CN114879735A - 航线规划方法、系统、终端设备及介质 - Google Patents
航线规划方法、系统、终端设备及介质 Download PDFInfo
- Publication number
- CN114879735A CN114879735A CN202210584617.7A CN202210584617A CN114879735A CN 114879735 A CN114879735 A CN 114879735A CN 202210584617 A CN202210584617 A CN 202210584617A CN 114879735 A CN114879735 A CN 114879735A
- Authority
- CN
- China
- Prior art keywords
- aerial
- battery
- parameters
- aerial photography
- flight
- 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 224
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 230000010006 flight Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000002922 simulated annealing 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种航线规划方法、系统、终端设备以及计算机可读存储介质，该航线规划方法包括：确定航拍区域；获取所述无人机的航拍过程参数和电池参数，所述航拍过程参数至少包括无人机飞行参数；基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数；基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池参数之间的关系；根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线。本发明能够实现基于电池利用率最大化原则的高效无人机航线规划。
Description
技术领域
本发明涉及无人机技术领域，尤其是涉及一种航线规划方法、系统、终端设备以及计算机可读存储介质。
背景技术
随着无人机技术的高速发展，无人机在踏勘领域逐渐获得大量应用。在利用无人机进行踏勘，如地形踏勘时，如何设计无人机的飞行路径是业内备受关注的问题。当前市面上的无人机基本上都配备了对应的航拍软件，航拍软件一般都支持自动规划路径。
然而，在通过以电池作为动力源的无人机进行航拍作业时，往往会面临电池续航不足的问题，在相关技术中航拍软件自带的折返式航拍路径规划如图1所示，在用户输入航拍区域及飞行参数之后将自动生成无人机飞行航线，此种航线生成方式的优点是逻辑简单，无人机按照第一次生成的航线执行飞行任务即可，若是在飞行过程中检测到电池电量不足，并且剩余电量达到预先设置阈值时将自动返航，待电池更换完毕，重新飞至上一位置点继续执行任务，缺点则是无效飞行过多和电池有效利用率不高等。
总的来说，在现有的无人机航拍技术中无人机的无效飞行路径过长且无人机电池利用效率低下。
发明内容
本发明的主要目的在于提供一种航线规划方法、系统、终端设备以及计算机可读存储介质，旨在实现基于电池利用率最大化原则的高效无人机飞行航线规划。
为实现上述目的，本发明提供一种航线规划方法，所述航线规划包括：
确定航拍区域；
获取所述无人机的航拍过程参数和电池参数，所述航拍过程参数至少包括无人机飞行参数；
基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数；
基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池参数之间的关系；
根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线。
可选地，在所述基于电池利用率最大化原则进行航线规划得到飞行航线的步骤之后，还包括：
在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整；
若是，则基于检测到的所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则重新进行航线规划以对所述飞行航线进行调整。
可选地，所述基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数的步骤，包括：
根据所述航拍过程参数确定航线高度和航线间距；
基于所述航拍区域、所述航线高度以及所述航线间距生成包含所述航拍区域在内的航拍网格，并基于所述航拍网格确定所述航拍点以及所述航拍点参数。
可选地，所述历史电池参数包括历史电池耗电量，所述基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型的步骤，包括：
获取所述无人机的所述历史航拍过程参数和所述历史电池耗电量；
基于获取到的所述历史航拍过程参数和所述历史电池耗电量，利用机器学习算法构建所述无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池耗电量之间的关系。
可选地，所述根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线的步骤，包括：
将所述航拍过程参数输入至所述无人机航拍模型，得到电池耗电量预估值；
基于所述电池参数、所述航拍过程参数、所述航拍点参数以及所述电池耗电量预估值，以电池利用率最大化为目标，利用启发式算法寻优得到所述飞行航线。
可选地，所述在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整的步骤，包括：
在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
若检测到的所述当前电池剩余电量达到预设剩余电量阈值，则根据所述当前电池剩余电量相对于预先规划的剩余电量的增量是否达到预设电池增量阈值，确定是否调整所述飞行航线。
可选地，所述在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整的步骤，包括：
在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
判断是否能够基于检测到的所述当前电池剩余电量完成所述航拍任务，并根据判断结果确定是否调整所述飞行航线。
可选地，所述在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整的步骤，包括：
在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
基于检测到的所述当前电池剩余电量确定无人机当前剩余续航里程相对于预先规划的剩余续航里程的增量，并根据所述增量是否达到预设里程增量阈值确定是否调整所述飞行航线。
为实现上述目的，本发明还提供一种航线规划系统，所述航线规划系统，包括：
第一确定模块，用于确定航拍区域；
获取模块，用于获取所述无人机的航拍过程参数和电池参数，所述航拍过程参数至少包括无人机飞行参数；
第二确定模块，用于基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数；
构建模块，用于基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池参数之间的关系；
航线规划模块，用于根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线。
其中，本发明航线规划系统的各个功能模块各自在运行时均实现如上所述的航线规划方法的步骤。
为实现上述目的，本发明还提供一种终端设备，所述终端设备包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的航线规划程序，所述航线规划程序被所述处理器执行时实现如上所述的航线规划方法的步骤。
此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有航线规划程序，所述航线规划程序被处理器执行时实现如上所述的航线规划方法的步骤。
此外，为实现上述目的，本发明还提供计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上所述的航线规划方法的步骤。
本发明提供一种航线规划、系统、终端设备、计算机可读存储介质以及计算机程序产品，通过确定航拍区域；获取所述无人机的航拍过程参数和电池参数，所述航拍过程参数至少包括无人机飞行参数；基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数；基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池参数之间的关系；根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线。
相比于现有技术中无人机折返式路径规划方法，在本发明中，结合电池参数、航拍过程参数、航拍点参数以及无人机航拍模型，基于电池利用率最大化原则进行无人机航线规划得到飞行航线，并按照该飞行航线进行航拍。因此，本发明在需要更换无人机电池场景下，可明显提升电池有效使用率，提高无人机有效飞行时间，进而在有限电池容量下提升航拍任务的执行效率。
附图说明
图1为本发明背景技术涉及的拍摄软件自动规划路径示意图；
图2为本发明实施例方案涉及的硬件运行环境的结构示意图；
图3为本发明航线规划方法一实施例的第一流程示意图；
图4为本发明航线规划方法一实施例的第二流程示意图；
图5为本发明航线规划方法一实施例的航拍区域航拍点示意图；
图6-1为本发明航线规划方法一实施例的改进前实际航拍路径第一示意图；
图6-2为本发明航线规划方法一实施例的改进后航拍路径第一示意图；
图7-1为本发明航线规划方法一实施例的改进前实际航拍路径第二示意图；
图7-2为本发明航线规划方法一实施例的改进后航拍路径第二示意图；
图8-1为本发明航线规划方法一实施例的改进前实际航拍路径第三示意图；
图8-2为本发明航线规划方法一实施例的改进后航拍路径第三示意图；
图9-1为本发明航线规划方法一实施例的改进前实际航拍路径第三示意图；
图9-2为本发明航线规划方法一实施例的改进后航拍路径第三示意图；
图9-3为本发明航线规划方法一实施例的改进后航拍路径第四示意图；
图10为本发明航线规划系统一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图2所示，图2是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
需要说明的是，本发明实施例终端设备可以是用于实现无人机航线规划的数据抽取的终端设备，该终端设备具体可以是无人机等。
如图2所示，该设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图2中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图2所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及航线规划程序。操作系统是管理和控制设备硬件和软件资源的程序，支持航线规划程序以及其它软件或程序的运行。在图2所示的设备中，用户接口1003主要用于与客户端进行数据通信；网络接口1004主要用于与服务器建立通信连接；而处理器1001可以用于调用存储器1005中存储的航线规划程序，并执行以下操作：
确定航拍区域；
获取所述无人机的航拍过程参数和电池参数，所述航拍过程参数至少包括无人机飞行参数；
基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数；
基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池参数之间的关系；
根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线。
进一步地，在所述基于电池利用率最大化原则进行航线规划得到飞行航线的步骤之后，处理器1001还可以用于调用存储器1005中存储的航线规划程序，还执行以下操作：
在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整；
若是，则基于检测到的所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则重新进行航线规划以对所述飞行航线进行调整。
进一步地，处理器1001还可以用于调用存储器1005中存储的航线规划程序，还执行以下操作：
根据所述航拍过程参数确定航线高度和航线间距；
基于所述航拍区域、所述航线高度以及所述航线间距生成包含所述航拍区域在内的航拍网格，并基于所述航拍网格确定所述航拍点以及所述航拍点参数。
进一步地，所述历史电池参数包括历史电池耗电量，处理器1001还可以用于调用存储器1005中存储的航线规划程序，还执行以下操作：
获取所述无人机的所述历史航拍过程参数和所述历史电池耗电量；
基于获取到的所述历史航拍过程参数和所述历史电池耗电量，利用机器学习算法构建所述无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池耗电量之间的关系。
进一步地，处理器1001还可以用于调用存储器1005中存储的航线规划程序，还执行以下操作：
将所述航拍过程参数输入至所述无人机航拍模型，得到电池耗电量预估值；
基于所述电池参数、所述航拍过程参数、所述航拍点参数以及所述电池耗电量预估值，以电池利用率最大化为目标，利用启发式算法寻优得到所述飞行航线。
进一步地，处理器1001还可以用于调用存储器1005中存储的航线规划程序，还执行以下操作：
在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
若检测到的所述当前电池剩余电量达到预设剩余电量阈值，则根据所述当前电池剩余电量相对于预先规划的剩余电量的增量是否达到预设电池增量阈值，确定是否调整所述飞行航线。
进一步地，处理器1001还可以用于调用存储器1005中存储的航线规划程序，还执行以下操作：
在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
判断是否能够基于检测到的所述当前电池剩余电量完成所述航拍任务，并根据判断结果确定是否调整所述飞行航线。
进一步地，处理器1001还可以用于调用存储器1005中存储的航线规划程序，还执行以下操作：
在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
基于检测到的所述当前电池剩余电量确定无人机当前剩余续航里程相对于预先规划的剩余续航里程的增量，并根据所述增量是否达到预设里程增量阈值确定是否调整所述飞行航线。
参照图3，图3为本发明航线规划方法第一实施例的流程示意图。
在本实施例中，提供了航线规划方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以不同于此处的顺序执行所示出或描述的步骤。
为了解决无人机按照自动规划航线进行航拍时有效飞行时间不高和电池有效航拍时间短的问题，在本实施例中基于航拍点，并结合电池参数(如电池电量)、航拍过程参数(如气象数据、无人机飞行参数等)进行飞行航线重构寻优，与现有的折返式路径规划功能相比，在需要更换电池场景下，本发明能够提高无人机的有效飞行时间，即实现电池利用效率的最大化。如图4所示，本实施例中的航线规划方法可以包括：将航拍过程参数输入至后台，由后台基于该航拍过程参数进行航线规划，考虑到无人机飞行过程中的电池和天气等条件的影响，需要在航拍过程中调整飞行航线，以实现有效飞行时间最大化，最终在航拍任务结束后将航拍数据进行命名整理。
本实施例中的航线规划方法，包括以下步骤：
步骤S10，确定航拍区域；
步骤S20，获取所述无人机的航拍过程参数和电池参数，所述航拍过程参数至少包括无人机飞行参数；
需要说明的是，在本实施例中，用户可在利用无人机进行航拍任务之前，预先输入无人机的航拍区域、航拍过程参数和电池参数等。
进而，终端设备可确定无人机的航拍区域，并确定无人机的航拍过程参数和电池参数，其中，无人机的航拍过程参数既可以包括无人机飞行参数，也可以包括：无人机起降点和无人机所搭载镜头的镜头参数等。
步骤S30，基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数；
终端设备在确定无人机的航拍区域和包括无人机飞行参数的航拍过程参数后，将进一步确定该航拍区域内的航拍点和各个航拍点对应的航拍点参数，以结合该航拍点参数规划无人机航拍路线。
步骤S40，基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池参数之间的关系；
为了在有限电池容量下提升无人机的航拍效率，可考虑根据无人机的历史航拍过程参数以及历史电池参数构建无人机航拍模型。值得注意的是，由于在该无人机航拍模型中构建了无人机的历史航拍过程参数与历史电池参数之间的映射关系，因此可使用该无人机航拍模型确定不同航拍过程参数对应的电池参数，进而确定对应的航拍路线。
步骤S50，根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线。
终端设备在获取无人机的电池参数、航拍过程参数、航拍点参数和无人机航拍模型后，将基于电池利用率最大化原则，根据该电池参数、该航拍过程参数、该航拍点参数和该无人机航拍模型，规划无人机的航拍航线。
需要说明的是，在本实施例中，电池利用率最大化原则为：在有限电池容量情况下无人机尽可能地完成更多航拍任务，也即，在有限电池容量情况下无人机有效飞行时间最大化。
另外，无人机在完成此次航拍任务，并在预置的降落点成功着陆后，为了方便对无人机在航拍过程中所采集的航拍数据进行管理，可通过各个航拍点的航拍点参数对航拍数据进行命名，以方便航拍数据的管理及区域数据分块处理。
在本实施例中，终端设备可确定无人机的航拍区域，并确定无人机的航拍过程参数和电池参数。终端设备在确定无人机的航拍区域和包括无人机飞行参数的航拍过程参数后，将进一步确定该航拍区域内的航拍点和各个航拍点对应的航拍点参数。为了在有限电池容量下提升无人机的航拍效率，终端设备将根据无人机的历史航拍过程参数以及历史电池参数构建无人机航拍模型。进而，终端设备将基于电池利用率最大化原则，根据该电池参数、该航拍过程参数、该航拍点参数和该无人机航拍模型，规划无人机的航拍航线。
相比于现有技术中无人机折返式路径规划方法，在本发明中，根据电池参数、航拍过程参数、航拍点参数以及包含历史航拍过程参数和历史电池参数间映射关系的无人机航拍模型，基于电池利用率最大化原则对飞行航线进行规划，旨在实现无人机有效飞行最大化，即电池利用效率最大化。因此，本发明在需要更换无人机电池场景下，可明显提升电池有效使用率，提高无人机有效飞行时间，进而在有限电池容量下提升了航拍任务的执行效率。
基于本发明航线规划方法的第一实施例，提出本发明航线规划方法的第二实施例。
在本实施例中，在上述步骤S50，“基于电池利用率最大化原则进行航线规划得到飞行航线”之后，还可以包括：
步骤S60，在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整；
步骤S70，若是，则基于检测到的所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则重新进行航线规划以对所述飞行航线进行调整。
需要说明的是，在本实施例中，无人机在执行航拍任务过程中，可能受天气状况影响导致无人机电量不足或电池剩余电量超出预期估算剩余电量，此时需要再次对飞行航线进行优化，以最大化利用电池电量，并提高无人机有效飞行时间，提升航拍效率。
具体地，例如，无人机在按照飞行航线执行航拍任务时，实时检测无人机的电池参数，其中，该电池参数可以包括：电池当前剩余电量，若是检测到当前无人机的电池当前剩余电量不足以支撑完成此次航拍任务或者电池当前剩余电量相对于预期剩余电量的增量达到一定阈值，无人机将基于电池当前剩余电量、航拍过程参数、航拍点参数以及无人机航拍模型再次对飞行航线进行调整优化，以最大程度地利用电池剩余电量，提升无人机的有效飞行时间。
进一步地，上述步骤S30中，“基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数”，可以包括：
步骤S301，根据所述航拍过程参数确定航线高度和航线间距；
步骤S302，基于所述航拍区域、所述航线高度以及所述航线间距生成包含所述航拍区域在内的航拍网格，并基于所述航拍网格确定所述航拍点以及所述航拍点参数；
需要说明的是，在本实施例中，航拍过程参数中的无人机飞行参数包括了航向重叠率、旁向重叠率、飞行高度，除无人机飞行参数外，航拍过程参数还包括无人机搭载镜头的镜头参数和镜头拍摄角度等。
因此，终端设备可根据无人机的航向重叠率、旁向重叠率、飞行高度以及镜头参数、镜头拍摄角度等参数确定无人机的航线高度和前后左右方向上航线间的间距。进而，可根据该航线高度、该航线间的间距以及预先确定的航拍区域确定包含航拍区域在内的航拍网格。在此基础上，可考虑将各个网格的中心点或网格线间的各个交点作为航拍点，并确定各个航拍点对应的航拍点参数，其中，该航拍点参数包括航拍点的坐标、拍摄角度、拍摄高度等。
需要说明的是，在本实施例中，确定航拍点后可对得到的航拍点作进一步调整，包括除去航拍区域边缘不必要的航拍点，以进一步提升航拍效率，图5给出了一种航拍区域航拍点示意图。
进一步地，上述步骤S40，“基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型”，可以包括：
步骤S401，获取所述无人机的所述历史航拍过程参数和所述历史电池耗电量；
步骤S402，基于获取到的所述历史航拍过程参数和所述历史电池耗电量，利用机器学习算法构建所述无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池耗电量之间的关系。
需要说明的是，在本实施例中，无人机的历史电池参数包括历史电池耗电量，另外，历史航拍过程参数包括：历史的气象数据(风向和风速等)、历史飞行参数(飞行高度、飞行速度、飞行姿态(下降、爬升、平飞和斜飞等)等)、飞机型号、镜头数量以及飞行距离(实际飞行路径值)等。
在此基础上，终端设备可根据历史的气象数据、历史飞行参数、飞机型号、镜头数量以及飞行距离等参数，并结合无人机历史电池耗电量，利用卷积神经网络、Tensor Flow等机器学习算法(或者其他的机器学习算法，不作限定)，构建上述历史航拍过程参数与历史电池耗电量之间的关系模型，即无人机航拍模型。进而，终端设备能够通过该无人机航拍模型，根据当前航拍过程参数快速算出预计的电池耗电量。
进一步地，上述步骤S50中，“根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线”，可以包括：
步骤S501，将所述航拍过程参数输入至所述无人机航拍模型，得到电池耗电量预估值；
步骤S502，基于所述电池参数、所述航拍过程参数、所述航拍点参数以及所述电池耗电量预估值，以电池利用率最大化为目标，利用启发式算法寻优得到所述飞行航线。
终端设备在构建了包括历史航拍过程参数与历史电池耗电量间映射关系的无人机航拍模型后，可将获取的航拍过程参数输入至该无人机航拍模型，以获取该无人机航拍模型输出的与该航拍过程参数对应的电池耗电量预估值。进而，利用启发式算法(如模拟退火算法、遗传算法、蚁群算法、人工神经网络等，不作限定)，以有效飞行时间最长(即电池有效利用率最大)为目的，对所有的航拍点对象进行全局路径规划。值得注意的是，在本实施例中，寻优过程中所涉及的任意两处航拍点之间的飞行耗电量信息均可由无人机航拍模型输出获得。
在本实施例中，无人机在执行航拍任务过程中，可能受天气状况影响导致无人机电量不足或电池剩余电量超出预期估算剩余电量，此时需要再次对飞行航线进行优化，以最大化利用电池电量，并提高无人机有效飞行时间，提升航拍效率。终端设备可根据无人机的航向重叠率、旁向重叠率、飞行高度以及镜头参数、镜头拍摄角度等参数确定无人机的航线高度和前后左右方向上航线间的间距。进而，可根据该航线高度、该航线间的间距以及预先确定的航拍区域确定包含航拍区域在内的航拍网格。在此基础上，可考虑将各个网格的中心点或网格线间的各个交点作为航拍点，并确定各个航拍点对应的航拍点参数。再基于离散的航拍点进行航拍路径规划，并结合多种过程变量，及时调整航线，以提高有效飞行时间及电池有效飞行利用率。此外，终端设备可根据历史的气象数据、历史飞行参数、飞行姿态、飞机型号、镜头数量以及飞行距离等参数，并结合无人机历史电池耗电量，利用卷积神经网络、Tensor Flow等机器学习算法(或者其他的机器学习算法，不作限定)，构建上述历史航拍过程参数与历史电池耗电量之间的关系模型，即无人机航拍模型。进而，终端设备能够通过该无人机航拍模型，根据当前航拍过程参数快速算出预计的电池耗电量。终端设备在构建了包括历史航拍过程参数与历史电池耗电量间映射关系的无人机航拍模型后，可将获取的航拍过程参数输入至该无人机航拍模型，以获取该无人机航拍模型输出的与该航拍过程参数对应的电池耗电量预估值。进而，利用启发式算法，以有效飞行时间最长(即电池有效利用率最大)为目的，对所有的航拍点对象进行全局路径规划。
在本发明中，通过包含历史航拍过程参数和历史电池耗电量间映射关系的无人机航拍模型对当前电池耗电量进行估算，进而根据电池耗电量预估值和在按照飞行航线执行航拍任务时实时检测到的电池参数对所述飞行航线进行调整，从而实现基于电池利用率最大化原则进行航线规划。因此，本发明能够实现无人机有效飞行最大化，即电池利用效率最大化。在不更换无人机电池场景下，可明显提升电池有效使用率，提高无人机有效飞行时间，进而在有限电池容量下提升了航拍任务的执行效率。
基于本发明航线规划方法的第一实施例和第二实施例，提出本发明航线规划方法的第三实施例。
在本实施例中，在上述步骤S60中，“在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整”，可以包括：
步骤S601，在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
步骤S602，若检测到的所述当前电池剩余电量达到预设剩余电量阈值，则根据所述电池当前剩余电量相对于预先规划的剩余电量的增量是否达到预设电池增量阈值，确定是否调整所述飞行航线。
需要说明的是，在本实施例中，可预先对预设剩余电量阈值进行设置，比如，可设置70％、50％、30％、15％等预设剩余电量阈值。
具体地，例如，若是检测到无人机电池剩余电量达到上述预设剩余电量阈值或者完成部分航拍区域的航拍任务时，将自动评估当前飞行航线是否需要调整，此时若评估到当前剩余电量相对于预先规划的剩余电量的增量达到预设电池增量阈值，比如相较预先规划的剩余电量增加了10％的续航，将触发调整飞行航线功能，并根据电池当前剩余电量以及待完成的航拍任务，针对当前飞行航线进行调整优化。
进一步地，在上述步骤S60中，“在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整”，还可以包括：
步骤S603，在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
步骤S604，判断是否能够基于检测到的所述当前电池剩余电量完成所述航拍任务，并根据判断结果确定是否调整所述飞行航线。
无人机在按照飞行航线执行航拍任务的过程中，将实时检测无人机电池的当前剩余电量，若检测到由于天气气象数据或者无人机电池自身参数等原因导致电池当前剩余电量无法支撑无人机完成剩余航拍任务，无人机将在剩余航拍任务的航线附近基于电池利率用最大化原则重新规划航线，以在电池剩余电量不足的情况下尽可能地执行更多航拍任务，同时又能确保无人机的正常起降，即在预设降落点顺利着陆。
进一步地，在上述步骤S60中，“在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整”，还可以包括：
步骤S605，在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
步骤S606，基于检测到的所述当前电池剩余电量确定无人机当前剩余续航里程相对于预先规划的剩余续航里程的增量，并根据所述增量是否达到预设里程增量阈值确定是否调整所述飞行航线。
无人机在执行航拍任务过程中需要实时检测剩余续航里程，若是检测到当前的剩余里程相对于预先规划的剩余续航里程的增量达到预设里程增量阈值(比如20％)，则重新规划飞行航线，以充分利用电池剩余电量执行更多的航拍任务。
在本实施例中，若是检测到无人机电池剩余电量达到上述预设剩余电量阈值或者完成部分相对航拍区域的任务时，将自动评估当前飞行航线是否需要调整，此时若评估到当前剩余电量相对于预先规划的剩余电量的增量达到预设电池增量阈值，比如相较预先规划的剩余电量增加了10％的续航，将触发调整飞行航线功能，并根据当前剩余电量以及待完成的航拍任务，针对当前飞行航线进行调整优化。无人机在按照飞行航线执行航拍任务的过程中，将实时检测无人机电池的当前剩余电量，若检测到由于天气气象数据或者无人机电池自身参数等原因导致电池当前剩余电量无法支撑无人机完成剩余航拍任务，无人机将在剩余航拍任务的航线附近基于电池利率用最大化原则重新规划航线，以在电池剩余电量不足的情况下尽可能地执行更多航拍任务，同时又能确保无人机的正常起降，即在预设降落点顺利着陆。无人机在执行航拍任务过程中需要实时检测剩余续航里程，若是检测到当前的剩余里程相对于预先规划的剩余续航里程的增量达到预设里程增量阈值(比如20％)，则重新规划飞行航线，以充分利用电池剩余电量执行更多的航拍任务。
在本发明中，根据电池剩余电量和剩余航拍任务调整当前飞行航线，以在电池剩余电量不足或者在电池电量相比于预期规划电量有存余时及时调整当前飞行航线，以基于当前的剩余电量完成更多的航拍任务，实现电池利用效率最大化和无人机有效飞行时间最大化。
基于本发明航线规划方法的第一实施例、第二实施例和第三实施例，提出本发明航线规划方法的第四实施例。
在本实施例中，将本发明航线规划方法应用于各场景中，以对本发明航线规划方法进行进一步解释。需要说明的是，在本实施例中，各个离散航拍点为已知的输入，在本实施例中需要以离散的航拍点为基础进行飞行航线规划。另外，为了尽可能大的扩大飞行航拍区域面积，一般都要求无人机的起降点尽可能位于航拍区域中心附近(无人机通信有距离限制)，因此，在本实施例中的无人机起降点近似在航拍区域中心点附近，在实际操作时也可不在航拍区域中心点附近起降。
在本实施例中，当一次飞行能完成所有的航拍任务时，结合航拍区域、执行所述飞行航拍任务当日的气象数据、无人机的飞行参数、电池参数、镜头参数和飞行起降点等参数，基于有效飞行时间最大化(电池利用效率最大化)为目自动寻找一种最佳规划航线。若采用无人机自带软件路径规划功能，所规划的航线路径如图2所示，假设无人机起降点位于航拍区域中心位置，此时调用无人机飞行软件自动规划的路径如图6-1所示，采用本发明航线规划方法生成的航拍路径可如图6-2所示。为便于计算，在本实施例中所有场景均假设各航拍点水平和垂直方向之间距离均为a，则在图6-1中，航拍有效飞行距离为：119a，无效飞行距离(虚线部分)为：14.23a，有效飞行距离比值：89.32％；而在图6-2中，航拍有效飞行距离为：119a，无效飞行距离为：2.36a，有效飞行距离比值：98.06％，由两组数据可知，有效飞行距离提升了约8.74％。
在另一实施例中，以规则区域为基础，两次飞行能完成所有航拍任务。若采用无人机自带软件进行航拍，则会一直拍摄，直至软件电量达到用户设置的阈值，如30％，无人机会自动返航，具体返航点飞行之前未知。图7-1为一种可能的实际飞行路径，图中航拍有效飞行距离为：119a，无效飞行距离为：24.08a，有效飞行距离比值：83.17％；图7-2为采用本发明航线规划方法生成的一种可能飞行路径，图中航拍有效飞行距离为：119a，无效飞行距离为：3.86a，有效飞行距离比值：96.86％；由两组数据可知，有效飞行距离提升了约13.69％，在飞机安全情况下，能够确保第一块电池电量使用率最大化。
在另一实施例中，以规则区域为基础，三次飞行能完成所有拍摄任务。图8-1为一种可能的实际飞行路径，图中航拍有效飞行距离为：119a，无效飞行距离为：36.23a，有效飞行距离比值：76.66％；图8-2为采用本发明航线规划方法生成的一种可能飞行路径，图中航拍有效飞行距离为：119a，无效飞行距离为：6.42a，有效飞行距离比值：94.88％；由两组数据可知，有效飞行距离提升了约18.22％，在飞机安全情况下，能够确保前两块电池电量使用率最大化。
在另一实施例中，以不规则区域为基础，两次飞行能完成所有拍摄任务，且拍摄过程中气象及电池等有所变化。图9-1为航拍软件自带规划路径结果，在实际操作过程中发现，自带软件生成的区域框选仅允许拖动4个顶点进行区域选择。这样会导致生成的飞行区域会大于实际所需区域，造成资源浪费。图9-1为一种可能的航拍路径图，图中航拍有效飞行距离为：121a，无效飞行距离为：40.37a，有效飞行距离比值：74.98％。图9-2为采用本发明航线规划方法得到的航拍规划图，图中有效飞行距离为：121a，无效飞行距离为：3.24a，有效飞行距离比值：97.39％，相较图9-1中的规划路径提升了22.41％。图9-3为航拍飞行过程中，在完成小片航拍区域飞行后，检测到当前剩余电量相对于预先规划的剩余电量的增量达到预设电池增量阈，并结合气象情况，自动重新优化路径，将航拍路径调整为图9-3所示的飞行航线，以最大限度利用电池电量，调整后图中航拍有效飞行距离为：121a，无效飞行距离为：3.94a，有效飞行距离比值：96.85％，与图9-2所示路径比较，最大的优势是提高了电池有效使用率(飞机在爬升阶段最为耗电，所以竟可能减少爬升过程)，为后续飞行任务做准备。
在本实施例中，提出了本发明航线规划方法所应用的各个场景，包括规则航拍区域内无人机在飞行一次、二次和三次内能够完成航拍任务以及在不规则航拍区域内无人机在飞行两次能够完成航拍任务的情况下，进一步确定了各场景下的无人机有效飞行距离比值。可见，通过本发明航线规划方法所确定的飞行航线，实现了无人机电池利用效率最大化，和无人机有效飞行时间最大化，提升了在有限的无人机电池容量下航拍任务的执行效率，并适用于各种飞行场景。
此外，本发明实施例还提出一种航线规划系统，参照图10，图10为本发明航线规划一实施例的功能模块示意图。如图10所示，本发明航线规划系统，包括：
第一确定模块10，用于确定航拍区域；
获取模块20，用于获取所述无人机的航拍过程参数和电池参数，所述航拍过程参数至少包括无人机飞行参数；
第二确定模块30，用于基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数；
构建模块40，用于基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池参数之间的关系；
航线规划模块50，用于根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线。
进一步地，所述航线规划系统，还包括：
检测模块，用于在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整；
航线调整模块，用于基于检测到的所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则重新进行航线规划以对所述飞行航线进行调整。
进一步地，所述第二确定模块30，包括：
第一确定单元，用于根据所述航拍过程参数确定航线高度和航线间距；
第二确定单元，用于基于所述航拍区域、所述航线高度以及所述航线间距生成包含所述航拍区域在内的航拍网格，并基于所述航拍网格确定所述航拍点以及所述航拍点参数。
进一步地，所述构建模块40，包括
获取单元，用于获取所述无人机的所述历史航拍过程参数和所述历史电池耗电量；
构建单元，用于基于获取到的所述历史航拍过程参数和所述历史电池耗电量，利用机器学习算法构建所述无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池耗电量之间的关系。
进一步地，所述航线规划模块50，包括：
电池耗电量预估值获取单元，用于将所述航拍过程参数输入至所述无人机航拍模型，得到电池耗电量预估值；
寻优单元，用于基于所述电池参数、所述航拍过程参数、所述航拍点参数以及所述电池耗电量预估值，以电池利用率最大化为目标，利用启发式算法寻优得到所述飞行航线。
进一步地，所述检测模块，包括：
第一检测单元，用于在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
第一确定单元，用于若检测到的所述当前电池剩余电量达到预设剩余电量阈值，则根据所述当前电池剩余电量相对于预先规划的剩余电量的增量是否达到预设电池增量阈值，确定是否调整所述飞行航线。
进一步地，所述检测模块，还包括：
第二检测单元，用于在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
第二确定单元，用于判断是否能够基于检测到的所述当前电池剩余电量完成所述航拍任务，并根据判断结果确定是否调整所述飞行航线。
进一步地，所述检测模块，还包括：
第三检测单元，用于在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
第三确定单元，用于基于检测到的所述当前电池剩余电量确定无人机当前剩余续航里程相对于预先规划的剩余续航里程的增量，并根据所述增量是否达到预设里程增量阈值确定是否调整所述飞行航线。
本发明航线规划系统的各个功能模块的具体实施方式与上述航线规划方法各实施例基本相同，在此不做赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有航线规划程序，所述航线规划程序被处理器执行时实现如上所述的航线规划方法的步骤。
本发明航线规划系统和计算机可读存储介质的各实施例，均可参照本发明航线规划方法各个实施例，此处不再赘述。
此外，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如以上航线规划方法的任一项实施例所述的航线规划方法的步骤。
本发明计算机程序产品的具体实施例与上述航线规划方法的各实施例基本相同，在此不作赘述。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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可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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是无人机等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (11)
1.一种航线规划方法，其特征在于，所述航线规划方法应用于无人机，所述航线规划方法包括：
确定航拍区域；
获取所述无人机的航拍过程参数和电池参数，所述航拍过程参数至少包括无人机飞行参数；
基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数；
基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池参数之间的关系；
根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线。
2.如权利要求1所述的航线规划方法，其特征在于，在所述基于电池利用率最大化原则进行航线规划得到飞行航线的步骤之后，还包括：
在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整；
若是，则基于检测到的所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则重新进行航线规划以对所述飞行航线进行调整。
3.如权利要求1所述的航线规划方法，其特征在于，所述基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数的步骤，包括：
根据所述航拍过程参数确定航线高度和航线间距；
基于所述航拍区域、所述航线高度以及所述航线间距生成包含所述航拍区域在内的航拍网格，并基于所述航拍网格确定所述航拍点以及所述航拍点参数。
4.如权利要求1所述的航线规划方法，其特征在于，所述历史电池参数包括历史电池耗电量，所述基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型的步骤，包括：
获取所述无人机的所述历史航拍过程参数和所述历史电池耗电量；
基于获取到的所述历史航拍过程参数和所述历史电池耗电量，利用机器学习算法构建所述无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池耗电量之间的关系。
5.如权利要求4所述的航线规划方法，其特征在于，所述根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线的步骤，包括：
将所述航拍过程参数输入至所述无人机航拍模型，得到电池耗电量预估值；
基于所述电池参数、所述航拍过程参数、所述航拍点参数以及所述电池耗电量预估值，以电池利用率最大化为目标，利用启发式算法寻优得到所述飞行航线。
6.如权利要求2所述的航线规划方法，其特征在于，所述在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整的步骤，包括：
在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
若检测到的所述当前电池剩余电量达到预设剩余电量阈值，则根据所述当前电池剩余电量相对于预先规划的剩余电量的增量是否达到预设电池增量阈值，确定是否调整所述飞行航线。
7.如权利要求2所述的航线规划方法，其特征在于，所述在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整的步骤，包括：
在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
判断是否能够基于检测到的所述当前电池剩余电量完成所述航拍任务，并根据判断结果确定是否调整所述飞行航线。
8.如权利要求2所述的航线规划方法，其特征在于，所述在按照所述飞行航线执行航拍任务时实时检测所述电池参数，并基于检测到的所述电池参数判断是否对所述飞行航线进行调整的步骤，包括：
在按照所述飞行航线执行所述航拍任务时，对当前电池剩余电量进行检测；
基于检测到的所述当前电池剩余电量确定无人机当前剩余续航里程相对于预先规划的剩余续航里程的增量，并根据所述增量是否达到预设里程增量阈值确定是否调整所述飞行航线。
9.一种航线规划系统，其特征在于，所述航线规划系统包括：
第一确定模块，用于确定航拍区域；
获取模块，用于获取所述无人机的航拍过程参数和电池参数，所述航拍过程参数至少包括无人机飞行参数；
第二确定模块，用于基于所述航拍区域和所述航拍过程参数确定航拍点以及航拍点参数；
构建模块，用于基于所述无人机的历史航拍过程参数和历史电池参数构建无人机航拍模型，所述无人机航拍模型至少用于指示所述历史航拍过程参数与所述历史电池参数之间的关系；
航线规划模块，用于根据所述电池参数、所述航拍过程参数、所述航拍点参数以及所述无人机航拍模型，基于电池利用率最大化原则进行航线规划得到飞行航线。
10.一种终端设备，其特征在于，所述终端设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的航线规划程序，所述航线规划程序被所述处理器执行时实现如权利要求1至8中任一项所述的航线规划方法的步骤。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有航线规划程序，所述航线规划程序被处理器执行时实现如权利要求1至8中任一项所述的航线规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210584617.7A CN114879735A (zh) | 2022-05-27 | 2022-05-27 | 航线规划方法、系统、终端设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210584617.7A CN114879735A (zh) | 2022-05-27 | 2022-05-27 | 航线规划方法、系统、终端设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114879735A true CN114879735A (zh) | 2022-08-09 |
Family
ID=82677568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210584617.7A Pending CN114879735A (zh) | 2022-05-27 | 2022-05-27 | 航线规划方法、系统、终端设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114879735A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115657706A (zh) * | 2022-09-22 | 2023-01-31 | 中铁八局集团第一工程有限公司 | 基于无人机的地貌测量方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109582034A (zh) * | 2018-11-29 | 2019-04-05 | 沈阳无距科技有限公司 | 一种多任务航线规划方法、装置及电子设备 |
| CN109655065A (zh) * | 2018-12-29 | 2019-04-19 | 湖北无垠智探科技发展有限公司 | 一种无人机五航线规划方法及装置 |
| US10410291B1 (en) * | 2016-09-02 | 2019-09-10 | State Farm Mutual Automobile Insurance Company | Systems and methods for analyzing unmanned aerial missions |
| CN110348595A (zh) * | 2019-05-31 | 2019-10-18 | 南京航空航天大学 | 一种基于飞行数据的无人机混合推进系统能量管控方法 |
| CN110994638A (zh) * | 2019-12-25 | 2020-04-10 | 合肥阳光新能源科技有限公司 | 无功补偿方法、系统及计算机可读存储介质 |
| JP2020061984A (ja) * | 2018-10-18 | 2020-04-23 | 直哉 竹居 | 農作業支援システムおよび栽培管理サーバ |
| CN111367315A (zh) * | 2020-03-11 | 2020-07-03 | 北京邮电大学 | 一种应用于无人机收集信息的轨迹规划方法及装置 |
| CN112668793A (zh) * | 2020-12-31 | 2021-04-16 | 广州极飞科技有限公司 | 补给点位确定方法、作业规划方法及相关装置 |
| CN112668792A (zh) * | 2020-12-31 | 2021-04-16 | 广州极飞科技有限公司 | 补给规划方法、作业方法及相关装置 |
| CN113203417A (zh) * | 2021-04-06 | 2021-08-03 | 广东安恒电力科技有限公司 | 基于头脑风暴优化算法的无人机巡检路径规划方法 |
| DE102020202803A1 (de) * | 2020-03-05 | 2021-09-09 | Zf Friedrichshafen Ag | Modellbasierte prädiktive Regelung eines Fahrzeugs unter Berücksichtigung eines Ankunftszeit-Faktors |
| US20210407303A1 (en) * | 2020-06-30 | 2021-12-30 | Honeywell International Inc. | Systems and methods for managing energy use in automated vehicles |
-
2022
- 2022-05-27 CN CN202210584617.7A patent/CN114879735A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10410291B1 (en) * | 2016-09-02 | 2019-09-10 | State Farm Mutual Automobile Insurance Company | Systems and methods for analyzing unmanned aerial missions |
| JP2020061984A (ja) * | 2018-10-18 | 2020-04-23 | 直哉 竹居 | 農作業支援システムおよび栽培管理サーバ |
| CN109582034A (zh) * | 2018-11-29 | 2019-04-05 | 沈阳无距科技有限公司 | 一种多任务航线规划方法、装置及电子设备 |
| CN109655065A (zh) * | 2018-12-29 | 2019-04-19 | 湖北无垠智探科技发展有限公司 | 一种无人机五航线规划方法及装置 |
| CN110348595A (zh) * | 2019-05-31 | 2019-10-18 | 南京航空航天大学 | 一种基于飞行数据的无人机混合推进系统能量管控方法 |
| CN110994638A (zh) * | 2019-12-25 | 2020-04-10 | 合肥阳光新能源科技有限公司 | 无功补偿方法、系统及计算机可读存储介质 |
| DE102020202803A1 (de) * | 2020-03-05 | 2021-09-09 | Zf Friedrichshafen Ag | Modellbasierte prädiktive Regelung eines Fahrzeugs unter Berücksichtigung eines Ankunftszeit-Faktors |
| CN111367315A (zh) * | 2020-03-11 | 2020-07-03 | 北京邮电大学 | 一种应用于无人机收集信息的轨迹规划方法及装置 |
| US20210407303A1 (en) * | 2020-06-30 | 2021-12-30 | Honeywell International Inc. | Systems and methods for managing energy use in automated vehicles |
| CN112668793A (zh) * | 2020-12-31 | 2021-04-16 | 广州极飞科技有限公司 | 补给点位确定方法、作业规划方法及相关装置 |
| CN112668792A (zh) * | 2020-12-31 | 2021-04-16 | 广州极飞科技有限公司 | 补给规划方法、作业方法及相关装置 |
| CN113203417A (zh) * | 2021-04-06 | 2021-08-03 | 广东安恒电力科技有限公司 | 基于头脑风暴优化算法的无人机巡检路径规划方法 |
Non-Patent Citations (2)
| Title |
|---|
| 商高高;陈鹏;韩江义;夏长高;: "基于最佳能耗的电动拖拉机多作业点路径规划算法研究", 重庆理工大学学报(自然科学), no. 05, 15 May 2020 (2020-05-15) * |
| 李靖;杨帆;: "基于改进灰狼优化算法的区域监测机器人路径规划", 科学技术与工程, no. 15, 28 May 2020 (2020-05-28) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115657706A (zh) * | 2022-09-22 | 2023-01-31 | 中铁八局集团第一工程有限公司 | 基于无人机的地貌测量方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107544540B (zh) | 一种应用于旋翼无人机的航线规划方法 | |
| US11029352B2 (en) | Unmanned aerial vehicle electromagnetic avoidance and utilization system | |
| CN109144097B (zh) | 障碍物或地面识别及飞行控制方法、装置、设备及介质 | |
| CN105549619B (zh) | 一种用于无人机续航能力的多起降点航线规划方法 | |
| JP7274674B1 (ja) | 無人航空機による３次元再構成の実行 | |
| KR102181283B1 (ko) | 나무 계측 시스템 | |
| CN107690605B (zh) | 一种航线编辑方法、装置及控制设备 | |
| CN113031633B (zh) | 一种无人机的降落方法、装置、无人机及介质 | |
| US20210225176A1 (en) | Airspace management system, airspace management method, and program therefor | |
| CN108508916B (zh) | 一种无人机编队的控制方法、装置、设备及存储介质 | |
| US20140207365A1 (en) | Methods for determining a flight path | |
| CN104932525A (zh) | 无人机的控制方法、装置、地面控制系统及无人机 | |
| CN111009150B (zh) | 一种开放式停车场管理方法、系统及后台服务器 | |
| CN112166394B (zh) | 一种航线规划方法、设备、系统及存储介质 | |
| CN106292126A (zh) | 一种智能航测飞行曝光控制方法、无人机控制方法及终端 | |
| CN114746822A (zh) | 路径规划方法、路径规划装置、路径规划系统和介质 | |
| CN113568427B (zh) | 无人机自主着陆移动平台的方法及系统 | |
| CN111625013A (zh) | 无人机执行飞行任务的能量预估方法及装置 | |
| WO2020194495A1 (ja) | 着陸管理装置、着陸管理方法、及び着陸管理システム | |
| CN116661497A (zh) | 一种智能飞行汽车 | |
| CN114879735A (zh) | 航线规划方法、系统、终端设备及介质 | |
| CN116483127A (zh) | 一种无人机异地起降方法、无人机控制终端及存储介质 | |
| CN117649785B (zh) | 一种无人机多运行人分布式协同冲突化解方法及系统 | |
| CN117519253A (zh) | 一种无人机巡检任务动态规划和执行方法和系统 | |
| US20240290199A1 (en) | Traffic monitoring method based on aerial survey data |
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 |