CN111880558B - 植保无人机避障喷施方法、装置、计算机设备和存储介质 - Google Patents
植保无人机避障喷施方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111880558B CN111880558B CN202010640517.2A CN202010640517A CN111880558B CN 111880558 B CN111880558 B CN 111880558B CN 202010640517 A CN202010640517 A CN 202010640517A CN 111880558 B CN111880558 B CN 111880558B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- magnetic
- preset
- terrain
- 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.)
- Active
Links
- 238000005507 spraying Methods 0.000 title claims abstract description 66
- 230000004888 barrier function Effects 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 9
- 230000005291 magnetic effect Effects 0.000 claims description 372
- 238000012549 training Methods 0.000 claims description 73
- 238000000034 method Methods 0.000 claims description 65
- 230000003287 optical effect Effects 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 31
- 230000005389 magnetism Effects 0.000 claims description 30
- 238000013527 convolutional neural network Methods 0.000 claims description 26
- 239000000463 material Substances 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 20
- 238000012795 verification Methods 0.000 claims description 18
- 238000007789 sealing Methods 0.000 claims description 15
- 239000011358 absorbing material Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 229910052755 nonmetal Inorganic materials 0.000 claims description 12
- 238000011084 recovery Methods 0.000 claims description 11
- 239000007769 metal material Substances 0.000 claims description 8
- 239000003302 ferromagnetic material Substances 0.000 claims description 4
- 239000000696 magnetic material Substances 0.000 claims description 4
- 230000001681 protective effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 14
- 230000003993 interaction Effects 0.000 abstract description 7
- 230000000903 blocking effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005294 ferromagnetic effect Effects 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- QJVKUMXDEUEQLH-UHFFFAOYSA-N [B].[Fe].[Nd] Chemical compound [B].[Fe].[Nd] QJVKUMXDEUEQLH-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910001172 neodymium magnet Inorganic materials 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- -1 seed Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000003068 static effect Effects 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- 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
- G05D1/0094—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots involving pointing a payload, e.g. camera, weapon, sensor, towards a fixed or moving target
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D1/00—Dropping, ejecting, releasing, or receiving articles, liquids, or the like, in flight
- B64D1/16—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting
- B64D1/18—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting by spraying, e.g. insecticides
-
- 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
-
- 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/45—UAVs specially adapted for particular uses or applications for releasing liquids or powders in-flight, e.g. crop-dusting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Radar, Positioning & Navigation (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Pest Control & Pesticides (AREA)
- Multimedia (AREA)
- Astronomy & Astrophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及植保无人机领域,揭示了一种植保无人机避障喷施方法、装置、计算机设备和存储介质,通过特别的设计,使得植保无人机能够准确避开障碍物进行喷施作业,在防止障碍物阻碍的前提下实现喷施作业的效率提升。需要注意的是,本申请的植保无人机避障喷施方法需要三个无人机共同实现,但是其特别之处在于,三个无人机对应的无人机终端之间无需通信交互,从而使得应用范围更广,更易实现。并且,在本申请中采用了多处特别的设计,以保证植保无人机进行高效的避障喷施。
Description
技术领域
本申请涉及到植保无人机领域,特别是涉及到一种植保无人机避障喷施方法、装置、计算机设备和存储介质。
背景技术
植保无人机是用于农林植物保护作业的无人驾驶飞机,其上包括喷洒机构以实现喷洒作业,可以喷洒药剂、种子、粉剂等。植保无人机在进行喷施作业时,离地越低效果越好,然而植保无人机越低,则越容易碰到障碍物,从而容易引起无人机的坠毁,造成严重的经济损失。因此,传统的植保无人机喷施作业难以解决低空飞行的障碍物阻碍问题。
发明内容
本申请提出一种植保无人机避障喷施方法,所述方法基于第一无人机终端、第二无人机终端和第三无人机终端,所述第一无人机终端、第二无人机终端和第三无人机终端分别位于第一无人机、第二无人机和第三无人机上,包括:
S101、所述第一无人机终端控制所述第一无人机以预设的第一高度沿预设的第一轨迹飞行,并在飞行过程中实时采集位于所述第一轨迹对应的地面的多张地形图片;
S102、所述第一无人机终端采用预设的地形高度识别方法,对所述多张地形图片进行高度识别处理,从而得到与所述多张地形图片对应的指定地形高度;
S103、所述第一无人机终端判断所述指定地形高度是否大于预设的高度阈值;
S104、若所述指定地形高度大于预设的高度阈值,则所述第一无人机终端将所述多张地形图片输入预设的景物类型识别模型中进行处理,从而得到所述景物类型识别模型输出的与所述多张地形图片对应的第一景物类型;其中,所述景物类型识别模型基于第一卷积神经网络,并采用第一训练数据训练而成,所述第一训练数据由预先采集的多张训练用地形图片与对应的人工标注的景物类型构成;
S105、所述第一无人机终端根据预设的景物类型与磁性插件的映射关系,选出与所述指定景物类型对应的指定磁性插件;其中,磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来;
S106、所述第一无人机终端利用所述第一无人机上预设的弹射设备,将所述第一无人机上预设的所述指定磁性插件弹射出去,以使所述指定磁性插件到达所述多张地形图片对应的地面上的指定区域;
S201、在所述第一无人机起飞后,所述第二无人机终端控制所述第二无人机以第二高度沿第二轨迹飞行并进行实时喷施操作,并在飞行过程中采用所述第二无人机上预设的光传感器对所述第二轨迹对应的地面进行信号采集;其中,所述第二高度低于所述第一高度,所述第二轨迹与所述第一轨迹平行;
S202、所述第二无人机终端判断所述光传感器采集到的信号呈现的图案是否与所述第一图案匹配;
S203、若所述光传感器采集到的信号呈现的图案与所述第一图案匹配,则所述第二无人机终端向所述指定磁性插件发送控制信号以使所述指定磁性插件上的磁性暴露出来;
S204、所述第二无人机终端利用所述第二无人机上预设的磁感应器感测所述指定磁性插件的磁场强度,并根据预设的磁场强度与绕行策略的对应关系,获取与所述指定磁性插件的磁场强度对应的指定绕行策略;
S205、所述第二无人机终端控制所述第二无人机根据所述指定绕行策略绕过所述多张地形图片对应的区域;
S301、在所述第二无人机起飞后,所述第三无人机终端控制所述第三无人机以第二高度沿第二轨迹飞行,并在飞行过程中采用所述第三无人机上预设的磁感应器对所述第二轨迹对应的地面进行磁场信号采集,以得到磁场强度;
S302、所述第三无人机终端判断采集得到的磁场强度是否大于预设的强度阈值;
S303、若采集得到的磁场强度大于预设的强度阈值,则所述第三无人机终端判定感应到所述指定磁性插件,并开启所述第三无人机上的插件回收设备,以将所述指定磁性插件回收至所述第三无人机上。
进一步地,所述若所述指定地形高度大于预设的高度阈值,则所述第一无人机终端将所述多张地形图片输入预设的景物类型识别模型中进行处理,从而得到所述景物类型识别模型输出的与所述多张地形图片对应的第一景物类型;其中,所述景物类型识别模型基于第一卷积神经网络,并采用第一训练数据训练而成,所述第一训练数据由预先采集的多张训练用地形图片与对应的人工标注的景物类型构成的步骤S104之前,包括:
S1031、调取预先收集的多个训练用地形图片组,并将所述多个训练用地形图片组按比例划分为训练数据和验证数据;其中每一个训练用地形图片组中均包括多张训练用地形图片,每一个训练用地形图片组中的所有图片均是无人机对同一地面进行图像采集而得,每一个训练用地形图片组被人工标注为一种景物类型;
S1032、将训练数据中的训练用地形图片组以组别为单位输入预设的第一卷积神经网络模型中进行训练,从而得到暂时卷积神经网络模型;
S1033、利用验证数据中的训练用地形图片组对所述暂时卷积神经网络模型进行验证,以得到验证结果,并判断验证结果是否为验证通过;
S1034、若验证结果为验证通过,则将暂时卷积神经网络模型记为景物类型识别模型。
进一步地,所述第一无人机终端根据预设的景物类型与磁性插件的映射关系,选出与所述指定景物类型对应的指定磁性插件;其中,磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来的步骤S105,包括:
S10501、所述第一无人机终端将所述多张地形图片输入预设的地形轮廓识别模型中进行处理,从而得到所述地形轮廓识别模型输出的第一地形轮廓;其中所述地形轮廓识别模型基于第二卷积神经网络,并采用所述第一训练数据训练而成;
S10502、所述第一无人机终端根据预设的景物类型、地形轮廓与磁性插件的双变量映射关系,选出与所述指定景物类型和所述地形轮廓对应的指定磁性插件;其中,所述双变量映射关系中,景物类型是一个变量、地形轮廓是另一个变量,磁性插件是映射结果;磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来。
进一步地,所述指定磁性插件的表面上预先绘制由紫外光吸收材料涂绘的第一图案,所述指定磁性插件的表面上除所述紫外光吸收材料涂绘的区域由第二材料涂绘,所述第二材料的颜色与所述紫外光吸收材料相同,并且所述第二材料不是紫外光吸收材料;所述第二无人机上预设的光传感器为紫外线传感器;所述第二无人机终端判断所述光传感器采集到的信号呈现的图案是否与所述第一图案匹配的步骤S202,包括:
S20201、所述第二无人机终端对所述光传感器采集到的信号呈现的图案进行轮廓提取处理,以将所述光传感器采集到的信号呈现的图案中的信号强度弱于预设的强度阈值的部分提取出来以组成弱信号轮廓;
S20202、将所述弱信号轮廓与所述第一图案进行嵌套处理,以得到嵌套处理过程中的重复面积;
S20203、判断所述重复面积是否大于预设的面积阈值;
S20204、若所述重复面积不大于预设的面积阈值,则判定所述光传感器采集到的信号呈现的图案与所述第一图案匹配。
进一步地,所述第一无人机上的指定磁性插件包括上顶面、下底面、n个侧面和磁心,上顶面和下底面平行,n个侧面均通过预设的n个压电锁分别连接上顶面和下底面,每个侧面均具有弹性,所述磁心位于所述上顶面、下底面和n个侧面围成的空间之内,所述磁心与所述上顶面通过非金属材料固定连接,所述磁心与所述下底面通过非金属材料固定连接,并且所述指定磁性插件的表面还设置有非金属保护罩;所述上顶面、下底面和n个侧面均由铁磁材料构成,所述磁心由永磁材料构成,所述压电锁由电致伸缩制作而成,当所述压电锁接收到电信号时能够使对应的侧面与所述上顶面或者所述下底面分离,当所述压电锁未接收到电信号时对应的侧面与所述上顶面和所述下底面保持连接;所述第二无人机终端向所述指定磁性插件发送控制信号以使所述指定磁性插件上的磁性暴露出来的步骤S203,包括:
S20301、所述第二无人机终端向所述指定磁性插件发送控制信号,以使所述指定磁性插件中的控制芯片获取控制信号;
S20302、所述指定磁性插件中的控制芯片根据控制信号向n个压电锁发送开启的电信号;
S20303、n个压电锁接收到开启的电信号,并根据开启的电信号发生电致伸缩现象,以使n个侧面与所述上顶面或者所述下底面分离,从而所述指定磁性插件的磁性暴露出来。
本申请提供一种植保无人机避障喷施设备,所述设备基于第一无人机终端、第二无人机终端和第三无人机终端,所述第一无人机终端、第二无人机终端和第三无人机终端分别位于第一无人机、第二无人机和第三无人机上,包括:
第一飞行单元,用于所述第一无人机终端控制所述第一无人机以预设的第一高度沿预设的第一轨迹飞行,并在飞行过程中实时采集位于所述第一轨迹对应的地面的多张地形图片;
地形高度识别单元,用于所述第一无人机终端采用预设的地形高度识别方法,对所述多张地形图片进行高度识别处理,从而得到与所述多张地形图片对应的指定地形高度;
高度阈值判断单元,用于所述第一无人机终端判断所述指定地形高度是否大于预设的高度阈值;
第一景物类型获取单元,用于若所述指定地形高度大于预设的高度阈值,则所述第一无人机终端将所述多张地形图片输入预设的景物类型识别模型中进行处理,从而得到所述景物类型识别模型输出的与所述多张地形图片对应的第一景物类型;其中,所述景物类型识别模型基于第一卷积神经网络,并采用第一训练数据训练而成,所述第一训练数据由预先采集的多张训练用地形图片与对应的人工标注的景物类型构成;
指定磁性插件获取单元,用于所述第一无人机终端根据预设的景物类型与磁性插件的映射关系,选出与所述指定景物类型对应的指定磁性插件;其中,磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来;
弹射单元,用于所述第一无人机终端利用所述第一无人机上预设的弹射设备,将所述第一无人机上预设的所述指定磁性插件弹射出去,以使所述指定磁性插件到达所述多张地形图片对应的地面上的指定区域;
信号采集单元,用于在所述第一无人机起飞后,所述第二无人机终端控制所述第二无人机以第二高度沿第二轨迹飞行并进行实时喷施操作,并在飞行过程中采用所述第二无人机上预设的光传感器对所述第二轨迹对应的地面进行信号采集;其中,所述第二高度低于所述第一高度,所述第二轨迹与所述第一轨迹平行;
图案匹配判断单元,用于所述第二无人机终端判断所述光传感器采集到的信号呈现的图案是否与所述第一图案匹配;
控制信号发送单元,用于若所述光传感器采集到的信号呈现的图案与所述第一图案匹配,则所述第二无人机终端向所述指定磁性插件发送控制信号以使所述指定磁性插件上的磁性暴露出来;
指定绕行策略获取单元,用于所述第二无人机终端利用所述第二无人机上预设的磁感应器感测所述指定磁性插件的磁场强度,并根据预设的磁场强度与绕行策略的对应关系,获取与所述指定磁性插件的磁场强度对应的指定绕行策略;
绕行单元,用于所述第二无人机终端控制所述第二无人机根据所述指定绕行策略绕过所述多张地形图片对应的区域;
磁场强度获取单元,用于在所述第二无人机起飞后,所述第三无人机终端控制所述第三无人机以第二高度沿第二轨迹飞行,并在飞行过程中采用所述第三无人机上预设的磁感应器对所述第二轨迹对应的地面进行磁场信号采集,以得到磁场强度;
磁场强度判断单元,用于所述第三无人机终端判断采集得到的磁场强度是否大于预设的强度阈值;
指定磁性插件回收单元,用于若采集得到的磁场强度大于预设的强度阈值,则所述第三无人机终端判定感应到所述指定磁性插件,并开启所述第三无人机上的插件回收设备,以将所述指定磁性插件回收至所述第三无人机上。
本申请提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请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上述任一项所述的方法的步骤。
本申请的植保无人机避障喷施方法、装置、计算机设备和存储介质,通过特别的设计,使得植保无人机能够准确避开障碍物进行喷施作业,在防止障碍物阻碍的前提下实现喷施作业的效率提升。需要注意的是,本申请的植保无人机避障喷施方法需要三个无人机共同实现,但是其特别之处在于,三个无人机对应的无人机终端之间无需通信交互,从而使得应用范围更广,更易实现。并且,在本申请中采用了多处特别的设计,以保证植保无人机进行高效的避障喷施。
附图说明
图1-2为本申请一实施例的植保无人机避障喷施方法的流程示意图;
图3 为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、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
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。本申请中的多个,指两个以上。
本申请通过特别的设计,使得植保无人机(在本申请中指第二无人机,即第二无人机上具有喷施机构)能够准确避开障碍物进行喷施作业,在防止障碍物阻碍的前提下实现喷施作业的效率提升。需要注意的是,本申请的植保无人机避障喷施方法需要三个无人机共同实现,但是其特别之处在于,三个无人机对应的无人机终端之间无需通信交互,从而使得应用范围更广,更易实现。并且,在本申请中采用了多处特别的设计,以保证植保无人机进行高效的避障喷施,其中由于涉及内容较多,因此在下文结合具体步骤一一解释。
参照图1-2,本申请实施例提供一种植保无人机避障喷施方法,所述方法基于第一无人机终端、第二无人机终端和第三无人机终端,所述第一无人机终端、第二无人机终端和第三无人机终端分别位于第一无人机、第二无人机和第三无人机上,包括:
S101、所述第一无人机终端控制所述第一无人机以预设的第一高度沿预设的第一轨迹飞行,并在飞行过程中实时采集位于所述第一轨迹对应的地面的多张地形图片;
S102、所述第一无人机终端采用预设的地形高度识别方法,对所述多张地形图片进行高度识别处理,从而得到与所述多张地形图片对应的指定地形高度;
S103、所述第一无人机终端判断所述指定地形高度是否大于预设的高度阈值;
S104、若所述指定地形高度大于预设的高度阈值,则所述第一无人机终端将所述多张地形图片输入预设的景物类型识别模型中进行处理,从而得到所述景物类型识别模型输出的与所述多张地形图片对应的第一景物类型;其中,所述景物类型识别模型基于第一卷积神经网络,并采用第一训练数据训练而成,所述第一训练数据由预先采集的多张训练用地形图片与对应的人工标注的景物类型构成;
S105、所述第一无人机终端根据预设的景物类型与磁性插件的映射关系,选出与所述指定景物类型对应的指定磁性插件;其中,磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来;
S106、所述第一无人机终端利用所述第一无人机上预设的弹射设备,将所述第一无人机上预设的所述指定磁性插件弹射出去,以使所述指定磁性插件到达所述多张地形图片对应的地面上的指定区域;
S201、在所述第一无人机起飞后,所述第二无人机终端控制所述第二无人机以第二高度沿第二轨迹飞行并进行实时喷施操作,并在飞行过程中采用所述第二无人机上预设的光传感器对所述第二轨迹对应的地面进行信号采集;其中,所述第二高度低于所述第一高度,所述第二轨迹与所述第一轨迹平行;
S202、所述第二无人机终端判断所述光传感器采集到的信号呈现的图案是否与所述第一图案匹配;
S203、若所述光传感器采集到的信号呈现的图案与所述第一图案匹配,则所述第二无人机终端向所述指定磁性插件发送控制信号以使所述指定磁性插件上的磁性暴露出来;
S204、所述第二无人机终端利用所述第二无人机上预设的磁感应器感测所述指定磁性插件的磁场强度,并根据预设的磁场强度与绕行策略的对应关系,获取与所述指定磁性插件的磁场强度对应的指定绕行策略;
S205、所述第二无人机终端控制所述第二无人机根据所述指定绕行策略绕过所述多张地形图片对应的区域;
S301、在所述第二无人机起飞后,所述第三无人机终端控制所述第三无人机以第二高度沿第二轨迹飞行,并在飞行过程中采用所述第三无人机上预设的磁感应器对所述第二轨迹对应的地面进行磁场信号采集,以得到磁场强度;
S302、所述第三无人机终端判断采集得到的磁场强度是否大于预设的强度阈值;
S303、若采集得到的磁场强度大于预设的强度阈值,则所述第三无人机终端判定感应到所述指定磁性插件,并开启所述第三无人机上的插件回收设备,以将所述指定磁性插件回收至所述第三无人机上。
如上述步骤S101-S103所述,所述第一无人机终端控制所述第一无人机以预设的第一高度沿预设的第一轨迹飞行,并在飞行过程中实时采集位于所述第一轨迹对应的地面的多张地形图片;所述第一无人机终端采用预设的地形高度识别方法,对所述多张地形图片进行高度识别处理,从而得到与所述多张地形图片对应的指定地形高度;所述第一无人机终端判断所述指定地形高度是否大于预设的高度阈值。在此需要提及的是,本申请的植保无人机避障喷施方法分为三个阶段,分别由三个无人机终端作为实施主体从而实现。其中,预设的第一高度较高,这是因为第一无人机的目的在于识别出高度较高的障碍物,该障碍物可为任意可行障碍物,例如为突起的岩石、电线杆、突出的树木等。另外,本申请需要实时采集多张地形图片,即对于同一地面需要采集多张地形图片。这是因为单张图片难以进行立体分析,会导致地形高度识别不准确。而本申请对于同一地面实时采集多张地形图片,而这些多张地形图片由于是在第一无人机终端飞行过程中拍摄的,因此其拍摄位置不尽相同,即是在高空中不同角度对同一地面进行多张地形图片的拍摄,由此识别出的地形高度准确性更高。其中,所述地形高度识别方法可采用任意可行方法,例如采用双目视觉技术(由于采用了多张地形图片,因此可用双目视觉技术)来检测障碍物是否存在,使用立体匹配等步骤得到视差结果,进而计算障碍物的大小和位置,从而得到障碍物的高度。所述第一无人机终端判断所述指定地形高度是否大于预设的高度阈值,从而判断指定地形高度对应的地面是否为障碍物。其中,所述高度阈值例如为后续第二无人机的飞行高度。
如上述步骤S104-S106所述,若所述指定地形高度大于预设的高度阈值,则所述第一无人机终端将所述多张地形图片输入预设的景物类型识别模型中进行处理,从而得到所述景物类型识别模型输出的与所述多张地形图片对应的第一景物类型;其中,所述景物类型识别模型基于第一卷积神经网络,并采用第一训练数据训练而成,所述第一训练数据由预先采集的多张训练用地形图片与对应的人工标注的景物类型构成;所述第一无人机终端根据预设的景物类型与磁性插件的映射关系,选出与所述指定景物类型对应的指定磁性插件;其中,磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来;所述第一无人机终端利用所述第一无人机上预设的弹射设备,将所述第一无人机上预设的所述指定磁性插件弹射出去,以使所述指定磁性插件到达所述多张地形图片对应的地面上的指定区域。若所述指定地形高度大于预设的高度阈值,表明存在障碍物。而后,所述第一无人机终端将所述多张地形图片输入预设的景物类型识别模型中进行处理,从而得到所述景物类型识别模型输出的与所述多张地形图片对应的第一景物类型。需要注意的是,本申请必须进行景物类型识别,这是因为根据不同的障碍物,本申请中的指定磁性插件能够弹射至不同位置。例如,当障碍物是突出的土丘,则将指定磁性插件弹射至土丘中心即可;但障碍物若是电线杆时,则无法将指定磁性插件弹射至电线杆中心,而此时可以将指定磁性插件弹射至离电线杆预设距离处(当然,需要第二无人机能够及时识别出来)。其中,由于所述景物类型识别模型基于第一卷积神经网络,并采用第一训练数据训练而成,所述第一训练数据由预先采集的多张训练用地形图片与对应的人工标注的景物类型构成,因此所述景物类型识别模型能够胜任景物类型识别任务。所述第一无人机终端根据预设的景物类型与磁性插件的映射关系,选出与所述指定景物类型对应的指定磁性插件;其中,磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应。从而所述指定磁性插件与景物类别相关、并且指定磁性插件与指定地形高度相关,因此当第二无人机识别出指定磁性插件时,即能得知障碍物的详细信息,从而做出相应的避障操作(例如是电线杆时,采用平面绕行为佳;若是高度较低但范围较广的岩石时,采用上方绕行为佳)。另外,本申请中虽然提及磁性插件,但这仅是一种称呼,也可称为磁性部件。更需要注意的是,本申请中的磁性插件极为特殊,其特殊之处在于几点:一者为磁性插件具有对应于地形的磁性(即指定磁性插件与景物类别相关、并且指定磁性插件与指定地形高度相关);一者为磁性插件上预设有磁场密封设备,因此磁性插件的默认状态下磁性收敛,不会影响外界或被外界影响;一者为磁性插件的表面上预先绘制由第一材料涂绘的第一图案,该第一图案能够提供给第二无人机快速识别。其中,所述磁性插件还具有电池,用以提供所述磁性插件中任意需要电流的部件使用(例如控制芯片)。或者,所述磁性插件不具有电池,所述磁性插件中的控制芯片运行时所需电流通过所述第二无人机发射的指定波长的激光提供(即,所述磁性插件上预设有能够吸收指定波长的光的光致发电器件,从而得到电流),通过这种设计,使得磁性插件无需额外设置电池,并且第二无人机将控制信号(通过将指定波长的激光照射至磁性插件上预设的光致发电器件上,从而生成控制电流信号)与能源提供这二者仅通过发射指定波长的激光的手段即可实现,从而提高了效率。
进一步地,所述若所述指定地形高度大于预设的高度阈值,则所述第一无人机终端将所述多张地形图片输入预设的景物类型识别模型中进行处理,从而得到所述景物类型识别模型输出的与所述多张地形图片对应的第一景物类型;其中,所述景物类型识别模型基于第一卷积神经网络,并采用第一训练数据训练而成,所述第一训练数据由预先采集的多张训练用地形图片与对应的人工标注的景物类型构成的步骤S104之前,包括:
S1031、调取预先收集的多个训练用地形图片组,并将所述多个训练用地形图片组按比例划分为训练数据和验证数据;其中每一个训练用地形图片组中均包括多张训练用地形图片,每一个训练用地形图片组中的所有图片均是无人机对同一地面进行图像采集而得,每一个训练用地形图片组被人工标注为一种景物类型;
S1032、将训练数据中的训练用地形图片组以组别为单位输入预设的第一卷积神经网络模型中进行训练,从而得到暂时卷积神经网络模型;
S1033、利用验证数据中的训练用地形图片组对所述暂时卷积神经网络模型进行验证,以得到验证结果,并判断验证结果是否为验证通过;
S1034、若验证结果为验证通过,则将暂时卷积神经网络模型记为景物类型识别模型。
从而使得所述景物类型识别模型能够胜任以多个地形图片作为输入,用以预测景物类形的图片识别任务。其中,所述比例例如为9:1。
进一步地,所述第一无人机终端根据预设的景物类型与磁性插件的映射关系,选出与所述指定景物类型对应的指定磁性插件;其中,磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来的步骤S105,包括:
S10501、所述第一无人机终端将所述多张地形图片输入预设的地形轮廓识别模型中进行处理,从而得到所述地形轮廓识别模型输出的第一地形轮廓;其中所述地形轮廓识别模型基于第二卷积神经网络,并采用所述第一训练数据训练而成;
S10502、所述第一无人机终端根据预设的景物类型、地形轮廓与磁性插件的双变量映射关系,选出与所述指定景物类型和所述地形轮廓对应的指定磁性插件;其中,所述双变量映射关系中,景物类型是一个变量、地形轮廓是另一个变量,磁性插件是映射结果;磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来。
从而所述磁性插件不仅反应了景物类型,还反应了地形轮廓,从而为后续第二无人机的绕行策略提供了更准确更恰当的依据。
如上述步骤S201-S205所述,在所述第一无人机起飞后,所述第二无人机终端控制所述第二无人机以第二高度沿第二轨迹飞行并进行实时喷施操作,并在飞行过程中采用所述第二无人机上预设的光传感器对所述第二轨迹对应的地面进行信号采集;其中,所述第二高度低于所述第一高度,所述第二轨迹与所述第一轨迹平行;所述第二无人机终端判断所述光传感器采集到的信号呈现的图案是否与所述第一图案匹配;若所述光传感器采集到的信号呈现的图案与所述第一图案匹配,则所述第二无人机终端向所述指定磁性插件发送控制信号以使所述指定磁性插件上的磁性暴露出来;所述第二无人机终端利用所述第二无人机上预设的磁感应器感测所述指定磁性插件的磁场强度,并根据预设的磁场强度与绕行策略的对应关系,获取与所述指定磁性插件的磁场强度对应的指定绕行策略;所述第二无人机终端控制所述第二无人机根据所述指定绕行策略绕过所述多张地形图片对应的区域。需要注意的是,第一无人机由于不进行喷施作业,因此其飞行速度要大于第二无人机,从而第一无人机起飞后,第二无人机即可以第二高度沿第二轨迹飞行并进行实时喷施操作,其中,所述第二高度低于所述第一高度,即第二无人机为贴近地面飞行。并在飞行过程中采用所述第二无人机上预设的光传感器对所述第二轨迹对应的地面进行信号采集,目的在于确定磁性插件的位置,从而在不建立与第一无人机终端的通信连接的前提下确定障碍物的详细信息。所述第二无人机终端判断所述光传感器采集到的信号呈现的图案是否与所述第一图案匹配;若所述光传感器采集到的信号呈现的图案与所述第一图案匹配,则表明获取了指定磁性插件。所述第二无人机终端向所述指定磁性插件发送控制信号以使所述指定磁性插件上的磁性暴露出来。
进一步地,所述指定磁性插件的表面上预先绘制由紫外光吸收材料涂绘的第一图案,所述指定磁性插件的表面上除所述紫外光吸收材料涂绘的区域由第二材料涂绘,所述第二材料的颜色与所述紫外光吸收材料相同,并且所述第二材料不是紫外光吸收材料;所述第二无人机上预设的光传感器为紫外线传感器;所述第二无人机终端判断所述光传感器采集到的信号呈现的图案是否与所述第一图案匹配的步骤S202,包括:
S20201、所述第二无人机终端对所述光传感器采集到的信号呈现的图案进行轮廓提取处理,以将所述光传感器采集到的信号呈现的图案中的信号强度弱于预设的强度阈值的部分提取出来以组成弱信号轮廓;
S20202、将所述弱信号轮廓与所述第一图案进行嵌套处理,以得到嵌套处理过程中的重复面积;
S20203、判断所述重复面积是否大于预设的面积阈值;
S20204、若所述重复面积不大于预设的面积阈值,则判定所述光传感器采集到的信号呈现的图案与所述第一图案匹配。
从而本申请实现了减少对外界的颜色干扰,并且同时减少外界颜色对信号采集结果的干扰,以减少计算压力,并提高识别出指定磁性插件的效率。
进一步地,所述第一无人机上的指定磁性插件包括上顶面、下底面、n个侧面和磁心,上顶面和下底面平行,n个侧面均通过预设的n个压电锁分别连接上顶面和下底面,每个侧面均具有弹性,所述磁心位于所述上顶面、下底面和n个侧面围成的空间之内,所述磁心与所述上顶面通过非金属材料固定连接,所述磁心与所述下底面通过非金属材料固定连接,并且所述指定磁性插件的表面还设置有非金属保护罩;所述上顶面、下底面和n个侧面均由铁磁材料构成,所述磁心由永磁材料构成,所述压电锁由电致伸缩制作而成,当所述压电锁接收到电信号时能够使对应的侧面与所述上顶面或者所述下底面分离,当所述压电锁未接收到电信号时对应的侧面与所述上顶面和所述下底面保持连接;所述第二无人机终端向所述指定磁性插件发送控制信号以使所述指定磁性插件上的磁性暴露出来的步骤S203,包括:
S20301、所述第二无人机终端向所述指定磁性插件发送控制信号,以使所述指定磁性插件中的控制芯片获取控制信号;
S20302、所述指定磁性插件中的控制芯片根据控制信号向n个压电锁发送开启的电信号;
S20303、n个压电锁接收到开启的电信号,并根据开启的电信号发生电致伸缩现象,以使n个侧面与所述上顶面或者所述下底面分离,从而所述指定磁性插件的磁性暴露出来。
从而实现了减少指定磁性插件的磁性与外界的干涉,使磁性检测更为准确,以保证绕行策略确定的准确性。其中,本申请采用的指定磁性插件为特殊结构,即指定磁性插件包括上顶面、下底面、n个侧面和磁心,上顶面和下底面平行,n个侧面均通过预设的n个压电锁分别连接上顶面和下底面,每个侧面均具有弹性,所述磁心位于所述上顶面、下底面和n个侧面围成的空间之内,所述磁心与所述上顶面通过非金属材料固定连接,所述磁心与所述下底面通过非金属材料固定连接,并且所述指定磁性插件的表面还设置有非金属保护罩;所述上顶面、下底面和n个侧面均由铁磁材料构成,所述磁心由永磁材料构成,所述压电锁由电致伸缩制作而成,当所述压电锁接收到电信号时能够使对应的侧面与所述上顶面或者所述下底面分离,当所述压电锁未接收到电信号时对应的侧面与所述上顶面和所述下底面保持连接。其中,侧面例如为铁磁金属弹簧,例如为方形铁磁金属弹簧,或者为铁磁金属弹性条状物。所述磁心例如为永磁铁,例如为钕铁硼。所述压电锁在未接到电信号时呈伸长状态,从而其伸长部分将侧面与上顶面或者下底面连接起来(例如通过卡孔设计),当接到电信号时呈压缩状态,从而其伸长部分收缩,侧面与上顶面或者下底面分离,从而指定磁性插件的磁性暴露。
如上述步骤S301-S303所述,在所述第二无人机起飞后,所述第三无人机终端控制所述第三无人机以第二高度沿第二轨迹飞行,并在飞行过程中采用所述第三无人机上预设的磁感应器对所述第二轨迹对应的地面进行磁场信号采集,以得到磁场强度;所述第三无人机终端判断采集得到的磁场强度是否大于预设的强度阈值;若采集得到的磁场强度大于预设的强度阈值,则所述第三无人机终端判定感应到所述指定磁性插件,并开启所述第三无人机上的插件回收设备,以将所述指定磁性插件回收至所述第三无人机上。所述第三无人机的作用在于回收磁性插件,因此其在第二高度沿第二轨迹飞行,并且其无需像第一无人机一样进行地形识别,同样地其无需像第二无人机一样进行图案识别,其只需进行磁场强度识别,以获取指定磁性插件的准确位置。即,采用所述第三无人机上预设的磁感应器对所述第二轨迹对应的地面进行磁场信号采集,以得到磁场强度;所述第三无人机终端判断采集得到的磁场强度是否大于预设的强度阈值;若采集得到的磁场强度大于预设的强度阈值,则所述第三无人机终端判定感应到所述指定磁性插件。其中,所述插件回收设备可为任意可行设备,例如为机械手,或者为磁场发生设备,优选为定向磁场发生设备。当其为定向磁场发生设备,则能够通过控制生成的磁感线密度(例如通过设计电磁线圈并辅以磁场干涉部件来实现),以便吸回所述指定磁性插件。
本申请的植保无人机避障喷施方法,通过特别的设计,使得植保无人机能够准确避开障碍物进行喷施作业,在防止障碍物阻碍的前提下实现喷施作业的效率提升。需要注意的是,本申请的植保无人机避障喷施方法需要三个无人机共同实现,但是其特别之处在于,三个无人机对应的无人机终端之间无需通信交互,从而使得应用范围更广,更易实现。并且,在本申请中采用了多处特别的设计,以保证植保无人机进行高效的避障喷施。
本申请实施例提供一种植保无人机避障喷施装置,所述设备基于第一无人机终端、第二无人机终端和第三无人机终端,所述第一无人机终端、第二无人机终端和第三无人机终端分别位于第一无人机、第二无人机和第三无人机上,包括:
第一飞行单元,用于所述第一无人机终端控制所述第一无人机以预设的第一高度沿预设的第一轨迹飞行,并在飞行过程中实时采集位于所述第一轨迹对应的地面的多张地形图片;
地形高度识别单元,用于所述第一无人机终端采用预设的地形高度识别方法,对所述多张地形图片进行高度识别处理,从而得到与所述多张地形图片对应的指定地形高度;
高度阈值判断单元,用于所述第一无人机终端判断所述指定地形高度是否大于预设的高度阈值;
第一景物类型获取单元,用于若所述指定地形高度大于预设的高度阈值,则所述第一无人机终端将所述多张地形图片输入预设的景物类型识别模型中进行处理,从而得到所述景物类型识别模型输出的与所述多张地形图片对应的第一景物类型;其中,所述景物类型识别模型基于第一卷积神经网络,并采用第一训练数据训练而成,所述第一训练数据由预先采集的多张训练用地形图片与对应的人工标注的景物类型构成;
指定磁性插件获取单元,用于所述第一无人机终端根据预设的景物类型与磁性插件的映射关系,选出与所述指定景物类型对应的指定磁性插件;其中,磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来;
弹射单元,用于所述第一无人机终端利用所述第一无人机上预设的弹射设备,将所述第一无人机上预设的所述指定磁性插件弹射出去,以使所述指定磁性插件到达所述多张地形图片对应的地面上的指定区域;
信号采集单元,用于在所述第一无人机起飞后,所述第二无人机终端控制所述第二无人机以第二高度沿第二轨迹飞行并进行实时喷施操作,并在飞行过程中采用所述第二无人机上预设的光传感器对所述第二轨迹对应的地面进行信号采集;其中,所述第二高度低于所述第一高度,所述第二轨迹与所述第一轨迹平行;
图案匹配判断单元,用于所述第二无人机终端判断所述光传感器采集到的信号呈现的图案是否与所述第一图案匹配;
控制信号发送单元,用于若所述光传感器采集到的信号呈现的图案与所述第一图案匹配,则所述第二无人机终端向所述指定磁性插件发送控制信号以使所述指定磁性插件上的磁性暴露出来;
指定绕行策略获取单元,用于所述第二无人机终端利用所述第二无人机上预设的磁感应器感测所述指定磁性插件的磁场强度,并根据预设的磁场强度与绕行策略的对应关系,获取与所述指定磁性插件的磁场强度对应的指定绕行策略;
绕行单元,用于所述第二无人机终端控制所述第二无人机根据所述指定绕行策略绕过所述多张地形图片对应的区域;
磁场强度获取单元,用于在所述第二无人机起飞后,所述第三无人机终端控制所述第三无人机以第二高度沿第二轨迹飞行,并在飞行过程中采用所述第三无人机上预设的磁感应器对所述第二轨迹对应的地面进行磁场信号采集,以得到磁场强度;
磁场强度判断单元,用于所述第三无人机终端判断采集得到的磁场强度是否大于预设的强度阈值;
指定磁性插件回收单元,用于若采集得到的磁场强度大于预设的强度阈值,则所述第三无人机终端判定感应到所述指定磁性插件,并开启所述第三无人机上的插件回收设备,以将所述指定磁性插件回收至所述第三无人机上。
其中上述单元分别用于执行的操作与前述实施方式的植保无人机避障喷施方法的步骤一一对应,在此不再赘述。
本申请的植保无人机避障喷施装置,通过特别的设计,使得植保无人机能够准确避开障碍物进行喷施作业,在防止障碍物阻碍的前提下实现喷施作业的效率提升。需要注意的是,本申请的植保无人机避障喷施方法需要三个无人机共同实现,但是其特别之处在于,三个无人机对应的无人机终端之间无需通信交互,从而使得应用范围更广,更易实现。并且,在本申请中采用了多处特别的设计,以保证植保无人机进行高效的避障喷施。
参照图2,本发明实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储植保无人机避障喷施方法所用数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种植保无人机避障喷施方法。
上述处理器执行上述植保无人机避障喷施方法,其中所述方法包括的步骤分别与执行前述实施方式的植保无人机避障喷施方法的步骤一一对应,在此不再赘述。
本领域技术人员可以理解,图中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请的计算机设备,通过特别的设计,使得植保无人机能够准确避开障碍物进行喷施作业,在防止障碍物阻碍的前提下实现喷施作业的效率提升。需要注意的是,本申请的植保无人机避障喷施方法需要三个无人机共同实现,但是其特别之处在于,三个无人机对应的无人机终端之间无需通信交互,从而使得应用范围更广,更易实现。并且,在本申请中采用了多处特别的设计,以保证植保无人机进行高效的避障喷施。
本申请一实施例还提供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执行时实现植保无人机避障喷施方法,其中所述方法包括的步骤分别与执行前述实施方式的植保无人机避障喷施方法的步骤一一对应,在此不再赘述。
本申请的计算机可读存储介质,通过特别的设计,使得植保无人机能够准确避开障碍物进行喷施作业,在防止障碍物阻碍的前提下实现喷施作业的效率提升。需要注意的是,本申请的植保无人机避障喷施方法需要三个无人机共同实现,但是其特别之处在于,三个无人机对应的无人机终端之间无需通信交互,从而使得应用范围更广,更易实现。并且,在本申请中采用了多处特别的设计,以保证植保无人机进行高效的避障喷施。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他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、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (8)
1.一种植保无人机避障喷施方法,其特征在于,所述方法基于第一无人机终端、第二无人机终端和第三无人机终端,所述第一无人机终端、第二无人机终端和第三无人机终端分别位于第一无人机、第二无人机和第三无人机上,包括:
S101、所述第一无人机终端控制所述第一无人机以预设的第一高度沿预设的第一轨迹飞行,并在飞行过程中实时采集位于所述第一轨迹对应的地面的多张地形图片;
S102、所述第一无人机终端采用预设的地形高度识别方法,对所述多张地形图片进行高度识别处理,从而得到与所述多张地形图片对应的指定地形高度;
S103、所述第一无人机终端判断所述指定地形高度是否大于预设的高度阈值;
S104、若所述指定地形高度大于预设的高度阈值,则所述第一无人机终端将所述多张地形图片输入预设的景物类型识别模型中进行处理,从而得到所述景物类型识别模型输出的与所述多张地形图片对应的第一景物类型;其中,所述景物类型识别模型基于第一卷积神经网络,并采用第一训练数据训练而成,所述第一训练数据由预先采集的多张训练用地形图片与对应的人工标注的景物类型构成;
S105、所述第一无人机终端根据预设的景物类型与磁性插件的映射关系,选出与所述第一景物类型对应的指定磁性插件;其中,磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来;
S106、所述第一无人机终端利用所述第一无人机上预设的弹射设备,将所述第一无人机上预设的所述指定磁性插件弹射出去,以使所述指定磁性插件到达所述多张地形图片对应的地面上的指定区域;
S201、在所述第一无人机起飞后,所述第二无人机终端控制所述第二无人机以第二高度沿第二轨迹飞行并进行实时喷施操作,并在飞行过程中采用所述第二无人机上预设的光传感器对所述第二轨迹对应的地面进行信号采集;其中,所述第二高度低于所述第一高度,所述第二轨迹与所述第一轨迹平行;
S202、所述第二无人机终端判断所述光传感器采集到的信号呈现的图案是否与所述第一图案匹配;
S203、若所述光传感器采集到的信号呈现的图案与所述第一图案匹配,则所述第二无人机终端向所述指定磁性插件发送控制信号以使所述指定磁性插件上的磁性暴露出来;
S204、所述第二无人机终端利用所述第二无人机上预设的磁感应器感测所述指定磁性插件的磁场强度,并根据预设的磁场强度与绕行策略的对应关系,获取与所述指定磁性插件的磁场强度对应的指定绕行策略;
S205、所述第二无人机终端控制所述第二无人机根据所述指定绕行策略绕过所述多张地形图片对应的区域;
S301、在所述第二无人机起飞后,所述第三无人机终端控制所述第三无人机以第二高度沿第二轨迹飞行,并在飞行过程中采用所述第三无人机上预设的磁感应器对所述第二轨迹对应的地面进行磁场信号采集,以得到磁场强度;
S302、所述第三无人机终端判断采集得到的磁场强度是否大于预设的强度阈值;
S303、若采集得到的磁场强度大于预设的强度阈值,则所述第三无人机终端判定感应到所述指定磁性插件,并开启所述第三无人机上的插件回收设备,以将所述指定磁性插件回收至所述第三无人机上。
2.根据权利要求1所述的植保无人机避障喷施方法,其特征在于,所述若所述指定地形高度大于预设的高度阈值,则所述第一无人机终端将所述多张地形图片输入预设的景物类型识别模型中进行处理,从而得到所述景物类型识别模型输出的与所述多张地形图片对应的第一景物类型;其中,所述景物类型识别模型基于第一卷积神经网络,并采用第一训练数据训练而成,所述第一训练数据由预先采集的多张训练用地形图片与对应的人工标注的景物类型构成的步骤S104之前,包括:
S1031、调取预先收集的多个训练用地形图片组,并将所述多个训练用地形图片组按比例划分为训练数据和验证数据;其中每一个训练用地形图片组中均包括多张训练用地形图片,每一个训练用地形图片组中的所有图片均是无人机对同一地面进行图像采集而得,每一个训练用地形图片组被人工标注为一种景物类型;
S1032、将训练数据中的训练用地形图片组以组别为单位输入预设的第一卷积神经网络模型中进行训练,从而得到暂时卷积神经网络模型;
S1033、利用验证数据中的训练用地形图片组对所述暂时卷积神经网络模型进行验证,以得到验证结果,并判断验证结果是否为验证通过;
S1034、若验证结果为验证通过,则将暂时卷积神经网络模型记为景物类型识别模型。
3.根据权利要求1所述的植保无人机避障喷施方法,其特征在于,所述第一无人机终端根据预设的景物类型与磁性插件的映射关系,选出与所述第一景物类型对应的指定磁性插件;其中,磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来的步骤S105,包括:
S10501、所述第一无人机终端将所述多张地形图片输入预设的地形轮廓识别模型中进行处理,从而得到所述地形轮廓识别模型输出的第一地形轮廓;其中所述地形轮廓识别模型基于第二卷积神经网络,并采用所述第一训练数据训练而成;
S10502、所述第一无人机终端根据预设的景物类型、地形轮廓与磁性插件的双变量映射关系,选出与所述第一景物类型和所述地形轮廓对应的指定磁性插件;其中,所述双变量映射关系中,景物类型是一个变量、地形轮廓是另一个变量,磁性插件是映射结果;磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来。
4.根据权利要求1所述的植保无人机避障喷施方法,其特征在于,所述指定磁性插件的表面上预先绘制由紫外光吸收材料涂绘的第一图案,所述指定磁性插件的表面上除所述紫外光吸收材料涂绘的区域由第二材料涂绘,所述第二材料的颜色与所述紫外光吸收材料相同,并且所述第二材料不是紫外光吸收材料;所述第二无人机上预设的光传感器为紫外线传感器;所述第二无人机终端判断所述光传感器采集到的信号呈现的图案是否与所述第一图案匹配的步骤S202,包括:
S20201、所述第二无人机终端对所述光传感器采集到的信号呈现的图案进行轮廓提取处理,以将所述光传感器采集到的信号呈现的图案中的信号强度弱于预设的强度阈值的部分提取出来以组成弱信号轮廓;
S20202、将所述弱信号轮廓与所述第一图案进行嵌套处理,以得到嵌套处理过程中的重复面积;
S20203、判断所述重复面积是否大于预设的面积阈值;
S20204、若所述重复面积不大于预设的面积阈值,则判定所述光传感器采集到的信号呈现的图案与所述第一图案匹配。
5.根据权利要求1所述的植保无人机避障喷施方法,其特征在于,所述第一无人机上的指定磁性插件包括上顶面、下底面、n个侧面和磁心,上顶面和下底面平行,n个侧面均通过预设的n个压电锁分别连接上顶面和下底面,每个侧面均具有弹性,所述磁心位于所述上顶面、下底面和n个侧面围成的空间之内,所述磁心与所述上顶面通过非金属材料固定连接,所述磁心与所述下底面通过非金属材料固定连接,并且所述指定磁性插件的表面还设置有非金属保护罩;所述上顶面、下底面和n个侧面均由铁磁材料构成,所述磁心由永磁材料构成,所述压电锁由电致伸缩制作而成,当所述压电锁接收到电信号时能够使对应的侧面与所述上顶面或者所述下底面分离,当所述压电锁未接收到电信号时对应的侧面与所述上顶面和所述下底面保持连接;所述第二无人机终端向所述指定磁性插件发送控制信号以使所述指定磁性插件上的磁性暴露出来的步骤S203,包括:
S20301、所述第二无人机终端向所述指定磁性插件发送控制信号,以使所述指定磁性插件中的控制芯片获取控制信号;
S20302、所述指定磁性插件中的控制芯片根据控制信号向n个压电锁发送开启的电信号;
S20303、n个压电锁接收到开启的电信号,并根据开启的电信号发生电致伸缩现象,以使n个侧面与所述上顶面或者所述下底面分离,从而所述指定磁性插件的磁性暴露出来。
6.一种植保无人机避障喷施设备,其特征在于,所述设备基于第一无人机终端、第二无人机终端和第三无人机终端,所述第一无人机终端、第二无人机终端和第三无人机终端分别位于第一无人机、第二无人机和第三无人机上,包括:
第一飞行单元,用于所述第一无人机终端控制所述第一无人机以预设的第一高度沿预设的第一轨迹飞行,并在飞行过程中实时采集位于所述第一轨迹对应的地面的多张地形图片;
地形高度识别单元,用于所述第一无人机终端采用预设的地形高度识别方法,对所述多张地形图片进行高度识别处理,从而得到与所述多张地形图片对应的指定地形高度;
高度阈值判断单元,用于所述第一无人机终端判断所述指定地形高度是否大于预设的高度阈值;
第一景物类型获取单元,用于若所述指定地形高度大于预设的高度阈值,则所述第一无人机终端将所述多张地形图片输入预设的景物类型识别模型中进行处理,从而得到所述景物类型识别模型输出的与所述多张地形图片对应的第一景物类型;其中,所述景物类型识别模型基于第一卷积神经网络,并采用第一训练数据训练而成,所述第一训练数据由预先采集的多张训练用地形图片与对应的人工标注的景物类型构成;
指定磁性插件获取单元,用于所述第一无人机终端根据预设的景物类型与磁性插件的映射关系,选出与所述第一景物类型对应的指定磁性插件;其中,磁性插件预存在所述第一无人机上;并且磁性插件上预设有磁场密封设备,并且磁性插件的表面上预先绘制由第一材料涂绘的第一图案,磁性插件的磁场强度与所述指定地形高度对应;磁性插件上预设有控制芯片,所述控制芯片能够接收控制信号以使磁性插件的磁性暴露出来;
弹射单元,用于所述第一无人机终端利用所述第一无人机上预设的弹射设备,将所述第一无人机上预设的所述指定磁性插件弹射出去,以使所述指定磁性插件到达所述多张地形图片对应的地面上的指定区域;
信号采集单元,用于在所述第一无人机起飞后,所述第二无人机终端控制所述第二无人机以第二高度沿第二轨迹飞行并进行实时喷施操作,并在飞行过程中采用所述第二无人机上预设的光传感器对所述第二轨迹对应的地面进行信号采集;其中,所述第二高度低于所述第一高度,所述第二轨迹与所述第一轨迹平行;
图案匹配判断单元,用于所述第二无人机终端判断所述光传感器采集到的信号呈现的图案是否与所述第一图案匹配;
控制信号发送单元,用于若所述光传感器采集到的信号呈现的图案与所述第一图案匹配,则所述第二无人机终端向所述指定磁性插件发送控制信号以使所述指定磁性插件上的磁性暴露出来;
指定绕行策略获取单元,用于所述第二无人机终端利用所述第二无人机上预设的磁感应器感测所述指定磁性插件的磁场强度,并根据预设的磁场强度与绕行策略的对应关系,获取与所述指定磁性插件的磁场强度对应的指定绕行策略;
绕行单元,用于所述第二无人机终端控制所述第二无人机根据所述指定绕行策略绕过所述多张地形图片对应的区域;
磁场强度获取单元,用于在所述第二无人机起飞后,所述第三无人机终端控制所述第三无人机以第二高度沿第二轨迹飞行,并在飞行过程中采用所述第三无人机上预设的磁感应器对所述第二轨迹对应的地面进行磁场信号采集,以得到磁场强度;
磁场强度判断单元,用于所述第三无人机终端判断采集得到的磁场强度是否大于预设的强度阈值;
指定磁性插件回收单元,用于若采集得到的磁场强度大于预设的强度阈值,则所述第三无人机终端判定感应到所述指定磁性插件,并开启所述第三无人机上的插件回收设备,以将所述指定磁性插件回收至所述第三无人机上。
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
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权利要求1至5中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010640517.2A CN111880558B (zh) | 2020-07-06 | 2020-07-06 | 植保无人机避障喷施方法、装置、计算机设备和存储介质 |
US17/191,584 US11163321B1 (en) | 2020-07-06 | 2021-03-03 | Obstacle-avoiding spraying method and device for plant protection unmanned aerial vehicle, computer device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010640517.2A CN111880558B (zh) | 2020-07-06 | 2020-07-06 | 植保无人机避障喷施方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111880558A CN111880558A (zh) | 2020-11-03 |
CN111880558B true CN111880558B (zh) | 2021-05-11 |
Family
ID=73150225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010640517.2A Active CN111880558B (zh) | 2020-07-06 | 2020-07-06 | 植保无人机避障喷施方法、装置、计算机设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11163321B1 (zh) |
CN (1) | CN111880558B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330655B (zh) * | 2020-11-18 | 2021-06-25 | 广东技术师范大学 | 暗环境下的药液喷施作业测试方法、装置和计算机设备 |
CN112439569B (zh) * | 2020-11-18 | 2021-06-29 | 广东技术师范大学 | 基于插入式引导荷电技术的荷电喷施方法和装置 |
CN113867402B (zh) * | 2021-10-29 | 2022-12-20 | 仲恺农业工程学院 | 一种基于基准面的农田无人机避障作业方法和装置 |
CN115481702B (zh) * | 2022-10-28 | 2023-02-17 | 中国人民解放军国防科技大学 | 面向多元时序数据处理的预见式对照表征方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100077653A (ko) * | 2008-12-29 | 2010-07-08 | 주식회사 케이티 | 구성원 이동성 예측 기반의 센서로봇 제어 방법 |
CN102591350A (zh) * | 2011-01-06 | 2012-07-18 | 佛山市安尔康姆航拍科技有限公司 | 四旋翼无人飞行器的飞行控制方法和系统 |
CN104898696A (zh) * | 2015-05-15 | 2015-09-09 | 国家电网公司 | 基于电场强度变化率的高压同塔单回输电线路无人机巡检避障方法 |
CN104977930A (zh) * | 2015-05-15 | 2015-10-14 | 国家电网公司 | 基于电场强度变化率的高压同塔双回输电线路无人机巡检避障方法 |
CN105868797A (zh) * | 2015-01-22 | 2016-08-17 | 深圳市腾讯计算机系统有限公司 | 网络参数训练方法、景物类型识别方法及装置 |
CN106168810A (zh) * | 2016-09-18 | 2016-11-30 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于rtk的无人机飞行避障系统和方法 |
CN106997209A (zh) * | 2016-01-25 | 2017-08-01 | 深圳市鼎创旭飞科技有限公司 | 植保无人机喷施作业方法和系统 |
CN107908195A (zh) * | 2017-11-06 | 2018-04-13 | 深圳市道通智能航空技术有限公司 | 目标追踪方法、装置、追踪器及计算机可读存储介质 |
CN207502965U (zh) * | 2017-10-10 | 2018-06-15 | 仲恺农业工程学院 | 一种植保无人机药液液量监测系统 |
CN108734712A (zh) * | 2017-04-18 | 2018-11-02 | 北京旷视科技有限公司 | 背景分割的方法、装置及计算机存储介质 |
CN109122633A (zh) * | 2018-06-25 | 2019-01-04 | 华南农业大学 | 神经网络决策的植保无人机精准变量喷雾装置和控制方法 |
CN109573029A (zh) * | 2018-12-17 | 2019-04-05 | 江苏蒲公英无人机有限公司 | 一种植保无人机返航降落避障的方法 |
CN109829065A (zh) * | 2019-03-08 | 2019-05-31 | 苏州大学 | 图像检索方法、装置、设备及计算机可读存储介质 |
CN109886307A (zh) * | 2019-01-24 | 2019-06-14 | 西安交通大学 | 一种基于卷积神经网络的图像检测方法及系统 |
CN110908399A (zh) * | 2019-12-02 | 2020-03-24 | 广东工业大学 | 一种基于轻量型神经网络的无人机自主避障方法及系统 |
CN111123958A (zh) * | 2020-01-09 | 2020-05-08 | 厦门精益远达智能科技有限公司 | 一种植保无人机及其飞行高度控制方法、装置、存储介质 |
CN111352441A (zh) * | 2020-04-08 | 2020-06-30 | 安徽舒州农业科技有限责任公司 | 一种基于山林防治的植保无人机控制方法及系统 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9213905B2 (en) * | 2010-10-25 | 2015-12-15 | Trimble Navigation Limited | Automatic obstacle location mapping |
EP2978665A4 (en) * | 2013-03-24 | 2017-04-26 | Bee Robotics Corporation | Aerial farm robot system for crop dusting, planting, fertilizing and other field jobs |
US9852644B2 (en) * | 2013-03-24 | 2017-12-26 | Bee Robotics Corporation | Hybrid airship-drone farm robot system for crop dusting, planting, fertilizing and other field jobs |
US9715009B1 (en) * | 2014-12-19 | 2017-07-25 | Xidrone Systems, Inc. | Deterent for unmanned aerial systems |
US10139279B2 (en) * | 2015-05-12 | 2018-11-27 | BioSensing Systems, LLC | Apparatuses and methods for bio-sensing using unmanned aerial vehicles |
US10372142B2 (en) * | 2015-06-23 | 2019-08-06 | Archon Technologies S.R.L. | System for autonomous operation of multiple hybrid unmanned aerial vehicles supported by recharging stations to perform services |
US11168487B2 (en) * | 2015-08-17 | 2021-11-09 | H3 Dynamics Holdings Pte. Ltd. | Storage unit for an unmanned aerial vehicle |
WO2017096547A1 (en) * | 2015-12-09 | 2017-06-15 | SZ DJI Technology Co., Ltd. | Systems and methods for uav flight control |
US10833756B2 (en) * | 2015-12-14 | 2020-11-10 | Higher Ground Llc | Satellite communication for the Internet of Things |
US20190031346A1 (en) * | 2016-01-29 | 2019-01-31 | Garuda Robotics Pte. Ltd. | System and method for controlling an unmanned vehicle and releasing a payload from the same |
US20210073692A1 (en) * | 2016-06-12 | 2021-03-11 | Green Grid Inc. | Method and system for utility infrastructure condition monitoring, detection and response |
EP3585684A4 (en) * | 2016-12-31 | 2021-09-15 | Ratti, Jayant | HEAVY DUTY UNMANNED AIRCRAFT |
AU2018320964B2 (en) * | 2017-08-25 | 2023-04-13 | The Board Of Trustees Of The University Of Illinois | Apparatus and method for agricultural data collection and agricultural operations |
US10771155B2 (en) * | 2017-09-28 | 2020-09-08 | Soraa Laser Diode, Inc. | Intelligent visible light with a gallium and nitrogen containing laser source |
US20200389469A1 (en) * | 2017-12-24 | 2020-12-10 | Arilou Information Security Technologies Ltd. | System and method for tunnel-based malware detection |
US20200283136A1 (en) * | 2019-03-07 | 2020-09-10 | Uzip, Inc. | Method and System for Providing Blockchain Enabled Secured and Privacy-Data Meta-Market Support in an Agricultural Products Marketplace Through Drone Uniform Integrated Services Using Personal Flying Vehicles/Drones with Coaxial Lift Pinwheels and Multi-Wheel Drive Pinwheels |
US20200359550A1 (en) * | 2019-05-13 | 2020-11-19 | Bao Tran | Farm ecosystem |
-
2020
- 2020-07-06 CN CN202010640517.2A patent/CN111880558B/zh active Active
-
2021
- 2021-03-03 US US17/191,584 patent/US11163321B1/en active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100077653A (ko) * | 2008-12-29 | 2010-07-08 | 주식회사 케이티 | 구성원 이동성 예측 기반의 센서로봇 제어 방법 |
CN102591350A (zh) * | 2011-01-06 | 2012-07-18 | 佛山市安尔康姆航拍科技有限公司 | 四旋翼无人飞行器的飞行控制方法和系统 |
CN105868797A (zh) * | 2015-01-22 | 2016-08-17 | 深圳市腾讯计算机系统有限公司 | 网络参数训练方法、景物类型识别方法及装置 |
CN104898696A (zh) * | 2015-05-15 | 2015-09-09 | 国家电网公司 | 基于电场强度变化率的高压同塔单回输电线路无人机巡检避障方法 |
CN104977930A (zh) * | 2015-05-15 | 2015-10-14 | 国家电网公司 | 基于电场强度变化率的高压同塔双回输电线路无人机巡检避障方法 |
CN106997209A (zh) * | 2016-01-25 | 2017-08-01 | 深圳市鼎创旭飞科技有限公司 | 植保无人机喷施作业方法和系统 |
CN106168810A (zh) * | 2016-09-18 | 2016-11-30 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种基于rtk的无人机飞行避障系统和方法 |
CN108734712A (zh) * | 2017-04-18 | 2018-11-02 | 北京旷视科技有限公司 | 背景分割的方法、装置及计算机存储介质 |
CN207502965U (zh) * | 2017-10-10 | 2018-06-15 | 仲恺农业工程学院 | 一种植保无人机药液液量监测系统 |
CN107908195A (zh) * | 2017-11-06 | 2018-04-13 | 深圳市道通智能航空技术有限公司 | 目标追踪方法、装置、追踪器及计算机可读存储介质 |
CN109122633A (zh) * | 2018-06-25 | 2019-01-04 | 华南农业大学 | 神经网络决策的植保无人机精准变量喷雾装置和控制方法 |
CN109573029A (zh) * | 2018-12-17 | 2019-04-05 | 江苏蒲公英无人机有限公司 | 一种植保无人机返航降落避障的方法 |
CN109886307A (zh) * | 2019-01-24 | 2019-06-14 | 西安交通大学 | 一种基于卷积神经网络的图像检测方法及系统 |
CN109829065A (zh) * | 2019-03-08 | 2019-05-31 | 苏州大学 | 图像检索方法、装置、设备及计算机可读存储介质 |
CN110908399A (zh) * | 2019-12-02 | 2020-03-24 | 广东工业大学 | 一种基于轻量型神经网络的无人机自主避障方法及系统 |
CN111123958A (zh) * | 2020-01-09 | 2020-05-08 | 厦门精益远达智能科技有限公司 | 一种植保无人机及其飞行高度控制方法、装置、存储介质 |
CN111352441A (zh) * | 2020-04-08 | 2020-06-30 | 安徽舒州农业科技有限责任公司 | 一种基于山林防治的植保无人机控制方法及系统 |
Non-Patent Citations (3)
Title |
---|
A concept of UAV indoor navigation system based on magnetic field measurements;Bartosz Brzozowski 等;《2016 IEEE Metrology for Aerospace (MetroAeroSpace)》;20161231;全文 * |
植保四旋翼无人机位姿控制方法研究;李鹏伟;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20190615;全文 * |
植保无人机扇形和空心锥喷头雾化性能研究;孙胜;《江苏农业科学》;20191231;第47卷(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
US11163321B1 (en) | 2021-11-02 |
CN111880558A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111880558B (zh) | 植保无人机避障喷施方法、装置、计算机设备和存储介质 | |
CN107831777B (zh) | 一种飞行器自主避障系统、方法及飞行器 | |
CN108881825A (zh) | 基于Jetson TK1的水稻杂草无人机监控系统及其监控方法 | |
CN107830767B (zh) | 基于远程控制的无人机反制方法及介质 | |
CN108846325A (zh) | 目标区域作业的规划方法、装置、存储介质及处理器 | |
CN113791641A (zh) | 一种基于飞行器的设施检测方法及控制设备 | |
CN109358648B (zh) | 无人机自主飞行的方法、装置以及无人机 | |
CN110490114A (zh) | 一种基于深度随机森林和激光雷达的无人机实时空中目标检测避障方法 | |
CN112068111A (zh) | 一种基于多传感器信息融合的无人机目标侦测方法 | |
KR102184693B1 (ko) | 지상무인이동체로의 무인비행체 자동착륙 방법 및 무인비행체 자동착륙 장치 | |
CN110378360A (zh) | 目标标定方法、装置、电子设备及可读存储介质 | |
CN107783103A (zh) | 一种轻量级带自学习功能的飞鸟跟踪智能方法 | |
CN110414375A (zh) | 低空目标的识别方法、装置、存储介质及电子设备 | |
CN111831010A (zh) | 一种基于数字空间切片的无人机避障飞行方法 | |
CN107783554A (zh) | 无人机飞行控制方法及装置 | |
CN112564849A (zh) | 一种多型号无人机的识别及诱捕方法 | |
CN111104861B (zh) | 用于确定电线位置的方法和设备以及存储介质 | |
CN110377054A (zh) | 一种基于机载平台的无人机集群控制系统及方法 | |
KR102289752B1 (ko) | Gps 음영 지역에서 경로 비행을 수행하는 드론 및 그 방법 | |
CN105760813A (zh) | 一种基于植物枝根演化行为的无人机目标检测方法 | |
CN113966496A (zh) | 控制方法、控制装置、可移动平台与计算机可读存储介质 | |
CN107885231A (zh) | 一种基于可见光图像识别的无人机捕获方法及系统 | |
CN116048117A (zh) | 一种应用于无人机的智能化实时监控系统 | |
KR102467855B1 (ko) | 자율항법지도를 설정하는 방법 및 무인비행체가 자율항법지도에 기초하여 자율 비행하는 방법 및 이를 구현하는 시스템 | |
CN114638975A (zh) | 一种用于机场的鸟类和非鸟类驱赶方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |