CN114879746B - 一种农业植保无人机飞行路线优化方法 - Google Patents

一种农业植保无人机飞行路线优化方法 Download PDF

Info

Publication number
CN114879746B
CN114879746B CN202210817770.XA CN202210817770A CN114879746B CN 114879746 B CN114879746 B CN 114879746B CN 202210817770 A CN202210817770 A CN 202210817770A CN 114879746 B CN114879746 B CN 114879746B
Authority
CN
China
Prior art keywords
route
unmanned aerial
aerial vehicle
flight
simulation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210817770.XA
Other languages
English (en)
Other versions
CN114879746A (zh
Inventor
孙群
高靖轩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Zhongyu Aviation Technology Development Co ltd
Original Assignee
Shandong Zhongyu Aviation Technology Development Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Zhongyu Aviation Technology Development Co ltd filed Critical Shandong Zhongyu Aviation Technology Development Co ltd
Priority to CN202210817770.XA priority Critical patent/CN114879746B/zh
Publication of CN114879746A publication Critical patent/CN114879746A/zh
Application granted granted Critical
Publication of CN114879746B publication Critical patent/CN114879746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种农业植保无人机飞行路线优化方法，涉及智能控制领域。包括：获取目标农田图像和加药点位置；获取单位时间内药剂消耗量、无人机的飞行速度、可携带药剂总量和可飞行时间；获取无人机所有的模拟路线，计算每条模拟路线的重复程度确定待选路线；获取每条待选路线中的断点位置；计算该待选路线的时间损失程度和拐点数量计算该待选路线的优选程度；将优选程度最大的待选路线作为无人机喷洒飞行路线控制无人机进行药剂喷洒。本发明通过对各待选路线的时间损失以及拐点数量两个方面计算优选程度，对不同需求下的成本的权重进行调整增加无人机控制系统的灵活性。

Description

一种农业植保无人机飞行路线优化方法
技术领域
本发明涉及智能控制领域，具体涉及一种农业植保无人机飞行路线优化方法。
背景技术
农业植保无人机主要广泛用于农业方面，所谓植保即植物保护，是植保机械围绕作物的病虫草害进行防治的作业过程。其过程是通过地面遥控或GPS飞控，来实现喷洒作业，可以喷洒药剂、种子、粉剂等操作流程的。
由于无人机可以携带的药量有限以及无人机续航能力有限，我们期望在无人机的喷洒过程中可以尽量减少药量的损失量，尽量减少无人机的无效飞行长度，也就是减少无人机不携带药剂的飞行长度，即需要为无人机设计一套程序控制系统来达到这个期望目的，但是由于现有技术中无人机的飞行过程多为人工操作，不能很好的考虑到人工控制无人机的轨迹是否能够尽可能的减少药剂的损失和尽可能快的无人机作业时间，会造成药剂的浪费和无人机的无效作业时间。
发明内容
针对上述技术问题，本发明提供了一种农业植保无人机飞行路线优化方法，包括：
获取目标农田图像，并确定加药点位置；
利用无人机轨迹模拟得到无人机在目标农田图像中的所有模拟路线，且每条模拟路线全覆盖目标农田图像中的所有像素点；
利用每条模拟路线的轨迹对该模拟路线上的像素点的灰度值进行重新赋值得到每条模拟路线的飞行轨迹灰度图；
所述模拟路线的飞行轨迹灰度图中，若飞行轨迹只经过该像素点一次，将该像素点的灰度值赋值为0，飞行轨迹每重复经过像素点一次，将该像素点的灰度值进行加1处理；
根据每条模拟路线的飞行轨迹灰度图中像素点的灰度值和非零像素点的数量计算每条模拟路线的重复程度，提取出重复程度为0的模拟路线作为待选路线；
获取无人机的飞行速度、单位时间内药剂消耗量和可携带的药剂总量拟合得到无人机的可飞行时间，根据无人机的可飞行时间确定每条待选路线中所有的无人机断点位置；
获取每条待选路线上每个断点到加药点之间的断点距离，根据每条待选路线上断点距离、断点的数量以及无人机的飞行速度计算该待选路线的时间损失程度；
根据每条待选路线的时间损失程度计算该待选路线的优选程度，将优选程度最大的待选路线作为无人机路线；
将无人机路线对应的模拟器参数输入无人机的模拟器中控制无人机进行药剂喷洒。
一种农业植保无人机飞行路线优化方法还包括：
提取每条待选路线上的拐点，利用每条待选路线的时间损失程度和拐点数量对该待选路线的优选程度进行修正，得到每条待选路线最终的优选程度。
利用每条待选路线的时间损失程度和拐点数量对该待选路线的优选程度进行修正的计算公式如下：
Figure DEST_PATH_IMAGE001
式中：
Figure 937925DEST_PATH_IMAGE002
为第
Figure 801975DEST_PATH_IMAGE003
条待选路线修正后的最终的优选程度，
Figure 22872DEST_PATH_IMAGE004
表示第
Figure 836149DEST_PATH_IMAGE003
条模拟路线上的时间损失程度，
Figure 572024DEST_PATH_IMAGE005
表示第
Figure 708607DEST_PATH_IMAGE003
条待选路线上的拐点数量。
根据每条模拟路线中像素点的灰度值和非零像素点的数量计算每条模拟路线的重复程度的方法如下：
获取每条模拟路线重新赋值后的像素点的灰度值，统计每条模拟路线上非零像素点的数量和每个非零像素点的灰度值，根据每条模拟路线上非零像素点的数量和每个非零像素点的灰度值计算对应模拟路线的重复程度，计算公式为：
Figure 846327DEST_PATH_IMAGE006
式中：
Figure 100002_DEST_PATH_IMAGE007
为第
Figure 777374DEST_PATH_IMAGE008
条模拟路线的重复程度，
Figure 967922DEST_PATH_IMAGE009
为目标农田图像中像素点的数量，
Figure 439355DEST_PATH_IMAGE010
表示第
Figure 431581DEST_PATH_IMAGE008
条模拟路线上非零像素点的数量，
Figure 799109DEST_PATH_IMAGE011
表示第
Figure 555581DEST_PATH_IMAGE008
条模拟路线上非零像素点的序号，
Figure 565125DEST_PATH_IMAGE012
表示第
Figure 411859DEST_PATH_IMAGE008
条模拟路线上第
Figure 215867DEST_PATH_IMAGE011
个非零像素点的灰度值。
根据每条待选路线上断点距离和数量以及无人机的飞行速度的计算该待选路线的时间损失程度的计算过程如下：
获取每条待选路线中所有的断点位置，根据每条待选路线上断点的位置和加药点的位置计算该待选路线上每个断点和加药点的断点距离，根据每条待选路线上每个断点的断点距离、断点的数量以及无人机的飞行速度计算该待选路线的时间损失程度，计算公式如下：
Figure 148051DEST_PATH_IMAGE013
式中：
Figure 459821DEST_PATH_IMAGE004
表示第
Figure 426640DEST_PATH_IMAGE003
条待选路线的时间损失程度，
Figure 135970DEST_PATH_IMAGE014
为第
Figure 821029DEST_PATH_IMAGE003
条待选路线上断点的数量，
Figure DEST_PATH_IMAGE015
表示所有待选路线的断点数量序列，
Figure 375638DEST_PATH_IMAGE016
表示所有待选路线上断点数量最大/小的断点数量，
Figure 196964DEST_PATH_IMAGE017
表示第
Figure 575730DEST_PATH_IMAGE003
条待选路线上断点的序号，
Figure 482507DEST_PATH_IMAGE018
为无人机的飞行速度，
Figure 637544DEST_PATH_IMAGE019
表示第
Figure 313376DEST_PATH_IMAGE003
条待选路线上第
Figure 895667DEST_PATH_IMAGE017
个断点的断点距离。
根据无人机的可飞行时间确定每条待选路线中所有的无人机断点位置的方法为：
根据无人机的可飞行时间确定每条待选路线中所有的无人机断点位置，具体方法如下：
Figure 289740DEST_PATH_IMAGE020
式中：
Figure 982889DEST_PATH_IMAGE021
表示断点位置对应的无人机的飞行距离，
Figure 277342DEST_PATH_IMAGE022
，
Figure DEST_PATH_IMAGE023
为无人机移动距离的整数倍数，
Figure 233797DEST_PATH_IMAGE024
为无人机的可飞行时间；
根据上述方法得到每条待选路线中所有的断点。
提取每条待选路线上的拐点的方法如下：
计算每条待选路线上相邻三个像素点所成向量之间的夹角余弦值，当所得结果不为1时，认为此时无人机方向发生了改变，将中间的像素点作为拐点，以此类推，依次确定每条待选路线上无人机飞行轨迹中的所有拐点，则第奇数个拐点为一次方向变化的起始位置，第偶数个拐点为一次方向变化的结束位置。
相比于现有技术，本发明实施例的有益效果在于：
1. 本发明所设计的无人机程序控制系统通过将采集目标农田表面图像，通过计算机模拟无人机喷洒药剂的飞行方案，避免人工规划飞行路线难度较大，且所得方案不全面情况的出现，不受农田形状的限制，增加了系统的适用性。
2. 本发明通过目标区域灰度值的变化，首先获取无人机喷洒区域的重叠度，再进行无人机工作效率的评估，保证无人机的喷洒质量，防止重喷现象的出现；
3. 本发明所设计的无人机程序控制系统通过对各个方案所需要的额外时间成本以及药剂损失量两个方面进行各个方案优选程度的评估，且可以对不同需求下各种成本所占比例进行调整，增加无人机程序控制系统系统的灵活性。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一种农业植保无人机飞行路线优化方法提供的流程框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做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。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本发明实施例提供了一种农业植保无人机飞行路线优化方法，如图1所示，具体内容包括：
利用图像处理技术，对采集的目标农田图像进行药剂模拟喷洒，通过对无人机飞行方案进行模拟，分析不同模拟飞行方案中时间损失量以及药剂损失量得到各个方案的优选程度，对所得多个飞行方案进行评估，从而获取最优的飞行路线以及该路线的飞行参数，使得无人机在进行农业植保过程中，在保证喷洒质量的前提下，提高无人机的工作效率，实现农业植保无人机飞行的智能控制。
S101、获取目标农田图像和加药点位置
本实施例首先获取需要喷洒药剂的农田区域，因为无人机可携带的药剂总量有限，而需要喷洒药剂的农田区域过大，单次喷洒药剂可能无法将目标农田全覆盖，所以需要设置加药点，确定加药点的位置，在喷洒药剂的过程中对无人机进行药剂量的增加。
由于农田本身可能并不规则，首先需要获取待喷洒的农田区域范围来确定无人机的飞行区域，本步骤的具体过程如下：
1.首先经过人工确定加药点位置；
2.无人机在加药点起飞后，飞行到农田的正上方后悬停，对农田进行图像采集，由于农田边界存在田埂对不同的农田进行划分，因此在无人机采集的图像中，不同农田之间存在清晰的界限，因此本发明使用Seed-Filling算法对图像进行连通域分析，获取以图像中心点对应的连通域，将该连通域部分提取出来得到目标农田图像；
3.以该目标农田图像中所包含的像素点的总个数为农田的面积
Figure 849586DEST_PATH_IMAGE009
，获取加药点在图像中的位置信息。
至此，得到目标农田图像和加药点位置。
S102、获取无人机信息
根据无人机所携带的药量以及无人机续航能力，结合加药点位置以及作物分布范围，使用计算机模拟多个飞行方案，因此需要先获取无人机的信息，所述无人机信息包括：药剂喷洒半径、单位时间内药剂消耗量、无人机可携带的药剂总量、无人机的飞行速度以及无人机的可飞行时间。
1.人工测量目标农田的半侧边缘长度，结合相机焦距以及该边缘在图像中的长度得到相机的工作距离；
2.根据相机的工作距离，相机焦距，结合相机成像原理，得到药剂喷洒半径在图像中的对应长度
Figure 346426DEST_PATH_IMAGE025
,该喷洒半径下单位时间内药剂消耗量为
Figure 996850DEST_PATH_IMAGE026
,无人机可携带的药剂总量为
Figure 920944DEST_PATH_IMAGE027
，飞行速度为
Figure 522564DEST_PATH_IMAGE018
，则无人机的可飞行时间为
Figure 557517DEST_PATH_IMAGE028
，由于需要保留无人机返回到加药点的电量，因此该可飞行时间为无人机的飞行阈值，超过该阈值，无人机需要返回加药点；
3.其中
Figure 796868DEST_PATH_IMAGE026
,
Figure 891863DEST_PATH_IMAGE029
均可以使用最小二乘法通过历史数据拟合出来；(喷洒半径越大，单位时间内喷洒出的药剂量越高，因此药剂消耗量与喷洒半径为正相关关系；无人机的可飞行时间除了受到自身型号的限制，还受到载重量以及飞行速度的影响，载重越大，飞行速度越高都会使无人机的耗电量加快)。
S103、得到所有的模拟路线
根据S101与S102获取的目标农田图像、加药点位置以及无人机信息输入到模拟器中对无人机的喷洒路线进行模拟，得到多个无人机的模拟路线，对每条模拟路线上无人机轨迹中的像素点的灰度值进行重新赋值，具体操作为：
将目标农田图像中所有像素点的灰度值做置零处理，设置加药点，无人机从加药点起飞后，沿任意路径进入目标农田区域，进入目标农田区域后的第一个位置为药剂喷洒的起始位置，使用宽度为
Figure 482244DEST_PATH_IMAGE030
的线条遍历目标农田图像中的各个像素点，宽度为
Figure 320887DEST_PATH_IMAGE030
的线条经历过的像素点的灰度值进行加1，对无人机的每条模拟路线经过的像素点的灰度值进行重置，对每一条模拟路线进行遍历：对目标农田图像上的灰度值进行置零处理，当前模拟路线每经过一次该像素点，对该像素点的灰度值进行加1处理，当遍历完当前模拟路线的无人机飞行轨迹上所有的像素点后停止遍历得到每个像素点的灰度值，直到图像中不存在未被滑窗区域覆盖的像素点，无人机返回至加药点，将遍历后每条模拟路线上像素点的灰度值赋值给改模拟路线上对应像素点的灰度值完成对每条模拟路线上各像素点的重新赋值。
至此，得到无人机的每条模拟路线上像素点重新赋值后的灰度值。
S104、计算每条模拟路线的重复程度
由于本实施例在像素点重复遍历时，在像素点原有灰度值上进行了加一操作，即理想情况下，不存在重喷现象的方案所对应的图像中各个像素点的灰度值为1，因此计算将第
Figure 945904DEST_PATH_IMAGE008
条模拟路线所对应的各个像素点的灰度值减1后得计算该模拟路线的重复程度，计算方法如下：
获取重新赋值后每条模拟路线上非零像素点的数量和每个非零像素点的灰度值，根据每条模拟路线上非零像素点的数量和每个非零像素点的灰度值计算对应模拟路线的重复程度，计算公式为：
Figure 444756DEST_PATH_IMAGE031
式中：
Figure 522433DEST_PATH_IMAGE007
为第
Figure 899188DEST_PATH_IMAGE008
条模拟路线的重复程度，
Figure 113132DEST_PATH_IMAGE009
为目标农田图像中像素点的数量，
Figure 549929DEST_PATH_IMAGE010
表示第
Figure 114903DEST_PATH_IMAGE008
条模拟路线上非零像素点的数量，
Figure 295348DEST_PATH_IMAGE011
表示第
Figure 894957DEST_PATH_IMAGE008
条模拟路线上非零像素点的序号，
Figure 1191DEST_PATH_IMAGE012
表示第
Figure 522302DEST_PATH_IMAGE008
条模拟路线上第
Figure 506439DEST_PATH_IMAGE011
个非零像素点的灰度值。
由于可能会出现多次重叠，使用
Figure 960554DEST_PATH_IMAGE032
表示图像中所有非0像素点灰度值的累加和，以该值占目标农田图像中像素点数量
Figure 473575DEST_PATH_IMAGE009
的比例得到当前模拟路线的重叠度,占比越大，重叠度越高，该模拟路线的重复程度越低。
对每条模拟路线迭代S104所述方法得到所有模拟路线的重复程度。
S105、确定每条待选路线中的无人机断点位置
获取所有模拟路线中重复程度为0的模拟路线作为无人机飞行路线的待选路线，因为重复程度为0则说明该模拟路线没有重复喷洒药剂且做到了药剂喷洒的全覆盖，这种情况下的模拟路线药剂用量最少，因此提取所有模拟路线中重复程度为0的模拟路线作为无人机飞行路线的待选路线，对待选路线进行时间成本的分析，确定最终的无人机飞行轨迹路线。
模拟器可以模拟出多种方案，在实际喷洒过程中，我们期望无人机可以在尽量短的时间内喷洒更长的距离，这就要求本实施例所提供的无人机程序控制系统能够保证无人机在实际喷洒过程中，避免无人机药剂喷洒完后或者电量耗尽的位置（即断点）距离加药点过远而导致过多的时间浪费在返航过程中，因此，通过对每条待选路线的断点数量及与加药点的位置关系分析每条待选路线的时间成本。
基于上述原因，需要确定出每条模拟路线中的断点位置，在断点位置及时控制无人机返航，在加药点进行加药和对无人机进行充电操作，在此过程中，当像素点在农田区域中每连续移动
Figure 481982DEST_PATH_IMAGE021
距离设置一个断点，根据无人机的可飞行时间确定每条待选路线中所有的无人机断点位置，具体方法如下：
Figure 502765DEST_PATH_IMAGE020
式中：
Figure 811387DEST_PATH_IMAGE021
表示断点位置对应的无人机的飞行距离，
Figure 760888DEST_PATH_IMAGE022
，
Figure 787750DEST_PATH_IMAGE023
为无人机移动距离的整数倍数，
Figure 582531DEST_PATH_IMAGE024
为无人机的可飞行时间；
根据上述方法得到每条待选路线中所有的断点。
由此得到所有包含无人机飞行路径，覆盖区域，以及断点位置的待选路线，记所得无人机待选路线的数量为
Figure 11238DEST_PATH_IMAGE033
个；并记录每条待选路线中所有断点的坐标，
Figure 131641DEST_PATH_IMAGE015
表示所有待选路线的断点序列，其中第
Figure 380220DEST_PATH_IMAGE003
个待选路线中断点的总个数为
Figure 742806DEST_PATH_IMAGE014
，以及无人机的待选路线序列为
Figure 26020DEST_PATH_IMAGE034
。
需要注意的是：无人机到达断点位置后不会再喷洒药剂，从加药点返回至断点位置后再喷洒农药，即无人机在喷洒药剂时，不会在断点位置重复喷洒药剂。
S106、计算每条待选路线的时间损失程度
由于断点的个数越多代表无人机往返加药点的次数越多，进而导致工作效率较低，但是不排除农田较大，导致无人机本身就需要较多的往返次数，也就是说仅根据断点数量无法准确判断方案是否为最优方案，因此本实施例根据所有待选路线中断点个数的最大值以及最小值对当前模拟路线的断点次数进行归一化处理；
由于并非所有断点返回到加药点的时间成本都是相同的，越靠近加药点的断点所需要的时间成本越低，因此从额外消耗的时间成本方面判断该待选路线的时间损失程度。
获取每条待选路线中所有的断点位置，根据每条模拟路线上断点的位置和加药点的位置计算该模拟路线上每个断点和加药点的断点距离，根据每条模拟路线上每个断点的断点距离和数量以及无人机的飞行速度计算该模拟路线的时间损失程度，计算公式如下：
Figure 317324DEST_PATH_IMAGE035
式中：
Figure 53198DEST_PATH_IMAGE004
表示第
Figure 455361DEST_PATH_IMAGE003
条待选路线的时间损失程度，
Figure 593081DEST_PATH_IMAGE014
为第
Figure 55287DEST_PATH_IMAGE003
条待选路线上断点的数量，
Figure 776993DEST_PATH_IMAGE015
表示所有待选路线的断点数量序列，
Figure 248425DEST_PATH_IMAGE016
表示所有待选路线上断点数量最大/小的断点数量，
Figure 975073DEST_PATH_IMAGE017
表示第
Figure 342600DEST_PATH_IMAGE003
条待选路线上断点的序号，
Figure 53067DEST_PATH_IMAGE018
为无人机的飞行速度，
Figure 62612DEST_PATH_IMAGE019
表示第
Figure 909345DEST_PATH_IMAGE003
条待选路线上第
Figure 211888DEST_PATH_IMAGE017
个断点的断点距离。
S107、获取每条待选路线的拐点数量
由于S106所述情况中主要考虑无人机到加药点之间往返的时间成本，并未考虑无人机的限制条件，即为了降低往返时间成本，会在一定程度上增加转弯次数，但是在规划无人机的航线时，航线长度越长越好，因为在植保作业换行的过程相比正常航线飞行要慢的很多，频繁换行会浪费时间和电量，因此在同等时间损失程度下，往往更倾向于航线转弯低的路线，为了保证无人机电量消耗较慢，还需要结合无人机待选路线中的拐点数量进行进一步修正；
根据无人机的模拟路线序列
Figure 144072DEST_PATH_IMAGE036
中相邻像素点之间的方向变化情况，确定无人机的转弯位置，即计算飞行轨迹序列中，每相邻三个像素点所成向量之间的夹角余弦值，当所得结果不为1时，认为此时无人机方向发生了改变，以此类推，依次确定无人机行进过程中的各个“拐点”，则第奇数个拐点为一次方向变化的起始位置，第偶数个拐点为一次方向变化的结束位置。
根据上述方法确定出每条待选路线中的拐点数量。
S108、计算每条待选路线的优选程度
根据每条待选路线的时间损失程度和拐点数量计算每条待选路线的优选程度，计算公式如下：
Figure 957307DEST_PATH_IMAGE001
式中：
Figure 658547DEST_PATH_IMAGE002
为第
Figure 899035DEST_PATH_IMAGE003
条待选路线修正后的最终的优选程度，
Figure 52936DEST_PATH_IMAGE004
表示第
Figure 404283DEST_PATH_IMAGE003
条模拟路线上的时间损失程度，
Figure 458564DEST_PATH_IMAGE005
表示第
Figure 869954DEST_PATH_IMAGE003
条待选路线上的拐点数量。
根据上述方法得到每条模拟路线最终的优选程度。
S109、确定无人机路线控制无人机进行药剂喷洒
将S108得到的每条待选路线的优选程度的最大值对应的待选路线作为最优飞行方案，即最终的无人机飞行路线，并将该最优方案所对应的模拟器输入参数作为无人机的实际参数输入至无人机对无人机进行控制，完成无人机的药剂喷洒的智能控制过程。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种农业植保无人机飞行路线优化方法，其特征在于，包括：
获取目标农田图像，并确定加药点位置；
利用无人机轨迹模拟得到无人机在目标农田图像中的所有模拟路线，且每条模拟路线全覆盖目标农田图像中的所有像素点；
利用每条模拟路线的轨迹对该模拟路线上的像素点的灰度值进行重新赋值得到每条模拟路线的飞行轨迹灰度图，所述模拟路线的飞行轨迹灰度图中，若飞行轨迹只经过该像素点一次，将该像素点的灰度值赋值为0，飞行轨迹每重复经过像素点一次，将该像素点的灰度值进行加1处理；
根据每条模拟路线的飞行轨迹灰度图中像素点的灰度值和非零像素点的数量计算每条模拟路线的重复程度，提取出重复程度为0的模拟路线作为待选路线；
获取无人机的飞行速度、单位时间内药剂消耗量和可携带的药剂总量拟合得到无人机的可飞行时间，根据无人机的可飞行时间确定每条待选路线中所有的无人机断点位置；
获取每条待选路线上每个断点到加药点之间的断点距离，根据每条待选路线上断点距离、断点的数量以及无人机的飞行速度计算该待选路线的时间损失程度；
其中，待选路线的时间损失程度的计算方法为：获取每条待选路线中所有的断点位置，根据每条待选路线上断点的位置和加药点的位置计算该待选路线上每个断点和加药点的断点距离，根据每条待选路线上每个断点的断点距离和断点的数量以及无人机的飞行速度计算该待选路线的时间损失程度，计算公式如下：
Figure 519266DEST_PATH_IMAGE002
式中：
Figure DEST_PATH_IMAGE003
表示第
Figure 573546DEST_PATH_IMAGE004
条待选路线的时间损失程度，
Figure DEST_PATH_IMAGE005
为第
Figure 611909DEST_PATH_IMAGE004
条待选路线上断点的数量，
Figure 778710DEST_PATH_IMAGE006
表示所有待选路线的断点数量序列，
Figure DEST_PATH_IMAGE007
表示所有待选路线上断点数量最大/小的断点数量，
Figure 281236DEST_PATH_IMAGE008
表示第
Figure 301888DEST_PATH_IMAGE004
条待选路线上断点的序号，
Figure DEST_PATH_IMAGE009
为无人机的飞行速度，
Figure 155443DEST_PATH_IMAGE010
表示第
Figure 594777DEST_PATH_IMAGE004
条待选路线上第
Figure 764859DEST_PATH_IMAGE008
个断点的断点距离；
根据每条待选路线的时间损失程度计算该待选路线的优选程度，将优选程度最大的待选路线作为无人机喷洒飞行路线。
2.根据权利要求1所述的一种农业植保无人机飞行路线优化方法，其特征在于，还包括：
提取每条待选路线上的拐点，利用每条待选路线的时间损失程度和拐点数量对该待选路线的优选程度进行修正，得到每条待选路线最终的优选程度。
3.根据权利要求2所述的一种农业植保无人机飞行路线优化方法，其特征在于，所述利用每条待选路线的时间损失程度和拐点数量对该待选路线的优选程度进行修正的计算公式如下：
Figure 723456DEST_PATH_IMAGE012
式中：
Figure DEST_PATH_IMAGE013
为第
Figure 834282DEST_PATH_IMAGE004
条待选路线修正后的最终的优选程度，
Figure 654470DEST_PATH_IMAGE003
表示第
Figure 193905DEST_PATH_IMAGE004
条模拟路线上的时间损失程度，
Figure 74136DEST_PATH_IMAGE014
表示第
Figure 200486DEST_PATH_IMAGE004
条待选路线上的拐点数量。
4.根据权利要求1所述的一种农业植保无人机飞行路线优化方法，其特征在于，所述根据每条模拟路线中像素点的灰度值和非零像素点的数量计算每条模拟路线的重复程度的方法如下：
获取每条模拟路线重新赋值后的像素点的灰度值，统计每条模拟路线上非零像素点的数量和每个非零像素点的灰度值，根据每条模拟路线上非零像素点的数量和每个非零像素点的灰度值计算对应模拟路线的重复程度，计算公式为：
Figure 824365DEST_PATH_IMAGE016
式中：
Figure DEST_PATH_IMAGE017
为第
Figure 483886DEST_PATH_IMAGE018
条模拟路线的重复程度，
Figure DEST_PATH_IMAGE019
为目标农田图像中像素点的数量，
Figure 269439DEST_PATH_IMAGE020
表示第
Figure 348997DEST_PATH_IMAGE018
条模拟路线上非零像素点的数量，
Figure DEST_PATH_IMAGE021
表示第
Figure 307726DEST_PATH_IMAGE018
条模拟路线上非零像素点的序号，
Figure 25015DEST_PATH_IMAGE022
表示第
Figure 574945DEST_PATH_IMAGE018
条模拟路线上第
Figure 393997DEST_PATH_IMAGE021
个非零像素点的灰度值。
5.根据权利要求1所述的一种农业植保无人机飞行路线优化方法，其特征在于，所述待选路线上断点的获取方法为：
根据无人机的可飞行时间确定每条待选路线中所有的无人机断点位置，具体方法如下：
Figure 953154DEST_PATH_IMAGE024
式中：
Figure DEST_PATH_IMAGE025
表示断点位置对应的无人机的飞行距离，
Figure 495256DEST_PATH_IMAGE026
，
Figure DEST_PATH_IMAGE027
为无人机移动距离的整数倍数，
Figure 871879DEST_PATH_IMAGE028
为无人机的可飞行时间；
根据上述方法得到每条待选路线中所有的断点。
6.根据权利要求2所述的一种农业植保无人机飞行路线优化方法，其特征在于，所述每条待选路线上的拐点的获取方法如下：
计算每条待选路线上相邻三个像素点所成向量之间的夹角余弦值，当所得结果不为1时，认为此时无人机方向发生了改变，将中间的像素点作为拐点，以此类推，依次确定每条待选路线上无人机飞行轨迹中的所有拐点，则第奇数个拐点为一次方向变化的起始位置，第偶数个拐点为一次方向变化的结束位置。
CN202210817770.XA 2022-07-13 2022-07-13 一种农业植保无人机飞行路线优化方法 Active CN114879746B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210817770.XA CN114879746B (zh) 2022-07-13 2022-07-13 一种农业植保无人机飞行路线优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210817770.XA CN114879746B (zh) 2022-07-13 2022-07-13 一种农业植保无人机飞行路线优化方法

Publications (2)

Publication Number Publication Date
CN114879746A CN114879746A (zh) 2022-08-09
CN114879746B true CN114879746B (zh) 2022-09-20

Family

ID=82683558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210817770.XA Active CN114879746B (zh) 2022-07-13 2022-07-13 一种农业植保无人机飞行路线优化方法

Country Status (1)

Country Link
CN (1) CN114879746B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116762539A (zh) * 2023-08-09 2023-09-19 布瑞克农业大数据科技集团有限公司 一种农作物智能施肥方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105469120A (zh) * 2015-12-15 2016-04-06 浪潮电子信息产业股份有限公司 一种图像匹配的方法及装置
CN105929846A (zh) * 2016-06-08 2016-09-07 深圳高科新农技术有限公司 基于无人机的喷药方法及装置
CN106919178A (zh) * 2017-04-14 2017-07-04 南京信息工程大学 一种植保无人机自主飞行路径优化装置及其优化方法
CN107633202A (zh) * 2017-08-11 2018-01-26 合肥嘉浓航空科技有限公司 一种基于农田图像特征识别的植保无人机飞控方法和系统
US11074447B1 (en) * 2018-07-13 2021-07-27 Hana Resources, Inc. Land analysis system using drone-captured data

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3606030A4 (en) * 2017-03-31 2020-03-11 Nec Corporation INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING PROCESS AND INFORMATION PROCESSING PROGRAM
CN107992078A (zh) * 2017-12-15 2018-05-04 西安天问智能科技有限公司 一种植保无人机自主路径规划方法
CN112666971B (zh) * 2020-12-15 2023-03-10 广州极飞科技股份有限公司 一种无人机返航方法、装置、无人机和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105469120A (zh) * 2015-12-15 2016-04-06 浪潮电子信息产业股份有限公司 一种图像匹配的方法及装置
CN105929846A (zh) * 2016-06-08 2016-09-07 深圳高科新农技术有限公司 基于无人机的喷药方法及装置
CN106919178A (zh) * 2017-04-14 2017-07-04 南京信息工程大学 一种植保无人机自主飞行路径优化装置及其优化方法
CN107633202A (zh) * 2017-08-11 2018-01-26 合肥嘉浓航空科技有限公司 一种基于农田图像特征识别的植保无人机飞控方法和系统
US11074447B1 (en) * 2018-07-13 2021-07-27 Hana Resources, Inc. Land analysis system using drone-captured data

Also Published As

Publication number Publication date
CN114879746A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
US20210392868A1 (en) Pesticide spraying control method, device, and storage medium
Müller et al. The hidden spiral: systematic search and path integration in desert ants, Cataglyphis fortis
CN104808660B (zh) 凹凸混合复杂多边形农田无人机喷洒作业航迹规划方法
CN106327024A (zh) 一种无人机农药喷洒路径规划系统及方法
CN109885063A (zh) 一种融合视觉和激光传感器的施药机器人农田路径规划方法
CN107368094A (zh) 一种无人机植保作业航线规划方法及装置
Bochtis et al. Path planning for in-field navigation-aiding of service units
CN110968110A (zh) 作业区域的确定方法、装置、无人机及存储介质
CN114879746B (zh) 一种农业植保无人机飞行路线优化方法
CN106767820A (zh) 一种室内移动定位与制图方法
CN109446959A (zh) 目标区域的划分方法及装置、药物的喷洒控制方法
CN110262563A (zh) 多无人机协同搜索水上目标的方法
CN110718137A (zh) 目标物密度分布地图的构建方法及装置、终端、移动装置
CN107783103A (zh) 一种轻量级带自学习功能的飞鸟跟踪智能方法
CN115657706B (zh) 基于无人机的地貌测量方法及系统
CN111399534A (zh) 多无人机对空中高速运动目标的围捕方法及系统
CN108961353B (zh) 道路模型的构建
CN111753388B (zh) 喷洒控制方法、装置、电子设备和计算机可读存储介质
Kalaivanan et al. Coverage path planning for an autonomous robot specific to agricultural operations
Dhiman et al. A review of path planning and mapping technologies for autonomous mobile robot systems
Liu et al. Study on path planning of intelligent mower based on UWB location
WO2012163632A1 (de) Verfahren zur positionsbestimmung von sich bewegenden objekten
CN101833702B (zh) 一种基于行人可视范围的导航点动态更换方法
CN115097833A (zh) 一种施药机器人的自动避障方法、系统及存储介质
Jun et al. The navigation of autonomous vehicles in uncertain dynamic environments: A case study

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