CN113359700B - 基于5g的无人驾驶拖拉机智能作业系统 - Google Patents
基于5g的无人驾驶拖拉机智能作业系统 Download PDFInfo
- Publication number
- CN113359700B CN113359700B CN202110501187.3A CN202110501187A CN113359700B CN 113359700 B CN113359700 B CN 113359700B CN 202110501187 A CN202110501187 A CN 202110501187A CN 113359700 B CN113359700 B CN 113359700B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- tractor
- path
- information
- aerial vehicle
- 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
- 230000008447 perception Effects 0.000 claims abstract description 12
- 230000004888 barrier function Effects 0.000 claims description 21
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000014443 Pyrus communis Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G05D1/02—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
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- G05D1/02—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
- G05D1/0251—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 3D information from a plurality of images taken from different locations, e.g. stereo vision
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Optics & Photonics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及智能作业系统技术领域，具体涉及一种基于5G的无人驾驶拖拉机智能作业系统，本发明通过令拖拉机沿着未考虑障碍物的期望作业路径进行作业，并在作业的同时采集车辆的感知信息，并通过5G网络将感知信息传输至云计算端对障碍物进行识别，利用车载无人机及时完善障碍物的长度信息，并基于占用的栅格对期望作业路径进行调整，得到可绕过障碍物的实际作业路径，车辆按照实际作业路径行驶即可实现对障碍物的避让。在拖拉机到达期望作业路径的终点后，基于未作业区域生成重规划路径，得到重规划路径后，拖拉机沿着重规划路径进行作业，使拖拉机针对未作业区域进行作业，有效提高整个作业区域的完成度。
Description
技术领域
本发明涉及智能作业系统技术领域，具体涉及一种基于5G的无人驾驶拖拉机智能作业系统。
背景技术
农田作业通常是由驾驶员驾驶挂装有作业装置的拖拉机在田间进行灌溉、梨地等各类作业。随着近年无人驾驶技术和5G通信技术的发展，在拖拉机上运用无人驾驶实现智能作业的需求也逐渐增强，
现有的用于农田的拖拉机智能作业系统通常需要提前采集农田间间的障碍物信息，再基于已知的障碍物信息对无人架势拖拉机进行路径规划。
提前获取障碍物信息再进行路径规划的方法时效性较差，由于农田的环境复杂，在作业时会遇到各类动植物或小型石块等障碍物，进而造成某个区域没有进行作业。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于5G的无人驾驶拖拉机智能作业系统，解决了现有的用于农田的拖拉机智能作业系统时效性较差的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于5G的无人驾驶拖拉机智能作业系统，包括：
作业区域信息导入模块，用于导入作业区域的数字化地图；
期望作业路径规划模块，用于基于作业区域的数字化地图生成拖拉机的期望作业路径；
感知信息获取模块，用于从拖拉机端获取拖拉机作业时采集的拖拉机前方的感知信息；
障碍物识别模块，用于识别和追踪所述感知信息中障碍物信息；所述障碍物信息包括障碍物的高度、宽度、位置和类型；所述障碍物类型包括可动障碍物和不可动障碍物；
障碍物长度获取模块，用于控制车载无人机移动至障碍物上方获取俯视图，再计算出障碍物的长度；
实际作业路径生成模块，用于在获取障碍物长度后，基于障碍物信息和障碍物长度生成绕过障碍物的实际作业路径；
未作业区域生成模块，用于基于障碍物信息生成未作业区域；
重规划模块，用于在拖拉机到达期望作业路径的终点后，基于未作业区域生成重规划路径。
进一步的，所述期望作业路径规划模块基于作业区域的数字化地图生成拖拉机的期望作业路径，包括：
将作业区域的数字化地图栅格化；
生成经过所有栅格的期望作业路径。
进一步的，所述实际作业路径生成模块在获取障碍物长度后，基于障碍物信息和障碍物长度生成绕过障碍物的实际作业路径，包括：
基于障碍物信息和障碍物的长度，获取障碍物所占栅格；
基于障碍物所占栅格，更新实际作业路径。
进一步的，所述未作业区域生成模块基于障碍物信息生成未作业区域，包括：
获取所有障碍物的障碍物信息，筛选出其中的可动障碍物；
将可动障碍物所占栅格作为未作业区域。
进一步的，所述重规划模块基于在拖拉机到达期望作业路径的终点后，未作业区域生成重规划路径，包括：
获取拖拉机当前位置和未作业区域；
生成以拖拉机当前位置为起点且经过未作业区域对应的栅格的重规划路径。
进一步的，所述障碍物长度获取模块控制车载无人机移动至障碍物上方获取俯视图，再计算出障碍物的长度，包括：
基于拖拉机实时位置和障碍物位置计算无人机最小飞行速度vmin；且计算公式为：
其中，
dn为障碍物实时距离；
tre为拖拉机做出避障反应的最大延迟时长，
ds为预设安全距离，vm为拖拉机的实时速度；
th为无人机升空耗时，
dh为障碍物高度，h0为预设高度增量，vh为无人机上升速度；
tc为从无人机采集障碍物的俯视图-计算出障碍物的长度-生成绕过障碍物的实际作业路径-拖拉机开始避障的总耗时；
按照无人机最小飞行速度vmin控制车载无人机从拖拉机飞至障碍物的上方采集障碍物俯视图；
基于障碍物俯视图和障碍物的宽度，计算出障碍物的长度。
进一步的，还包括紧急停车模块，用于当无人机最小飞行速度vmin大于无人机最大速度时，控制拖拉机停止前进，得到实际作业路径后在继续前进。
(三)有益效果
本发明通过令拖拉机沿着未考虑障碍物的期望作业路径进行作业，并在作业的同时采集车辆的感知信息，并通过5G网络将感知信息传输至云计算端对障碍物进行识别，且在识别到障碍物后，利用车载无人机及时完善障碍物的长度信息，进而计算出障碍物占用的栅格，并基于占用的栅格对期望作业路径进行调整，得到可绕过障碍物的实际作业路径，车辆按照实际作业路径行驶即可实现对障碍物的避让。同时考虑到拖拉机在沿期望作业路径行驶时遇到障碍物进行避让后会产生未作业区域，在拖拉机到达期望作业路径的终点后，基于未作业区域生成重规划路径，得到重规划路径后，拖拉机沿着重规划路径进行作业，使拖拉机针对未作业区域进行作业，有效提高整个作业区域的完成度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的系统框图；
图2为本发明实施例的期望作业路径的示意图；
图3为本发明实施例的实际作业路径的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请实施例通过提供一种基于5G的无人驾驶拖拉机智能作业系统，解决了现有的用于农田的拖拉机智能作业系统时效性较差的问题。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例1
本发明实施例提出了一种基于5G的无人驾驶拖拉机智能作业系统，参见图1，包括：云计算端以及与其通过5G移动网络实现数据传输的拖拉机端；
拖拉机端包括拖拉机无人架势控制系统和可拍摄影像的无人机及其控制系统；
云计算端包括：
作业区域信息导入模块，用于导入作业区域的数字化地图；作业区域的数字化地图包含作业区域的边界。
期望作业路径规划模块，用于基于作业区域的数字化地图生成拖拉机的期望作业路径；具体包括如下步骤：
S21、将作业区域的数字化地图栅格化；
S22、生成经过所有栅格的期望作业路径。
举例说明，如图2所示，每隔由实线构成的正方形即为栅格，得到的期望作业路径以虚线表示，期望作业路径是不考虑障碍物的情况下，拖拉机在整个作业区域内的行驶路线。这样拖拉机可以先沿期望作业路径进行作业，并在作业的过程中实时对障碍物进行监测，如果遇到障碍物，就对障碍物进行规避，规避后再重新回到期望作业路径。
而为了实现在作业的过程中实时对障碍物进行监测，拖拉机端需要装配有可以感知拖拉机前方障碍物的感知模块，具体可以采用激光雷达、摄像机、毫米波雷达等一种或多种设备来实现，当获取到感知信息后，可通过5G网络传输至云计算端的感知信息获取模块，用于从拖拉机端获取拖拉机作业时采集的拖拉机前方的感知信息。
在获取到感知信息后，需要对通过障碍物识别模块识别和追踪感知信息中障碍物信息；具体可采用现有的障碍物识别算法进行识别、追踪及分类。
由于角度限制，障碍物信息包括障碍物的高度、宽度、位置和类型；障碍物类型包括可动障碍物和不可动障碍物。在田间，可动障碍物可能是各类动物，也可能是被风吹起的塑料袋等杂物，而不可动障碍物可能是各类植物或是石块等。
受限于拖拉机端的数据采集角度，无法很好的获取障碍物的长度，会影响后续对障碍物的规避，因此需要通过障碍物长度获取模块控制车载无人机移动至障碍物上方获取俯视图，再计算出障碍物的长度；具体包括如下步骤：
S41、基于拖拉机实时位置和障碍物位置计算无人机最小飞行速度vmin；且计算公式为：
其中，
dn为障碍物实时距离；由于车辆的实时位置和障碍物位置是已知量，可求出障碍物实时距离；
tre为拖拉机做出避障反应的最大延迟时长，
ds为预设安全距离，vm为拖拉机的实时速度。超过最大延迟时长后，车辆与障碍物实时距离就会小于安全距离，需要进行执行更新的实际作业路径或是停车来保证安全。
th为无人机升空耗时，与障碍物的高度正相关，
dh为障碍物高度，h0为预设高度增量，以保证拍摄障碍物的画面完整，vh为无人机上升速度；
tc为从无人机采集障碍物的俯视图-计算出障碍物的长度-生成绕过障碍物的实际作业路径-拖拉机开始避障的总耗时，其中由于无人机的宽度为已知量，根据比例即可算出俯视图中障碍物和长度；
S42、按照无人机最小飞行速度vmin控制车载无人机从拖拉机飞至障碍物的上方采集障碍物俯视图；
S43、基于障碍物俯视图和障碍物的宽度，计算出障碍物的长度。
无人机也可设置在其他位置，考虑到尽快采集图像，放置在拖拉机上为最优，且在拍摄障碍物的俯视图后，将图像上传到云计算端，由云计算端完成障碍物的长度计算，并得到实际作业路径，最后在将实际作业路径下发至拖拉机端，以执行实际作业路径。
如果无人机最小飞行速度vmin大于无人机最大速度，则说明无人机无法及时的拍摄障碍物，会导致拖拉机端无法及时的做出避让动作，因此为了进一步提高安全性，还可设置紧急停车模块，用于当无人机最小飞行速度vmin大于无人机最大速度时，控制拖拉机停止前进，得到实际作业路径后在继续前进。
在得到障碍物的长度后，即可得到障碍物的三维尺寸，因此，可通过实际作业路径生成模块在获取障碍物长度后，基于障碍物信息和障碍物长度生成绕过障碍物的实际作业路径；具体包括如下步骤：
S51、基于障碍物信息和障碍物的长度，获取障碍物所占栅格；
S52、基于障碍物所占栅格，对期望作业路径进行调整，得到可绕过障碍物的实际作业路径。
如图3所示，障碍物所占栅格以阴影区域表示，而实际作业路径为粗实线表示。
车辆按照实际作业路径行驶即可实现对障碍物的避让，但车辆避让后，该障碍物所在区域并没有进行作业，因此需要通过未作业区域生成模块基于障碍物信息生成未作业区域；
未作业区域是实际可以进行作业的区域，但是由于拖拉机在沿期望作业路径行驶时遇到障碍物进行避让后产生的，因此需要根据不同的障碍物类型对未作业区域进行判定，而可动障碍物所在区域即满足调节，因此具体包括如下步骤：
S61、获取所有障碍物的障碍物信息，筛选出其中的可动障碍物；
S62、将可动障碍物所占栅格作为未作业区域。
在得到未作业区域后，即可针对未作业区域进行规划，可利用重规划模块在拖拉机到达期望作业路径的终点后，基于未作业区域生成重规划路径；具体包括如下步骤：
S71、获取拖拉机当前位置和未作业区域；其中拖拉机可以为原本在该区域作业的拖拉机，也可以是其他可用的拖拉机。
S72、生成以拖拉机当前位置为起点且经过未作业区域对应的栅格的重规划路径。
得到重规划路径后，拖拉机沿着重规划路径进行作业，使拖拉机针对未作业区域进行作业，有效提高整个作业区域的完成度。
综上，与现有技术相比，具备以下有益效果：
1、本发明通过令拖拉机沿着未考虑障碍物的期望作业路径进行作业，并在作业的同时采集车辆的感知信息，并通过5G网络将感知信息传输至云计算端对障碍物进行识别，且在识别到障碍物后，利用车载无人机及时完善障碍物的长度信息，进而计算出障碍物占用的栅格，并基于占用的栅格对期望作业路径进行调整，得到可绕过障碍物的实际作业路径，车辆按照实际作业路径行驶即可实现对障碍物的避让。同时考虑到拖拉机在沿期望作业路径行驶时遇到障碍物进行避让后会产生未作业区域，在拖拉机到达期望作业路径的终点后，基于未作业区域生成重规划路径，得到重规划路径后，拖拉机沿着重规划路径进行作业，使拖拉机针对未作业区域进行作业，有效提高整个作业区域的完成度。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、方法、物品或者设备不仅包括那些要素，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、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于5G的无人驾驶拖拉机智能作业系统，其特征在于，包括：
作业区域信息导入模块，用于导入作业区域的数字化地图；
期望作业路径规划模块，用于基于作业区域的数字化地图生成拖拉机的期望作业路径；
感知信息获取模块，用于从拖拉机端获取拖拉机作业时采集的拖拉机前方的感知信息；
障碍物识别模块，用于识别和追踪所述感知信息中障碍物信息；所述障碍物信息包括障碍物的高度、宽度、位置和类型；所述障碍物类型包括可动障碍物和不可动障碍物；
障碍物长度获取模块，用于控制车载无人机移动至障碍物上方获取俯视图，再计算出障碍物的长度；
实际作业路径生成模块，用于在获取障碍物长度后，基于障碍物信息和障碍物长度生成绕过障碍物的实际作业路径；
未作业区域生成模块，用于基于障碍物信息生成未作业区域；
重规划模块，用于在拖拉机到达期望作业路径的终点后，基于未作业区域生成重规划路径；
所述障碍物长度获取模块控制车载无人机移动至障碍物上方获取俯视图，再计算出障碍物的长度，包括：
基于拖拉机实时位置和障碍物位置计算无人机最小飞行速度v min；且计算公式为：
其中，
d n 为障碍物实时距离；
t re 为拖拉机做出避障反应的最大延迟时长，
，d s 为预设安全距离，v m 为拖拉机的实时速度；
t h 为无人机升空耗时，
，d h 为障碍物高度，h 0 为预设高度增量，v h 为无人机上升速度；
t c 为从无人机采集障碍物的俯视图-计算出障碍物的长度-生成绕过障碍物的实际作业路径-拖拉机开始避障的总耗时；
按照无人机最小飞行速度v min控制车载无人机从拖拉机飞至障碍物的上方采集障碍物俯视图；
基于障碍物俯视图和障碍物的宽度，计算出障碍物的长度。
2.如权利要求1所述的一种基于5G的无人驾驶拖拉机智能作业系统，其特征在于，所述期望作业路径规划模块基于作业区域的数字化地图生成拖拉机的期望作业路径，包括：
将作业区域的数字化地图栅格化；
生成经过所有栅格的期望作业路径。
3.如权利要求2所述的一种基于5G的无人驾驶拖拉机智能作业系统，其特征在于，所述实际作业路径生成模块在获取障碍物长度后，基于障碍物信息和障碍物长度生成绕过障碍物的实际作业路径，包括：
基于障碍物信息和障碍物的长度，获取障碍物所占栅格；
基于障碍物所占栅格，更新实际作业路径。
4.如权利要求3所述的一种基于5G的无人驾驶拖拉机智能作业系统，其特征在于，所述未作业区域生成模块基于障碍物信息生成未作业区域，包括：
获取所有障碍物的障碍物信息，筛选出其中的可动障碍物；
将可动障碍物所占栅格作为未作业区域。
5.如权利要求4所述的一种基于5G的无人驾驶拖拉机智能作业系统，其特征在于，所述重规划模块基于在拖拉机到达期望作业路径的终点后，未作业区域生成重规划路径，包括：
获取拖拉机当前位置和未作业区域；
生成以拖拉机当前位置为起点且经过未作业区域对应的栅格的重规划路径。
6.如权利要求1所述的一种基于5G的无人驾驶拖拉机智能作业系统，其特征在于，还包括紧急停车模块，用于当无人机最小飞行速度vmin大于无人机最大速度时，控制拖拉机停止前进，得到实际作业路径后在继续前进。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110501187.3A CN113359700B (zh) | 2021-05-08 | 2021-05-08 | 基于5g的无人驾驶拖拉机智能作业系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110501187.3A CN113359700B (zh) | 2021-05-08 | 2021-05-08 | 基于5g的无人驾驶拖拉机智能作业系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113359700A CN113359700A (zh) | 2021-09-07 |
| CN113359700B true CN113359700B (zh) | 2022-12-20 |
Family
ID=77525980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110501187.3A Active CN113359700B (zh) | 2021-05-08 | 2021-05-08 | 基于5g的无人驾驶拖拉机智能作业系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113359700B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117008608B (zh) * | 2023-07-11 | 2024-01-26 | 盐城华曜农业生物科技有限公司 | 一种无人驾驶插秧机作业路径规划方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104699102A (zh) * | 2015-02-06 | 2015-06-10 | 东北大学 | 一种无人机与智能车协同导航与侦查监控系统及方法 |
| CN105318888A (zh) * | 2015-12-07 | 2016-02-10 | 北京航空航天大学 | 基于无人机感知的无人驾驶车辆路径规划方法 |
| JP2017207815A (ja) * | 2016-05-16 | 2017-11-24 | 井関農機株式会社 | 作業車両の制御システム |
| CN109029422A (zh) * | 2018-07-10 | 2018-12-18 | 北京木业邦科技有限公司 | 一种多无人机协作构建三维调查地图的方法和装置 |
| CN109597077A (zh) * | 2019-01-02 | 2019-04-09 | 奇瑞汽车股份有限公司 | 一种基于无人机的探测系统 |
| CN111324143A (zh) * | 2020-02-28 | 2020-06-23 | 广东电网有限责任公司 | 无人机自主巡视避障系统、方法及计算机设备 |
| CN112558608A (zh) * | 2020-12-11 | 2021-03-26 | 重庆邮电大学 | 一种基于无人机辅助的车机协同控制及路径优化方法 |
-
2021
- 2021-05-08 CN CN202110501187.3A patent/CN113359700B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104699102A (zh) * | 2015-02-06 | 2015-06-10 | 东北大学 | 一种无人机与智能车协同导航与侦查监控系统及方法 |
| CN105318888A (zh) * | 2015-12-07 | 2016-02-10 | 北京航空航天大学 | 基于无人机感知的无人驾驶车辆路径规划方法 |
| JP2017207815A (ja) * | 2016-05-16 | 2017-11-24 | 井関農機株式会社 | 作業車両の制御システム |
| CN109029422A (zh) * | 2018-07-10 | 2018-12-18 | 北京木业邦科技有限公司 | 一种多无人机协作构建三维调查地图的方法和装置 |
| CN109597077A (zh) * | 2019-01-02 | 2019-04-09 | 奇瑞汽车股份有限公司 | 一种基于无人机的探测系统 |
| CN111324143A (zh) * | 2020-02-28 | 2020-06-23 | 广东电网有限责任公司 | 无人机自主巡视避障系统、方法及计算机设备 |
| CN112558608A (zh) * | 2020-12-11 | 2021-03-26 | 重庆邮电大学 | 一种基于无人机辅助的车机协同控制及路径优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 无人机与无人车协作导航系统设计;梁勇东等;《机电信息》;20191231;第60-61页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113359700A (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11789459B2 (en) | Vehicle controllers for agricultural and industrial applications | |
| US8818567B2 (en) | High integrity perception for machine localization and safeguarding | |
| EP2169503B1 (en) | Multi-vehicle high intensity perception | |
| EP2169498B1 (en) | Vehicle with high integrity perception system | |
| US8478493B2 (en) | High integrity perception program | |
| US9043129B2 (en) | Method for governing a speed of an autonomous vehicle | |
| JP2022523836A (ja) | 農薬散布の制御方法、デバイス及び記憶媒体 | |
| US20200347581A1 (en) | Control apparatus, work machine, control method, and computer readable storage medium | |
| CN112556718B (zh) | 经由高速车辆遥测来推断车道边界 | |
| CN113359700B (zh) | 基于5g的无人驾驶拖拉机智能作业系统 | |
| US20200375098A1 (en) | Information processing apparatus, information processing method, and computer readable storage medium | |
| CN111145392A (zh) | 一种用于智慧安防的移动式综合布控一体机及系统 | |
| KR102666421B1 (ko) | 농기계의 작업범위 및 작업시간 최적화 시스템 | |
| US20230413711A1 (en) | Modifying Vehicle Behavior based on Boundary Type | |
| CN116543309B (zh) | 一种作物异常信息获取方法、系统、电子设备及介质 | |
| US20240119842A1 (en) | Methods and Systems for Coupling Vehicles | |
| WO2023119986A1 (ja) | 農業機械、および、農業機械に用いるジェスチャ認識システム | |
| CN118444687A (zh) | 割草机器人的自学习避障控制方法 | |
| CN115316172A (zh) | 一种基于植保无人机的纳米农药施药方法及系统 | |
| CN116235837A (zh) | 一种农药喷洒方法、装置、设备及介质 |
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 |