CN112783208A - 一种无人设备返航控制方法、装置及无人设备 - Google Patents
一种无人设备返航控制方法、装置及无人设备 Download PDFInfo
- Publication number
- CN112783208A CN112783208A CN202011627517.5A CN202011627517A CN112783208A CN 112783208 A CN112783208 A CN 112783208A CN 202011627517 A CN202011627517 A CN 202011627517A CN 112783208 A CN112783208 A CN 112783208A
- Authority
- CN
- China
- Prior art keywords
- maximum
- information
- job
- working
- path
- 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 71
- 230000008569 process Effects 0.000 claims description 10
- 238000011144 upstream manufacturing Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001960 triggered effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 2
- 238000005507 spraying Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000009331 sowing Methods 0.000 description 5
- 238000013210 evaluation model Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000007921 spray Substances 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 239000003814 drug Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本申请实施例提供一种无人设备返航控制方法、装置及无人设备，该方法包括：获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息；根据所述状态信息和所述作业信息确定所述无人设备的最大作业能力；基于所述作业对象信息和所述最大作业能力确定在预定作业对象的最大作业位置；根据所述最大作业位置从预设的多个返航点中匹配对应的最佳返航点。本申请的方法在保证无人设备的正常行进和返航的电量以及保证无人设备上装载对象充足以便有效作业的同时，避免了更频繁地往返补给点以及补给量更少的问题，通过该方法可以实现往返补给的电量消耗和作业效率之间的较好平衡。
Description
技术领域
本发明涉及无人设备领域，尤其涉及一种无人设备返航控制方法、装置及无人设备。
背景技术
现有的无人设备在作业时，通过人工目视控制无人设备作业，作业效率、作业精度都较差。例如，现有的植保无人机喷施作业方式是基于无人机操控员手持遥控器控制无人机在农田喷施作业，依靠目视手动规划飞行航线，但是这种方式对人为因素依赖过大，无人机作业时经常偏离正常航线，出现漏喷重喷的现象，作业质量低，效果差。对于大块农田喷施作业来说，植保无人机由于电池成本的限制，装载对象少、电量少，需要多次补充装载对象和电量而往返于补给点，往返次数越多，往返距离越长，往返过程中需要消耗的电量也就越大，这种无效能耗不仅增加作业经济成本和作业时间，而且降低作业效率。
发明内容
有鉴于此，本申请的目的是为了克服现有技术中的不足，提供一种无人设备返航控制方法、装置、无人设备和可读存储介质。
第一方面，本发明提供一种无人设备返航控制方法，包括：
获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息；
根据所述状态信息和所述作业信息确定所述无人设备的最大作业能力；
基于所述预定作业对象信息和所述最大作业能力确定在预定作业对象的最大作业位置；
根据所述最大作业位置从预设的多个返航点中匹配对应的最佳返航点。在可选的实施方式中，所述状态信息包括电池的电量信息和装载对象的装载量；所述作业信息包括所述装载对象的消耗速度；
所述根据所述状态信息和所述作业信息确定所述无人设备的最大作业能力，包括：
根据所述电池的电量信息、所述装载量和所述消耗速度确定所述无人设备的第一作业能力；
根据所述装载量和所述消耗速度确定所述无人设备的第二作业能力；
将所述第一作业能力和所述第二作业能力中相对小的作业能力作为所述最大作业能力。
在可选的实施方式中，所述获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息之后，还包括：
根据所述作业对象信息生成所述预定作业对象对应的作业路径，其中所述作业路径包括多个第一路径段和多个第二路径段，所述多个第一路径段和所述多个第二路径段连接以形成所述作业路径，所述多个第一路径段互相平行，所述第一路径段上设置有多个返航点；
所述根据所述最大作业位置从预设的多个返航点中匹配对应的最佳返航点，包括：
根据所述最大作业位置从所述作业路径中确定出所述最大作业位置对应目标第一路径段；
根据所述最大作业位置与所述多个返航点的位置关系，从所述多个返航点中选取目标返航点作为最佳返航点。
在可选的实施方式中，所述多个返航点将所述第一路径段划分为多个作业区间，各个作业区间的端点仅包括所述无人设备的作业方向上的上游返航点；
所述根据所述最大作业位置与所述多个返航点的位置关系，从所述多个返航点中选取目标返航点作为最佳返航点，包括：
当所述最大作业位置落在任一作业区间时，确定所述任一作业区间中的所述上游返航点作为所述最佳返航点。
在可选的实施方式中，在所述每个第一路径段上设置三个返航点，沿作业方向依次设置在所述第一路径段的起始位置、二分之一行程位置和四分之三行程位置。
在可选的实施方式中，还包括：
在所述无人设备作业过程中，根据所述作业对象信息、无人设备的当前状态信息和当前作业信息更新所述最大作业位置；
根据更新后的最大作业位置从预设的多个返航点中重新匹配对应的最佳返航点。
在可选的实施方式中，在所述无人设备行进至所述第一路径段的边界点时，触发所述更新所述最大作业位置的步骤。
在可选的实施方式中，触发所述更新的边界点为靠近补给点一侧的边界点。
在可选的实施方式中，若所述最佳返航点为所述第一路径段上的二分之一行程位置时，在所述无人设备行进至与所述最大作业位置相邻的预定数量的边界点时，触发所述更新所述最大作业位置的步骤；
若所述最佳返航点为所述第一路径段上的四分之三行程位置时，在所述无人设备行进至每个边界点时，触发所述更新所述最大作业位置的步骤。
在可选的实施方式中，所述根据所述最大作业位置从预设的多个返航点中匹配对应的最佳返航点，包括：
若所述最大作业位置小于预设阈值位置，则将当前位置作为所述最佳返航点，控制所述无人设备直接前往补给点；
若所述最大作业位置达到或超过所述预定作业对象的作业终点，则将所述作业终点作为所述最佳返航点。
在可选的实施方式中，所述最大作业能力为最大作业距离；所述获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息之后，还包括：
根据所述作业对象信息生成所述预定作业对象对应的作业路径，其中所述作业路径包括多个第一路径段和多个第二路径段，所述多个第一路径段和所述多个第二路径段连接以形成所述作业路径，所述多个第一路径段互相平行；
所述基于根据所述作业对象信息和所述最大作业能力确定在预定作业对象的最大作业位置，包括：
根据各个所述第一路径段和各个所述第二路径段的长度信息以及所述最大作业距离确定在预定作业对象的最大作业位置。
在可选的实施方式中，所述最大作业能力为最大作业时间；所述作业信息包括行进速度；所述获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息之后，还包括：
根据所述作业对象信息生成所述预定作业对象对应的作业路径，其中所述作业路径包括多个第一路径段和多个第二路径段，所述多个第一路径段和所述多个第二路径段连接以形成所述作业路径，所述多个第一路径段互相平行；
所述基于所述作业对象信息和所述最大作业能力确定在预定作业对象的最大作业位置，包括：
根据各个所述第一路径段和各个所述第二路径段的长度信息、所述最大作业时间以及所述行进速度确定在预定作业对象的最大作业位置。
在可选的实施方式中，所述最大作业能力包括最大作业距离和最大作业时间；所述作业信息包括行进速度；所述获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息之后，还包括：
根据所述作业对象信息生成所述预定作业对象对应的作业路径，其中所述作业路径包括多个第一路径段和多个第二路径段，所述多个第一路径段和所述多个第二路径段连接以形成所述作业路径，所述多个第一路径段互相平行；
所述基于所述作业对象信息和所述最大作业能力确定在预定作业对象的最大作业位置，包括：
根据各个所述第一路径段和各个所述第二路径段的长度信息以及所述最大作业距离确定在预定作业对象的第一最大作业位置；
根据各个所述第一路径段和各个所述第二路径段的长度信息、所述最大作业时间以及所述行进速度确定在预定作业对象的第二最大作业位置；
将所述第一最大作业位置和所述第二最大作业位置中相对小的作业位置作为所述最大作业位置。
第二方面，本发明提供一种无人设备返航控制装置，包括：
获取模块，用于获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息；
作业能力确定模块，用于根据所述状态信息和所述作业信息确定所述无人设备的最大作业能力；
作业位置确定模块，用于基于所述作业对象信息和所述最大作业能力确定在预定作业对象的最大作业位置；
选择模块，用于根据所述最大作业位置从预设的多个返航点中匹配对应的最佳返航点。
第三方面，本发明提供一种无人设备，包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器上运行时执行前述实施方式任一项所述的无人设备返航控制方法。
第四方面，本发明提供一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行前述实施方式任一项所述的无人设备返航控制方法。
本申请的实施例具有如下优点：
本申请的方法通过获取预定作业对象信息、无人设备的状态信息和作业信息，根据所述状态信息和所述作业信息确定所述无人设备的最大作业能力，基于所述作业对象信息和所述最大作业能力确定在预定作业对象的最大作业位置，根据所述最大作业位置从预设的多个返航点中匹配对应的最佳返航点，可以有效避免往返过程中消耗过多电量，从而在保证无人设备的正常行进和返航的电量以及保证无人设备上装载对象充足以便有效作业的同时，避免了更频繁地往返补给点以及补给量更少的问题，通过该方法可以实现往返补给的电量消耗和作业效率之间的较好平衡。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1示出了本申请实施例的无人设备返航控制方法的流程示意图；
图2示出了本申请实施例的无人设备返航控制方法中确定最大作业能力的流程示意图；
图3示出了本申请实施例的无人设备返航控制方法的另一流程示意图；
图4示出了本申请实施例的无人设备返航控制方法中确定最大作业位置的流程示意图；
图5示出了本申请实施例的无人设备返航控制方法的应用示意图；
图6示出了本申请实施例的无人设备返航控制方法的另一种应用示意图；
图7示出了本申请实施例的无人设备返航控制方法中确定最佳返航点的流程示意图；
图8示出了本申请实施例的无人设备返航控制装置的结构示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
实施例1
请参照图1，本实施例提出一种无人设备返航控制方法，可应用于如无人车、无人船、无人机等无人设备。例如，无人机可用于植保作业、航拍航测、海事侦查、电力巡线、公安消防等领域，通过该方法可以实现往返补给的电量消耗和作业效率之间的较好平衡等。利用本发明实施例的无人设备返航控制方法，无人设备会自主规划出航线，无需手动干预，且相比于无人设备操控员手持遥控器控制喷洒或播撒等作业更精准。无人设备在作业过程中从合适的返航点返回到补给点进行充电或者补充装载对象后，无人设备可返回到返航点继续作业，可避免例如重喷漏喷等现象。下面对该无人设备返航控制方法进行说明。
步骤S10，获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息。
本实施例中，在无人设备开机后，开始作业之前，无人设备控制器获取的预定作业对象信息、无人设备的状态信息和作业信息主要用于为无人设备选择合适的返航点。预定作业对象信息可以预先由用户测量获得，然后通过有线或无线传输方式发送给无人设备，例如，预定作业对象可以为待作业的地块，该预定作业对象的作业对象信息可以包括例如作业对象的长度信息、宽度信息、边界点位置信息等，当然，作业对象也可以是梯形、圆形等不规则形式，根据相应的形状可以提供相应的其他信息。可以由用户输入无人设备的作业起点、作业终点、每个作业行的边界点、补给点、各个返航点等的位置信息。
无人设备的状态信息可包括无人设备的电量信息(例如电池的容量信息、电量百分比信息)、装载对象信息(包括例如装载对象的类型和装载对象的重量，装载对象可以是水、农药、种子等)。作业信息可包括航行参数(例如预设行进速度、行进模式等)以及作业参数(喷洒模式时，作业参数可以包括工作的喷头数量、喷幅、喷洒流量、单位时间喷洒量等，播撒模式时，作业参数可以包括单位时间播撒量、单次播撒量等)。无人设备的状态可以通过读取相应传感器检测到的信息获取，比如利用液面高度传感器确定剩余喷洒液体，也可以利用重量传感器获取剩余种子重量。无人设备的作业信息可以通过读取用户预设的信息获得。
步骤S20，根据状态信息和作业信息确定无人设备的最大作业能力。
本实施例中，该状态信息可包括电池的电量信息、装载对象的类型和装载对象的装载量；该作业信息可包括装载对象的消耗速度。电池的电量信息可以是电池的容量信息或电量百分比信息，优选地，为了保证电量信息预测的准确性，可以先根据电池的使用寿命预估中电池的最大容量，进而根据最大容量再去评估电池的电量信息。其中，可以根据装载对象的类型去获取对应作业能力的评估模型，也就是，当装载对象的类型不同时，需要获取不同的作业能力评估模型以及不同的评估参数去综合评估其对应的作业能力。装载对象的类型可以包括图像采集模块、播撒模块和喷洒模块；当装载对象的类型为图像采集模块，获取第一评估模型和图像采集模块对应的拍照点数量以及图像采集模块的重量去评估其最大作业能力。当装载对象的类型为播撒模块或喷洒模块时，装载对象可以是药箱装载的药量、待播撒的种子量等。需要获取第二评估模型播撒模块或喷洒模块的作业信息，以及播撒模块或喷洒模块的重量去评估其最大作业能力。示范性地，消耗速度与装载对象的类型、无人设备的作业方式相对应，例如，当无人设备处于喷洒模式时，作业信息可以包括喷头数量、喷幅、喷洒流量，或者单位时间喷洒量等，当无人设备处于播撒模式时，作业信息可以包括单位时间播撒量等。
示范性地，状态信息可包括电池的电量信息和装载对象的装载量，所述作业信息包括所述装载对象的消耗速度，如图2所示，对于步骤S20，其包括：
步骤S201，根据电池的电量信息、装载量和消耗速度确定无人设备的第一作业能力。
步骤S202，根据装载量和消耗速度确定无人设备的第二作业能力。
步骤S203，将第一作业能力和第二作业能力中相对小的作业能力作为最大作业能力。
无人设备的第一作业能力可以通过无人设备的电量消耗情况来预估，可以理解，当无人设备对应的装载量不同、装载对象的消耗速度不同时，电量消耗也不同。消耗速度可以是单位时间播撒量或单位时间喷洒量。示范性地，可以先通过无人设备电池的电量信息、装载量和消耗速度预估无人设备的电量消耗，从而可以根据无人设备的电量消耗得到无人设备的连续作业时长或者作业距离作为无人设备的第一作业能力。
无人设备的第二作业能力可以通过无人设备的装载对象的消耗情况来预估，示范性地，可以根据装载量和消耗速度预估无人设备的装载对象消耗，从而可以根据无人设备的装载对象消耗得到无人设备的连续作业时长或者作业距离作为无人设备的第二作业能力。
可以理解，当无人设备电量不足或者装载对象不足时需要返航前往补给点充电或补充装载对象，为了维持无人设备的正常行进和返航以及保证无人设备上装载对象充足以便有效作业，优选地，将第一作业能力和第二作业能力中相对小的作业能力作为最大作业能力。
在一个实施方式中，如图3所示，所述获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息之后，该方法还包括步骤S15：
根据所述作业对象信息生成所述预定作业对象对应的作业路径，其中所述作业路径包括多个第一路径段和多个第二路径段，所述多个第一路径段和所述多个第二路径段连接以形成所述作业路径，所述多个第一路径段互相平行。作业对象信息可以包括边界点信息，在生成作业路径时可根据边界点信息来确定各个第一路径段和第二路径段。另外，作业对象信息可以包括作业对象的长度和宽度，在作业对象为规则形状，例如矩形时，可利用作业对象的长度和宽度信息来确定各个第一路径段和第二路径段。示范性地，例如，对于规则的地块如矩形地块来说第一路径段的方向和第二路径段的方向互相垂直，作业路径呈蛇形不断地折返延伸。在作业对象是非矩形形状(例如不规则形状、三角形、梯形等)时，第二路径段可能存在多个方向，如图5所示，作业对象为三角形，两侧的第二路径段与第一路径段并不垂直，而是沿两侧边延伸。可以理解的是，步骤S15也可以在步骤S20之后、步骤S30之前。
步骤S30，基于作业对象信息和最大作业能力确定在预定作业对象的最大作业位置。
为了简化计算，上述最大作业能力可以采用最大作业距离，在此情况下，对于步骤S30，其包括：根据各个所述第一路径段和各个所述第二路径段的长度信息以及所述最大作业距离确定在预定作业对象的最大作业位置。
为了简化计算，上述最大作业能力也可以采用最大作业时间，在此情况下，对于步骤S30，其包括：根据各个所述第一路径段和各个所述第二路径段的长度信息、所述最大作业时间以及所述行进速度确定在预定作业对象的最大作业位置。
为了更有效地维持无人设备的正常行进和返航并且保证无人设备上装载对象充足以便有效作业，优选地，最大作业能力包括最大作业距离和最大作业时间，在此情况下，如图4所示，对于步骤S30，其包括：
步骤S330，根据各个所述第一路径段和各个所述第二路径段的长度信息以及所述最大作业距离确定在预定作业对象的第一最大作业位置。
步骤S331，根据各个所述第一路径段和各个所述第二路径段的长度信息、所述最大作业时间以及所述行进速度确定在预定作业对象的第二最大作业位置。
步骤S332，将第一最大作业位置和第二最大作业位置中相对小的作业位置作为最大作业位置。
为了维持无人设备的正常行进和返航以及保证无人设备上装载对象充足以便有效作业，优选地，最大作业位置是通过比较第一最大作业位置和第二最大作业位置中相对小的作业位置得到的，其中，第一最大作业位置和第二最大作业位置分别是基于最大作业距离和最大作业时间计算得出的。
在上面的无人设备的电量消耗或者装在对象消耗计算中，考虑了第二路径段上的消耗，然而，可以理解，对于规则的地块如矩形地块来说第一路径段的方向和第二路径段的方向互相垂直，并且无人设备在第二路径段上的行进距离很小，并且在实际作业中作业对象多为大型规则地块，因此在实际计算无人设备的电量消耗或者装载对象消耗时，上述第二路径段上的消耗可以忽略不计。此外，在一种实施方式中，无人设备通常在第二路径段上不消耗装载对象，只需要计算第二路径段上的电量消耗。
步骤S40，根据最大作业位置从预设的多个返航点中匹配对应的最佳返航点。
若最大作业位置小于预设阈值位置，则可将当前位置作为所述最佳返航点，控制无人设备直接前往补给点。若最大作业位置达到或超过预定作业对象的作业终点，则可将作业终点作为最佳返航点。
示范性地，上述预设阈值位置可以为目标作业对象的总作业任务量的预定比例的位置，例如总作业任务量的10％的位置，或者为两个第一路径段的位置。当无人设备完成作业任务量低于一定比例时，为了避免无人设备电量过低无法完成返航或者装载对象过少无法正常行进，以及减少无人设备因电量过低或装载对象过少频繁返航补给而造成无效能耗，将控制无人设备不开始作业直接前往补给点进行充电或补充装载对象。
当然，当无人设备能完成预定作业对象的作业任务时，在无人设备完成作业任务后再进行返航，示范性地，当最大作业位置达到或超过预定作业对象的作业终点时，将作业终点作为最佳返航点。
示范性地，可以在每个第一路径段上设置至少两个返航点，返航点将每个第一路径段划分为多个作业区间，各个作业区间的端点仅包括所述无人设备的作业方向上的上游返航点。作业方向即无人设备的行进方向，存在多个返航点时，无人设备作业过程中，先经过上游返航点再向下游返航点行进。
在一个实施方式中，步骤S10之后，还包括根据所述作业对象信息生成所述预定作业对象对应的作业路径，所述第一路径段上设置有多个返航点。
示范性地，对于步骤S40，可包括：根据所述最大作业位置从所述作业路径中确定出所述最大作业位置对应目标第一路径段。
根据所述最大作业位置与所述多个返航点的位置关系，从所述多个返航点中选取目标返航点作为最佳返航点。优选地，所述多个返航点将所述第一路径段划分为多个作业区间，各个作业区间的端点仅包括所述无人设备的作业方向上的上游返航点，最大作业位置落在任一作业区间时，确定任一作业区间中的上游返航点作为最佳返航点。
例如，如图5所示，针对作业对象形状规则的情况，可设置三个返航点，沿作业方向依次设置在第一路径段的起始位置为返航点1、二分之一行程位置为返航点2和四分之三行程位置为返航点3，当无人设备的最大作业位置在返航点1、返航点2之间的区间上时，其中，该区间端点仅包括第一路径段(即作业行)的起始位置，此时无人设备的最佳返航点选择为区间端点即第一路径段的起始位置即返航点1；当无人设备的最大作业位置在返航点2、返航点3之间的区间上时，此时无人设备的最佳返航点选择为该作业区间的区间端点即返航点2；当无人设备的最大作业位置在返航点3、第一路径段的边界点之间的区间上时，此时无人设备的最佳返航点选择为返航点3。
示范性地，当无人设备在诸如矩形的规则作业对象上作业时，在第二路径段此时第二路径段的长度很短，可以忽略不计，在判断最大作业位置位于的区间时可以仅考虑最大作业位置位于第一路径段上的情况。此外，在一种实施方式中，根据实际作业环境的不同以及作业对象形状的不规则性，无人设备在第二路径段上的路径长度对计算最大作业位置以及判断最大作业位置所处区间影响较大时，确定目标第一路径段的方式可分为两种情况：当最大作业位置位于第一路径段时，将该第一路径段作为目标第一路径段；当最大作业位置位于第二路径段时，根据无人设备的作业方向将前一第一路径段中与上述最大作业位置距离最近的返航点作为最佳返航点。
例如，如图6所示，针对作业对象形状不规则的情况，可设置三个返航点，沿作业方向依次设置在第一路径段的起始位置为返航点1、二分之一行程位置为返航点2和四分之三行程位置为返航点3。当无人设备的最大作业位置在第一路径段上的返航点1、返航点2之间的区间上时，此时无人设备的最佳返航点选择为返航点1；当无人设备的最大作业位置在第一路径段上的返航点2、返航点3之间的区间上时，此时无人设备的最佳返航点选择为该作业区间的区间端点即返航点2；当无人设备的最大作业位置在第一路径段上的返航点3、第一路径段的边界点之间的区间上时，此时无人设备的最佳返航点选择为返航点3；当无人设备的最大作业位置在第二路径段上时即前一第一路径段的边界点和后一第一路径段的返航点1之间的区间上时，此时无人设备的最佳返航点选择为中与上述最大作业位置距离最近的返航点，即返航点3作为最佳返航点。
无人设备返航时的一种优选方式是：先从最佳返航点行进至对应第一路径段的靠近补给点的边界点，然后从边界点行进至补给点，可以理解，补给点的位置设置可以提前经过地形考察后选择，补给点、边界点以及返航点的位置信息可以提前输入至无人设备，因而在设置的返航点和补给点之间无需进行避障即可以实现无人设备的直线返航，无需在无人设备上设置障碍检测传感器，也无需进行避障计算，不仅可以进一步降低无人设备的成本，而且由于无需避障计算，可以降低无人设备的功耗。此外，可以理解，相比于通过计算无人设备的上一次的随机作业结束点和边界点之间的距离来确定无人设备继续作业位置的方法，本发明实施例中，无人设备在补给后再次作业时可以直接从预先设置的返航点开始继续作业，由于返航点的位置信息提前输入至无人设备，在实现断点接续作业并且避免重复作业或漏作业现象的同时，无需计算无人设备的上一次的随机作业结束点和边界点之间距离，不仅可以降低无人设备的软件成本、而且可以进一步降低无人设备的功耗。
相比在每个第一路径段上仅在靠近补给点设置一个返航点，可避免频繁地往返补给点以及补给量更少的问题。例如，如图5所示，上述返航点1和返航点2之间的区间构成第一区间，返航点2和返航点3之间的区间构成第二区间，返航点3和第一路径段的边界点之间的区间构成第三区间，当无人设备的最大作业位置在第二区间上时，无人设备不用在刚行进至返航点1时就返航，而是可以先作业到返航点2再从返航点2行进至对应第一路径段的靠近补给点的边界点，然后从边界点行进至补给点，从而在无人设备的电量或装载对象还能够完成一部分作业时，尽可能多地完成作业任务，而不是在电量或装载对象还有剩余的时候便过早地返航补给，避免了更频繁地往返补给点以及补给量更少的问题。
在一种实施方式中，可选地，如图7所示，该方法还包括：
步骤S710，在无人设备作业过程中，根据作业对象信息、无人设备的当前状态信息和当前作业信息更新最大作业位置。
步骤S720，根据更新后的最大作业位置从预设的多个返航点中重新匹配对应的最佳返航点。
可以理解，无人设备在作业过程中由于实际作业情况中存在各种复杂因素的影响如风力等，在无人设备作业之前预估的最大作业位置可能不完全符合无人设备的实际作业情况，进而可能会导致最佳返航点的选择有误差，进而造成因无人设备的电量不足无法正常返航或者因装载对象不足而进行无效作业。在无人设备作业过程中，根据预定作业对象信息、无人设备的当前状态信息和当前作业信息更新最大作业位置，并根据更新后的最大作业位置从预设的多个返航点中重新匹配对应的最佳返航点，可以，从而可以更好地实现无人设备的正常行进和返航以及保证无人设备上装载对象充足以便有效作业。
进一步可选地，该方法还包括：在无人设备行进至第一路径段的边界点时，触发更新最大作业位置的步骤。
示范性地，触发更新的边界点为靠近补给点一侧的边界点。
通常，无人设备设置为在返航时先从最佳返航点行进至对应第一路径段的靠近补给点的边界点，然后从边界点行进至补给点，在触发更新的边界点为靠近补给点一侧的边界点的情况下，若在补给侧边界点发现无人设备电量或装载对象接近不足、需要进行补给情况，可以及时将该边界点确定为最佳返航点，从而能够以最短的距离返航至补给点，提高工作效率，降低无效能耗。
进一步可选地，该方法还包括：
若最佳返航点为第一路径段上的二分之一行程位置时，在无人设备行进至与最大作业位置相邻的预定数量的边界点时，触发更新最大作业位置的步骤。
若最佳返航点为第一路径段上的四分之三行程位置时，在无人设备行进至每个边界点时，触发更新最大作业位置的步骤。
通常地，无人设备作业之前预估的最大作业位置位于的区间在无人设备作业过程中受其他因素影响可能导致更新后的最大作业位置发生变化，可以理解，最佳返航点为第一路径段上的二分之一行程位置时，无人设备作业之前预估的最大作业位置的误差相对较小。为了在无人设备的电量或装载对象还能够完成一部分作业时，尽可能多地完成作业任务，更加准确地选择最佳返航点，示范性地，最佳返航点为第一路径段上的二分之一行程位置时，在无人设备行进至与最大作业位置相邻的预定数量的边界点时，触发更新最大作业位置的步骤。例如，在无人设备行进至与最大作业位置相邻的两个边界点时，触发更新最大作业位置的步骤，可以理解是最大作业位置上游的两个边界点。
通常地，当最佳返航点为第一路径段上的四分之三行程位置时，无人设备作业之前预估的最大作业位置位于的区间更加远离第一路径段的起始位置，可以理解，当无人设备距离第一路径段的起始位置越远，无人设备的电量或装载对象消耗更大，无人设备的电量不足无法正常返航或者因装载对象不足而进行无效作业的可能性就会更大，此外，无人设备在作业过程中由于实际作业情况中存在各种复杂因素的影响如风速等，在无人设备作业之前预估的最大作业位置的误差就会更大，进而可能会导致最佳返航点的选择有误差。为了避免上述情况，示范性地，若最佳返航点为第一路径段上的四分之三行程位置时，在无人设备行进至每个边界点时，触发更新最大作业位置的步骤。
可以理解，本实施例的无人设备返航控制方法在获取预定作业对象信息、无人设备的状态信息和作业信息后，根据状态信息和作业信息确定无人设备的最大作业能力，基于所述作业对象信息所述作业对象信息和所述最大作业能力确定在预定作业对象的最大作业位置，再根据最大作业位置从预设的多个返航点中匹配对应的最佳返航点，这样不仅能够保证无人设备的正常行进和返航的电量以及保证无人设备上装载对象充足以便有效作业，同时在无人设备的电量或装载对象还能够完成一部分作业时，尽可能多地完成作业任务，而不是在电量或装载对象还有剩余的时候便过早地返航补给，避免了更频繁地往返补给点以及补给量更少的问题，通过该方法可以实现往返补给的电量消耗和作业效率之间的较好平衡。
实施例2
请参照图8，基于上述实施例的方法，本实施例提出一种无人设备返航控制装置100，该装置包括：
获取模块10，用于获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息；
作业能力确定模块20，用于根据状态信息和作业信息确定无人设备的最大作业能力；
作业位置确定模块30，用于基于作业对象信息和最大作业能力确定在预定作业对象的最大作业位置；
选择模块40，用于根据最大作业位置从预设的多个返航点中匹配对应的最佳返航点。
可选地，还可包括更新模块，用于在无人设备作业过程中，根据作业对象信息、无人设备的当前状态信息和当前作业信息更新最大作业位置；
进一步可选地，选择模块40还用于最大作业位置落在任一作业区间时，确定任一作业区间中的上游返航点作为最佳返航点；还用于根据更新后的最大作业位置从预设的多个返航点中重新匹配对应的最佳返航点。
在一种实施方式中，无人设备返航控制装置100还可包括触发模块，用于在无人设备行进至第一路径段的边界点时，触发更新最大作业位置的步骤。
可以理解，本实施例的各模块对应于上述实施例1的各步骤，上述实施例1中的任意可选项同样适用于本实施例，故在此不再详述。
本申请还提供了一种无人设备，示范性地，该无人设备包括存储器和处理器，存储器存储有计算机程序，处理器用于执行计算机程序以实施上述实施例的无人设备返航控制方法。无人设备包括无人机、无人车和无人船。
本申请还提供了一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行上述的无人设备返航控制方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (16)
1.一种无人设备返航控制方法，其特征在于，包括：
获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息；
根据所述状态信息和所述作业信息确定所述无人设备的最大作业能力；
基于所述作业对象信息和所述最大作业能力确定在所述预定作业对象的最大作业位置；
根据所述最大作业位置从预设的多个返航点中匹配对应的最佳返航点。
2.根据权利要求1所述的方法，其特征在于，所述状态信息包括电池的电量信息和装载对象的装载量；所述作业信息包括所述装载对象的消耗速度；
所述根据所述状态信息和所述作业信息确定所述无人设备的最大作业能力，包括：
根据所述电池的电量信息、所述装载量和所述消耗速度确定所述无人设备的第一作业能力；
根据所述装载量和所述消耗速度确定所述无人设备的第二作业能力；
将所述第一作业能力和所述第二作业能力中相对小的作业能力作为所述最大作业能力。
3.根据权利要求1所述的方法，其特征在于，所述获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息之后，还包括：
根据所述作业对象信息生成所述预定作业对象对应的作业路径，其中所述作业路径包括多个第一路径段和多个第二路径段，所述多个第一路径段和所述多个第二路径段连接以形成所述作业路径，所述多个第一路径段互相平行，所述第一路径段上设置有多个返航点；
所述根据所述最大作业位置从预设的多个返航点中匹配对应的最佳返航点，包括：
根据所述最大作业位置从所述作业路径中确定出所述最大作业位置对应的目标第一路径段；
根据所述最大作业位置与所述多个返航点的位置关系，从所述多个返航点中选取目标返航点作为最佳返航点。
4.根据权利要求3所述的方法，其特征在于，包括：所述多个返航点将所述第一路径段划分为多个作业区间，各个作业区间的端点仅包括所述无人设备的作业方向上的上游返航点；
所述根据所述最大作业位置与所述多个返航点的位置关系，从所述多个返航点中选取目标返航点作为最佳返航点，包括：
当所述最大作业位置落在任一作业区间时，确定所述任一作业区间中的所述上游返航点作为所述最佳返航点。
5.根据权利要求3所述的方法，其特征在于，在每个所述第一路径段上设置三个返航点，沿作业方向依次设置在所述第一路径段的起始位置、二分之一行程位置和四分之三行程位置。
6.根据权利要求3所述的方法，其特征在于，还包括：
在所述无人设备作业过程中，根据所述作业对象信息、所述无人设备的当前状态信息和当前作业信息更新所述最大作业位置；
根据更新后的最大作业位置从预设的多个返航点中重新匹配对应的最佳返航点。
7.根据权利要求6所述的方法，其特征在于，在所述无人设备行进至所述第一路径段的边界点时，触发所述更新所述最大作业位置的步骤。
8.根据权利要求7所述的方法，其特征在于，触发所述更新的边界点为靠近补给点一侧的边界点。
9.根据权利要求6所述的方法，其特征在于，若所述最佳返航点为所述第一路径段上的二分之一行程位置时，在所述无人设备行进至与所述最大作业位置相邻的预定数量的边界点时，触发所述更新所述最大作业位置的步骤；
若所述最佳返航点为所述第一路径段上的四分之三行程位置时，在所述无人设备行进至每个边界点时，触发所述更新所述最大作业位置的步骤。
10.根据权利要求1所述的方法，其特征在于，所述根据所述最大作业位置从预设的多个返航点中匹配对应的最佳返航点，包括：
若所述最大作业位置小于预设阈值位置，则将当前位置作为所述最佳返航点，控制所述无人设备直接前往补给点；
若所述最大作业位置达到或超过所述预定作业对象的作业终点，则将所述作业终点作为所述最佳返航点。
11.根据权利要求1所述的方法，其特征在于，所述最大作业能力为最大作业距离；所述获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息之后，还包括：
根据所述作业对象信息生成所述预定作业对象对应的作业路径，其中所述作业路径包括多个第一路径段和多个第二路径段，所述多个第一路径段和所述多个第二路径段连接以形成所述作业路径，所述多个第一路径段互相平行；
所述基于根据所述作业对象信息和所述最大作业能力确定在所述预定作业对象的最大作业位置，包括：
根据各个所述第一路径段和各个所述第二路径段的长度信息以及所述最大作业距离确定在所述预定作业对象的最大作业位置。
12.根据权利要求1所述的方法，其特征在于，所述最大作业能力为最大作业时间；所述作业信息包括行进速度；所述获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息之后，还包括：
根据所述作业对象信息生成所述预定作业对象对应的作业路径，其中所述作业路径包括多个第一路径段和多个第二路径段，所述多个第一路径段和所述多个第二路径段连接以形成所述作业路径，所述多个第一路径段互相平行；
所述基于所述作业对象信息和所述最大作业能力确定在所述预定作业对象的最大作业位置，包括：
根据各个所述第一路径段和各个所述第二路径段的长度信息、所述最大作业时间以及所述行进速度确定在所述预定作业对象的最大作业位置。
13.根据权利要求1所述的方法，其特征在于，所述最大作业能力包括最大作业距离和最大作业时间；所述作业信息包括行进速度；所述获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息之后，还包括：
根据所述作业对象信息生成所述预定作业对象对应的作业路径，其中所述作业路径包括多个第一路径段和多个第二路径段，所述多个第一路径段和所述多个第二路径段连接以形成所述作业路径，所述多个第一路径段互相平行；
所述基于所述作业对象信息和所述最大作业能力确定在所述预定作业对象的最大作业位置，包括：
根据各个所述第一路径段和各个所述第二路径段的长度信息以及所述最大作业距离确定在所述预定作业对象的第一最大作业位置；
根据各个所述第一路径段和各个所述第二路径段的长度信息、所述最大作业时间以及所述行进速度确定在所述预定作业对象的第二最大作业位置；
将所述第一最大作业位置和所述第二最大作业位置中相对小的作业位置作为所述最大作业位置。
14.一种无人设备返航控制装置，其特征在于，包括：
获取模块，用于获取预定作业对象的作业对象信息、无人设备的状态信息和作业信息；
作业能力确定模块，用于根据所述状态信息和所述作业信息确定所述无人设备的最大作业能力；
作业位置确定模块，用于基于所述作业对象信息和所述最大作业能力确定在所述预定作业对象的最大作业位置；
选择模块，用于根据所述最大作业位置从预设的多个返航点中匹配对应的最佳返航点。
15.一种无人设备，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器上运行时执行权利要求1至13任一项所述的无人设备返航控制方法。
16.一种可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至13任一项所述的无人设备返航控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011627517.5A CN112783208A (zh) | 2020-12-31 | 2020-12-31 | 一种无人设备返航控制方法、装置及无人设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011627517.5A CN112783208A (zh) | 2020-12-31 | 2020-12-31 | 一种无人设备返航控制方法、装置及无人设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112783208A true CN112783208A (zh) | 2021-05-11 |
Family
ID=75754584
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011627517.5A Pending CN112783208A (zh) | 2020-12-31 | 2020-12-31 | 一种无人设备返航控制方法、装置及无人设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112783208A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114184195A (zh) * | 2021-12-14 | 2022-03-15 | 广州极飞科技股份有限公司 | 路径搜索方法、装置、无人设备及存储介质 |
| CN114442657A (zh) * | 2021-12-22 | 2022-05-06 | 广州极飞科技股份有限公司 | 无人设备作业方法、装置、设备和存储介质 |
| CN114779824A (zh) * | 2022-06-20 | 2022-07-22 | 成都翼比特自动化设备有限公司 | 一种无人机智能返航的方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105222779A (zh) * | 2015-08-26 | 2016-01-06 | 北京农业智能装备技术研究中心 | 植保无人机的航迹规划方法及装置 |
| US20170286892A1 (en) * | 2016-03-30 | 2017-10-05 | Paypal, Inc. | Unmanned aerial vehicle delivery system |
| CN107924188A (zh) * | 2016-07-04 | 2018-04-17 | 深圳市大疆创新科技有限公司 | 一种无人机的飞行路径规划、控制方法及系统 |
| US20180216947A1 (en) * | 2017-01-27 | 2018-08-02 | Panasonic Intellectual Property Corporation Of America | Vehicle control apparatus and vehicle control method |
| US20180286252A1 (en) * | 2017-03-30 | 2018-10-04 | Electronics And Telecommunications Research Instit Ute | Method for operating unmanned delivery device and system for the same |
| CN108700892A (zh) * | 2017-09-27 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 一种路径调整方法及无人机 |
| CN109090076A (zh) * | 2018-06-14 | 2018-12-28 | 华南农业大学 | 一种无人机喷施规划方法 |
| CN109946998A (zh) * | 2017-12-20 | 2019-06-28 | 翔升（上海）电子技术有限公司 | 无人机牧场续航方法及系统 |
| CN109991995A (zh) * | 2017-12-29 | 2019-07-09 | 西安远智电子科技有限公司 | 一种无人机返航方法及装置 |
| CN110275544A (zh) * | 2019-04-16 | 2019-09-24 | 上海大学 | 一种植保无人机航线规划方法 |
| CN111712773A (zh) * | 2019-07-09 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 一种无人机协同作业的控制方法、电子设备及系统 |
-
2020
- 2020-12-31 CN CN202011627517.5A patent/CN112783208A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105222779A (zh) * | 2015-08-26 | 2016-01-06 | 北京农业智能装备技术研究中心 | 植保无人机的航迹规划方法及装置 |
| US20170286892A1 (en) * | 2016-03-30 | 2017-10-05 | Paypal, Inc. | Unmanned aerial vehicle delivery system |
| CN107924188A (zh) * | 2016-07-04 | 2018-04-17 | 深圳市大疆创新科技有限公司 | 一种无人机的飞行路径规划、控制方法及系统 |
| CN109478060A (zh) * | 2016-07-04 | 2019-03-15 | 深圳市大疆创新科技有限公司 | 航空作业支持和实时管理 |
| US20180216947A1 (en) * | 2017-01-27 | 2018-08-02 | Panasonic Intellectual Property Corporation Of America | Vehicle control apparatus and vehicle control method |
| US20180286252A1 (en) * | 2017-03-30 | 2018-10-04 | Electronics And Telecommunications Research Instit Ute | Method for operating unmanned delivery device and system for the same |
| CN108700892A (zh) * | 2017-09-27 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 一种路径调整方法及无人机 |
| CN109946998A (zh) * | 2017-12-20 | 2019-06-28 | 翔升（上海）电子技术有限公司 | 无人机牧场续航方法及系统 |
| CN109991995A (zh) * | 2017-12-29 | 2019-07-09 | 西安远智电子科技有限公司 | 一种无人机返航方法及装置 |
| CN109090076A (zh) * | 2018-06-14 | 2018-12-28 | 华南农业大学 | 一种无人机喷施规划方法 |
| CN110275544A (zh) * | 2019-04-16 | 2019-09-24 | 上海大学 | 一种植保无人机航线规划方法 |
| CN111712773A (zh) * | 2019-07-09 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 一种无人机协同作业的控制方法、电子设备及系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114184195A (zh) * | 2021-12-14 | 2022-03-15 | 广州极飞科技股份有限公司 | 路径搜索方法、装置、无人设备及存储介质 |
| CN114184195B (zh) * | 2021-12-14 | 2024-04-26 | 广州极飞科技股份有限公司 | 路径搜索方法、装置、无人设备及存储介质 |
| CN114442657A (zh) * | 2021-12-22 | 2022-05-06 | 广州极飞科技股份有限公司 | 无人设备作业方法、装置、设备和存储介质 |
| CN114442657B (zh) * | 2021-12-22 | 2023-12-05 | 广州极飞科技股份有限公司 | 无人设备作业方法、装置、设备和存储介质 |
| CN114779824A (zh) * | 2022-06-20 | 2022-07-22 | 成都翼比特自动化设备有限公司 | 一种无人机智能返航的方法及系统 |
| CN114779824B (zh) * | 2022-06-20 | 2022-09-23 | 成都翼比特自动化设备有限公司 | 一种无人机智能返航的方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112783208A (zh) | 一种无人设备返航控制方法、装置及无人设备 | |
| US8360343B2 (en) | Methods and systems for executing fluid delivery mission | |
| US9805317B2 (en) | Methods and systems for controlling fluid delivery missions on a site | |
| US10429831B2 (en) | Adjusting industrial vehicle performance | |
| Oksanen et al. | Coverage path planning algorithms for agricultural field machines | |
| CN104709279B (zh) | 用于农用车辆的带有稳定性控制的自动导引系统 | |
| US20210302962A1 (en) | Harvester, Harvesting System, Harvesting Method, Harvesting Program and Recording Medium | |
| US20140180579A1 (en) | Machine positioning system utilizing position error checking | |
| CN111483345B (zh) | 无人机的充电控制方法、装置及存储介质、电子设备 | |
| CN104641254A (zh) | 使用射频信号的定位系统 | |
| US20140122162A1 (en) | Efficiency System | |
| WO2019167199A1 (ja) | 制御装置、移動体及びプログラム | |
| US11492111B2 (en) | Replenishment planning device and replenishment planning method | |
| EP4099121A1 (en) | Area coverage planner | |
| EP4095644B1 (en) | Methods of area coverage planning with spread material replenishment planning | |
| CN112668792B (zh) | 补给规划方法、作业方法及相关装置 | |
| WO2021076463A1 (en) | System and method for worksite project tracking | |
| CN112668793B (zh) | 补给点位确定方法、作业规划方法及相关装置 | |
| CN114111780A (zh) | 一种定位误差校正方法、装置、自移动设备及系统 | |
| JP2020018220A (ja) | 作業管理システム及び作業管理方法 | |
| CN114200916A (zh) | 一种自移动设备及回归充电站的方法 | |
| CN112665594B (zh) | 作业路径规划方法及相关装置 | |
| CN114115211A (zh) | 一种自移动设备及系统及建立工作区域地图的方法 | |
| Zhang et al. | Five-tiered route planner for multi-AUV accessing fixed nodes in uncertain ocean environments | |
| US20140145876A1 (en) | Machine navigation system utilizing scale factor adjustment |
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 |