CN112462756B - 农林作业任务生成方法、装置、计算机设备和存储介质 - Google Patents

农林作业任务生成方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112462756B
CN112462756B CN202011184534.6A CN202011184534A CN112462756B CN 112462756 B CN112462756 B CN 112462756B CN 202011184534 A CN202011184534 A CN 202011184534A CN 112462756 B CN112462756 B CN 112462756B
Authority
CN
China
Prior art keywords
agriculture
forestry
target
information
cruise
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
Application number
CN202011184534.6A
Other languages
English (en)
Other versions
CN112462756A (zh
Inventor
尤勇敏
其他发明人请求不公开姓名
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiuling Shanghai Intelligent Technology Co ltd
Original Assignee
Jiuling Shanghai Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiuling Shanghai Intelligent Technology Co ltd filed Critical Jiuling Shanghai Intelligent Technology Co ltd
Priority to CN202011184534.6A priority Critical patent/CN112462756B/zh
Publication of CN112462756A publication Critical patent/CN112462756A/zh
Application granted granted Critical
Publication of CN112462756B publication Critical patent/CN112462756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Abstract

本申请涉及一种农林作业任务生成方法、装置、计算机设备和存储介质。方法包括：获取地形仿真模型；地形仿真模型中包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息；获取无人机对目标场景进行巡航时采集的巡航扫描结果，并根据巡航扫描结果更新地形仿真模型中的农林数字资产信息；根据更新的农林数字资产信息确定待进行植保的目标农林资产；根据目标农林资产的目标位置信息，在地形仿真模型中模拟出农林作业路径；农林作业路径经过各目标农林资产；根据农林作业路径生成农林作业任务，并将农林作业任务发送至农林机器人，以使农林机器人按照农林作业路径执行农林作业任务。采用本方法能够提高农林作业效率。

Description

农林作业任务生成方法、装置、计算机设备和存储介质
技术领域
本申请涉及农业技术领域，特别是涉及一种农林作业任务生成方法、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。
现有的方案中对农林机器人进行作业线路规划时，常常是基于GPS地图来实现。比如，传统方案中，当确定了需要进行农林作业的目标农林资产后，通过终端使用GPS地图作为可视化界面，进而在终端上完成的路线设定。由于实际农业场景中，常常会存在很多GPS地图中没有的植被、长坡等地理因素，这样基于GPS的规划方式往往不够精准和灵活，使得农林机器人按照规划的路径在实际的处理过程中存在很多突发状况，从而导致农林作业效率低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高农林作业效率的农林作业任务生成方法、装置、计算机设备和存储介质。
一种农林作业任务生成方法，其特征在于，所述方法包括：
获取地形仿真模型；所述地形仿真模型中包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息；
获取无人机对所述目标场景进行巡航时采集的巡航扫描结果，并根据所述巡航扫描结果更新所述地形仿真模型中的农林数字资产信息；
根据更新的农林数字资产信息确定待进行植保的目标农林资产；
根据所述目标农林资产的目标位置信息，在所述地形仿真模型中模拟出农林作业路径；所述农林作业路径经过各所述目标农林资产；
根据所述农林作业路径生成农林作业任务，并将所述农林作业任务发送至所述农林机器人，以使所述农林机器人按照所述农林作业路径执行所述农林作业任务。
在其中一个实施例中，所述地形仿真模型中还包括所述无人机的第二设备相关信息，所述获取无人机对所述目标场景进行巡航时采集的巡航扫描结果，包括：
当接收到巡航指令时，根据所述无人机的第二设备相关信息，在所述地形仿真模型中模拟出目标巡航路径；
根据所述目标巡航路径生成巡航任务，并将所述巡航任务发送至所述无人机，以使所述无人机按照所述目标巡航路径执行所述巡航任务；
获取所述无人机在执行完所述巡航任务后采集的巡航扫描结果。
在其中一个实施例中，所述获取地形仿真模型包括：
获取与所述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包括的农林资产进行数学建模得到的农林数字资产信息；
获取所述农林机器人的第一设备相关信息和所述无人机的第二设备相关信息；
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，并将所述第一设备相关信息和所述第二设备相关信息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，所述当接收到巡航指令时，根据所述无人机的第二设备相关信息，在所述地形仿真模型中模拟出目标巡航路径，包括：
接收终端发送的巡航指令；
响应于所述巡航指令，根据所述无人机的第二设备相关信息确定所述无人机的扫描视角范围、以及飞行高度；
根据所述扫描视角范围和所述飞行高度，在所述地形仿真模型中模拟出扫描范围覆盖所述目标场景的目标巡航路径。
在其中一个实施例中，所述根据更新的农林数字资产信息确定待进行植保的目标农林资产，包括：
根据更新的农林数字资产信息，确定所述目标场景中的各农林资产的种植面积和各农林资产的高度；
根据各农林资产的种植面积和各农林资产的高度，计算对应的平均种植面积和平均高度；
确定每个农林资产的种植面积分别与所述平均种植面积间的面积差异、以及每个农林资产的高度分别与所述平均高度间的高度差异；
将面积差异小于等于第一阈值，和/或，高度差异小于等于第二阈值的农林资产作为待进行植保的目标农林资产。
在其中一个实施例中，所述方法还包括：
每当所述农林机器人在执行所述农林任务时，完成所述农林任务中的其中一个农林子任务时，接收所述农林机器人反馈的与所述农林子任务对应的子任务结果；所述子任务结果包括相应目标农林资产所对应的资产编号、执行所述农林子任务的操作时间、以及与所述目标农林资产相关的环境信息；
根据各个所述子任务结果，实时对所述地形仿真模型中的第一设备相关信息中进行更新。
在其中一个实施例中，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。
一种农林作业任务生成装置，所述装置包括：
获取模块，用于获取地形仿真模型；所述地形仿真模型中包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息；
所述获取模块，还用于获取无人机对所述目标场景进行巡航时采集的巡航扫描结果，并根据所述巡航扫描结果更新所述地形仿真模型中的农林数字资产信息；
更新模块，用于根据更新的农林数字资产信息确定待进行植保的目标农林资产；
模拟模块，用于根据所述目标农林资产的目标位置信息，在所述地形仿真模型中模拟出农林作业路径；所述农林作业路径经过各所述目标农林资产；
发送模块，用于根据所述农林作业路径生成农林作业任务，并将所述农林作业任务发送至所述农林机器人，以使所述农林机器人按照所述农林作业路径执行所述农林作业任务。
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：
获取地形仿真模型；所述地形仿真模型中包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息；
获取无人机对所述目标场景进行巡航时采集的巡航扫描结果，并根据所述巡航扫描结果更新所述地形仿真模型中的农林数字资产信息；
根据更新的农林数字资产信息确定待进行植保的目标农林资产；
根据所述目标农林资产的目标位置信息，在所述地形仿真模型中模拟出农林作业路径；所述农林作业路径经过各所述目标农林资产；
根据所述农林作业路径生成农林作业任务，并将所述农林作业任务发送至所述农林机器人，以使所述农林机器人按照所述农林作业路径执行所述农林作业任务。
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：
获取地形仿真模型；所述地形仿真模型中包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息；
获取无人机对所述目标场景进行巡航时采集的巡航扫描结果，并根据所述巡航扫描结果更新所述地形仿真模型中的农林数字资产信息；
根据更新的农林数字资产信息确定待进行植保的目标农林资产；
根据所述目标农林资产的目标位置信息，在所述地形仿真模型中模拟出农林作业路径；所述农林作业路径经过各所述目标农林资产；
根据所述农林作业路径生成农林作业任务，并将所述农林作业任务发送至所述农林机器人，以使所述农林机器人按照所述农林作业路径执行所述农林作业任务。
上述农林作业任务生成方法、装置、计算机设备和存储介质，获取包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息的地形仿真模型。该地形仿真模型作为农林机器人作业的地图信息源，可以从规划作业层面提供了充分的目标场景的空间地形信息和农林机器人的第一设备相关信息，从而可为无人机和农林机器人间的协同作业提供模型与数据层面的支持。进而，根据无人机对目标场景进行巡航时采集的巡航扫描结果，更新地形仿真模型中的农林数字资产信息，根据更新的农林数字资产信息确定待进行植保的目标农林资产。那样就可根据目标农林资产的目标位置信息，在地形仿真模型中模拟出农林机器人的最优的农林作业路径，从而根据农林作业路径生成农林作业任务，并将农林作业任务发送至农林机器人，以使农林机器人按照农林作业路径前往相应的目标位置进行农林作业。相比根据GPS地图来进行作业路径的规划，本申请中的地形仿真模型可提供更精准的地理空间信息，从而可制定出符合农林场景的真实的农林作业路径，进而可大大提高农林作业效率。
附图说明
图1为一个实施例中农林作业任务生成方法的应用环境图；
图2为一个实施例中农林作业任务生成方法的流程示意图；
图3为一个实施例中农林作业任务生成方法的原理示意图；
图4为一个实施例中农林作业任务生成装置的结构框图；
图5为另一个实施例中农林作业任务生成装置的结构框图；
图6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任务生成方法，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。无人机106通过网络与服务器104进行通信。农林机器人108通过网络与服务器108进行通信。用户可通过终端102触发巡航指令，终端102将巡航指令发送至服务器104。服务器104制定好巡航路径后便通知无人机106对目标场景进行巡航。服务器104获取地形仿真模型；地形仿真模型中包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息。服务器104获取无人机对目标场景进行巡航时采集的巡航扫描结果，并根据巡航扫描结果更新地形仿真模型中的农林数字资产信息。服务器104根据更新的农林数字资产信息确定待进行植保的目标农林资产，并根据目标农林资产的目标位置信息，在地形仿真模型中模拟出农林作业路径；农林作业路径经过各目标农林资产。服务器104根据农林作业路径生成农林作业任务，并将农林作业任务发送至农林机器人108，以使农林机器人108按照农林作业路径执行农林作业任务。
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。无人机106具体可以是具有空中飞行功能和视频/图像采集功能的电子设备。农林机器人108具体可以是可以运动并执行农林作业的机器人设备。
在一个实施例中，如图2所示，提供了一种农林作业任务生成方法，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、农林数字资产信息、以及农林机器人的第一设备相关信息。
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字建模所得到的信息。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。农林机器人的第一设备相关信息包括农林机器人的位置信息和设备信息，其中，农林机器人的设备信息包括农林机器人的电量信息、充电桩占用率、农林作业任务的完成进度信息等。
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、数字资产信息和第一设备相关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和赖以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，步骤S201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；获取对目标场景中包括的农林资产进行数学建模得到的农林数字资产信息；获取农林机器人的第一设备相关信息和无人机的第二设备相关信息；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，并将第一设备相关信息和第二设备相关信息添加至数字地形模型中，得到对应的地形仿真模型。
其中，无人机的第二设备相关信息包括无人机的位置信息(Anchor/BOTLocation)和无人机的设备信息(BOT)，其中，无人机的设备信息包括无人机的电量信息、充电桩占用率、巡航任务的完成进度信息等。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、农林资产的位置、以及无人机和农林机器人的实时位置，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。
并且，服务器将农林机器人与无人机也在数字地形模型内进行建模。让数字地形模型同时集成了农林机器人与无人机设备信息(BOT)和相应设备在数字地形模型中的位置信息(Anchor/BOT Location)，更加丰富了数字地形模型的信息量。
上述实施例中，基于数字地形模型、地图位置信息、数字资产信息和设备相关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，从规划作业层面可以提供充分的地形信息、设备位置、设备属性信息，来为协同作业提供模型与数据层面的支持。
步骤S204，获取无人机对目标场景进行巡航时采集的巡航扫描结果，并根据巡航扫描结果更新地形仿真模型中的农林数字资产信息。
具体地，服务器可获取无人机对目标场景进行扫描所采集的巡航扫描结果。进而根据巡航扫描结果对目标场景中的农林资产的生长情况进行评估，从而根据评估结果更新地形仿真模型中的农林数字资产信息。
在一个实施例中，用户可通过终端触发巡航指令，终端将巡航指令发送至服务器。服务器根据巡航指令所指向的目标场景进行巡航路线规划，并根据规划好的目标巡航路线发送至无人机。进而无人机可按照目标巡航路线进行飞行，并在飞行的过程中对下方的目标场景进行拍摄或录像，从而得到对应的巡航扫描结果。
在一个实施例中，无人机的巡航扫描结果包括无人机拍摄采集的扫描图片。服务器根据无人机的巡航高度，和扫描图片中树木的树干高度，计算出树木的实际高度，根据无人机的巡航高度和扫描图像中树木的种植面积，计算出目标场景中树木的实际种植面积。可以理解，服务器中可预先建立不同巡航高度下的树木的实际大小与拍摄大小之间的缩放比例。进而根据无人机的飞行高度确定目标缩放比例，再通过目标缩放比例对巡航扫描结果中的种植面积和树干高度进行转换，得到树木的真实种植面积和树干高度。每个树木的真实种植面积和树干高度，可作为树木的属性信息。进而服务器可根据各树木对应的属性信息，对地形仿真模型中的农林数字资产信息进行更新。
步骤S206，根据更新的农林数字资产信息确定待进行植保的目标农林资产。
具体地，服务器可根据更新的农林数字资产信息从目标场景的多个农林资产中筛选出需要进行浇水、施肥或灭宰的目标农林资产。
在一个实施例中，根据更新的农林数字资产信息确定待进行植保的目标农林资产，包括：根据更新的农林数字资产信息，确定目标场景中的各农林资产的种植面积和各农林资产的高度；根据各农林资产的种植面积和各农林资产的高度，计算对应的平均种植面积和平均高度；确定每个农林资产的种植面积分别与所述平均种植面积间的面积差异、以及每个农林资产的高度分别与所述平均高度间的高度差异；将面积差异小于等于第一阈值，和/或，高度差异小于等于第二阈值的农林资产作为待进行植保的目标农林资产。
在一个实施例中，在无人机对全部的目标场景(比如山林)完成扫描后，服务器可获取无人机的巡航扫描结果。服务器根据无人机的巡航高度，和扫描图片中各农林资产的高度，计算出农林资产的实际高度，根据无人机的巡航高度和扫描图像中农林资产的种植面积，计算出目标场景中农林资产的实际种植面积。可以理解，服务器中可预先建立不同巡航高度下的农林资产的实际大小与拍摄大小之间的缩放比例。进而根据无人机的飞行高度确定目标缩放比例，再通过目标缩放比例对巡航扫描结果中的种植面积和高度进行转换，得到农林资产的真实种植面积和树干高度。
进而，服务器可基于计算出的农林资产的种植面积和高度，对地形仿真模型中的数字资产信息进行更新。并且，服务器可根据各农林资产的种植面积和各农林资产的高度，计算对应的平均种植面积和平均高度。从而服务器可计算每个农林资产的种植面积分别与平均种植面积的面积差异。每个农林资产的高度分别与平均高度的差异。进而服务器可将面积差异小于等于第一阈值，和/或，高度差异小于等于第二阈值的农林资产作为待进行植保的目标农林资产。待进行植保的目标农林资产也就是检测出的需要进行浇水、或施肥、或灭虫的树木。
在另一个实施例中，服务器也可以对所有农林资产的种植面积按从大到小进行排序，将排序最后的预设数量的农林资产作为目标农林资产进行相应的农林作业。服务器还可对所有农林资产的高度按从大到小进行排序，将排序最后的预设数量的农林资产作为目标农林资产进行相应的农林作业。
在其中一个实施例中，目标农林资产具体可以是树木。下面以树木为例进行举例说明：
服务器根据无人机的巡航高度，和扫描图片中树木的树干高度，计算出树木的实际高度，根据无人机的巡航高度和扫描图像中树木的种植面积，计算出目标场景中树木的实际种植面积。可以理解，服务器中可预先建立不同巡航高度下的树木的实际大小与拍摄大小之间的缩放比例。进而根据无人机的飞行高度确定目标缩放比例，再通过目标缩放比例对巡航扫描结果中的种植面积和树干高度进行转换，得到树木的真实种植面积和树干高度。
进而，服务器可基于计算出的树木的种植面积和树干高度，对地形仿真模型中的数字资产信息进行更新。并且，服务器可根据各树木的种植面积和各树木的树干高度，计算对应的平均种植面积和平均树干高度。从而服务器可计算每个树木的种植面积分别与平均种植面积的面积差异。每个树木的树干高度分别与平均树干高度的差异。进而服务器可将面积差异小于等于第一阈值，和/或，高度差异小于等于第二阈值的树木作为待进行植保的目标农林资产。待进行植保的目标农林资产也就是检测出的需要进行浇水、或施肥、或灭虫的树木。
在另一个实施例中，服务器也可以对所有树木的种植面积按从大到小进行排序，将排序最后的预设数量的树木作为目标农林资产进行相应的农林作业。服务器还可对所有树木的树干高度按从大到小进行排序，将排序最后的预设数量的树木作为目标农林资产进行相应的农林作业。
上述实施例中，根据目标场景中各农林资产的种植面积和高度，可以迅速且准确的从目标场景中找到需要进行植保的目标农林资产。
步骤S208，根据目标农林资产的目标位置信息，在地形仿真模型中模拟出农林作业路径；农林作业路径经过各目标农林资产。
具体地，服务器可根据地形仿真模型中目标农林资产的目标位置信息，在地形仿真模型中模拟出最优的农林作业路径，该农林作业路径经过各目标农林资产。
在一个实施例中，服务器可基于最短路径算法，比如迪杰斯特拉(Dijkstra)算法，结合地形仿真模型中对各个路径赋予不同的权重，生成经过各目标农林资产的农林作业路径。其中，地形仿真模型中不同路径的权重，可基于路况、和长度等来确定，这样，就可生成一条更加精准地最短路径。
步骤S210，根据农林作业路径生成农林作业任务，并将农林作业任务发送至农林机器人，以使农林机器人按照农林作业路径执行农林作业任务。
具体地，服务器可根据农林作业路径生成对应的农林作业任务，并向农林机器人发送作业信号。农林机器人收到作业信号后，按照服务器生成的农林作业路线，依次前往各个目标农林资产所对应的作业地点对目标树木进行浇水、施肥、撒农药等作业。
在一个实施例中，农林机器人在执行农林作业的过程中，可将作业信息(本次作业对象树木的编号、操作时间、施肥完成后的土壤PH值温度等信息)、位置信息也实时回传到服务器，服务器收到作业信息后，同步对地形仿真模型内的农林机器人模型进行更新。
上述农林作业任务生成方法，获取包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息的地形仿真模型。该地形仿真模型作为农林机器人作业的地图信息源，可以从规划作业层面提供了充分的目标场景的空间地形信息和农林机器人的第一设备相关信息，从而可为无人机和农林机器人间的协同作业提供模型与数据层面的支持。进而，根据无人机对目标场景进行巡航时采集的巡航扫描结果，更新地形仿真模型中的农林数字资产信息，根据更新的农林数字资产信息确定待进行植保的目标农林资产。那样就可根据目标农林资产的目标位置信息，在地形仿真模型中模拟出农林机器人的最优的农林作业路径，从而根据农林作业路径生成农林作业任务，并将农林作业任务发送至农林机器人，以使农林机器人按照农林作业路径前往相应的目标位置进行农林作业。相比根据GPS地图来进行作业路径的规划，本申请中的地形仿真模型可提供更精准的地理空间信息，从而可制定出符合农林场景的真实的农林作业路径，进而可大大提高农林作业效率。
在一个实施例中，步骤S204具体包括：当接收到巡航指令时，根据无人机的第二设备相关信息，在地形仿真模型中模拟出目标巡航路径；根据目标巡航路径生成巡航任务，并将巡航任务发送至无人机，以使无人机按照目标巡航路径执行巡航任务；获取无人机在执行完巡航任务后采集的巡航扫描结果。
具体地，用户可通过终端触发巡航指令，终端将巡航指令发送至服务器，服务器接收到巡航指令时，根据无人机的第二设备相关信息，在地形仿真模型中模拟出目标巡航路径。进而，服务器根据目标巡航路径生成巡航任务，并将巡航任务发送至无人机。无人机接收到巡航任务后，可按照目标巡航路径执行巡航任务。无人机在巡航结束后可将巡航扫描结构发送给服务器。
在一个实施例中，当接收到巡航指令时，根据无人机的第二设备相关信息，在地形仿真模型中模拟出目标巡航路径，包括：接收终端发送的巡航指令；响应于巡航指令，根据无人机的第二设备相关信息确定无人机的扫描视角范围、以及飞行高度；根据扫描视角范围和飞行高度，在地形仿真模型中模拟出扫描范围覆盖目标场景的目标巡航路径。
在一个实施例中，服务器接收终端发送的巡航指令，响应于该巡航指令，根据无人机的第二设备相关信息确定无人机的扫描视角范围、以及飞行高度。进而根据视角扫描范围和飞行高度，确定无人机在一个位置点上的扫描面积。根据目标场景的总面积，设计可以覆盖整个总面积，且重复面积最少的目标巡航路径。
在一个实施例中，本申请可基于地形仿真模型实现农林机器人与无人机作业协作。假设在实际作业中，使用者想要针对生长状况不佳的树木进行施肥。当终端(APP)发出作业指令后，服务器接收到指令，在地形仿真模型中模拟生成覆盖住目标场景的无人机的巡航路线。无人机收到命令启动执行巡航。无人机的位置坐标实时传回服务器。在无人机对全部山林完成扫描后，服务器的地形仿真模型里的数字资产信息同步完成更新。进而，服务器根据更新后的数字资产信息进行农林作业路径的规划，从而使得农林机器人依次前往各个作业地点对目标树木进行浇水、施肥、撒农药等作业。
上述实施例中，可通过地形仿真模型对无人机的巡航路径进行最优规划，从而实现控制无人机进行准确的巡航，以找到需要进行植保的目标农林资产。
在一个实施例中，该农林作业任务生成方法还包括：每当农林机器人在执行农林任务时，完成农林任务中的其中一个农林子任务时，接收农林机器人反馈的与农林子任务对应的子任务结果；子任务结果包括相应目标农林资产所对应的资产编号、执行农林子任务的操作时间、以及与目标农林资产相关的环境信息；根据各个子任务结果，实时对地形仿真模型中的第一设备相关信息中进行更新。
具体地，农林作业任务包括多个农林子任务，每个农林子任务对应相应的需要进行植保的目标农林资产。每当农林机器人完成农林任务中的其中一个农林子任务时，也就是对某个目标农林资产(比如某棵树)完成农林作业时，农林机器人就可记录该农林资产相应的资产编号、执行农林子任务的操作时间、以及与目标农林资产相关的环境信息(环境信息比如施肥完成后的土壤PH值和温度等信息)。农林机器人可将采集记录的这些信息反馈给服务器。服务器可实时对地形仿真模型中的第一设备相关信息进行更新，服务器具体可以是对第一设备相关信息中的农林作业任务的完成进度信息进行更新。
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。
参考图3，图3为一个实施例中农林作业任务生成方法的原理示意图。如图3所示，数字地形模型空间(也就是本申请前述实施例提及的地形仿真模型)中包括有多个设备模型，比如A设备模型和B设备模型等。实体空间中包括对应的A设备、B设备和C设备等。其中，A设备比如无人机，B设备和C设备比如农林机器人。在实际作业中，比如用户想要针对生长状况不佳的树木进行施肥的场景下，当终端发出作业指令后，服务器接收到指令，在数字地形模型空间中模拟生成无人机的巡航路线。无人机收到命令启动执行巡航。无人机的位置坐标实时传回服务器。在无人机对全部山林完成扫描后，无人机会将相应的作业信息回传至服务器。服务器中的数字地形模型里的数字资产信息同步完成更新。服务器可通过模拟程序检测出需要执行施肥任务的树木，进而服务器依照目标树木的位置信息，在数字地形模型中模拟出农林机器人的最优行进路线，发送作业信号。农林机器人收到作业信号后，按照服务器端生成的路线，前往作业地点进行作业。农林机器人的作业信息、位置信息也实时回传到服务器，服务器收到信息后，同步对数字地形模型内的农林机器人模型进行更新。
本申请提供了一种操控便捷、可视化效果良好协同作业模型系统。本申请中经过改良后的数字地形模型，也就是将地形仿真模型作为农林机器人作业的地图信息源，从规划作业层面提供了充分的地形信息、设备位置、设备属性信息，来为协同作业提供模型与数据层面的支持。相比GPS地图，数字地形模型有更精准的信息，更好的可视化效果。此外，低成本的设备、电气协作，且通过数字化模型进行操控，可基于设备的数字孪生模型来实时模拟操作，大大提高了无人机和农林机器人的协同作业的精确性与灵活性。同时也实现了对农林资产的管理。
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4所示，提供了一种农林作业任务生成装置400，包括：获取模块401、更新模块402、模拟模块403和发送模块404，其中：
获取模块401，用于获取地形仿真模型；地形仿真模型中包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息。
获取模块401，还用于获取无人机对目标场景进行巡航时采集的巡航扫描结果，并根据巡航扫描结果更新地形仿真模型中的农林数字资产信息。
更新模块402，用于根据更新的农林数字资产信息确定待进行植保的目标农林资产。
模拟模块403，用于根据目标农林资产的目标位置信息，在地形仿真模型中模拟出农林作业路径；农林作业路径经过各目标农林资产。
发送模块404，用于根据农林作业路径生成农林作业任务，并将农林作业任务发送至农林机器人，以使农林机器人按照农林作业路径执行农林作业任务。
在一个实施例中，地形仿真模型中还包括无人机的第二设备相关信息，获取模块401，还用于当接收到巡航指令时，根据无人机的第二设备相关信息，在地形仿真模型中模拟出目标巡航路径；根据目标巡航路径生成巡航任务，并将巡航任务发送至无人机，以使无人机按照目标巡航路径执行巡航任务；获取无人机在执行完巡航任务后采集的巡航扫描结果。
在一个实施例中，获取模块401，还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；获取对目标场景中包括的农林资产进行数学建模得到的农林数字资产信息；获取农林机器人的第一设备相关信息和无人机的第二设备相关信息；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，并将第一设备相关信息和第二设备相关信息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，获取模块401，还用于接收终端发送的巡航指令；响应于巡航指令，根据无人机的第二设备相关信息确定无人机的扫描视角范围、以及飞行高度；根据扫描视角范围和飞行高度，在地形仿真模型中模拟出扫描范围覆盖目标场景的目标巡航路径。
在一个实施例中，更新模块402，还用于根据更新的农林数字资产信息，确定目标场景中的各农林资产的种植面积和各农林资产的高度；根据各农林资产的种植面积和各农林资产的高度，计算对应的平均种植面积和平均高度；确定每个农林资产的种植面积分别与平均种植面积间的面积差异、以及每个农林资产的高度分别与平均高度间的高度差异；将面积差异小于等于第一阈值，和/或，高度差异小于等于第二阈值的农林资产作为待进行植保的目标农林资产。
如图5所示，在一个实施例中，农林作业任务生成装置400还包括接收模块405，用于每当农林机器人在执行农林任务时，完成农林任务中的其中一个农林子任务时，接收农林机器人反馈的与农林子任务对应的子任务结果；子任务结果包括相应目标农林资产所对应的资产编号、执行农林子任务的操作时间、以及与目标农林资产相关的环境信息。
更新模块402，还用于根据各个子任务结果，实时对地形仿真模型中的第一设备相关信息进行更新。
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。
上述农林作业任务生成装置，获取包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息的地形仿真模型。该地形仿真模型作为农林机器人作业的地图信息源，可以从规划作业层面提供了充分的目标场景的空间地形信息和农林机器人的第一设备相关信息，从而可为无人机和农林机器人间的协同作业提供模型与数据层面的支持。进而，根据无人机对目标场景进行巡航时采集的巡航扫描结果，更新地形仿真模型中的农林数字资产信息，根据更新的农林数字资产信息确定待进行植保的目标农林资产。那样就可根据目标农林资产的目标位置信息，在地形仿真模型中模拟出农林机器人的最优的农林作业路径，从而根据农林作业路径生成农林作业任务，并将农林作业任务发送至农林机器人，以使农林机器人按照农林作业路径前往相应的目标位置进行农林作业。相比根据GPS地图来进行作业路径的规划，本申请中的地形仿真模型可提供更精准的地理空间信息，从而可制定出符合农林场景的真实的农林作业路径，进而可大大提高农林作业效率。
关于农林作业任务生成装置的具体限定可以参见上文中对于农林作业任务生成方法的限定，在此不再赘述。上述农林作业任务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任务生成方法。
本领域技术人员可以理解，图6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、农林数字资产信息、以及农林机器人的第一设备相关信息；获取无人机对目标场景进行巡航时采集的巡航扫描结果，并根据巡航扫描结果更新地形仿真模型中的农林数字资产信息；根据更新的农林数字资产信息确定待进行植保的目标农林资产；根据目标农林资产的目标位置信息，在地形仿真模型中模拟出农林作业路径；农林作业路径经过各目标农林资产；根据农林作业路径生成农林作业任务，并将农林作业任务发送至农林机器人，以使农林机器人按照农林作业路径执行农林作业任务。
在一个实施例中，地形仿真模型中还包括无人机的第二设备相关信息，处理器执行计算机程序时还实现以下步骤：当接收到巡航指令时，根据无人机的第二设备相关信息，在地形仿真模型中模拟出目标巡航路径；根据目标巡航路径生成巡航任务，并将巡航任务发送至无人机，以使无人机按照目标巡航路径执行巡航任务；获取无人机在执行完巡航任务后采集的巡航扫描结果。
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；获取对目标场景中包括的农林资产进行数学建模得到的农林数字资产信息；获取农林机器人的第一设备相关信息和无人机的第二设备相关信息；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，并将第一设备相关信息和第二设备相关信息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：接收终端发送的巡航指令；响应于巡航指令，根据无人机的第二设备相关信息确定无人机的扫描视角范围、以及飞行高度；根据扫描视角范围和飞行高度，在地形仿真模型中模拟出扫描范围覆盖目标场景的目标巡航路径。
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：根据更新的农林数字资产信息，确定目标场景中的各农林资产的种植面积和各农林资产的高度；根据各农林资产的种植面积和各农林资产的高度，计算对应的平均种植面积和平均高度；确定每个农林资产的种植面积分别与平均种植面积间的面积差异、以及每个农林资产的高度分别与平均高度间的高度差异；将面积差异小于等于第一阈值，和/或，高度差异小于等于第二阈值的农林资产作为待进行植保的目标农林资产。
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：每当农林机器人在执行农林任务时，完成农林任务中的其中一个农林子任务时，接收农林机器人反馈的与农林子任务对应的子任务结果；子任务结果包括相应目标农林资产所对应的资产编号、执行农林子任务的操作时间、以及与目标农林资产相关的环境信息；根据各个子任务结果，实时对地形仿真模型中的第一设备相关信息进行更新。
在其中一个实施例中，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，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、农林数字资产信息、以及农林机器人的第一设备相关信息；获取无人机对目标场景进行巡航时采集的巡航扫描结果，并根据巡航扫描结果更新地形仿真模型中的农林数字资产信息；根据更新的农林数字资产信息确定待进行植保的目标农林资产；根据目标农林资产的目标位置信息，在地形仿真模型中模拟出农林作业路径；农林作业路径经过各目标农林资产；根据农林作业路径生成农林作业任务，并将农林作业任务发送至农林机器人，以使农林机器人按照农林作业路径执行农林作业任务。
在一个实施例中，地形仿真模型中还包括无人机的第二设备相关信息，处理器执行计算机程序时还实现以下步骤：当接收到巡航指令时，根据无人机的第二设备相关信息，在地形仿真模型中模拟出目标巡航路径；根据目标巡航路径生成巡航任务，并将巡航任务发送至无人机，以使无人机按照目标巡航路径执行巡航任务；获取无人机在执行完巡航任务后采集的巡航扫描结果。
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；获取对目标场景中包括的农林资产进行数学建模得到的农林数字资产信息；获取农林机器人的第一设备相关信息和无人机的第二设备相关信息；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，并将第一设备相关信息和第二设备相关信息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：接收终端发送的巡航指令；响应于巡航指令，根据无人机的第二设备相关信息确定无人机的扫描视角范围、以及飞行高度；根据扫描视角范围和飞行高度，在地形仿真模型中模拟出扫描范围覆盖目标场景的目标巡航路径。
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：根据更新的农林数字资产信息，确定目标场景中的各农林资产的种植面积和各农林资产的高度；根据各农林资产的种植面积和各农林资产的高度，计算对应的平均种植面积和平均高度；确定每个农林资产的种植面积分别与平均种植面积间的面积差异、以及每个农林资产的高度分别与平均高度间的高度差异；将面积差异小于等于第一阈值，和/或，高度差异小于等于第二阈值的农林资产作为待进行植保的目标农林资产。
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：每当农林机器人在执行农林任务时，完成农林任务中的其中一个农林子任务时，接收农林机器人反馈的与农林子任务对应的子任务结果；子任务结果包括相应目标农林资产所对应的资产编号、执行农林子任务的操作时间、以及与目标农林资产相关的环境信息；根据各个子任务结果，实时对地形仿真模型中的第一设备相关信息进行更新。
在其中一个实施例中，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。
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，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-OnlyMemory，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 (13)

1.一种农林作业任务生成方法，其特征在于，所述方法包括：
获取地形仿真模型；所述地形仿真模型中包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息；
获取无人机对所述目标场景进行巡航时采集的巡航扫描结果，并根据所述巡航扫描结果更新所述地形仿真模型中的农林数字资产信息；
根据更新的农林数字资产信息，确定所述目标场景中的各农林资产的种植面积和各农林资产的高度；
根据各农林资产的种植面积和各农林资产的高度，计算对应的平均种植面积和平均高度；
确定每个农林资产的种植面积分别与所述平均种植面积间的面积差异、以及每个农林资产的高度分别与所述平均高度间的高度差异；
将面积差异小于等于第一阈值，和/或，高度差异小于等于第二阈值的农林资产作为待进行植保的目标农林资产；
根据所述目标农林资产的目标位置信息，在所述地形仿真模型中模拟出农林作业路径；所述农林作业路径经过各所述目标农林资产；
根据所述农林作业路径生成农林作业任务，并将所述农林作业任务发送至所述农林机器人，以使所述农林机器人按照所述农林作业路径执行所述农林作业任务。
2.根据权利要求1所述的方法，其特征在于，所述地形仿真模型中还包括所述无人机的第二设备相关信息，所述获取无人机对所述目标场景进行巡航时采集的巡航扫描结果，包括：
当接收到巡航指令时，根据所述无人机的第二设备相关信息，在所述地形仿真模型中模拟出目标巡航路径；
根据所述目标巡航路径生成巡航任务，并将所述巡航任务发送至所述无人机，以使所述无人机按照所述目标巡航路径执行所述巡航任务；
获取所述无人机在执行完所述巡航任务后采集的巡航扫描结果。
3.根据权利要求2所述的方法，其特征在于，所述获取地形仿真模型包括：
获取与所述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包括的农林资产进行数学建模得到的农林数字资产信息；
获取所述农林机器人的第一设备相关信息和无人机的第二设备相关信息；
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，并将所述第一设备相关信息和所述第二设备相关信息添加至所述数字地形模型中，得到对应的地形仿真模型。
4.根据权利要求2所述的方法，其特征在于，所述当接收到巡航指令时，根据所述无人机的第二设备相关信息，在所述地形仿真模型中模拟出目标巡航路径，包括：
接收终端发送的巡航指令；
响应于所述巡航指令，根据所述无人机的第二设备相关信息确定所述无人机的扫描视角范围、以及飞行高度；
根据所述扫描视角范围和所述飞行高度，在所述地形仿真模型中模拟出扫描范围覆盖所述目标场景的目标巡航路径。
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：
每当所述农林机器人在执行所述农林任务时，完成所述农林任务中的其中一个农林子任务时，接收所述农林机器人反馈的与所述农林子任务对应的子任务结果；所述子任务结果包括相应目标农林资产所对应的资产编号、执行所述农林子任务的操作时间、以及与所述目标农林资产相关的环境信息；
根据各个所述子任务结果，实时对所述地形仿真模型中的第一设备相关信息进行更新。
6.根据权利要求1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。
7.一种农林作业任务生成装置，其特征在于，所述装置包括：
获取模块，用于获取地形仿真模型；所述地形仿真模型中包括有目标场景的空间几何信息、农林数字资产信息、以及农林机器人的第一设备相关信息；
所述获取模块，还用于获取无人机对所述目标场景进行巡航时采集的巡航扫描结果，并根据所述巡航扫描结果更新所述地形仿真模型中的农林数字资产信息；
更新模块，用于根据更新的农林数字资产信息，确定所述目标场景中的各农林资产的种植面积和各农林资产的高度；根据各农林资产的种植面积和各农林资产的高度，计算对应的平均种植面积和平均高度；确定每个农林资产的种植面积分别与所述平均种植面积间的面积差异、以及每个农林资产的高度分别与所述平均高度间的高度差异；将面积差异小于等于第一阈值，和/或，高度差异小于等于第二阈值的农林资产作为待进行植保的目标农林资产；
模拟模块，用于根据所述目标农林资产的目标位置信息，在所述地形仿真模型中模拟出农林作业路径；所述农林作业路径经过各所述目标农林资产；
发送模块，用于根据所述农林作业路径生成农林作业任务，并将所述农林作业任务发送至所述农林机器人，以使所述农林机器人按照所述农林作业路径执行所述农林作业任务。
8.根据权利要求7所述的装置，其特征在于，所述地形仿真模型中还包括所述无人机的第二设备相关信息，所述获取模块，还用于当接收到巡航指令时，根据所述无人机的第二设备相关信息，在所述地形仿真模型中模拟出目标巡航路径；根据所述目标巡航路径生成巡航任务，并将所述巡航任务发送至所述无人机，以使所述无人机按照所述目标巡航路径执行所述巡航任务；获取所述无人机在执行完所述巡航任务后采集的巡航扫描结果。
9.根据权利要求8所述的装置，其特征在于，所述获取模块，还用于获取与所述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包括的农林资产进行数学建模得到的农林数字资产信息；获取所述农林机器人的第一设备相关信息和无人机的第二设备相关信息；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，并将所述第一设备相关信息和所述第二设备相关信息添加至所述数字地形模型中，得到对应的地形仿真模型。
10.根据权利要求8所述的装置，其特征在于，所述获取模块，还用于接收终端发送的巡航指令；响应于所述巡航指令，根据所述无人机的第二设备相关信息确定所述无人机的扫描视角范围、以及飞行高度；根据所述扫描视角范围和所述飞行高度，在所述地形仿真模型中模拟出扫描范围覆盖所述目标场景的目标巡航路径。
11.根据权利要求7所述的装置，其特征在于，所述装置还包括接收模块，其中，
所述接收模块，用于每当所述农林机器人在执行所述农林任务时，完成所述农林任务中的其中一个农林子任务时，接收所述农林机器人反馈的与所述农林子任务对应的子任务结果；所述子任务结果包括相应目标农林资产所对应的资产编号、执行所述农林子任务的操作时间、以及与所述目标农林资产相关的环境信息；
所述更新模块，还用于根据各个所述子任务结果，实时对所述地形仿真模型中的第一设备相关信息进行更新。
12.一种计算机设备，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6中任一项所述的方法的步骤。
13.一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6中任一项所述的方法的步骤。
CN202011184534.6A 2020-10-29 2020-10-29 农林作业任务生成方法、装置、计算机设备和存储介质 Active CN112462756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011184534.6A CN112462756B (zh) 2020-10-29 2020-10-29 农林作业任务生成方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011184534.6A CN112462756B (zh) 2020-10-29 2020-10-29 农林作业任务生成方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112462756A CN112462756A (zh) 2021-03-09
CN112462756B true CN112462756B (zh) 2022-11-25

Family

ID=74835240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011184534.6A Active CN112462756B (zh) 2020-10-29 2020-10-29 农林作业任务生成方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112462756B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113353284A (zh) * 2021-06-29 2021-09-07 贵州理工学院 一种纵列双旋翼无人植保系统、构建方法、介质、计算机
CN113568324B (zh) * 2021-06-29 2023-10-20 之江实验室 一种基于仿真演绎的知识图谱修正方法
CN116654285A (zh) * 2023-07-31 2023-08-29 黑龙江惠达科技股份有限公司 无人机测试的方法、仿真测试平台和遥控器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI20040396A0 (fi) * 2004-03-15 2004-03-15 Geodeettinen Laitos Menetelmä puustotunnusten määrittämiseksi laserkeilaimen, kuvainformaation ja yksittäisten puiden tulkinnan avulla
CN108955695A (zh) * 2018-08-22 2018-12-07 洛阳中科龙网创新科技有限公司 一种用于农田机器人的全局路径规划方法
CN111553245A (zh) * 2020-04-24 2020-08-18 中国电建集团成都勘测设计研究院有限公司 基于机器学习算法和多源遥感数据融合的植被分类方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170127606A1 (en) * 2015-11-10 2017-05-11 Digi-Star, Llc Agricultural Drone for Use in Controlling the Direction of Tillage and Applying Matter to a Field
CN205450777U (zh) * 2016-03-29 2016-08-10 深圳市农博创新科技有限公司 自动化植保系统
CN111526710B (zh) * 2017-10-24 2022-09-20 巴斯夫农化商标有限公司 生成数字耕作地图
CN110516648B (zh) * 2019-09-02 2022-04-19 湖南农业大学 基于无人机遥感和模式识别的苎麻株数识别方法
CN111352404A (zh) * 2020-03-25 2020-06-30 仲恺农业工程学院 无人机与地面移动机器人协同的农情获取方法、系统、介质和设备
CN111507857A (zh) * 2020-04-22 2020-08-07 青岛逸景数字科技有限公司 一种基于物联网技术的数字化农业种植系统和方法
CN111543413B (zh) * 2020-05-28 2021-05-04 中国农业大学 一种空地协同的农业机器人精准施药方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI20040396A0 (fi) * 2004-03-15 2004-03-15 Geodeettinen Laitos Menetelmä puustotunnusten määrittämiseksi laserkeilaimen, kuvainformaation ja yksittäisten puiden tulkinnan avulla
CN108955695A (zh) * 2018-08-22 2018-12-07 洛阳中科龙网创新科技有限公司 一种用于农田机器人的全局路径规划方法
CN111553245A (zh) * 2020-04-24 2020-08-18 中国电建集团成都勘测设计研究院有限公司 基于机器学习算法和多源遥感数据融合的植被分类方法

Also Published As

Publication number Publication date
CN112462756A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CN112462756B (zh) 农林作业任务生成方法、装置、计算机设备和存储介质
CN109845715B (zh) 农药喷洒控制方法、装置、设备以及存储介质
US9420737B2 (en) Three-dimensional elevation modeling for use in operating agricultural vehicles
US10996055B2 (en) Integrated aerial photogrammetry surveys
US11765542B2 (en) Hybrid vision system for crop land navigation
CN110718137B (zh) 目标物密度分布地图的构建方法及装置、终端、移动装置
US11803959B2 (en) Individual plant recognition and localization
WO2021237448A1 (zh) 路径规划方法、装置及系统
CN110254722A (zh) 一种飞行器系统及其方法、具有计算机程序的产品
CN112356027B (zh) 农林机器人避障方法、装置、计算机设备和存储介质
CN109271862A (zh) 基于移动装置的喷洒控制方法及终端、移动装置
CN112469967A (zh) 一种测绘系统、测绘方法、装置、设备及介质
CN112180987B (zh) 协同作业方法、系统、装置、计算机设备及存储介质
CN112270752A (zh) 农林作业路径生成方法、装置、计算机设备和存储介质
Saveliev et al. Automated terrain mapping based on mask R-CNN neural network
CN114283067B (zh) 一种处方图获取方法、装置、存储介质及终端设备
Spadavecchia et al. A Fully Automatic Forest Parameters Extraction At Single-Tree Level: A Comparison of Mls and Tls Applications
KR102512222B1 (ko) 무인항공기 기반 야적퇴비 적재량의 산출 검증 방법 및 시스템
CN117557931B (zh) 一种基于三维场景的表计最优巡检点的规划方法
Katikaridis et al. A software tool for efficient agricultural logistics
Paulin et al. Application of raycast method for person geolocalization and distance determination using UAV images in Real-World land search and rescue scenarios
KR102570846B1 (ko) 오염원 관리가 가능한 야적퇴비 탐지 방법 및 시스템
Santillan et al. Effects of flight plan parameters on the quality and usability of low-cost UAS photogrammetry data products for tree crown delineation
Arlotta et al. An EKF-Based Multi-Object Tracking Framework for a Mobile Robot in a Precision Agriculture Scenario
JP2022128127A (ja) 情報処理装置、情報処理方法、およびプログラム

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