

可以理解的是，航线规划模块230可以执行上述S120、S130。

进一步的，在根据作业区域的边界确定多个规划中心点时，航线规划模块230可以具体用于根据作业区域的长度在作业区域中确定顺序排列的n个中心点；以及根据n个中心点确定多个规划中心点；多个规划中心点中任意相邻的三个中心点形成的连线的角度变化值大于预设角度值。

可以理解的是，航线规划模块230可以执行上述S120-1、S120-2。

进一步的，在根据多个规划中心点生成作业航线时，航线规划模块230可以具体用于对多个规划中心点进行曲线拟合得到平滑曲线，并将平滑曲线作为作业航线。

可以理解的是，航线规划模块230可以执行上述S130-1A。

进一步的，在根据多个规划中心点生成作业航线时，当多个规划中心点的个数大于预设值，航线规划模块230可以具体用于将多个规划中心点划分为m个待规划中心点组；每个待规划中心点组包含的规划中心点连续，两个相邻的待规划中心点组具有一个重叠的规划中心点；以及分别对每个待规划中心点组进行曲线拟合得到m个平滑曲线段；以及根据m个平滑曲线段确定作业航线。

可以理解的是，航线规划模块230可以执行上述S130-1B、S130-2B、S130-3B。

请参照图13，图13示出了本申请实施例所提供的无人机控制设备的结构框图。无人机控制设备330包括存储器331、通信接口332、处理器333和总线334，所述存储器331、通信接口332和处理器333通过总线334连接，处理器333用于执行存储器331中存储的可执行模块，例如计算机程序。

其中，存储器331可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口332(可以是有线或者无线)实现该无人机控制设备330与其他终端设备之间的通信连接。

总线334可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。图13中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器331用于存储程序，处理器333在接收到执行指令后，执行所述程序以实现本申请上述实施例揭示的无人机作业航线生成方法。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器333执行时实现上述实施例揭示的无人机作业航线生成方法。

应当理解的是，图13所示的结构仅为无人机控制设备330的结构示意图，无人机控制设备330还可包括比图13中所示更多或者更少的组件，或者具有与图13所示不同的配置。图13中所示的各组件可以采用硬件、软件或其组合实现。

请参照图14，图14示出了本申请实施例所提供的无人机的结构框图。无人机300包括：机体310、动力设备320以及无人机控制设备330。动力设备320安装在机体，用于为无人机提供飞行的动力，其中，动力设备可以包括电动机、电源以及螺旋桨等组件中的至少一种。无人机控制设备330与动力设备320通信连接，用于控制无人机300的沿航线飞行，在一些可能的实施例中，无人机控制设备330可以是无人机飞行控制器。无人机控制设备330在用于控制无人机300飞行时可以实现上述实施例揭示的无人机作业航线生成方法，具体的实现方式和原理与上述实施例一致，在此不再赘述。

综上所述，本申请实施例提供了一种无人机作业航线生成方法及相关装置，该方法包括：获取目标区域的图像或地图；通过神经网络模型识别所述图像或地图中的作业区域；在识别出来的作业区域的最大宽度小于所述无人机的作业幅宽时，根据所述作业区域的边界确定多个规划中心点；根据所述多个规划中心点生成所述作业航线。由于所识别出来的作业区域的最大宽度小于无人机的作业幅宽，无人机在作业时的作业直径大于作业区域的宽度，并且根据多个规划中心点生成的作业航线可以理解为作业区域的中心线，故无人机沿作业航线飞行时，一次飞行即可完成作业任务。又由于通过神经网络模型能够准确地识别出图像或地图中的作业区域，进而无人机沿生成的作业航线飞行时，能够准确的飞行在作业区域的中心线上高效完成作业任务，达到了针对的条形作业区域高效准确地生成无人机的作业航线的目的。

需要说明的是，本申请实施例提供的方法实施例并不以流程图中的具体顺序为限制，应当理解，在其它实施例中，本申请实施例提供的方法实施例其中部分步骤的顺序可以根据实际需要相互交换，或者其中的部分步骤也可以省略或删除。

在本申请所提供的实施例中，应该理解到，所揭露的方法和装置，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申请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，在本申请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、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种无人机作业航线生成方法，其特征在于，包括：

获取目标区域的图像或地图；

通过神经网络模型识别所述图像或地图中的作业区域；

在识别出来的作业区域的最大宽度小于所述无人机的作业幅宽时，根据所述作业区域的边界确定多个规划中心点；

根据所述多个规划中心点生成所述作业航线。

2.根据权利要求1所述的方法，其特征在于，所述根据所述作业区域的边界确定多个规划中心点的步骤包括：

根据所述作业区域的长度在所述作业区域中确定顺序排列的n个中心点；

根据所述n个中心点确定所述多个规划中心点；所述多个规划中心点中任意相邻的三个中心点形成的连线的角度变化值大于预设角度值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述多个规划中心点生成所述作业航线的步骤包括：

对所述多个规划中心点进行曲线拟合得到平滑曲线，并将所述平滑曲线作为所述作业航线。

4.根据权利要求1所述的方法，其特征在于，当所述多个规划中心点的个数大于预设值时，所述根据所述多个规划中心点生成所述作业航线的步骤包括：

将所述多个规划中心点划分为m个待规划中心点组；每个所述待规划中心点组包含的规划中心点连续，两个相邻的待规划中心点组具有一个重叠的规划中心点；

分别对每个所述待规划中心点组进行曲线拟合得到m个平滑曲线段；

根据所述m个平滑曲线段确定所述作业航线。

5.一种无人机作业航线生成装置，其特征在于，包括：

获取模块，用于获取目标区域的图像或地图；

识别模块，用于通过神经网络模型识别所述图像或地图中的作业区域；

航线规划模块，用于在识别出来的作业区域的最大宽度小于所述无人机的作业幅宽时，根据所述作业区域的边界确定多个规划中心点，以及用于根据所述多个规划中心点生成所述作业航线。

6.根据权利要求5所述的装置，其特征在于，所述航线规划模块用于根据所述作业区域的长度在所述作业区域中确定顺序排列的n个中心点；

所述航线规划模块还用于根据所述n个中心点确定所述多个规划中心点；所述多个规划中心点中任意相邻的三个中心点形成的连线的角度变化值大于预设角度值。

7.根据权利要求5所述的装置，其特征在于，所述航线规划模块用于对所述多个规划中心点进行曲线拟合得到平滑曲线，并将所述平滑曲线作为所述作业航线。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的无人机作业航线生成方法。

9.一种无人机控制设备，其特征在于，包括处理器和存储器，所述存储器存储有机器可执行指令，所述处理器用于执行所述机器可执行指令以实现如权利要求1-4中任一项所述的无人机作业航线生成方法。

10.一种无人机，其特征在于，包括：

机体；

动力设备，安装在所述机体，用于为所述无人机提供动力；

以及无人机控制设备，所述无人机控制设备包括处理器和存储器，所述存储器存储有机器可执行指令，所述处理器用于执行所述机器可执行指令以实现如权利要求1-4中任一项所述的无人机作业航线生成方法。

Images