CN112270752A - 农林作业路径生成方法、装置、计算机设备和存储介质 - Google Patents
农林作业路径生成方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112270752A CN112270752A CN202011180896.8A CN202011180896A CN112270752A CN 112270752 A CN112270752 A CN 112270752A CN 202011180896 A CN202011180896 A CN 202011180896A CN 112270752 A CN112270752 A CN 112270752A
- Authority
- CN
- China
- Prior art keywords
- forestry
- agriculture
- path
- simulation model
- terrain simulation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004088 simulation Methods 0.000 claims abstract description 165
- 238000004590 computer program Methods 0.000 claims description 23
- 230000004888 barrier function Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000005265 energy consumption Methods 0.000 claims description 13
- 238000003973 irrigation Methods 0.000 claims description 9
- 230000002262 irrigation Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 230000004720 fertilization Effects 0.000 claims description 5
- 238000009333 weeding Methods 0.000 claims description 4
- 239000010410 layer Substances 0.000 description 22
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本申请涉及一种农林作业路径生成方法,包括:获取农林作业任务;确定与目标场景对应的地形仿真模型;地形仿真模型中包括有目标场景的空间几何信息和农林数字资产信息;基于农林作业任务中的作业起始位置和作业终点位置,在地形仿真模型中模拟从作业起始位置至作业终点位置的多条作业路径;对于每条作业路径,分别根据作业路径在地形仿真模型中对应的空间几何信息,预测农林机器人依据作业路径完成农林作业任务的耗电量;当耗电量超过农林机器人现有的存储电量时,基于目标场景中充电设备的位置信息,在地形仿真模型中对待更新路径进行更新,更新后的作业路径经过充电设备。采用本方法能够提高作业路径生成的准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种农林作业路径生成方法、装置、计算机设备和存储介质。
背景技术
随着农业机械化和数字化的发展,农林机器人逐步兴起。农林机器人多采用遥控,或自主行进模式作业,在灭灾、灌溉、施肥等场景中,农林机器人的应用越来越多。通常会预先制定农林机器人的行进路线,使得农林机器人可按照预先制定的路径进行农林作业。
传统方案中,通常都是基于GPS地图信息来制定农林机器人的行进路线,且作业路线单一。比如,希望A点的农林机器人到B点执行作业任务,往往依据GPS地图,操作终端生成一条距离最短的路径。
但在实际情形中,距离最短的路线有时并不能符合实际情况。在山地等地形环境中,地形复杂、植被、土壤等因素容易让一些区域有较高的频率不适合农林机器人行进,且造成农林机器人耗费大量的电量而导致农林机器人依据制定的路径无法实际完成农林作业。因而仅依靠GPS地图所生成的作业路径往往是不够准确的。
发明内容
基于此,有必要针对上述技术问题,提供一种能够生成准确的农林机器人作业路径的农林作业路径生成方法、装置、计算机设备和存储介质。
一种农林作业路径生成方法,所述方法包括:
获取农林作业任务;所述农林作业任务包括处于待进行农林作业的目标场景中的作业起始位置和作业终点位置;
确定与所述目标场景对应的地形仿真模型;所述地形仿真模型中包括有所述目标场景的空间几何信息和农林数字资产信息;
基于所述作业起始位置和所述作业终点位置,在所述地形仿真模型中模拟从所述作业起始位置至所述作业终点位置的多条作业路径;
对于每条作业路径,分别根据所述作业路径在所述地形仿真模型中对应的空间几何信息,预测农林机器人依据所述作业路径完成农林作业任务的耗电量;
当所述耗电量超过所述农林机器人现有的存储电量时,确定相对应的作业路径为待更新路径,并基于所述目标场景中充电设备的位置信息,在所述地形仿真模型中对所述待更新路径进行更新,更新后的作业路径经过所述充电设备。
在其中一个实施例中,所述方法还包括:
获取与目标场景对应的数字地形模型、以及相应的地图位置信息;
获取对所述目标场景中的农林资产进行数学建模得到的农林数字资产信息;
将所述地图位置信息和所述农林数字资产信息,按照位置匹配原则添加至所述数字地形模型中,得到对应的地形仿真模型。
在其中一个实施例中,所述基于所述作业起始位置和所述作业终点位置,在所述地形仿真模型中模拟从所述作业起始位置至所述作业终点位置的多条作业路径,包括:
基于所述地形仿真模型包括的空间几何信息、以及所述作业起始位置和作业终点位置,确定所述作业起始位置在所述地形仿真模型中对应的第一节点和所述作业终点位置在所述地形仿真模型中对应的第二节点;
从所述第一节点出发,基于所述地形仿真模型包括的空间几何信息和农林数字资产信息,按照多种寻路算法搜索所述地形仿真模型中的节点,以构建从所述第一节点到所述第二节点的多条候选路径;
根据所述空间几何信息和农林数字资产信息,确定各条候选路径各自所对应的障碍物权重和坡度权重;
基于各条候选路径各自的路径长度、以及各自所对应的障碍物权重和坡度权重,从所述多条候选路径中筛选出距离最短路径、路况最好路径、耗时最短路径、能耗最低路径、以及避开农林资产路径中的至少两种,作为作业路径。
在其中一个实施例中,所述对于每条作业路径,分别根据所述作业路径在所述地形仿真模型中对应的空间几何信息,预测农林机器人依据所述作业路径完成农林作业的耗电量,包括:
获取农林机器人的作业功率;
根据每条作业路径各自所包括的路段在所述地形仿真模型中对应的地形参数,计算每条作业路径各自所包括的路段分别对应的行进速度;
对于每条作业路径各自所包括的路段的长度和相应的行进速度、以及所述作业功率,预测农林机器人依据各所述作业路径完成农林作业时分别对应的耗电量。
在其中一个实施例中,所述方法还包括:
将所述多条作业路径反馈至终端,以使终端在展示所述多条作业路径并获取通过用户操作从所述多条作业路径中选中目标作业路径后,指示所述农林机器人按照所述目标作业路径执行所述农林作业任务。
在其中一个实施例中,所述方法还包括:
基于所述目标作业路径,生成多种农林作业模式;
将所述多于一种的农林作业模式反馈至所述终端,以使终端在展示所述多种农林作业模式并获取通过用户操作从所述多种农林作业模式中选中目标作业模式后,指示所述农林机器人按照所述目标作业模式,并按照所述目标作业路径执行所述农林作业任务。
在其中一个实施例中,其特征在于,所述农林作业任务包括灌溉任务、施肥任务、除草任务和灭灾任务中的至少一种。
一种农林作业路径生成装置,所述装置包括:
获取模块,用于获取农林作业任务;所述农林作业任务包括处于待进行农林作业的目标场景中的作业起始位置和作业终点位置;
确定模块,用于确定与所述目标场景对应的地形仿真模型;所述地形仿真模型中包括有所述目标场景的空间几何信息和农林数字资产信息;
路径生成模块,用于基于所述作业起始位置和所述作业终点位置,在所述地形仿真模型中模拟从所述作业起始位置至所述作业终点位置的多条作业路径;
预测模块,用于对于每条作业路径,分别根据所述作业路径在所述地形仿真模型中对应的空间几何信息,预测农林机器人依据所述作业路径完成农林作业任务的作业功耗;
路径更新模块,用于当所述耗电量超过所述农林机器人现有的存储电量时,确定相对应的作业路径为待更新路径,并基于所述目标场景中充电设备的位置信息,在所述地形仿真模型中对所述待更新路径进行更新,更新后的作业路径经过所述充电设备。
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以下步骤:
获取农林作业任务;所述农林作业任务包括处于待进行农林作业的目标场景中的作业起始位置和作业终点位置;
确定与所述目标场景对应的地形仿真模型;所述地形仿真模型中包括有所述目标场景的空间几何信息和农林数字资产信息;
基于所述作业起始位置和所述作业终点位置,在所述地形仿真模型中模拟从所述作业起始位置至所述作业终点位置的多条作业路径;
对于每条作业路径,分别根据所述作业路径在所述地形仿真模型中对应的空间几何信息,预测农林机器人依据所述作业路径完成农林作业任务的耗电量;
当所述耗电量超过所述农林机器人现有的存储电量时,确定相对应的作业路径为待更新路径,并基于所述目标场景中充电设备的位置信息,在所述地形仿真模型中对所述待更新路径进行更新,更新后的作业路径经过所述充电设备。
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以下步骤:
获取农林作业任务;所述农林作业任务包括处于待进行农林作业的目标场景中的作业起始位置和作业终点位置;
确定与所述目标场景对应的地形仿真模型;所述地形仿真模型中包括有所述目标场景的空间几何信息和农林数字资产信息;
基于所述作业起始位置和所述作业终点位置,在所述地形仿真模型中模拟从所述作业起始位置至所述作业终点位置的多条作业路径;
对于每条作业路径,分别根据所述作业路径在所述地形仿真模型中对应的空间几何信息,预测农林机器人依据所述作业路径完成农林作业任务的耗电量;
当所述耗电量超过所述农林机器人现有的存储电量时,确定相对应的作业路径为待更新路径,并基于所述目标场景中充电设备的位置信息,在所述地形仿真模型中对所述待更新路径进行更新,更新后的作业路径经过所述充电设备。
上述农林作业路径生成方法、装置、计算机设备和存储介质,基于农林作业任务所指定的作业起始位置和作业终点位置,在地形仿真模型中模拟从作业起始位置至作业终点位置的多条作业路径。其中,地形仿真模型中包括有目标场景的空间几何信息和农林数字资产信息,也就是地形仿真模型可以提供高精地图功能。这样,地形仿真模型可以为农林机器人提供与真实环境相似度较高的高精地图信息,同时,将经济作物的数字资产也以数字模型的形式富集在地形仿真模型内部,能够在地图上精准的反映出农林机器人实际作业的环境。这样依据地形仿真模型所生成的多条作业路径更贴近实际的农林作业场景。且依据地形仿真模型可以预测农林机器人依据作业路径完成农林作业的耗电量,在当前存储电量不足以支撑农林机器人完成农林作业时,则在地形仿真模型中重新规划路线,使得农林机器人在行进途中经过充电设备,进行充电,然后再前往作业终点位置,使得农林机器人可以顺利的完成农林作业,大大提高了作业路径生成的准确性。
附图说明
图1为一个实施例中农林作业路径生成方法的应用环境图;
图2为一个实施例中农林作业路径生成方法的流程示意图;
图3为一个实施例中农林作业路径生成方法的原理图;
图4为一个实施例中农林机器人执行农林作业任务的原理图;
图5为一个实施例中农林作业路径生成装置的结构框图;
图6为一个实施例中农林作业路径生成装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
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。
本申请提供的农林作业路径生成方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信,终端102通过网络与农林机器人106进行通信。用户通过终端102发起农林作业任务,终端102将农林作业任务发送至服务器104,服务器104获取农林作业任务;农林作业任务包括处于待进行农林作业的目标场景中的作业起始位置和作业终点位置。服务器104确定与目标场景对应的地形仿真模型;地形仿真模型中包括有目标场景的空间几何信息和农林数字资产信息;基于作业起始位置和作业终点位置,在地形仿真模型中模拟从作业起始位置至作业终点位置的多条作业路径;对于每条作业路径,分别根据作业路径在地形仿真模型中对应的空间几何信息,预测农林机器人106依据作业路径完成农林作业的耗电量;当耗电量超过农林机器人106现有的存储电量时,确定相对应的作业路径为待更新路径,并基于目标场景中充电设备的位置信息,在地形仿真模型中对待更新路径进行更新,更新后的作业路径经过充电设备。
其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种农林作业路径生成方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S202,获取农林作业任务;农林作业任务包括处于待进行农林作业的目标场景中的作业起始位置和作业终点位置。
其中,农林作业任务是指示农林机器人执行农业和/或林业方面的作业的任务。具体地,终端可提供发起农林作业任务的可视化界面,这样用户即可在该可视化界面进行操作,选取或者输入农林作业相关描述信息。终端从而获取到通过用户操作选取或者输入的农林作业相关描述信息,然后根据这些作业相关描述信息生成相应的农林作业任务并发送至服务器。
在一个实施例中,用户可在可视化界面中输入农林作业范围和作业终点位置,终端还可获取农林机器人当前的位置作为作业起始位置。进而终端可将农林作业范围、作业起始位置和作业终点位置发送至服务器。服务器根据作业起始位置和作业终点位置触发生成农林作业任务。
在一个具体的实施例中,农林作业相关描述信息可以是对作业目标、作业目标所在位置和作业方式的描述。比如对A区域的农作物进行灌溉等。
步骤S204,确定与目标场景对应的地形仿真模型;地形仿真模型中包括有目标场景的空间几何信息和农林数字资产信息。
其中,地形仿真模型是对真实的场景空间进行模拟得到的模型,可以很好的表示目标空间的地理位置、地形情况、以及该目标空间中的一些动植物信息等。目标场景的空间几何信息包括地理位置信息和地形信息。农林数字资产信息是对农业资产,比如动植物等进行数学建模所得到的信息。农林数字资产信息具体可包括农林资产的位置信息、类别标签信息和属性信息等。农林资产的属性信息具体可以是树木或庄稼的高度、种植面积、长势情况等信息。
具体地,服务器可获取与目标场景对应的数字地形模型(DTM,Digital TerrainModel)。并对该目标场景中的农林数字资产进行建模,得到对应的农林数字资产信息。服务器可将相应的GPS数据、和农林数字资产信息添加至该数字地形模型中,得到地形仿真模型。
其中,数字地形模型是地理信息系统地理数据库中最为重要的空间信息资料进行地形分析的核心数据系统。以数字地形模型为依托,可以构建出较为精准的农林数字孪生空间。
在一个实施例中,该农林作业路径生成方法还包括地形仿真模型的构建步骤,该步骤具体包括:获取与目标场景对应的数字地形模型、以及相应的地图位置信息;获取对目标场景中的农林资产进行数学建模得到的农林数字资产信息;将地图位置信息和农林数字资产信息,按照位置匹配原则添加至数字地形模型中,得到对应的地形仿真模型。
其中,位置匹配原则是指相同位置的信息进行匹配对齐,也就是按照目标空间中的实际地形位置和农林资产的位置,按照GPS的绝对定位方式在数字地形模型中进行相应的添加。
具体地,服务器可将数字地形模型与GPS地图以及农林数字资产信息相结合,以提供更高精度、且贴合目标场景的真实空间情况的高精地图。相比GPS地图,数字地形模型有更精准、全面的信息,包含各种地形参数,如坡度、坡向、或粗糙度等。结合GPS的绝对定位技术,将GPS的地图位置信息融合至数字地形模型中,可使得融合后的数字地形模型可以为机器人提供与真实环境相似度较高的高精地图信息。并且,基于农林资产(也可称作经济作物)的位置信息,将相应的农林资产的农林数字模型集成在数字地形模型内部,能够在地图上精准的反映出农林机器人实际作业的环境。
上述实施例中,基于数字地形模型、地图位置信息和数字资产信息构建地形仿真模型,当该地形仿真模型作为农林机器人作业的地图信息源时,能够在地图上精准的反映出农林机器人实际作业的环境。
步骤S206,基于作业起始位置和作业终点位置,在地形仿真模型中模拟从作业起始位置至作业终点位置的多条作业路径。
具体地,服务器接收到农林作业任务时,可在地形仿真模型中确定与作业起始位置和作业终点位置分别相对应的节点,进而开在地形仿真模型中进行路径模拟。
在一个实施例中,服务器可结合多种寻路算法,并给地形仿真模型中的不同路段赋予不同的权重,从而生成符合目标要求的作业路径。其中寻路算法比如最短路径算法,Dijkstra算法(迪杰斯特拉算法)或图搜索算法等,本申请实施例对此不作限定。
在一个实施例中,服务器可根据作业起始位置和作业终点位置在地形仿真模型中模拟出各种可行的候选路径。进而服务器可基于每种候选路径所对应的路径长度、地形参数和环境信息等,对各个路径进行评分,从而筛选出距离最短路径、路况最好路径、耗时最短路径、能耗最低路径、以及避开农林资产路径中的至少两种,作为作业路径。
步骤S208,对于每条作业路径,分别根据作业路径在地形仿真模型中对应的空间几何信息,预测农林机器人依据作业路径完成农林作业任务的耗电量。
具体地,对于每条作业路径,服务器可分别根据作业路径在地形仿真模型中对应的地形参数和环境信息等,预测农林机器人依据作业路径完成农林作业的耗电量。在一个实施例中,农林作业任务包括灌溉任务、施肥任务、除草任务和灭灾任务中的至少一种。
在一个实施例中,对于每条作业路径,分别根据作业路径在地形仿真模型中对应的空间几何信息,预测农林机器人依据作业路径完成农林作业的耗电量,包括:获取农林机器人的作业功率;根据每条作业路径各自所包括的路段在地形仿真模型中对应的地形参数,计算每条作业路径各自所包括的路段分别对应的行进速度;基于每条作业路径各自所包括的路段的长度和相应的行进速度、以及作业功率,预测农林机器人依据各作业路径完成农林作业任务时分别对应的耗电量。
可以理解,服务器可基于每条作业路径的路径长度,也就是相应的作业里程数,在服务器中模拟出作业所需电量。具体地,对于每一条作业路径,服务器均可通过以下方式预测农林机器人假如按照该作业路径执行农林作业时所需的耗电量:服务器可依据该条作业路线的地形参数,比如坡度和道路状况,来模拟农林机器人的行进速度与状态。比如,农林机器人在正常路况的速度为V,通过多次模拟实验测算出不同坡度和道路状况的速度来得到对应系数Y,继而服务器可以根据地形仿真模型计算出作业路径中每个路段农林机器人对应的行进速度为V*Y。进而服务器可基于该条作业路径中各个路段所对应的速度和该路段的路程数据来计算相应的路段所对应的耗电量。比如,农林机器人的作业功率为W,一条作业路径中的某条路段所需时间的计算公式为该路段的长度除以相应的行进速度(t=L/V*Y),然后将该条作业路径中所有路段各自对应的时间相加得到总的时间T,从而我们可以得到全程的耗电量Q=W*T。
上述实施例中,可基于每条作业路径各自在地形仿真模型中的地形参数,来计算每条作业路径各自所包括的路段分别对应的行进速度。从而可以基于每条作业路径各自所包括的路段的长度和相应的行进速度、以及作业功率,准确快速地预测农林机器人依据各作业路径完成农林作业时分别对应的耗电量。
步骤S210,当耗电量超过农林机器人现有的存储电量时,确定相对应的作业路径为待更新路径,并基于目标场景中充电设备的位置信息,在地形仿真模型中对待更新路径进行更新,更新后的作业路径经过充电设备。
具体地,当服务器判断农林机器人现有的存储电量不够支撑其完成农林作业,那么服务器将会重新规划该条作业路径。服务器可基于目标场景中充电设备的位置信息,在地形仿真模型中对待更新路径进行更新,使得重新规划的作业路径经过充电设备。这样,农林机器人如果要按照该作业路径进行农林作业时,就可经过充电设备进行充电,然后再前往作业终点位置,避免了中途电量耗完的情况。其中,充电设备具体可以是充电桩。
在一个实施例中,当某条作业路径所对应的耗电量未超过农林机器人现有的存储电量时,则说明该条作业路径是可行的,可以保留。
上述农林作业路径生成方法,基于农林作业任务所指定的作业起始位置和作业终点位置,在地形仿真模型中模拟从作业起始位置至作业终点位置的多条作业路径。其中,地形仿真模型中包括有目标场景的空间几何信息和农林数字资产信息,也就是地形仿真模型可以提供高精地图功能。这样,地形仿真模型可以为农林机器人提供与真实环境相似度较高的高精地图信息,同时,将经济作物的数字资产也以数字模型的形式集成在地形仿真模型内部,能够在地图上精准的反映出农林机器人实际作业的环境。这样依据地形仿真模型所生成的多条作业路径更贴近实际的农林作业场景。且依据地形仿真模型可以预测农林机器人依据作业路径完成农林作业的耗电量,在当前存储电量不足以支撑农林机器人完成农林作业时,则在地形仿真模型中重新规划路线,使得农林机器人在行进途中经过充电设备,进行充电,然后再前往作业终点位置,使得农林机器人可以顺利的完成农林作业,大大提高了作业路径生成的准确性。
在一个实施例中,该农林作业路径生成方法还包括以下步骤:将多条作业路径反馈至终端,以使终端在展示多条作业路径并获取通过用户操作从多条作业路径中选中目标作业路径后,指示农林机器人按照目标作业路径执行农林作业任务。
具体地,服务器可将多条作业路径反馈至终端。终端展示多条作业路径。用户可从多条作业路径中选中目标作业路径。进而终端可向农林机器人发送指令,使得农林机器人按照目标作业路径执行农林作业任务。
在一个实施例中,该农林作业路径生成方法还包括以下步骤:基于目标作业路径,生成多种农林作业模式;将多于一种的农林作业模式反馈至终端,以使终端在展示多种农林作业模式并获取通过用户操作从多种农林作业模式中选中目标作业模式后,指示农林机器人按照目标作业模式,并按照目标作业路径执行农林作业任务。
在一个实施例中,服务器可基于目标作业路径,生成多种农林作业模式,比如指定区域灌溉、最快速灌溉或细致灌溉等作业模式。进而服务器将多于一种的农林作业模式反馈至终端进行展示。用户可通过终端选择目标作业模式,进而终端可向农林机器人发送指令,使得农林机器人按照目标作业模式,并按照目标作业路径执行农林作业任务。
上述实施例中,农林机器人可按照用户选择的目标作业路径进行农林作业,还可按照用户选择的农林作业模式进行农林作业,给与用户多种不同的选择,可以满足在复杂环境下,农林机器人作业的要求,大大提高了农林机器人作业的效率。
在一个实施例中,该方法还包括农林机器人进行二次作业的步骤,该步骤具体包括:获取农林机器人发起的任务中断请求,并记录农林机器人的任务中断位置;在获取到终端发起的二次作业指令时,将任务中断作业位置反馈至终端,以使终端指示农林机器人从任务中断作业位置起,继续按照目标作业路径执行农林作业任务。
具体地,基于数字地形数据的丰富性,农林机器人在执行农林作业任务时可能会碰到突发情况而导致作业中断。服务器接收到农林机器人发起的任务中断请求,并记录农林机器人的任务中断位置。当用户通过终端发起二次作业指令时,服务器可将任务中断作业位置反馈至终端,以使终端指示农林机器人从任务中断作业位置起,继续按照目标作业路径执行农林作业任务。
上述实施例中,在农林机器人的农林作业中断后,可继续进行二次作业,农林机器人可准确返回之前位置,实现精确的寻路返回。
在一个实施例中,基于作业起始位置和作业终点位置,在地形仿真模型中模拟从作业起始位置至作业终点位置的多条作业路径,包括:基于地形仿真模型包括的空间几何信息、以及作业起始位置和作业终点位置,确定作业起始位置在地形仿真模型中对应的第一节点和作业终点位置在地形仿真模型中对应的第二节点;从第一节点出发,基于地形仿真模型包括的空间几何信息和农林数字资产信息,按照多种寻路算法搜索地形仿真模型中的节点,以构建从第一节点到第二节点的多条候选路径;根据空间几何信息和农林数字资产信息,确定各条候选路径各自所对应的障碍物权重和坡度权重;基于各条候选路径各自的路径长度、以及各自所对应的障碍物权重和坡度权重,从多条候选路径中筛选出距离最短路径、路况最好路径、耗时最短路径、能耗最低路径、以及避开农林资产路径中的至少两种,作为作业路径。
具体地,服务器可基于地形仿真模型包括的空间几何信息、以及作业起始位置和作业终点位置,确定作业起始位置在地形仿真模型中对应的第一节点和作业终点位置在地形仿真模型中对应的第二节点。进而从第一节点出发,基于地形仿真模型包括的空间几何信息和农林数字资产信息,按照多种寻路算法搜索地形仿真模型中的节点,以构建从第一节点到第二节点的多条候选路径。需要说明的是,服务器在构建多条候选路径时,可以避开农林资产。
进一步的,服务器可根据空间几何信息和农林数字资产信息,确定各条候选路径各自所对应的障碍物权重和坡度权重。也就是当某条候选路径所对应的农林资产越多,相应的障碍物权重就越大;某条候选路径所对应的坡度越大,相应的坡度权重就越大。进而服务器可基于不同候选路径所对应的障碍物权重和坡度权重,计算每条候选路径所对应的路况分值。障碍物权重越大,相应地路况分值越低;坡度权重越大,相应的路况分值越低。进而服务器可基于各条候选路径分别对应的路况分值,从中筛选出路况分值最大的候选路径作为路况最好路径。服务器还可基于各条候选路径各自的路径长度,从多条候选路径中选择路径最短的作为距离最短路径。
对于每条候选路径,服务器还可基于每条候选路径各自所对应的障碍物权重和坡度权重,计算与农林机器人对应的行进速度,比如障碍物权重越大,行进速度越慢;坡度权重越大,行进速度越慢。进而服务器可根据路径长度和相应的速度,计算农林机器人走完每条候选路径所需的时间。从而可从其中选出耗时最短的路径。服务器还可将农林机器人的作业功率,乘以对应的耗时,计算得到每个候选路径所对应的能耗,从而选出能耗最低路径。服务器可将候选路径中避开了农林资产的候选路径作为避开农林资产路径。
进而,服务器可基于用户需求,将距离最短路径、路况最好路径、耗时最短路径、能耗最低路径、以及避开农林资产路径中的至少两种,作为作业路径。服务器可将多条作业路径发送至终端,终端展示给用户,供用户选择。
上述实施例中,基于作业起始位置和作业终点位置,在地形仿真模型中模拟从作业起始位置至作业终点位置的多条作业路径,这多条作业路径可以是距离最短路径、路况最好路径、耗时最短路径、能耗最低路径、以及避开农林资产路径,给用户提供充足的选项,来满足在复杂环境下,农林机器人作业的要求。
在一个实施例中,参考图3,图3为一个实施例中农林作业路径生成方法的原理图。如图3所示,本申请提供的农林作业路径生成方法实现的原理架构图。具体包括应用层、模型层和数据层。其中,数据层提供地形数据、农作物数据、气候数据和动植物数据,这些数据可用于构建模型层的地形仿真模型,地形仿真模型中包括有地形层、气候层、地表层、地下层和农作物层。而地形仿真模型为应用层的设备协作和设备控制提供基础。此外,数据层还可提供传感器采集数据和设备作业信息,这些用于构建位置模型层的数据,位置模型层包括固定位置信息层和可移动位置信息层。这个位置模型层则为应用层的作业路径模拟和作业能耗等指标模拟提供了基础。数据层还包括设备能耗等数据、以及设备运行数据,这些数据用于构建设备模型,设备模型包括有设备几何信息层和设备性能层,对应于应用层则是可以实现作业效果模拟和全局模拟。需要说明的是,模型层的各模型结构可用于实时进行模型呈现和分析计算。上述图3中的各个不同网络层之间的互相协作,可为本申请各实施例中的农林作业路径生成方法的实现提供了理论和硬件基础。
继续参考图4,图4为一个实施例中农林机器人执行农林作业任务的原理图。如图4所示,用户可在控制终端(APP)上确认需要执行农林作业任务的终点坐标点,同时已知农林机器人起始坐标点。控制终端的应用程序会将相关信息发送至服务器。服务器端接收信息后,将终点坐标点和起始坐标点在高精地图进行确定。继而开始在地形仿真模型中进行路径模拟。生成多种权重不同路径供用户选择。例如:距离最短;路况最好;时间最快;避开数字资产等路径。服务器可基于作业里程数,在服务器端模拟出计算所需电量。依据所选路线的长度、坡度、道路状况,来模拟农林机器人的行进速度与状态。服务器可根据各个路段的速度和路程数据来计算全程的耗电量。判断农林机器人当前的电量能否支撑其完成作业。如若不能,则在地形仿真模型中重新规划路线,使得农林机器人在行进途中经过充电桩,进行充电,然后再前往终点坐标点。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种农林作业路径生成装置500,包括:获取模块501、确定模块502、路径生成模块503、预测模块504和路径更新模块505,其中:
获取模块501,用于获取农林作业任务;农林作业任务包括处于待进行农林作业的目标场景中的作业起始位置和作业终点位置。
确定模块502,用于确定与目标场景对应的地形仿真模型;地形仿真模型中包括有目标场景的空间几何信息和农林数字资产信息。
路径生成模块503,用于基于作业起始位置和作业终点位置,在地形仿真模型中模拟从作业起始位置至作业终点位置的多条作业路径。
预测模块504,用于对于每条作业路径,分别根据作业路径在地形仿真模型中对应的空间几何信息,预测农林机器人依据作业路径完成农林作业的作业功耗。
路径更新模块505,用于当耗电量超过农林机器人现有的存储电量时,确定相对应的作业路径为待更新路径,并基于目标场景中充电设备的位置信息,在地形仿真模型中对待更新路径进行更新,更新后的作业路径经过充电设备。
在一个实施例中,农林作业路径生成装置500还包括地形仿真模型构建模块506,用于获取与目标场景对应的数字地形模型、以及相应的地图位置信息;获取对目标场景中的农林资产进行数学建模得到的农林数字资产信息;将地图位置信息和农林数字资产信息,按照位置匹配原则添加至数字地形模型中,得到对应的地形仿真模型。
在一个实施例中,路径生成模块503,还用于基于地形仿真模型包括的空间几何信息、以及作业起始位置和作业终点位置,确定作业起始位置在地形仿真模型中对应的第一节点和作业终点位置在地形仿真模型中对应的第二节点;从第一节点出发,基于地形仿真模型包括的空间几何信息和农林数字资产信息,按照多种寻路算法搜索地形仿真模型中的节点,以构建从第一节点到第二节点的多条候选路径;根据空间几何信息和农林数字资产信息,确定各条候选路径各自所对应的障碍物权重和坡度权重;基于各条候选路径各自的路径长度、以及各自所对应的障碍物权重和坡度权重,从多条候选路径中筛选出距离最短路径、路况最好路径、耗时最短路径、能耗最低路径、以及避开农林资产路径中的至少两种,作为作业路径。
在一个实施例中,预测模块504,还用于获取农林机器人的作业功率;根据每条作业路径各自所包括的路段在地形仿真模型中对应的地形参数,计算每条作业路径各自所包括的路段分别对应的行进速度;对于每条作业路径各自所包括的路段的长度和相应的行进速度、以及作业功率,预测农林机器人依据各作业路径完成农林作业时分别对应的耗电量。
在一个实施例中,该农林作业路径生成装置500还包括反馈模块507,用于将多条作业路径反馈至终端,以使终端在展示多条作业路径并获取通过用户操作从多条作业路径中选中目标作业路径后,指示农林机器人按照目标作业路径执行农林作业任务。
在一个实施例中,反馈模块507还用于基于目标作业路径,生成多种农林作业模式;将多于一种的农林作业模式反馈至终端,以使终端在展示多种农林作业模式并获取通过用户操作从多种农林作业模式中选中目标作业模式后,指示农林机器人按照目标作业模式,并按照目标作业路径执行农林作业任务。
在一个实施例中,农林作业任务包括灌溉任务、施肥任务、除草任务和灭灾任务中的至少一种。
上述农林作业路径生成装置,基于农林作业任务所指定的作业起始位置和作业终点位置,在地形仿真模型中模拟从作业起始位置至作业终点位置的多条作业路径。其中,地形仿真模型中包括有目标场景的空间几何信息和农林数字资产信息,也就是地形仿真模型可以提供高精地图功能。这样,地形仿真模型可以为农林机器人提供与真实环境相似度较高的高精地图信息,同时,将经济作物的数字资产也以数字模型的形式富集在地形仿真模型内部,能够在地图上精准的反映出农林机器人实际作业的环境。这样依据地形仿真模型所生成的多条作业路径更贴近实际的农林作业场景。且依据地形仿真模型可以预测农林机器人依据作业路径完成农林作业的耗电量,在当前存储电量不足以支撑农林机器人完成农林作业时,则在地形仿真模型中重新规划路线,使得农林机器人在行进途中经过充电设备,进行充电,然后再前往作业终点位置,使得农林机器人可以顺利的完成农林作业,大大提高了作业路径生成的准确性。
关于农林作业路径生成装置的具体限定可以参见上文中对于农林作业路径生成方法的限定,在此不再赘述。上述农林作业路径生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备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。该内存储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地形仿真模型的数据。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农林作业路径生成方法。
本领域技术人员可以理解,图Y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,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取农林作业任务;农林作业任务包括处于待进行农林作业的目标场景中的作业起始位置和作业终点位置;确定与目标场景对应的地形仿真模型;地形仿真模型中包括有目标场景的空间几何信息和农林数字资产信息;基于作业起始位置和作业终点位置,在地形仿真模型中模拟从作业起始位置至作业终点位置的多条作业路径;对于每条作业路径,分别根据作业路径在地形仿真模型中对应的空间几何信息,预测农林机器人依据作业路径完成农林作业任务的耗电量;当耗电量超过农林机器人现有的存储电量时,确定相对应的作业路径为待更新路径,并基于目标场景中充电设备的位置信息,在地形仿真模型中对待更新路径进行更新,更新后的作业路径经过充电设备。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取与目标场景对应的数字地形模型、以及相应的地图位置信息;获取对目标场景中的农林资产进行数学建模得到的农林数字资产信息;将地图位置信息和农林数字资产信息,按照位置匹配原则添加至数字地形模型中,得到对应的地形仿真模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:基于地形仿真模型包括的空间几何信息、以及作业起始位置和作业终点位置,确定作业起始位置在地形仿真模型中对应的第一节点和作业终点位置在地形仿真模型中对应的第二节点;从第一节点出发,基于地形仿真模型包括的空间几何信息和农林数字资产信息,按照多种寻路算法搜索地形仿真模型中的节点,以构建从第一节点到第二节点的多条候选路径;根据空间几何信息和农林数字资产信息,确定各条候选路径各自所对应的障碍物权重和坡度权重;基于各条候选路径各自的路径长度、以及各自所对应的障碍物权重和坡度权重,从多条候选路径中筛选出距离最短路径、路况最好路径、耗时最短路径、能耗最低路径、以及避开农林资产路径中的至少两种,作为作业路径。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取农林机器人的作业功率;根据每条作业路径各自所包括的路段在地形仿真模型中对应的地形参数,计算每条作业路径各自所包括的路段分别对应的行进速度;基于每条作业路径各自所包括的路段的长度和相应的行进速度、以及作业功率,预测农林机器人依据各作业路径完成农林作业时分别对应的耗电量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将多条作业路径反馈至终端,以使终端在展示多条作业路径并获取通过用户操作从多条作业路径中选中目标作业路径后,指示农林机器人按照目标作业路径执行农林作业任务。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:基于目标作业路径,生成多种农林作业模式;将多于一种的农林作业模式反馈至终端,以使终端在展示多种农林作业模式并获取通过用户操作从多种农林作业模式中选中目标作业模式后,指示农林机器人按照目标作业模式,并按照目标作业路径执行农林作业任务。
在一个实施例中,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执行时实现以下步骤:获取农林作业任务;农林作业任务包括处于待进行农林作业的目标场景中的作业起始位置和作业终点位置;确定与目标场景对应的地形仿真模型;地形仿真模型中包括有目标场景的空间几何信息和农林数字资产信息;基于作业起始位置和作业终点位置,在地形仿真模型中模拟从作业起始位置至作业终点位置的多条作业路径;对于每条作业路径,分别根据作业路径在地形仿真模型中对应的空间几何信息,预测农林机器人依据作业路径完成农林作业任务的耗电量;当耗电量超过农林机器人现有的存储电量时,确定相对应的作业路径为待更新路径,并基于目标场景中充电设备的位置信息,在地形仿真模型中对待更新路径进行更新,更新后的作业路径经过充电设备。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取与目标场景对应的数字地形模型、以及相应的地图位置信息;获取对目标场景中的农林资产进行数学建模得到的农林数字资产信息;将地图位置信息和农林数字资产信息,按照位置匹配原则添加至数字地形模型中,得到对应的地形仿真模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:基于地形仿真模型包括的空间几何信息、以及作业起始位置和作业终点位置,确定作业起始位置在地形仿真模型中对应的第一节点和作业终点位置在地形仿真模型中对应的第二节点;从第一节点出发,基于地形仿真模型包括的空间几何信息和农林数字资产信息,按照多种寻路算法搜索地形仿真模型中的节点,以构建从第一节点到第二节点的多条候选路径;根据空间几何信息和农林数字资产信息,确定各条候选路径各自所对应的障碍物权重和坡度权重;基于各条候选路径各自的路径长度、以及各自所对应的障碍物权重和坡度权重,从多条候选路径中筛选出距离最短路径、路况最好路径、耗时最短路径、能耗最低路径、以及避开农林资产路径中的至少两种,作为作业路径。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取农林机器人的作业功率;根据每条作业路径各自所包括的路段在地形仿真模型中对应的地形参数,计算每条作业路径各自所包括的路段分别对应的行进速度;基于每条作业路径各自所包括的路段的长度和相应的行进速度、以及作业功率,预测农林机器人依据各作业路径完成农林作业时分别对应的耗电量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将多条作业路径反馈至终端,以使终端在展示多条作业路径并获取通过用户操作从多条作业路径中选中目标作业路径后,指示农林机器人按照目标作业路径执行农林作业任务。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:基于目标作业路径,生成多种农林作业模式;将多于一种的农林作业模式反馈至终端,以使终端在展示多种农林作业模式并获取通过用户操作从多种农林作业模式中选中目标作业模式后,指示农林机器人按照目标作业模式,并按照目标作业路径执行农林作业任务。
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,本申请所提供的各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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种农林作业路径生成方法,其特征在于,所述方法包括:
获取农林作业任务;所述农林作业任务包括处于待进行农林作业的目标场景中的作业起始位置和作业终点位置;
确定与所述目标场景对应的地形仿真模型;所述地形仿真模型中包括有所述目标场景的空间几何信息和农林数字资产信息;
基于所述作业起始位置和所述作业终点位置,在所述地形仿真模型中模拟从所述作业起始位置至所述作业终点位置的多条作业路径;
对于每条作业路径,分别根据所述作业路径在所述地形仿真模型中对应的空间几何信息,预测农林机器人依据所述作业路径完成农林作业任务的耗电量;
当所述耗电量超过所述农林机器人现有的存储电量时,确定相对应的作业路径为待更新路径,并基于所述目标场景中充电设备的位置信息,在所述地形仿真模型中对所述待更新路径进行更新,更新后的作业路径经过所述充电设备。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取与目标场景对应的数字地形模型、以及相应的地图位置信息;
获取对所述目标场景中的农林资产进行数学建模得到的农林数字资产信息;
将所述地图位置信息和所述农林数字资产信息,按照位置匹配原则添加至所述数字地形模型中,得到对应的地形仿真模型。
3.根据权利要求1所述的方法,其特征在于,所述基于所述作业起始位置和所述作业终点位置,在所述地形仿真模型中模拟从所述作业起始位置至所述作业终点位置的多条作业路径,包括:
基于所述地形仿真模型包括的空间几何信息、以及所述作业起始位置和作业终点位置,确定所述作业起始位置在所述地形仿真模型中对应的第一节点和所述作业终点位置在所述地形仿真模型中对应的第二节点;
从所述第一节点出发,基于所述地形仿真模型包括的空间几何信息和农林数字资产信息,按照多种寻路算法搜索所述地形仿真模型中的节点,以构建从所述第一节点到所述第二节点的多条候选路径;
根据所述空间几何信息和农林数字资产信息,确定各条候选路径各自所对应的障碍物权重和坡度权重;
基于各条候选路径各自的路径长度、以及各自所对应的障碍物权重和坡度权重,从所述多条候选路径中筛选出距离最短路径、路况最好路径、耗时最短路径、能耗最低路径、以及避开农林资产路径中的至少两种,作为作业路径。
4.根据权利要求1所述的方法,其特征在于,所述对于每条作业路径,分别根据所述作业路径在所述地形仿真模型中对应的空间几何信息,预测农林机器人依据所述作业路径完成农林作业的耗电量,包括:
获取农林机器人的作业功率;
根据每条作业路径各自所包括的路段在所述地形仿真模型中对应的地形参数,计算每条作业路径各自所包括的路段分别对应的行进速度;
基于每条作业路径各自所包括的路段的长度和相应的行进速度、以及所述作业功率,预测农林机器人依据各所述作业路径完成农林作业时分别对应的耗电量。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述多条作业路径反馈至终端,以使终端在展示所述多条作业路径并获取通过用户操作从所述多条作业路径中选中目标作业路径后,指示所述农林机器人按照所述目标作业路径执行所述农林作业任务。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
基于所述目标作业路径,生成多种农林作业模式;
将所述多于一种的农林作业模式反馈至所述终端,以使终端在展示所述多种农林作业模式并获取通过用户操作从所述多种农林作业模式中选中目标作业模式后,指示所述农林机器人按照所述目标作业模式,并按照所述目标作业路径执行所述农林作业任务。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述农林作业任务包括灌溉任务、施肥任务、除草任务和灭灾任务中的至少一种。
8.一种农林作业路径生成装置,其特征在于,所述装置包括:
获取模块,用于获取农林作业任务;所述农林作业任务包括处于待进行农林作业的目标场景中的作业起始位置和作业终点位置;
确定模块,用于确定与所述目标场景对应的地形仿真模型;所述地形仿真模型中包括有所述目标场景的空间几何信息和农林数字资产信息;
路径生成模块,用于基于所述作业起始位置和所述作业终点位置,在所述地形仿真模型中模拟从所述作业起始位置至所述作业终点位置的多条作业路径;
预测模块,用于对于每条作业路径,分别根据所述作业路径在所述地形仿真模型中对应的空间几何信息,预测农林机器人依据所述作业路径完成农林作业任务的作业功耗;
路径更新模块,用于当所述耗电量超过所述农林机器人现有的存储电量时,确定相对应的作业路径为待更新路径,并基于所述目标场景中充电设备的位置信息,在所述地形仿真模型中对所述待更新路径进行更新,更新后的作业路径经过所述充电设备。
9.一种计算机设备,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7中任一项所述的方法的步骤。
10.一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7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011180896.8A CN112270752A (zh) | 2020-10-29 | 2020-10-29 | 农林作业路径生成方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011180896.8A CN112270752A (zh) | 2020-10-29 | 2020-10-29 | 农林作业路径生成方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112270752A true CN112270752A (zh) | 2021-01-26 |
Family
ID=74344941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011180896.8A Pending CN112270752A (zh) | 2020-10-29 | 2020-10-29 | 农林作业路径生成方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112270752A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113253608A (zh) * | 2021-06-25 | 2021-08-13 | 北京国电通网络技术有限公司 | 基于人工智能的无人驾驶行吊设备轨迹生成方法和装置 |
CN113640680A (zh) * | 2021-08-04 | 2021-11-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于电池电量的机器人指令分配方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101335431A (zh) * | 2008-07-27 | 2008-12-31 | 广西电力工业勘察设计研究院 | 基于机载激光雷达数据的架空送电线路优化选线方法 |
CN102135766A (zh) * | 2011-01-04 | 2011-07-27 | 北京林业大学 | 自主作业林业机器人平台 |
CN103295080A (zh) * | 2013-06-14 | 2013-09-11 | 西安工业大学 | 基于高程图和蚁群寻食的三维路径规划方法 |
CN103448725A (zh) * | 2013-08-16 | 2013-12-18 | 浙江吉利汽车研究院有限公司 | 自动调整路线的系统 |
CN104794314A (zh) * | 2015-05-18 | 2015-07-22 | 国家电网公司 | 一种输电线路三维仿真模型及其构建方法 |
CN106530896A (zh) * | 2016-11-30 | 2017-03-22 | 中国直升机设计研究所 | 一种用于无人机飞行演示的虚拟系统 |
CN106705977A (zh) * | 2016-11-22 | 2017-05-24 | 天津舟晗科技有限公司 | 一种辅助电动汽车电池电量管理的道路规划系统 |
CN107168054A (zh) * | 2017-05-10 | 2017-09-15 | 沈阳工业大学 | 多机器人任务分配及路径规划方法 |
CN107679802A (zh) * | 2017-09-29 | 2018-02-09 | 广州唯品会研究院有限公司 | 无人车充电方法、装置及计算机可读存储介质 |
CN108344424A (zh) * | 2018-03-06 | 2018-07-31 | 上海博泰悦臻网络技术服务有限公司 | 电动汽车及其导航方法和系统 |
CN109795371A (zh) * | 2019-02-19 | 2019-05-24 | 一汽-大众汽车有限公司 | 基于移动终端路线规划的电动车辆充电提醒方法及装置 |
CN109910890A (zh) * | 2019-03-19 | 2019-06-21 | 吉林大学 | 一种基于道路地形信息的卡车预测节能系统及控制方法 |
CN110849350A (zh) * | 2019-10-30 | 2020-02-28 | 西北工业大学 | 一种三维航迹规划空间的构建方法 |
-
2020
- 2020-10-29 CN CN202011180896.8A patent/CN112270752A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101335431A (zh) * | 2008-07-27 | 2008-12-31 | 广西电力工业勘察设计研究院 | 基于机载激光雷达数据的架空送电线路优化选线方法 |
CN102135766A (zh) * | 2011-01-04 | 2011-07-27 | 北京林业大学 | 自主作业林业机器人平台 |
CN103295080A (zh) * | 2013-06-14 | 2013-09-11 | 西安工业大学 | 基于高程图和蚁群寻食的三维路径规划方法 |
CN103448725A (zh) * | 2013-08-16 | 2013-12-18 | 浙江吉利汽车研究院有限公司 | 自动调整路线的系统 |
CN104794314A (zh) * | 2015-05-18 | 2015-07-22 | 国家电网公司 | 一种输电线路三维仿真模型及其构建方法 |
CN106705977A (zh) * | 2016-11-22 | 2017-05-24 | 天津舟晗科技有限公司 | 一种辅助电动汽车电池电量管理的道路规划系统 |
CN106530896A (zh) * | 2016-11-30 | 2017-03-22 | 中国直升机设计研究所 | 一种用于无人机飞行演示的虚拟系统 |
CN107168054A (zh) * | 2017-05-10 | 2017-09-15 | 沈阳工业大学 | 多机器人任务分配及路径规划方法 |
CN107679802A (zh) * | 2017-09-29 | 2018-02-09 | 广州唯品会研究院有限公司 | 无人车充电方法、装置及计算机可读存储介质 |
CN108344424A (zh) * | 2018-03-06 | 2018-07-31 | 上海博泰悦臻网络技术服务有限公司 | 电动汽车及其导航方法和系统 |
CN109795371A (zh) * | 2019-02-19 | 2019-05-24 | 一汽-大众汽车有限公司 | 基于移动终端路线规划的电动车辆充电提醒方法及装置 |
CN109910890A (zh) * | 2019-03-19 | 2019-06-21 | 吉林大学 | 一种基于道路地形信息的卡车预测节能系统及控制方法 |
CN110849350A (zh) * | 2019-10-30 | 2020-02-28 | 西北工业大学 | 一种三维航迹规划空间的构建方法 |
Non-Patent Citations (5)
Title |
---|
BEN LIU 等: "A Variable-Step RRT* Path Planning Algorithm for Quadrotors in Below-Canopy", 《IEEE ACCESS》, 15 April 2020 (2020-04-15), pages 62980 - 62989 * |
BEN LIU 等: "A Variable-Step RRT* Path Planning Algorithm for Quadrotors in Below-Canopy", 《IEEE ACCESS》, pages 62980 - 62989 * |
何雄奎 等: "《植保无人机与施药技术》", 西北工业大学出版社, pages: 197 - 199 * |
周小凡 等: "考虑充电和等待时间的集装箱码头 AGV 调度", 《上海海事大学学报》 * |
周小凡 等: "考虑充电和等待时间的集装箱码头 AGV 调度", 《上海海事大学学报》, 30 September 2019 (2019-09-30), pages 1 - 6 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113253608A (zh) * | 2021-06-25 | 2021-08-13 | 北京国电通网络技术有限公司 | 基于人工智能的无人驾驶行吊设备轨迹生成方法和装置 |
CN113640680A (zh) * | 2021-08-04 | 2021-11-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于电池电量的机器人指令分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106289257A (zh) | 室内定位方法及定位系统 | |
CN112270752A (zh) | 农林作业路径生成方法、装置、计算机设备和存储介质 | |
CN110119144B (zh) | 基于子地图特征匹配的多机器人slam算法 | |
CN104679864A (zh) | 一种基于gis的嫌疑目标智能跟踪方法和装置 | |
Beldjilali et al. | Vehicles circuits optimization by combining GPS/GSM information with metaheuristic algorithms | |
CN111609848B (zh) | 一种用于多机器人协作建图的智能优化方法及系统 | |
CN112356027B (zh) | 农林机器人避障方法、装置、计算机设备和存储介质 | |
CN112462756A (zh) | 农林作业任务生成方法、装置、计算机设备和存储介质 | |
CN109269505A (zh) | 一种电网设备巡检线路智能规划方法 | |
CN110399445A (zh) | 一种兴趣点的处理方法、装置及设备 | |
CN115112136A (zh) | 出行路径规划方法和出行路径推荐方法 | |
Balan et al. | Optimal trajectory planning for multiple waypoint path planning using tabu search | |
CN103390099A (zh) | 一种基于移动操作系统平台与Mobile GIS 的服务系统和方法 | |
CN113865589A (zh) | 一种基于地形坡度的长距离快速路径规划方法 | |
CN111080080B (zh) | 一种村镇地质灾害风险预估方法及系统 | |
CN112269387A (zh) | 农林作业任务处理方法、装置、计算机设备和存储介质 | |
KR102173409B1 (ko) | 드론을 활용한 선제적 건설사업관리 시스템 및 방법 | |
CN116772850A (zh) | 基于数字孪生的智慧园区导航方法、装置、设备及存储介质 | |
Morley et al. | Identification of invariant average weighted haul distance to simplify earthmoving simulation modeling in planning site grading operations | |
CN107169132B (zh) | 绘制矿用地图的方法、存储设备、存储介质和装置 | |
CN113790729B (zh) | 一种基于强化学习算法的无人天车路径规划方法及装置 | |
CN113867407A (zh) | 基于无人机的施工辅助方法、系统、智能设备和存储介质 | |
JP7465685B2 (ja) | 運土計画管理装置、運土計画管理方法および運土計画管理プログラム | |
US20220300002A1 (en) | Methods and systems for path planning in a known environment | |
TWI579528B (zh) | 導航方法、導航系統以及記錄媒體 |
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 |