CN116088064A - 一种基于无人机群的红火蚁巢穴探测方法及系统 - Google Patents
一种基于无人机群的红火蚁巢穴探测方法及系统 Download PDFInfo
- Publication number
- CN116088064A CN116088064A CN202310081006.5A CN202310081006A CN116088064A CN 116088064 A CN116088064 A CN 116088064A CN 202310081006 A CN202310081006 A CN 202310081006A CN 116088064 A CN116088064 A CN 116088064A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- nest
- position information
- detection
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种基于无人机群的红火蚁巢穴探测方法及系统,其方法包括:当无人机群在任务区域内进行自主协同覆盖探测时,对于无人机群中的任一无人机,利用图像采集装置采集本体下方的环境图像;利用中央处理装置识别环境图像中包含红火蚁巢穴时生成探测指令;利用第一测距装置响应于探测指令以获取本体到红火蚁巢穴的第一距离信息;利用中央处理装置对无人机的当前位置信息和第一距离信息进行解析得到目标位置信息,再利用通信装置将目标位置信息进行上传;地面管控中心在无人机群完成探测任务时采用协同定位算法对其上传的所有目标位置信息进行分析,在任务区域关联的地图中标注红火蚁巢穴。本发明借助无人机群可提高对红火蚁巢穴的探测效率。
Description
技术领域
本发明涉及无人机应用技术领域,具体是涉及一种基于无人机群的红火蚁巢穴探测方法及系统。
背景技术
红火蚁作为一种蚁科入侵性有害生物,具有主动攻击性。红火蚁具有繁殖能力强、适应能力强、传播途径多样化、种间竞争力强等特性,加之缺乏天敌和科学有效的控制手段,在红火蚁开始入侵并成功定殖后,其扩散蔓延速度非常快,易呈现爆发态势,会对被入侵地的社会经济发展、群众健康、生态环境等造成重大危害。目前关于红火蚁巢穴的探测方式更多还是依靠人工,探测范围有限且探测效率较低。
发明内容
本发明提供一种基于无人机群的红火蚁巢穴探测方法及系统,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
第一方面,提供一种基于无人机群的红火蚁巢穴探测方法,所述方法包括:
当无人机群在任务区域内进行自主协同覆盖探测时,对于所述无人机群中的任一无人机,所述无人机利用搭载的图像采集装置对本体下方的环境信息进行采集,得到环境图像;
所述无人机利用内部的中央处理装置对所述环境图像进行分析,且在识别到所述环境图像中包含红火蚁巢穴时生成探测指令;
所述无人机利用搭载的第一测距装置对所述探测指令进行响应,获取本体到所述红火蚁巢穴之间的第一距离信息;
所述无人机利用所述中央处理装置对本体的当前位置信息和所述第一距离信息进行解析得到目标位置信息,再利用内部的通信装置将所述目标位置信息上传至地面管控中心;当所述无人机群完成对所述任务区域的探测任务时,所述地面管控中心引入协同定位算法对所述无人机群所上传的所有目标位置信息进行分析处理,并在所述任务区域关联的地图中标注出所有红火蚁巢穴。
进一步地,所述无人机群中的任一无人机飞行在地面上方3m至5m处。
进一步地,所述无人机群在任务区域内进行自主协同覆盖探测包括:
所述任务区域包含若干个子区域,当所述无人机进入其中一个子区域进行探测时,所述无人机利用搭载的第二测距装置对本体与周围其他物体之间的第二距离信息进行实时采集;
所述无人机利用所述中央处理装置对所述第二距离信息进行实时解析得到当前最佳速度,再利用内部的飞控计算机调整本体以所述当前最佳速度飞行。
进一步地,当所述无人机进入其中一个子区域进行探测时,还包括:
所述地面管控中心记录所述无人机的探测时长,且在识别所述探测时长达到预设阈值时,制定所述无人机进入到另一个子区域所需的飞行路径并下发给所述无人机;所述无人机利用所述飞控计算机控制本体按照所述飞行路径飞行。
进一步地,在所述无人机利用内部的中央处理装置对所述环境图像进行分析之前包括:
收集不同光照条件和拍摄角度下的红火蚁巢穴图像数据集,利用所述红火蚁巢穴图像数据集对预先搭建好的神经网络模型进行训练,得到训练好的神经网络模型并将其加载到所述中央处理装置;
其中,所述训练好的神经网络模型的输入为所述环境图像,输出为所述环境图像中包含或者不包含红火蚁巢穴。
进一步地,所述第一测距装置包括舵机和激光测距传感器,所述舵机安装在所述无人机的底部,所述激光测距传感器与所述舵机转动连接。
进一步地,所述探测指令的生成过程包括:
从所述环境图像中提取巢穴中心点,根据所述巢穴中心点在所述环境图像中的第一位置信息,获取所述巢穴中心点相对于所述图像采集装置的第一位姿;
获取所述图像采集装置相对于所述舵机的第二位姿,根据所述第一位姿和所述第二位姿获取所述舵机所需的偏转信号,以使得所述舵机驱动所述激光测距传感器朝向所述巢穴中心点;
利用所述中央处理装置生成所述舵机的启动信号,再连同所述偏转信号进行封装形成探测指令。
进一步地,所述地面管控中心引入协同定位算法对所述无人机群所上传的所有目标位置信息进行分析处理,并在所述任务区域关联的地图中标注出所有红火蚁巢穴包括:
所述地面管控中心依次以单个目标位置信息为圆心,并按照预设半径划分出搜索范围;
若识别到所述搜索范围内存在多个目标位置信息时,将所述多个目标位置信息形成位置集合,再利用协同定位算法对所述位置集合进行解析得到最优位置信息并在所述地图中作出标记;
或者,若识别到所述搜索范围内不存在其他目标位置信息时,直接根据所述单个目标位置信息在所述地图中作出标记。
第二方面,提供一种基于无人机群的红火蚁巢穴探测系统,包括无人机群和地面管控中心,所述无人机群中的任一无人机包括:
飞行控制模块,用于控制无人机在任务区域内与所述无人机群中的其他无人机进行自主协同覆盖探测;
图像采集装置,用于对无人机下方的环境信息进行采集,得到环境图像;
中央处理装置,用于对所述环境图像进行解析,且在识别到所述环境图像中包含红火蚁巢穴时生成探测指令;
第一测距装置,用于对所述探测指令进行响应,获取无人机到所述红火蚁巢穴之间的第一距离信息;
定位装置,用于获取无人机的当前位置信息;
所述中央处理装置还用于对所述当前位置信息和所述第一距离信息进行解析得到目标位置信息;
通信装置,用于将所述目标位置信息上传至地面管控中心;
所述地面管控中心用于在所述无人机群完成对所述任务区域的探测任务之后,引入协同定位算法对所述无人机群所上传的所有目标位置信息进行分析处理,并在所述任务区域关联的地图中标注出所有红火蚁巢穴。
进一步地,所述飞行控制模块包括飞控计算机和第二测距装置;
所述任务区域包含若干个子区域,当无人机进入其中一个子区域进行探测时,所述第二测距装置用于对无人机与周围其他物体之间的第二距离信息进行实时采集,所述中央处理装置还用于对所述第二距离信息进行实时解析得到当前最佳速度,所述飞控计算机用于调整无人机以所述当前最佳速度飞行。
本发明至少具有以下有益效果:通过无人机群在任务区域内自主进行近距离、大范围的协同覆盖探测,无需操作人员亲自进入该任务区域进行盲目排查以避免被红火蚁叮咬的风险,大幅度提高对红火蚁巢穴的探测效率;针对无人机群在探测过程中所发送的所有目标位置信息,通过地面管控中心采用协同定位算法进行分析以在该任务区域所关联的地图上作出关于所有红火蚁巢穴的位置标记,可以提高对红火蚁巢穴的定位精度,方便操作人员有目的性地前往红火蚁巢穴所在位置执行有效的防治工作。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明实施例中的一种基于无人机群的红火蚁巢穴探测方法的流程示意图;
图2是本发明实施例中的一种基于无人机群的红火蚁巢穴探测系统的组成示意图。
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,对本申请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申请,并不用于限定本申请。
需要说明的是,虽然在系统示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于系统中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同,本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。附图中所示出的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按照所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
请参考图1,图1是本发明实施例提供的一种基于无人机群的红火蚁巢穴探测方法的流程示意图,所述方法包括如下:
步骤S110、当无人机群在任务区域内进行自主协同覆盖探测时,对于所述无人机群中的任一无人机,所述无人机利用搭载的图像采集装置对本体下方的环境信息进行采集,得到环境图像;
步骤S120、所述无人机利用内部的中央处理装置对所述环境图像进行分析,且在识别到所述环境图像中包含红火蚁巢穴时生成探测指令;
步骤S130、所述无人机利用搭载的第一测距装置对所述探测指令进行响应,获取本体到所述红火蚁巢穴之间的第一距离信息;
步骤S140、所述无人机利用所述中央处理装置对本体的当前位置信息和所述第一距离信息进行解析得到目标位置信息,再利用内部的通信装置将所述目标位置信息上传至地面管控中心;
步骤S150、当所述无人机群完成对所述任务区域的探测任务时,所述地面管控中心引入协同定位算法对所述无人机群所上传的所有目标位置信息进行分析处理,并在所述任务区域关联的地图中标注出所有红火蚁巢穴。
在上述步骤S110中,针对所述无人机群中的任意一个无人机,本发明限定所述无人机仅能在所述任务区域的上空进行探测,并且所述无人机在整个飞行过程中需要时刻保持落在距离地面高度3米至5米的范围内,由此确保所述无人机所携带的图像采集装置对任意一个环境图像的拍摄效果。
需要说明的是,为了限制所述无人机的飞行范围,通过在所述无人机的内部额外安装一个气压计,当所述无人机准备从地面起飞至所述任务区域时,利用所述气压计测量第一气压值并发送至所述中央处理装置进行存储,当所述无人机飞行至所述任务区域内时,利用所述气压计实时测量第二气压值并发送至所述中央处理装置;利用所述中央处理装置计算出所述第二气压值与所述第一气压值之间的气压差值,再根据大气压随高度变化的关系式对所述气压差值进行换算,得到所述无人机的当前高度值;利用所述中央处理装置在判断出所述当前高度值低于3米时,计算出所述当前高度值与4米之间的第一差值绝对值,再利用所述飞控计算机按照所述第一差值绝对值控制本体原地爬升之后继续飞行;或者,利用所述中央处理装置在判断出所述当前高度值高于5米时,计算出所述当前高度值与4米之间的第二差值绝对值,再利用所述飞控计算机按照所述第二差值绝对值控制本体原地下降之后继续飞行。
在本发明实施例中,由技术人员提前将所述任务区域划分成若干个子区域,关于上述步骤S110所提及到的任意一个无人机在所述任务区域内与其他无人机执行自主协同覆盖探测任务,以所述无人机飞行至所述若干个子区域中的一个子区域执行探测任务为例,作出具体说明如下:
步骤A1、所述无人机通过装载的第二测距装置实时采集获取自身与周围其他物体之间的第二距离信息,其中所述周围其他物体包括与自身邻近飞行的其他无人机或者树木等的其他静态障碍物;
步骤A2、所述无人机通过内部的所述中央处理装置对实时接收到的所述第二距离信息进行解析,以获取到所述无人机的当前最佳速度;
步骤A3、所述无人机通过内部的飞控计算机对实时接收到的所述当前最佳速度进行响应,以对自身的当前飞行状态作出调整。
更为具体的,对上述步骤A2进行分情况展开描述如下:
第一种情况,当所述第二距离信息仅有一个,也就是在所述无人机周围的其他物体仅有一个时,关于所述无人机的当前最佳速度的计算公式为:
其中,为所述无人机的当前最佳速度,kr为预设的速度调节系数,R为所述第二测距装置所限定的最大感知距离,r为预设的所述无人机的最小避障距离,dAB为所述无人机与其周围的其他物体之间的相对距离,为所述无人机的当前速度,为所述无人机周围的其他物体的当前速度,并且当所述无人机周围的其他物体是静态障碍物时,的取值为0,或者当所述无人机周围的其他物体是邻近飞行的其他无人机时,的取值可以通过这两个无人机之间的无线通信连接关系进行共享获取,β为与所述无人机所在水平线之间的夹角,为所述无人机与其周围的其他物体之间的相对速度且
第二种情况,当所述第二距离信息有多个,也就是在所述无人机周围的其他物体有多个时,根据上述第一种情况所提供的计算公式求解出多个第二距离信息所对应的多个当前最佳速度,再从所述多个当前最佳速度中筛选出最小值作为所述无人机的当前最佳速度输出,以确保所述无人机可以保持安全飞行。
在本发明实施例中,控制所述无人机由当前子区域切换至另一个子区域执行探测任务的具体实施过程包括如下:
步骤B1、通过所述地面管控中心对所述无人机在所述当前子区域内的探测时长进行实时记录更新,并且在判断出所述探测时长已经增加至预设阈值时,认定所述无人机完成对所述当前子区域的探测任务;
步骤B2、通过所述地面管控中心从所述若干个子区域中筛选出距离所述无人机最近并且从未被所述无人机探测过的另一个子区域,生成所述无人机由所述当前子区域前往所述另一个子区域时需要的飞行路径,再将所述飞行路径发送至所述通信装置并经由其转发给所述飞控计算机;
步骤B3、所述无人机通过内部的所述飞控计算机控制自身沿着所述飞行路径继续飞行至所述另一个子区域。
需要说明的是,在所述无人机由所述当前子区域前往所述另一个子区域的飞行过程中,由于所述无人机当前并不执行探测任务,所述无人机若感知到前方刚好有其他无人机经过时,将原地暂缓飞行直至所述其他无人机远离所述无人机有一定距离,由此避免对所述其他无人机产生探测干扰。
需要说明的是,在上述步骤B2中,通过所述地面管控中心判断出所述若干个子区域中并不存在还未被所述无人机探测过的另一个子区域时,说明所述无人机已经完成整个探测任务,此时控制所述无人机返回至地面原先起飞位置处。
在本发明实施例中,在执行上述步骤S120之前,应当对所述中央处理装置作出预处理,具体实施过程包括如下:
步骤C1、选择一片已证实有红火蚁巢穴分布的探测区域,并且提前在所述探测区域内通过人工插旗方式标记好大部分红火蚁巢穴;
步骤C2、控制单个无人机携带图像采集装置以预设的飞行高度前往各个插旗位置处,通过相应的无人机遥控器调节所述单个无人机的本体偏转程度以使得该图像采集装置可以获取到不同拍摄角度下的红火蚁巢穴图像数据,并且操作人员需要在当天的早上、中午和下午分别完成以上拍摄任务以使得该图像采集装置可以获取到不同光照条件下的红火蚁巢穴图像数据,由此构建出红火蚁巢穴图像数据集;
步骤C3、在所述地面管控中心或者其他外部计算机设备上提前搭建一个神经网络模型,所述神经网络模型必须以所述无人机群中的任意一个无人机所采集到的环境图像作为输入,并且以采集到的该环境图像中存在红火蚁巢穴、或者是采集到的该环境图像中并不存在红火蚁巢穴作为输出结果;其中,所述神经网络模型可以选用YOLO(You Only LookOnce)模型、VGG(Visual Geometry Group)模型、SSD(Single Shot MultiBox Detector)模型等等中的至少一种;
步骤C4、由于红火蚁巢穴会在地面呈现出隆起的土堆状蚁丘以区分于一般蚂蚁巢穴,利用所述神经网络模型从所述红火蚁巢穴图像数据集中逐个提取出内部关联的外观特征并对其进行学习与网络训练,进而获取到训练好的神经网络模型并将其导入至所述中央处理装置等待应用。
在本发明实施例中,所述第一测距装置实际包括激光测距传感器和舵机,设置所述激光测距传感器可以相对转动连接于所述舵机,所述舵机固定安装于所述无人机的底部,上述步骤S120的具体实施过程包括如下:
步骤S121、利用所述中央处理装置在接收到所述图像采集装置所传输的所述环境图像时,调用内部训练好的神经网络模型对所述环境图像进行识别;当判断出所述环境图像中并不存在红火蚁巢穴时,继续等待接收下一个环境图像;或者,当判断出所述环境图像中存在红火蚁巢穴时,继续执行步骤S122;
步骤S122、通过所述中央处理装置从所述环境图像中提取出红火蚁巢穴的外部轮廓信息,再从所述外部轮廓信息中标记出巢穴中心点;
步骤S123、以所述图像采集装置为第一参照点,基于所述巢穴中心点落在所述环境图像的第一位置信息,确定所述巢穴中心点相对于所述第一参照点的第一距离和第一方向,进而形成第一位姿;
步骤S124、以所述舵机为第二参照点,确定所述第一参照点相对于所述第二参照点的第二距离和第二方向,进而形成第二位姿;
步骤S125、结合所述第一位姿和所述第二位姿,确定所述巢穴中心点相对于所述第二参照点的第三距离和第三方向,进而形成第三位姿;
步骤S126、利用所述第三位姿确定所述舵机当前需要的偏转信号,所述偏转信号用于控制所述舵机驱动所述激光测距传感器进行原地偏转直至其探头朝向所述巢穴中心点;
步骤S127、利用所述中央处理装置在判断出所述环境图像中存在红火蚁巢穴时自动生成关于所述舵机的启动信号,再将所述偏转信号和所述启动信号进行封装,进而得到探测指令。
需要说明的是,在上述步骤S130中,所述舵机在执行完所述探测指令之后,将向所述激光测距传感器反馈一个控制信号,使得所述激光测距传感器在接收到所述控制信号之后启动并完成一次测距操作,并将其测量得到的所述第一距离信息发送至所述中央处理装置。
在本发明实施例中,所述无人机的当前位置信息是由其内部的定位装置来获取到的,上述步骤S140的具体实施过程包括如下:
步骤S141、通过所述中央处理装置从所述环境图像中提取出红火蚁巢穴的外部轮廓信息,再从所述外部轮廓信息中标记出巢穴中心点;
步骤S142、以所述图像采集装置为第一参照点,基于所述巢穴中心点落在所述环境图像的第一位置信息,确定所述巢穴中心点相对于所述第一参照点的第一方向;
步骤S143、以所述激光测距传感器为第三参照点,确定所述第三参照点相对于所述第一参照点的第四方向;
步骤S144、根据所述第一方向和所述第四方向,确定所述巢穴中心点相对于所述第三参照点的第五方向;
步骤S145、以所述定位装置为第四参照点,根据所述第三参照点相对于所述第四参照点的安装位置信息以及所述当前位置信息来确定所述第三参照点的位置信息,并记为第三位置信息;
步骤S146、结合所述第一距离信息、所述第五方向和所述第三位置信息进行求解,得到所述巢穴中心点落在所述任务区域的目标位置信息。
在本发明实施例中,上述步骤S150的具体实施过程包括如下:
步骤S151、通过所述地面管控中心接收所述无人机群在整个探测任务中实时传输的所有目标位置信息并将其数量记为N;需要说明的是,所述无人机群中的每个无人机不止传输一个目标位置信息;
步骤S152、从N个目标位置信息中获取到第i个目标位置信息并以其为圆心,同时基于预设半径规划出第i个搜索范围;
步骤S153、获取落在第i个搜索范围内的所有目标位置信息并将其数量记为K,判断K=1是否成立;若是(即第i个搜索范围内仅有第i个目标位置信息存在),则说明所述无人机群中仅有一个无人机在第i个搜索范围内探测到红火蚁巢穴,此时执行步骤S156;若否(即第i个搜索范围内除了第i个目标位置信息之外还有其他目标位置信息存在),则说明所述无人机群中存在多个无人机在第i个搜索范围内探测到同一个红火蚁巢穴,此时将K个目标位置信息形成一个位置集合,再执行步骤S154;
步骤S154、根据协同定位算法对所述位置集合进行解析,以获取到关于所述多个无人机所探测到的同一个红火蚁巢穴的最优位置信息;
步骤S155、在所述任务区域所关联的地图中找到所述最优位置信息并作出可以表征红火蚁巢穴的固定标记,再执行步骤S157;
步骤S156、在所述任务区域所关联的地图中找到第i个目标位置信息并作出可以表征红火蚁巢穴的固定标记,再执行步骤S157;
步骤S157、判断i<N是否成立;若是,则将i+1赋值为i,再返回执行上述步骤S152;若否,则结束整个地图标记操作;
其中,上述步骤S152是从i=1开始执行的。
在本发明实施例中,上述步骤S154提及到的协同定位算法所依赖的数学模型如下:
其中,J为误差函数,假设所述多个无人机所探测到的同一个红火蚁巢穴实际落在P点位置处,di为所述位置集合中的第k个目标位置信息与该P点之间的相对距离,当误差函数J取得最小值时,对应该P点的坐标信息即为所述多个无人机所探测到的该红火蚁巢穴的最优位置信息,由此可以提高对该红火蚁巢穴的定位精度。
在本发明实施例中,通过无人机群在任务区域内自主进行近距离、大范围的协同覆盖探测,无需操作人员亲自进入该任务区域进行盲目排查以避免被红火蚁叮咬的风险,大幅度提高对红火蚁巢穴的探测效率;针对无人机群在探测过程中所发送的所有目标位置信息,通过地面管控中心采用协同定位算法进行分析以在该任务区域所关联的地图上作出关于所有红火蚁巢穴的位置标记,可以提高对红火蚁巢穴的定位精度,方便操作人员有目的性地前往红火蚁巢穴所在位置执行有效的防治工作。
请参考图2,图2是本发明实施例提供的一种基于无人机群的红火蚁巢穴探测系统的组成示意图,所述系统包括无人机群(在图2中仅以单个无人机作出说明)和地面管控中心,其中所述无人机群中的任意一个无人机包括飞行控制模块、图像采集装置、中央处理装置、第一测距装置、定位装置和通信装置。
在本发明实施例中,所述图像采集装置选用单目摄像头并安装在所述无人机的底部,所述第一测距装置实际包括激光测距传感器和舵机,设置所述激光测距传感器可以相对转动连接于所述舵机,所述舵机固定安装于所述无人机的底部,所述定位装置选用GPS定位器,所述通信装置可以选用以无线方式进行通信连接的蓝牙模块或者WIFI模块。
针对所述无人机的整个工作流程包括如下:通过所述飞行控制模块来控制所述无人机在任务区域内与所述无人机群中的其他无人机完成自主协同覆盖探测,通过所述图像采集装置来对所述无人机下方的环境信息进行采集以获取到环境图像,通过所述中央处理装置来对所述环境图像作出解析以在判断出所述环境图像中存在红火蚁巢穴时生成探测指令,通过所述第一测距装置来对所述探测指令作出响应以测量出所述红火蚁巢穴到所述无人机之间的第一距离信息,通过所述定位装置来获取所述无人机的当前位置信息,通过所述中央处理装置来对所述第一距离信息和所述当前位置信息进行求解以获取到目标位置信息,通过所述通信装置将所述目标位置信息发送到所述地面管控中心。
当所述无人机群结束对所述任务区域的整个探测任务时,需要通过所述地面管控中心采用协同定位算法对所述无人机群实时上传的所有目标位置信息作出分析处理,同时在所述任务区域关联的地图中标记所有红火蚁巢穴;其中,所述无人机群中的每个无人机不止传输一个目标位置信息。
具体的,所述飞行控制模块包括第二测距装置和飞控计算机,所述第二测距装置选用超声波测距传感器并安装在所述无人机的顶部,由技术人员提前将所述任务区域划分成若干个子区域,当所述无人机飞行至所述若干个子区域中的一个子区域执行探测任务时,通过所述第二测距装置实时采集所述无人机与周围其他物体之间的第二距离信息,其次通过所述中央处理装置对所述第二距离信息作出实时解析以获取到所述无人机的当前最佳速度,最后通过所述飞控计算机按照所述当前最佳速度对所述无人机的当前飞行状态进行调整。
需要说明的是,本发明限定所述无人机仅能在所述任务区域的上空进行探测,并且所述无人机在整个飞行过程中需要时刻保持落在距离地面高度3米至5米的范围内,由此确保所述无人机所携带的图像采集装置对任意一个环境图像的拍摄效果。
为了限制所述无人机的飞行范围,在所述无人机的内部额外安装一个气压计(在图2中并未作出说明),当所述无人机准备从地面起飞至所述任务区域时,利用所述气压计测量第一气压值并发送至所述中央处理装置进行存储,当所述无人机飞行至所述任务区域内时,利用所述气压计实时测量第二气压值并发送至所述中央处理装置;利用所述中央处理装置计算出所述第二气压值与所述第一气压值之间的气压差值,再根据大气压随高度变化的关系式对所述气压差值进行换算,得到所述无人机的当前高度值;利用所述中央处理装置在判断出所述当前高度值低于3米时,计算出所述当前高度值与4米之间的第一差值绝对值,再利用所述飞控计算机按照所述第一差值绝对值控制本体原地爬升之后继续飞行;或者,利用所述中央处理装置在判断出所述当前高度值高于5米时,计算出所述当前高度值与4米之间的第二差值绝对值,再利用所述飞控计算机按照所述第二差值绝对值控制本体原地下降之后继续飞行。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所实现的功能与上述方法实施例相同,并且所达到的有益效果与上述方法实施例相同,在此不再赘述。
尽管本申请的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求,考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本申请的预定范围。此外,上文以发明人可预见的实施例对本申请进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本申请的非实质性改动仍可代表本申请的等效改动。
Claims (10)
1.一种基于无人机群的红火蚁巢穴探测方法,其特征在于,所述方法包括:
当无人机群在任务区域内进行自主协同覆盖探测时,对于所述无人机群中的任一无人机,所述无人机利用搭载的图像采集装置对本体下方的环境信息进行采集,得到环境图像;
所述无人机利用内部的中央处理装置对所述环境图像进行分析,且在识别到所述环境图像中包含红火蚁巢穴时生成探测指令;
所述无人机利用搭载的第一测距装置对所述探测指令进行响应,获取本体到所述红火蚁巢穴之间的第一距离信息;
所述无人机利用所述中央处理装置对本体的当前位置信息和所述第一距离信息进行解析得到目标位置信息,再利用内部的通信装置将所述目标位置信息上传至地面管控中心;
当所述无人机群完成对所述任务区域的探测任务时,所述地面管控中心引入协同定位算法对所述无人机群所上传的所有目标位置信息进行分析处理,并在所述任务区域关联的地图中标注出所有红火蚁巢穴。
2.根据权利要求1所述的基于无人机群的红火蚁巢穴探测方法,其特征在于,所述无人机群中的任一无人机飞行在地面上方3m至5m处。
3.根据权利要求1所述的基于无人机群的红火蚁巢穴探测方法,其特征在于,所述无人机群在任务区域内进行自主协同覆盖探测包括:
所述任务区域包含若干个子区域,当所述无人机进入其中一个子区域进行探测时,所述无人机利用搭载的第二测距装置对本体与周围其他物体之间的第二距离信息进行实时采集;
所述无人机利用所述中央处理装置对所述第二距离信息进行实时解析得到当前最佳速度,再利用内部的飞控计算机调整本体以所述当前最佳速度飞行。
4.根据权利要求3所述的基于无人机群的红火蚁巢穴探测方法,其特征在于,当所述无人机进入其中一个子区域进行探测时,还包括:
所述地面管控中心记录所述无人机的探测时长,且在识别所述探测时长达到预设阈值时,制定所述无人机进入到另一个子区域所需的飞行路径并下发给所述无人机;所述无人机利用所述飞控计算机控制本体按照所述飞行路径飞行。
5.根据权利要求1所述的基于无人机群的红火蚁巢穴探测方法,其特征在于,在所述无人机利用内部的中央处理装置对所述环境图像进行分析之前包括:
收集不同光照条件和拍摄角度下的红火蚁巢穴图像数据集,利用所述红火蚁巢穴图像数据集对预先搭建好的神经网络模型进行训练,得到训练好的神经网络模型并将其加载到所述中央处理装置;
其中,所述训练好的神经网络模型的输入为所述环境图像,输出为所述环境图像中包含或者不包含红火蚁巢穴。
6.根据权利要求1所述的基于无人机群的红火蚁巢穴探测方法,其特征在于,所述第一测距装置包括舵机和激光测距传感器,所述舵机安装在所述无人机的底部,所述激光测距传感器与所述舵机转动连接。
7.根据权利要求6所述的基于无人机群的红火蚁巢穴探测方法,其特征在于,所述探测指令的生成过程包括:
从所述环境图像中提取巢穴中心点,根据所述巢穴中心点在所述环境图像中的第一位置信息,获取所述巢穴中心点相对于所述图像采集装置的第一位姿;
获取所述图像采集装置相对于所述舵机的第二位姿,根据所述第一位姿和所述第二位姿获取所述舵机所需的偏转信号,以使得所述舵机驱动所述激光测距传感器朝向所述巢穴中心点;
利用所述中央处理装置生成所述舵机的启动信号,再连同所述偏转信号进行封装形成探测指令。
8.根据权利要求1所述的基于无人机群的红火蚁巢穴探测方法,其特征在于,所述地面管控中心引入协同定位算法对所述无人机群所上传的所有目标位置信息进行分析处理,并在所述任务区域关联的地图中标注出所有红火蚁巢穴包括:
所述地面管控中心依次以单个目标位置信息为圆心,并按照预设半径划分出搜索范围;
若识别到所述搜索范围内存在多个目标位置信息时,将所述多个目标位置信息形成位置集合,再利用协同定位算法对所述位置集合进行解析得到最优位置信息并在所述地图中作出标记;
或者,若识别到所述搜索范围内不存在其他目标位置信息时,直接根据所述单个目标位置信息在所述地图中作出标记。
9.一种基于无人机群的红火蚁巢穴探测系统,其特征在于,包括无人机群和地面管控中心,所述无人机群中的任一无人机包括:
飞行控制模块,用于控制无人机在任务区域内与所述无人机群中的其他无人机进行自主协同覆盖探测;
图像采集装置,用于对无人机下方的环境信息进行采集,得到环境图像;
中央处理装置,用于对所述环境图像进行解析,且在识别到所述环境图像中包含红火蚁巢穴时生成探测指令;
第一测距装置,用于对所述探测指令进行响应,获取无人机到所述红火蚁巢穴之间的第一距离信息;
定位装置,用于获取无人机的当前位置信息;
所述中央处理装置还用于对所述当前位置信息和所述第一距离信息进行解析得到目标位置信息;
通信装置,用于将所述目标位置信息上传至地面管控中心;
所述地面管控中心用于在所述无人机群完成对所述任务区域的探测任务之后,引入协同定位算法对所述无人机群所上传的所有目标位置信息进行分析处理,并在所述任务区域关联的地图中标注出所有红火蚁巢穴。
10.根据权利要求9所述的基于无人机群的红火蚁巢穴探测系统,其特征在于,所述飞行控制模块包括飞控计算机和第二测距装置;
所述任务区域包含若干个子区域,当无人机进入其中一个子区域进行探测时,所述第二测距装置用于对无人机与周围其他物体之间的第二距离信息进行实时采集,所述中央处理装置还用于对所述第二距离信息进行实时解析得到当前最佳速度,所述飞控计算机用于调整无人机以所述当前最佳速度飞行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310081006.5A CN116088064B (zh) | 2023-01-18 | 2023-01-18 | 一种基于无人机群的红火蚁巢穴探测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310081006.5A CN116088064B (zh) | 2023-01-18 | 2023-01-18 | 一种基于无人机群的红火蚁巢穴探测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116088064A true CN116088064A (zh) | 2023-05-09 |
CN116088064B CN116088064B (zh) | 2023-10-13 |
Family
ID=86208025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310081006.5A Active CN116088064B (zh) | 2023-01-18 | 2023-01-18 | 一种基于无人机群的红火蚁巢穴探测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116088064B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117970321A (zh) * | 2024-03-28 | 2024-05-03 | 成都海关技术中心 | 一种基于红火蚁疫情监测数据的数据处理及预测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207689918U (zh) * | 2018-01-22 | 2018-08-03 | 海南大学 | 一种基于无人机的红火蚁蚁巢监测系统 |
JP2019007964A (ja) * | 2018-07-24 | 2019-01-17 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | Uavの位置を推定するシステム及び方法 |
CN110134132A (zh) * | 2019-04-29 | 2019-08-16 | 西北工业大学 | 一种多无人机协同目标定位的系统和方法 |
CN110221623A (zh) * | 2019-06-17 | 2019-09-10 | 酷黑科技(北京)有限公司 | 一种空地协同作业系统及其定位方法 |
US20200279494A1 (en) * | 2019-02-28 | 2020-09-03 | Rockwell Collins, Inc. | Autonomous Aircraft Sensor-Based Positioning and Navigation System Using Markers |
CN112197761A (zh) * | 2020-07-24 | 2021-01-08 | 北京理工大学 | 一种高精度多旋翼机协同定位方法及系统 |
CN113949826A (zh) * | 2021-09-28 | 2022-01-18 | 航天时代飞鸿技术有限公司 | 一种通信带宽有限条件下无人机集群协同侦察方法及系统 |
US20220172467A1 (en) * | 2021-02-20 | 2022-06-02 | Shiv Verma | Mini drone and agbot based distributed system and method of offering agronomics services to farmers |
CN114674786A (zh) * | 2022-01-28 | 2022-06-28 | 无锡谱视界科技有限公司 | 基于无人机高光谱成像的红火蚁巢识别方法 |
CN114708538A (zh) * | 2022-04-12 | 2022-07-05 | 华南农业大学 | 基于无人机的红火蚁蚁巢检测定位方法 |
-
2023
- 2023-01-18 CN CN202310081006.5A patent/CN116088064B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207689918U (zh) * | 2018-01-22 | 2018-08-03 | 海南大学 | 一种基于无人机的红火蚁蚁巢监测系统 |
JP2019007964A (ja) * | 2018-07-24 | 2019-01-17 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | Uavの位置を推定するシステム及び方法 |
US20200279494A1 (en) * | 2019-02-28 | 2020-09-03 | Rockwell Collins, Inc. | Autonomous Aircraft Sensor-Based Positioning and Navigation System Using Markers |
CN110134132A (zh) * | 2019-04-29 | 2019-08-16 | 西北工业大学 | 一种多无人机协同目标定位的系统和方法 |
CN110221623A (zh) * | 2019-06-17 | 2019-09-10 | 酷黑科技(北京)有限公司 | 一种空地协同作业系统及其定位方法 |
CN112197761A (zh) * | 2020-07-24 | 2021-01-08 | 北京理工大学 | 一种高精度多旋翼机协同定位方法及系统 |
US20220172467A1 (en) * | 2021-02-20 | 2022-06-02 | Shiv Verma | Mini drone and agbot based distributed system and method of offering agronomics services to farmers |
CN113949826A (zh) * | 2021-09-28 | 2022-01-18 | 航天时代飞鸿技术有限公司 | 一种通信带宽有限条件下无人机集群协同侦察方法及系统 |
CN114674786A (zh) * | 2022-01-28 | 2022-06-28 | 无锡谱视界科技有限公司 | 基于无人机高光谱成像的红火蚁巢识别方法 |
CN114708538A (zh) * | 2022-04-12 | 2022-07-05 | 华南农业大学 | 基于无人机的红火蚁蚁巢检测定位方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117970321A (zh) * | 2024-03-28 | 2024-05-03 | 成都海关技术中心 | 一种基于红火蚁疫情监测数据的数据处理及预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116088064B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10872534B2 (en) | Aerial vehicle inspection path planning | |
US10713777B2 (en) | Organism growth prediction system using drone-captured images | |
US9969492B2 (en) | Crop height estimation with unmanned aerial vehicles | |
US9845164B2 (en) | System and method of monitoring an industrial plant | |
US9562771B2 (en) | Analysis of sensor data | |
US11765542B2 (en) | Hybrid vision system for crop land navigation | |
WO2017167207A1 (zh) | 自动工作系统及其工作区域的地图建立方法 | |
AU2016359163A1 (en) | Autonomous mission action alteration | |
US11798426B2 (en) | Autonomous mission action alteration | |
CN108427438A (zh) | 飞行环境检测方法、装置、电子设备及存储介质 | |
CN116088064B (zh) | 一种基于无人机群的红火蚁巢穴探测方法及系统 | |
CN111542849A (zh) | 捕获植物性状的地面真实化标签的方法和系统 | |
CN112817331A (zh) | 一种基于多机协同的林业信息智能监测系统 | |
Petkovic et al. | IoT devices VS. drones for data collection in agriculture | |
WO2020166350A1 (ja) | 無人航空機、通信方法、およびプログラム | |
US20230028196A1 (en) | User-in-the-loop object detection and classification systems and methods | |
US11667382B1 (en) | Systems and methods for utilizing unmanned vehicles to facilitate claims processing | |
Gubanov et al. | Algorithms and software for evaluation of plant height in vertical farm using uavs | |
Pincheira et al. | Overcoming Limitations of IoT Installations: Active Sensing UGV for Agricultural Digital Twins | |
KR102384334B1 (ko) | 재배지의 작물 정보 제공 장치 및 방법 | |
CN113865557B (zh) | 测绘用山体环境检测方法、系统、存储介质及智能终端 | |
EP4033322A1 (en) | Sensing system, sensing data acquisition method, and control device | |
Van Rensburg | Investigating factors influencing UAS task automation in dynamic environments | |
CN118011390A (zh) | 基于无人机的穿墙雷达探测系统 | |
CN115204500A (zh) | 面向虫害监测的多检测机器人数字孪生管理系统及方法 |
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 |