CN113485438B - 一种无人机空间监测路径智能规划方法及系统 - Google Patents
一种无人机空间监测路径智能规划方法及系统 Download PDFInfo
- Publication number
- CN113485438B CN113485438B CN202110868376.4A CN202110868376A CN113485438B CN 113485438 B CN113485438 B CN 113485438B CN 202110868376 A CN202110868376 A CN 202110868376A CN 113485438 B CN113485438 B CN 113485438B
- Authority
- CN
- China
- Prior art keywords
- obtaining
- complexity
- space
- monitoring
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 238000004088 simulation Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 241000209140 Triticum Species 0.000 description 4
- 235000021307 Triticum Nutrition 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- FFRBMBIXVSCUFS-UHFFFAOYSA-N 2,4-dinitro-1-naphthol Chemical group C1=CC=C2C(O)=C([N+]([O-])=O)C=C([N+]([O-])=O)C2=C1 FFRBMBIXVSCUFS-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004377 microelectronic Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012876 topography 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种无人机空间监测路径智能规划方法及系统，所述方法包括：获得第一无人机的第一监测目标；根据所述第一遥感监测模块，获得所述第一监测目标的第一影像数据；构建第一复杂度检测模型；将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数；当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息；基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径。解决了现有技术无法基于空间层级对无人机飞行路径进行规划，传统路径规划不准确、不智能的技术问题。
Description
技术领域
本发明涉及电子信息技术领域，尤其涉及一种无人机空间监测路径智能规划方法及系统。
背景技术
无人驾驶飞行器(UAV，UnmannedAerialVehicle)，通常被称为无人机，在UAV上加载不同的图像传感器，使无人机能够捕获目标图像，获取到的目标图像可通过UAV上的无线传输系统实时传输到控制站，例如，可使用无人机设备监控水环境，交通流量和输油管道等。另外，由于航空、微电子、计算机、导航、通信、传感器和相关技术的发展使得UAV的性能得到持续的改善，使得在使用UAV作为监控手段时具有更多的优势，成本更低，更灵活，效率更高且能够实时操作。因此，无人机广泛应用于气象勘探，灾害评估，地质调查，环境监控，资源勘探等领域。由于无人机停留在不同高度监测时的精度等级不同，因而对UAV路线规划的同时也确定无人机完成监测任务所遍历空间节点的位置和高度，进而对无人机的飞行路线进行规划，根据建立的路线规划模型解决无人机空间中路径的问题。
本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术无法基于空间层级对无人机飞行路径进行规划，传统路径规划不准确、不智能的技术问题。
发明内容
本申请实施例通过提供一种无人机空间监测路径智能规划方法及系统，获得第一无人机的第一监测目标；根据所述第一遥感监测模块，获得所述第一监测目标的第一影像数据；构建第一复杂度检测模型；将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数；当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息；基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径。解决了现有技术无法基于空间层级对无人机飞行路径进行规划，传统路径规划不准确、不智能的技术问题。达到了通过对无人机的监测目标进行空间层级的分析，并根据复杂度智能修正预定航线，完成自主飞行、摄像、实时提供遥感监测数据和低空视频监控等数据，提高监测数据准确性的技术效果。
鉴于上述问题，本申请实施例提供一种无人机空间监测路径智能规划方法及系统。
第一方面，本申请提供了一种无人机空间监测路径智能规划方法，其中，所述方法包括：获得第一无人机的第一监测目标；根据所述第一遥感监测模块，获得所述第一监测目标的第一影像数据；构建第一复杂度检测模型；将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数；当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息；基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径。
另一方面，本申请还提供了一种无人机空间监测路径智能规划系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得第一无人机的第一监测目标；第二获得单元，所述第二获得单元用于根据第一遥感监测模块，获得所述第一监测目标的第一影像数据；第一构建单元，所述第一构建单元用于构建第一复杂度检测模型；第三获得单元，所述第三获得单元用于将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数；第四获得单元，所述第四获得单元用于当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息；第五获得单元，所述第五获得单元用于基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径。
另一方面，本申请实施例还提供了一种无人机空间监测路径智能规划方法及系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供了一种无人机空间监测路径智能规划方法及系统，获得第一无人机的第一监测目标；根据所述第一遥感监测模块，获得所述第一监测目标的第一影像数据；构建第一复杂度检测模型；将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数；当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息；基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径。解决了现有技术无法基于空间层级对无人机飞行路径进行规划，传统路径规划不准确、不智能的技术问题。达到了通过对无人机的监测目标进行空间层级的分析，并根据复杂度智能修正预定航线，完成自主飞行、摄像、实时提供遥感监测数据和低空视频监控等数据，提高监测数据准确性的技术效果。
上述说明是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种无人机空间监测路径智能规划方法的流程示意图；
图2为本申请实施例一种无人机空间监测路径智能规划方法中获得所述第一监测目标的第一影像数据的流程示意图；
图3为本申请实施例一种无人机空间监测路径智能规划方法中获得第一复杂指数的流程示意图；
图4为本申请实施例一种无人机空间监测路径智能规划方法中获得第一颜色分布特征之前的流程示意图；
图5为本申请实施例一种无人机空间监测路径智能规划方法中获得第一空间规划路径的流程示意图；
图6为本申请实施例一种无人机空间监测路径智能规划方法中获得第二坐标数据占比的流程示意图；
图7为本申请实施例一种无人机空间监测路径智能规划方法中获得第一空间分层信息的流程示意图；
图8为本申请实施例一种无人机空间监测路径智能规划系统的结构示意图；
图9为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第一构建单元13，第三获得单元14，第四获得单元15，第五获得单元16，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请实施例通过提供一种无人机空间监测路径智能规划方法及系统，解决了现有技术无法基于空间层级对无人机飞行路径进行规划，传统路径规划不准确、不智能的技术问题。达到了通过对无人机的监测目标进行空间层级的分析，并根据复杂度智能修正预定航线，完成自主飞行、摄像、实时提供遥感监测数据和低空视频监控等数据，提高监测数据准确性的技术效果。
下面，将参考附图详细的描述本申请的示例实施例，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
无人驾驶飞行器(UAV，UnmannedAerialVehicle)，通常被称为无人机，在UAV上加载不同的图像传感器，使无人机能够捕获目标图像，获取到的目标图像可通过UAV上的无线传输系统实时传输到控制站，例如，可使用无人机设备监控水环境，交通流量和输油管道等。另外，由于航空、微电子、计算机、导航、通信、传感器和相关技术的发展使得UAV的性能得到持续的改善，使得在使用UAV作为监控手段时具有更多的优势，成本更低，更灵活，效率更高且能够实时操作。因此，无人机广泛应用于气象勘探，灾害评估，地质调查，环境监控，资源勘探等领域。由于无人机停留在不同高度监测时的精度等级不同，因而对UAV路线规划的同时也确定无人机完成监测任务所遍历空间节点的位置和高度，进而对无人机的飞行路线进行规划，根据建立的路线规划模型解决无人机空间中路径的问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请提供了一种无人机空间监测路径智能规划方法，所述方法应用于一种无人机空间监测路径智能规划系统，所述系统包括第一遥感监测模块，其中，所述方法包括：获得第一无人机的第一监测目标；根据所述第一遥感监测模块，获得所述第一监测目标的第一影像数据；构建第一复杂度检测模型；将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数；当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息；基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供一种无人机空间监测路径智能规划方法，所述方法应用于一种无人机空间监测路径智能规划系统，所述系统包括第一遥感监测模块，其中，所述方法包括：
步骤S100：获得第一无人机的第一监测目标；
步骤S200：根据所述第一遥感监测模块，获得所述第一监测目标的第一影像数据；
进一步而言，如图2所示，本申请实施例步骤S200包括：
步骤S210：根据所述第一监测目标，获得第一预设空间路径；
步骤S220：根据所述第一预设空间路径，获得第一空间坐标数据；
步骤S230：将所述第一空间坐标数据输入三维空间模型中进行模拟，生成第一模拟空间路径；
步骤S240：根据所述第一模拟空间路径，获得所述第一影像数据。
具体而言，所述第一遥感监测模块是指无人机通过传感器，收集第一监测目标的电磁波信息，并对监测目标的周围环境信息进行识别，经处理、分析后，揭示其几何、物理性质和相互关系及其变化规律。所述第一影像数据具体包括第一监测目标周围的环境、地域特征、地物的尺寸、形状及邻近地物之间的关系等。所述第一预设空间路径是指无人机与第一监测目标在三维空间内的直线距离，预设空间路径可根据三维空间中地势、地物等特征进一步模拟改变，进而生成第一模拟空间路径。举例而言，利用无人机遥感监测农作物种植面积：基于第一遥感监测模块，无人机对农作物区域进行识别，获取所需影像数据，进而通过影像数据获得直线距离路径，结合待监测地区的地形条件和地貌特征，对直线距离路径进一步模拟，如地势高的地方与其预设路径进行比较，若在空间层级，地势高度高于预设路径的高度，则根据具体地势对预设路径进行调整，进而使无人机的路径信息更加精确。
步骤S300：构建第一复杂度检测模型；
步骤S400：将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数；
具体而言，以第一影像数据为训练数据，构建所述第一复杂度检测模型，所述第一复杂度检测模型为一神经网络模型，具有不断学习、获取经验来处理数据的特点，通过将所述第一影像数据作为输入数据集，输入所述第一复杂度检测模型，通过训练数据使神经网络模型自身不断地修正、优化，通过监督学习的过程来提高神经网络模型处理所述数据的准确性，进而使得所述第一复杂指数更加准确。
步骤S500：当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息；
进一步而言，如图7所示，本申请实施例步骤S500包括：
步骤S510：获得第一实时天气信息；
步骤S520：根据所述第一实时天气信息，获得第一影响系数，其中，所述第一影响系数为影响所述第一影像数据准确性的程度；
步骤S530：根据所述第一影响系数对所述第一空间分层信息进行调整，获得第二空间分层信息。
具体而言，所述第一空间分层信息是指按照垂直高度，根据第一监测目标周围环境信息，对其进行空间层级的划分。所述复杂度指数是由于地势、环境、天气等因素，对路径规划造成一定影响，增加路径智能规划的难度。所述预设复杂指数是指基于地势、环境等因素，根据历史复杂程度数据信息，进行平均值计算所得出来的结果。基于神经网络模型而得到的第一复杂指数与预设复杂指数进行比较，当所述第一复杂指数大于或等于预设复杂指数，则对空间区域进行分层，按照垂直高度将空间分割，进行影像数据的获取，若遇到能影响影像数据准确度的影响系数，则在第一空间分层的基础上，对空间进行二次分层，进而提高影像数据的准确性。
步骤S600：基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径。
进一步而言，如图5所示，本申请实施例步骤S600包括：
步骤S610：根据所述第一空间分层信息获得第一分层坐标数据，所述第一空间分层信息包括第一空间层级、第二空间层级和第三空间层级；
步骤S620：获得所述第一空间规划路径的第二空间坐标数据；
步骤S630：将所述第一分层坐标数据和所述第二空间坐标数据输入所述三维空间模型中进行模拟，获得第一坐标数量占比，其中，所述第一坐标数量占比为所述第二空间坐标数据在所述第一空间分层中每一层级中坐标数量的占比；
步骤S640：当所述第一复杂指数大于等于所述预设复杂指数时，获得第二坐标数量占比。
具体而言，所述第一分层坐标数据是指将空间分为上中下三个空间层级，记为第一空间层级、第二空间层级和第三空间层级。三个空间存在两个空间连接面，在连接面上建立坐标系，对预设路径进行空间坐标占比的分析，得到其在分层坐标上的数据。将三个分层的预设路径坐标数据与第二空间坐标数据进行动态模拟，基于三维空间模型，依据坐标数量，计算每一个层级的占比情况。举例而言，若想要得到比较清晰的第一监测目标的图像信息，则选择第一层级进行影像获取，无人机离地面越低，则拍摄的画面越清晰；若想要获得第一监测目标更加全面的图像，则选择第三空间层级，离地面越高，拍摄的范围越广。若第一复杂指数大于等于所述预设复杂指数时，则获得第二坐标数量占比。举例而言，第一监测目标为梯田，对于这种地势较为复杂的目标环境，不能选择离地面低的第一空间层级，会影响影像数据的准确度，因此只能选择第二空间层级。通过对无人机的监测目标进行空间层级的分析，并根据复杂度智能修正预定航线，完成摄像、实时提供遥感监测数据和低空视频监控等数据，提高监测数据准确性。
进一步而言，如图3所示，所述将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数，本申请实施例步骤S400包括：
步骤S410：根据所述第一影像数据判断是否存在第一地域特征；
步骤S420：若存在所述第一地域特征，获得第一地域复杂度；
步骤S430：根据所述第一影像数据，获得第一颜色分布特征；
步骤S440：根据所述第一颜色分布特征，获得第一颜色复杂度；
步骤S450：根据所述第一地域复杂度和所述第一颜色复杂度，构建所述第一复杂度检测模型。
具体而言，对于复杂度来说，地域与监测目标颜色复杂度都是其影响因素，因此需要基于这两个因素建立复杂度监测模型，从而获得复杂指数。所述地域特征是地域间的差距，如梯田、山丘、洼地等，地域特征越鲜明，更容易增加地域的复杂程度。所述颜色复杂度是指对于第一监测目标影像颜色的要求，举例而言，若第一监测目标是小麦，小麦呈黄色，因此无人机在进行影像获取时对区域里颜色进行分析，不对其他颜色的区域进行画面摄取，进而使得所述第一复杂指数更加准确。
进一步而言，如图4所示，所述根据所述第一影像数据，获得第一颜色分布特征之前，本申请实施例步骤S430包括：
步骤S431：获得所述第一无人机的第一监测需求；
步骤S432：根据所述第一监测需求，获得第一颜色相关性，其中，所述第一颜色相关性为所述第一监测需求中所述第一影像数据的颜色需求相关性；
步骤S433：判断所述第一颜色相关性是否大于等于预设颜色相关性；
步骤S434：当所述第一颜色相关性大于等于预设颜色相关性，获得所述第一颜色分布特征。
具体而言，所述第一颜色相关性是指对于不同的目标监测需求，颜色需求随之改变的相关性，不但刻画了某种颜色的像素占比，还表达了颜色随距离变换的空间关系，反映了颜色之间的空间关系。所述预设颜色相关性是根据第一监测目标的需求而改变的，视具体情况而定。具体而言，无人机的第一监测需求是成熟的小麦，小麦未成熟前总体呈绿色，成熟后呈金黄色，因此预设颜色相关性此时为金黄色，当无人机工作时，对目标区域进行监测，根据摄取到的画面进行分析，判断影像的颜色相关性是否大于等于预设颜色相关性，颜色相关性越大，则越不符合第一监测需求，此时需对获取的目标区域颜色特征进行分析，判断每种颜色的分布区域，对目标需求进一步分析，进而提高第一复杂指数的精确度。
进一步而言，如图6所示，所述当所述第一复杂指数大于等于预设复杂指数时，获得第二坐标数据占比，本申请实施例步骤S640包括：
步骤S641：获得第一复杂指数差值；
步骤S642：当所述第一复杂指数差值小于a时，获得第一数量调整数据，其中，a为第一预设复杂指数差值；
步骤S643：当所述第一复杂指数差值大于等于a且小于等于b时，获得第二数量调整数据，其中，a为第一预设复杂指数差值，b为第二预设复杂指数差值；
步骤S644：当所述第一复杂指数差值大于c时，获得第三数量调整数据，其中，c为第三预设复杂指数差值，且a<b<c；
步骤S645：根据所述第一数量调整数据、所述第二数量调整数据和所述第三数量调整数据对所述第一坐标数据占比进行调整，获得所述第二坐标数据占比。
具体而言，所述复杂指数差值是指对于通过第一复杂度监测模型而得到的第一复杂指数，将其进行等级划分，共划分为三个等级，a为第一预设复杂指数差值，复杂指数差值最小；b为第二预设复杂指数差值，复杂指数差值中等；c为第三预设复杂指数差值，复杂指数差值最大。复杂指数差值等级依据复杂程度进行划分。当所述第一复杂指数差值小于a时，复杂指数较小，系统根据复杂指数对预设路径进行轻微调整；当所述第一复杂指数差值大于等于a且小于等于b时，复杂指数差值中等，根据其复杂度影响因素，获得调整数据，对预设路径进行调整；当所述第一复杂指数差值大于c时，复杂指数差值最大，并获得第三数量调整数据，从而对路径信息进行调整。复杂指数越大，复杂指数差值也越大，因此需要对路径空间层级占比进行调整，无人机需调整到第二空间层级进行影像获取，此时第一坐标数据占比改变，需对每一级空间坐标占比进行计算，从而获得第二坐标数据占比，进而获取更加精准的规划路线。
综上所述，本申请实施例所提供的一种无人机空间监测路径智能规划方法，具有如下技术效果：
本申请提供了一种无人机空间监测路径智能规划方法，所述方法应用于一种无人机空间监测路径智能规划系统，其中，所述方法包括：获得第一无人机的第一监测目标；根据所述第一遥感监测模块，获得所述第一监测目标的第一影像数据；构建第一复杂度检测模型；将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数；当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息；基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径。解决了现有技术无法基于空间层级对无人机飞行路径进行规划，传统路径规划不准确、不智能的技术问题。达到了通过对无人机的监测目标进行空间层级的分析，并根据复杂度智能修正预定航线，完成自主飞行、摄像、实时提供遥感监测数据和低空视频监控等数据，提高监测数据准确性的技术效果。
实施例二
基于与前述实施例中一种无人机空间监测路径智能规划方法，同样发明构思，本发明还提供了一种无人机空间监测路径智能规划系统，如图8所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得第一无人机的第一监测目标；
第二获得单元12，所述第二获得单元12用于根据第一遥感监测模块，获得所述第一监测目标的第一影像数据；
第一构建单元13，所述第一构建单元13用于构建第一复杂度检测模型；
第三获得单元14，所述第三获得单元14用于将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数；
第四获得单元15，所述第四获得单元15用于当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息；
第五获得单元16，所述第五获得单元16用于基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径。
进一步的，所述系统还包括：
第六获得单元，所述第六获得单元用于根据所述第一监测目标，获得第一预设空间路径；
第七获得单元，所述第七获得单元用于根据所述第一预设空间路径，获得第一空间坐标数据；
第一执行单元，所述第一执行单元用于将所述第一空间坐标数据输入三维空间模型中进行模拟，生成第一模拟空间路径；
第八获得单元，所述第八获得单元用于根据所述第一模拟空间路径，获得所述第一影像数据。
进一步的，所述系统还包括：
第一判断单元，所述第一判断单元用于根据所述第一影像数据判断是否存在第一地域特征；
第九获得单元，所述第九获得单元用于若存在所述第一地域特征，获得第一地域复杂度；
第十获得单元，所述第十获得单元用于根据所述第一影像数据，获得第一颜色分布特征；
第十一获得单元，所述第十一获得单元用于根据所述第一颜色分布特征，获得第一颜色复杂度；
第二构建单元，所述第二构建单元用于根据所述第一地域复杂度和所述第一颜色复杂度，构建所述第一复杂度检测模型。
进一步的，所述系统还包括：
第十二获得单元，所述第十二获得单元用于获得所述第一无人机的第一监测需求；
第十三获得单元，所述第十三获得单元用于根据所述第一监测需求，获得第一颜色相关性，其中，所述第一颜色相关性为所述第一监测需求中所述第一影像数据的颜色需求相关性；
第二判断单元，所述第二判断单元用于判断所述第一颜色相关性是否大于等于预设颜色相关性；
第十四获得单元，所述第十四获得单元用于当所述第一颜色相关性大于等于预设颜色相关性，获得所述第一颜色分布特征。
进一步的，所述系统还包括：
第十五获得单元，所述第十五获得单元用于根据所述第一空间分层信息获得第一分层坐标数据，所述第一空间分层信息包括第一空间层级、第二空间层级和第三空间层级；
第十六获得单元，所述第十六获得单元用于获得所述第一空间规划路径的第二空间坐标数据；
第十七获得单元，所述第十七获得单元用于将所述第一分层坐标数据和所述第二空间坐标数据输入所述三维空间模型中进行模拟，获得第一坐标数量占比，其中，所述第一坐标数量占比为所述第二空间坐标数据在所述第一空间分层中每一层级中坐标数量的占比；
第十八获得单元，所述第十八获得单元用于当所述第一复杂指数大于等于所述预设复杂指数时，获得第二坐标数量占比。
进一步的，所述系统还包括：
第十九获得单元，所述第十九获得单元用于获得第一复杂指数差值；
第二十获得单元，所述第二十获得单元用于当所述第一复杂指数差值小于a时，获得第一数量调整数据，其中，a为第一预设复杂指数差值；
第二十一获得单元，所述第二十一获得单元用于当所述第一复杂指数差值大于等于a且小于等于b时，获得第二数量调整数据，其中，a为第一预设复杂指数差值，b为第二预设复杂指数差值；
第二十二获得单元，所述第二十二获得单元用于当所述第一复杂指数差值大于c时，获得第三数量调整数据，其中，c为第三预设复杂指数差值，且a<b<c；
第二十三获得单元，所述第二十三获得单元用于根据所述第一数量调整数据、所述第二数量调整数据和所述第三数量调整数据对所述第一坐标数据占比进行调整，获得所述第二坐标数据占比。
进一步的，所述系统还包括：
第二十四获得单元，所述第二十四获得单元用于获得第一实时天气信息；
第二十五获得单元，所述第二十五获得单元用于根据所述第一实时天气信息，获得第一影响系数，其中，所述第一影响系数为影响所述第一影像数据准确性的程度；
第二十六获得单元，所述第二十六获得单元用于根据所述第一影响系数对所述第一空间分层信息进行调整，获得第二空间分层信息。
示例性电子设备
下面参考图9来描述本申请实施例的电子设备。
基于与前述实施例中一种无人机空间监测路径智能规划方法相同的发明构思，本申请实施例还提供了一种无人机空间监测路径智能规划系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标总线或扩展工业标准结构总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网，无线局域网，有线接入网等。存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器、只读光盘或其他光盘存储、光碟存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种无人机空间监测路径智能规划方法。
可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。
本申请实施例解决了现有技术无法基于空间层级对无人机飞行路径进行规划，传统路径规划不准确、不智能的技术问题。达到了通过对无人机的监测目标进行空间层级的分析，并根据复杂度智能修正预定航线，完成自主飞行、摄像、实时提供遥感监测数据和低空视频监控等数据，提高监测数据准确性的技术效果。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质、光介质、或者半导体介质等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种无人机空间监测路径智能规划方法，其中，所述方法应用于一种无人机空间监测路径智能规划系统，所述系统包括第一遥感监测模块，所述方法包括：
获得第一无人机的第一监测目标；
根据所述第一遥感监测模块，获得所述第一监测目标的第一影像数据；
构建第一复杂度检测模型；
将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数；
当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息；
基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径；
其中，所述将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数，所述方法包括：
根据所述第一影像数据判断是否存在第一地域特征；
若存在所述第一地域特征，获得第一地域复杂度；
根据所述第一影像数据，获得第一颜色分布特征；
根据所述第一颜色分布特征，获得第一颜色复杂度；
根据所述第一地域复杂度和所述第一颜色复杂度，构建所述第一复杂度检测模型；
其中，所述根据所述第一影像数据，获得第一颜色分布特征之前，所述方法包括：
获得所述第一无人机的第一监测需求；
根据所述第一监测需求，获得第一颜色相关性，其中，所述第一颜色相关性为所述第一监测需求中所述第一影像数据的颜色需求相关性；
判断所述第一颜色相关性是否大于等于预设颜色相关性；
当所述第一颜色相关性大于等于预设颜色相关性，获得所述第一颜色分布特征。
2.如权利要求1所述的方法，其中，所述根据所述第一遥感监测模块，获得所述第一监测目标的第一影像数据，所述方法包括：
根据所述第一监测目标，获得第一预设空间路径；
根据所述第一预设空间路径，获得第一空间坐标数据；
将所述第一空间坐标数据输入三维空间模型中进行模拟，生成第一模拟空间路径；
根据所述第一模拟空间路径，获得所述第一影像数据。
3.如权利要求2所述的方法，其中，所述基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径，所述方法包括：
根据所述第一空间分层信息获得第一分层坐标数据，所述第一空间分层信息包括第一空间层级、第二空间层级和第三空间层级；
获得所述第一空间规划路径的第二空间坐标数据；
将所述第一分层坐标数据和所述第二空间坐标数据输入所述三维空间模型中进行模拟，获得第一坐标数量占比，其中，所述第一坐标数量占比为所述第二空间坐标数据在所述第一空间分层中每一层级中坐标数量的占比；
当所述第一复杂指数大于等于所述预设复杂指数时，获得第二坐标数量占比。
4.如权利要求3所述的方法，其中，所述当所述第一复杂指数大于等于预设复杂指数时，获得第二坐标数量占比，所述方法包括：
获得第一复杂指数差值；
当所述第一复杂指数差值小于a时，获得第一数量调整数据，其中，a为第一预设复杂指数差值；
当所述第一复杂指数差值大于等于a且小于等于b时，获得第二数量调整数据，其中，a为第一预设复杂指数差值，b为第二预设复杂指数差值；
当所述第一复杂指数差值大于c时，获得第三数量调整数据，其中，c为第三预设复杂指数差值，且a<b<c；
根据所述第一数量调整数据、所述第二数量调整数据和所述第三数量调整数据对所述第一坐标数量占比进行调整，获得所述第二坐标数量占比。
5.如权利要求1所述的方法，其中，所述当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息，所述方法包括：
获得第一实时天气信息；
根据所述第一实时天气信息，获得第一影响系数，其中，所述第一影响系数为影响所述第一影像数据准确性的程度；
根据所述第一影响系数对所述第一空间分层信息进行调整，获得第二空间分层信息。
6.一种无人机空间监测路径智能规划系统，应用于权利要求1-5任一所述方法，其中，所述系统包括：
第一获得单元，所述第一获得单元用于获得第一无人机的第一监测目标；
第二获得单元，所述第二获得单元用于根据第一遥感监测模块，获得所述第一监测目标的第一影像数据；
第一构建单元，所述第一构建单元用于构建第一复杂度检测模型；
第三获得单元，所述第三获得单元用于将所述第一影像数据输入第一复杂度检测模型中，根据所述第一复杂度检测模型，获得第一复杂指数；
第四获得单元，所述第四获得单元用于当所述第一复杂指数大于等于预设复杂指数，获得第一空间分层信息；
第五获得单元，所述第五获得单元用于基于所述第一空间分层信息对所述第一无人机的空间监测路径进行规划，获得第一空间规划路径；
第一判断单元，所述第一判断单元用于根据所述第一影像数据判断是否存在第一地域特征；
第九获得单元，所述第九获得单元用于若存在所述第一地域特征，获得第一地域复杂度；
第十获得单元，所述第十获得单元用于根据所述第一影像数据，获得第一颜色分布特征；
第十一获得单元，所述第十一获得单元用于根据所述第一颜色分布特征，获得第一颜色复杂度；
第二构建单元，所述第二构建单元用于根据所述第一地域复杂度和所述第一颜色复杂度，构建所述第一复杂度检测模型；
第十二获得单元，所述第十二获得单元用于获得所述第一无人机的第一监测需求；
第十三获得单元，所述第十三获得单元用于根据所述第一监测需求，获得第一颜色相关性，其中，所述第一颜色相关性为所述第一监测需求中所述第一影像数据的颜色需求相关性；
第二判断单元，所述第二判断单元用于判断所述第一颜色相关性是否大于等于预设颜色相关性；
第十四获得单元，所述第十四获得单元用于当所述第一颜色相关性大于等于预设颜色相关性，获得所述第一颜色分布特征。
7.一种无人机空间监测路径智能规划系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110868376.4A CN113485438B (zh) | 2021-07-30 | 2021-07-30 | 一种无人机空间监测路径智能规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110868376.4A CN113485438B (zh) | 2021-07-30 | 2021-07-30 | 一种无人机空间监测路径智能规划方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113485438A CN113485438A (zh) | 2021-10-08 |
| CN113485438B true CN113485438B (zh) | 2022-03-18 |
Family
ID=77943579
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110868376.4A Active CN113485438B (zh) | 2021-07-30 | 2021-07-30 | 一种无人机空间监测路径智能规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113485438B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114347032B (zh) * | 2022-01-20 | 2023-11-14 | 松乐智能装备(广东)有限公司 | 一种复合agv机器人的控制方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110750106A (zh) * | 2019-10-16 | 2020-02-04 | 深圳市道通智能航空技术有限公司 | 无人机的安全航线生成方法、装置、控制终端和无人机 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE69422598T2 (de) * | 1993-11-30 | 2000-06-15 | Honeywell, Inc. | Kosten-System zur Missionplanung |
| US9508263B1 (en) * | 2015-10-20 | 2016-11-29 | Skycatch, Inc. | Generating a mission plan for capturing aerial images with an unmanned aerial vehicle |
| CN106815443B (zh) * | 2017-01-23 | 2018-02-06 | 北京理工大学 | 面向变化环境的超低空飞行器三维多批多航迹规划方法 |
| CN108885464A (zh) * | 2017-02-28 | 2018-11-23 | 深圳市大疆创新科技有限公司 | 航线修正的方法、设备和无人机 |
| CN109035869A (zh) * | 2017-07-26 | 2018-12-18 | 广州极飞科技有限公司 | 无人机航线的生成方法和装置 |
| CN108181923A (zh) * | 2017-12-18 | 2018-06-19 | 广东技术师范学院 | 基于无人机的水源地环境监测系统及方法 |
| CN108413964A (zh) * | 2018-03-08 | 2018-08-17 | 云南电网有限责任公司电力科学研究院 | 一种无人机输电线路巡检航迹规划方法及系统 |
| CN111625016A (zh) * | 2019-02-28 | 2020-09-04 | 深圳市翔农创新科技有限公司 | 植保无人机作业优化方法、装置、系统及可读存储介质 |
| CN111103894B (zh) * | 2019-11-18 | 2023-07-21 | 中国空气动力研究与发展中心 | 一种无人机移动数据采集场景中三维航迹的优化方法 |
| CN111272172A (zh) * | 2020-02-12 | 2020-06-12 | 深圳壹账通智能科技有限公司 | 无人机室内导航方法、装置、设备和存储介质 |
| CN112484717A (zh) * | 2020-11-23 | 2021-03-12 | 国网福建省电力有限公司 | 无人机倾斜摄影航线规划方法及计算机可读存储介质 |
| CN112987795B (zh) * | 2021-04-30 | 2023-03-21 | 成都思晗科技股份有限公司 | 基于无人机的山火监测自主航线规划方法、装置及系统 |
-
2021
- 2021-07-30 CN CN202110868376.4A patent/CN113485438B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110750106A (zh) * | 2019-10-16 | 2020-02-04 | 深圳市道通智能航空技术有限公司 | 无人机的安全航线生成方法、装置、控制终端和无人机 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113485438A (zh) | 2021-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110060274A (zh) | 基于深度稠密连接的神经网络的视觉目标跟踪方法和装置 | |
| CN110033478A (zh) | 基于深度对抗训练的视觉目标跟踪方法和装置 | |
| CN107291879B (zh) | 一种虚拟现实系统中三维环境地图的可视化方法 | |
| US10895458B2 (en) | Method, apparatus, and system for determining a movement of a mobile platform | |
| CN111640180B (zh) | 一种三维重建方法、装置及终端设备 | |
| CN110501036A (zh) | 传感器参数的标定检查方法及装置 | |
| US20190065824A1 (en) | Spatial data analysis | |
| WO2020160643A1 (en) | Shadow and cloud masking for agriculture applications using convolutional neural networks | |
| CN101419711A (zh) | 一种估计车辆自运动参数的方法和装置 | |
| CN111750857A (zh) | 航线生成方法、装置、终端及存储介质 | |
| CN112907678A (zh) | 车载相机外参姿态动态估计方法、装置、计算机设备 | |
| CN111856499B (zh) | 基于激光雷达的地图构建方法和装置 | |
| CN115376324B (zh) | 车辆场景复杂度确定方法 | |
| CN111709988A (zh) | 一种物体的特征信息的确定方法、装置、电子设备及存储介质 | |
| Mazzia et al. | Deepway: a deep learning waypoint estimator for global path generation | |
| CN113485438B (zh) | 一种无人机空间监测路径智能规划方法及系统 | |
| CN113822892B (zh) | 仿真雷达的评测方法、装置、设备及计算机存储介质 | |
| US20210192777A1 (en) | Method, device and storage medium for positioning object | |
| CN112233149A (zh) | 场景流的确定方法及装置、存储介质、电子装置 | |
| CN117291443B (zh) | 基于多维感知技术的智能放线系统 | |
| JP2023503750A (ja) | ロボットの位置決め方法及び装置、機器、記憶媒体 | |
| WO2024163368A1 (en) | System and method of infrastructure asset prioritization for steel and concrete assets | |
| US20230186594A1 (en) | Information processing apparatus, information processing method, and non-transitory computer readable medium | |
| CN114882115B (zh) | 车辆位姿的预测方法和装置、电子设备和存储介质 | |
| CN118351469B (zh) | 一种路侧视角下基于视觉的车辆定位方法 |
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 |