DE102019207245A1 - Agricultural land classification - Google Patents
Agricultural land classification Download PDFInfo
- Publication number
- DE102019207245A1 DE102019207245A1 DE102019207245.3A DE102019207245A DE102019207245A1 DE 102019207245 A1 DE102019207245 A1 DE 102019207245A1 DE 102019207245 A DE102019207245 A DE 102019207245A DE 102019207245 A1 DE102019207245 A1 DE 102019207245A1
- Authority
- DE
- Germany
- Prior art keywords
- area
- agricultural
- area information
- vehicle
- classifier
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
Abstract
Die Erfindung beschreibt ein Verfahren und ein System (100) zum Bereitstellen eines Klassifikators (K) für eine landwirtschaftliche Nutzfläche (2). Flächeninformation (6, 8) zu der landwirtschaftlichen Nutzfläche (2) wird mit einer auf einem unbemannten Flugkörper (20) angebrachten Flächenerfassungssensorik (22) luftgestützt erfasst. Ein Klassifikator (K) zum Zuordnen von Flächeninformation (6, 8) wird definiert und mit der luftgestützt erfassten Flächeninformation (6, 8) trainiert.The invention describes a method and a system (100) for providing a classifier (K) for an agricultural area (2). Area information (6, 8) relating to the agricultural area (2) is recorded in an air-supported manner by area detection sensors (22) attached to an unmanned missile (20). A classifier (K) for assigning area information (6, 8) is defined and trained with the area information (6, 8) recorded by air.
Description
Die Erfindung betrifft ein Verfahren und ein System zum Bereitstellen eines Klassifikators für eine landwirtschaftliche Nutzfläche.The invention relates to a method and a system for providing a classifier for an agricultural area.
Es ist bekannt, auf einem landwirtschaftlichen Fahrzeug einen Positionierungssensor anzuordnen, mit welchem eine aktuelle Position des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche erfasst werden kann. Zudem ist es bekannt, dass ein landwirtschaftliches Fahrzeug basierend auf einer derartigen Positionserfassung zumindest teilautomatisiert auf einer landwirtschaftlichen Nutzfläche navigiert werden kann. Bei einer derartigen Navigation kann eine temporäre Erfassungslücke in der Positionserfassung auftreten, in welcher das landwirtschaftliche Fahrzeug nicht mehr basierend auf der Positionserfassung navigiert werden kann.It is known to arrange a positioning sensor on an agricultural vehicle, with which a current position of the agricultural vehicle on the agricultural area can be detected. It is also known that an agricultural vehicle can be navigated at least partially automatically on a usable agricultural area based on such a position detection. In such a navigation, a temporary detection gap can occur in the position detection, in which the agricultural vehicle can no longer be navigated based on the position detection.
Die Erfindung bezieht sich in einem Aspekt auf ein Verfahren zum Bereitstellen eines Klassifikators für eine landwirtschaftliche Nutzfläche. Der Klassifikator kann zum Lokalisieren eines landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche bereitgestellt werden. Das Verfahren kann so auch zum Lokalisieren eines landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche durchgeführt werden.In one aspect, the invention relates to a method for providing a classifier for an agricultural area. The classifier can be provided for localizing an agricultural vehicle on the agricultural area. The method can thus also be carried out to localize an agricultural vehicle on the agricultural area.
Der Klassifikator kann mindestens eines von einer Zuordnungslogik, einer Zuordnungsfunktion und einer Zuordnungsvorschrift zum Zuordnen von erfasster Flächeninformation zu mindestens einer Flächeninformationsklasse aufweisen. Der Klassifikator kann daher zum Klassifizieren beziehungsweise zum Klassieren von erfasster Flächeninformation in mindestens eine Flächeninformationsklasse fungieren. Bei dem Klassifikator kann es sich um einen generischen beziehungsweise universellen Flächeninformationsklassifikator zum Zuordnen von landwirtschaftlicher Nutzflächeninformation handeln. Der Klassifikator kann so zum nutzflächenübergreifenden Zuordnen von Flächeninformation fungieren. Der Klassifikator kann so auch zum Zuordnen von Flächeninformation von mehreren beziehungsweise verschiedenen landwirtschaftlichen Nutzflächen fungieren.The classifier can have at least one of an assignment logic, an assignment function and an assignment rule for assigning acquired area information to at least one area information class. The classifier can therefore function to classify or classify acquired area information into at least one area information class. The classifier can be a generic or universal area information classifier for assigning agricultural area information. In this way, the classifier can be used to assign area information across the usable area. The classifier can thus also function to assign area information from several or different agricultural areas.
Das Verfahren weist als einen Schritt ein luftgestütztes Erfassen von Flächeninformation zu der landwirtschaftlichen Nutzfläche mit einer auf einem unbemannten Flugkörper angebrachten Flächenerfassungssensorik auf. Bei der Flächeninformation kann es sich somit um luftgestützt erfasste Flächeninformation handeln.The method has, as one step, an air-supported acquisition of area information on the agricultural area using an area acquisition sensor system mounted on an unmanned missile. The area information can thus be area information acquired airborne.
Ein Erfassen von Flächeninformation zu der landwirtschaftlichen Nutzfläche kann ein Erfassen von Messdaten zu mindestens einem von einer Geländeoberfläche der landwirtschaftlichen Nutzfläche, einer Vegetation auf der landwirtschaftlichen Nutzfläche, einem Bauwerk auf der landwirtschaftlichen Nutzfläche, einem Infrastrukturobjekt auf der landwirtschaftlichen Nutzfläche oder einem Fahrzeug auf der landwirtschaftlichen Nutzfläche aufweisen. Flächeninformation zu der landwirtschaftlichen Nutzfläche kann im Rahmen der Erfindung auch fahrzeuggestützt erfasst werden. Flächeninformation zu der landwirtschaftlichen Nutzfläche kann im Rahmen der Erfindung daher auch luftgestützt und fahrzeuggestützt erfasst werden.Acquisition of area information on the agricultural area can include acquisition of measurement data on at least one of a terrain surface of the agricultural area, vegetation on the agricultural area, a structure on the agricultural area, an infrastructure object on the agricultural area or a vehicle on the agricultural area exhibit. Area information on the agricultural area can also be recorded with the aid of a vehicle within the scope of the invention. Area information on the agricultural area can therefore also be recorded in the context of the invention with the aid of air and vehicle.
Bei dem unbemannten Flugkörper kann es sich um ein unbemanntes Luftfahrzeug (UAV) handeln. Der unbemannte Flugkörper kann zum luftgestützten Erfassen von Flächeninformation von einem Bediener des unbemannten Flugkörpers ferngesteuert werden. Der unbemannte Flugkörper kann über der landwirtschaftlichen Nutzfläche autark fliegen, um Flächeninformation zu der landwirtschaftlichen Nutzfläche luftgestützt zu erfassen. Bei dem unbemannten Flugkörper kann es sich ferner um eine sogenannte „Drohne“ handeln. Bei dem unbemannten Flugkörper kann es sich um einen Multicopter handeln, welcher beispielsweise ein Quadrocopter sein kann.The unmanned missile can be an unmanned aerial vehicle (UAV). The unmanned missile can be remotely controlled by an operator of the unmanned missile for the purpose of airborne acquisition of area information. The unmanned missile can fly autonomously over the agricultural area in order to record area information on the agricultural area with the aid of the air. The unmanned missile can also be a so-called “drone”. The unmanned missile can be a multicopter, which can be a quadrocopter, for example.
Das luftgestützte Erfassen von Flächeninformation kann ausgehend von dem unbemannten Flugkörper durchgeführt werden. Die Flächenerfassungssensorik kann hierfür auf dem unbemannten Flugkörper angeordnet beziehungsweise in diesem integriert sein. Die Flächenerfassungssensorik kann hierfür auch von dem unbemannten Flugkörper getragen werden. Das luftgestützte Erfassen von Flächeninformation kann daher ein Erfassen von Flächeninformation aus der Luft aufweisen. Der unbemannte Flugkörper kann hierfür als eine fliegende Erfassungsplattform zum luftgestützten Erfassen von Flächeninformation fungieren. Bei dem luftgestützten Erfassen handelt es sich somit nicht um ein erdgestütztes oder um ein satellitengestütztes Erfassen von Flächeninformation.The airborne acquisition of area information can be carried out starting from the unmanned missile. For this purpose, the area detection sensor system can be arranged on the unmanned missile or integrated therein. For this purpose, the area detection sensor system can also be carried by the unmanned missile. The air-assisted acquisition of area information can therefore include acquisition of area information from the air. For this purpose, the unmanned missile can function as a flying acquisition platform for airborne acquisition of area information. The air-based acquisition is therefore not a ground-based or satellite-based acquisition of area information.
Das luftgestützte Erfassen von Flächeninformation kann ein Georeferenzieren der luftgestützt erfassten Flächeninformation aufweisen. Die luftgestützt erfasste Flächeninformation kann hierfür in ein vorbestimmtes Koordinatensystem transformiert werden. Bei dem Koordinatensystem kann es sich um ein globales beziehungsweise übergeordnetes Koordinatensystem handeln. Bei dem Koordinatensystem kann es sich auch um ein nutzflächenbezogenes oder fahrzeugbezogenes Koordinatensystem handeln.The air-supported detection of area information can include georeferencing of the air-supported area information. For this purpose, the area information recorded in the air can be transformed into a predetermined coordinate system. The coordinate system can be a global or superordinate coordinate system. The coordinate system can also be a space-related or vehicle-related coordinate system.
Der unbemannte Flugkörper kann eine Positionserfassungssensorik zum Erfassen von einer Position des unbemannten Flugkörpers beim luftgestützten Erfassen von Flächeninformation aufweisen. Die Positionserfassungssensorik kann eine GNSS-Antenne aufweisen, mit welcher eine Position des unbemannten Flugkörpers erfasst werden kann. Die luftgestützt erfasste Flächeninformation beziehungsweise entsprechende Rohmessdaten können basierend auf einer derartigen Positionserfassung in ein Koordinatensystem transformiert werden. Die luftgestützt erfasste Flächeninformation beziehungsweise entsprechende Rohmessdaten können ferner basierend auf einer Orientierungserfassung beziehungsweise basierend auf extrinsischen Parametern des unbemannten Flugkörpers in das Koordinatensystem transformiert werden. Ferner kann die luftgestützt erfasste Flächeninformation so in ein Geoinformationsystem (GIS) oder in eine Karte transformiert werden. Das Georeferenzieren beziehungsweise das Transformieren kann auf dem unbemannten Flugkörper (online) oder in einem Rechenzentrum (offline) durchgeführt werden.The unmanned missile can have a position detection sensor system for detecting a position of the unmanned missile during Have airborne detection of area information. The position detection sensor system can have a GNSS antenna with which a position of the unmanned missile can be detected. The air-supported area information or corresponding raw measurement data can be transformed into a coordinate system based on such a position detection. The air-supported area information or corresponding raw measurement data can also be transformed into the coordinate system based on an orientation detection or based on extrinsic parameters of the unmanned missile. Furthermore, the area information captured by air can be transformed into a geographic information system (GIS) or into a map. Georeferencing or transforming can be carried out on the unmanned missile (online) or in a data center (offline).
Die Flächenerfassungssensorik kann einen distanzmessenden Sensor aufweisen. Alternativ oder zusätzlich kann die Sensorik einen bilderfassenden Sensor aufweisen. Bei der Flächenerfassungssensorik kann es sich im Rahmen der Erfindung um luftgestützt oder fahrzeuggestützt eingesetzte Sensorik handeln.The area detection sensor system can have a distance-measuring sensor. Alternatively or additionally, the sensor system can have an image-capturing sensor. In the context of the invention, the area detection sensor system can be an air-supported or vehicle-supported sensor system.
Der distanzmessende Sensor kann auch als ein scannender Sensor ausgebildet sein. Bei dem distanzmessenden Sensor kann es sich beispielsweise um einen Laserscanner, ein Radarmessgerät oder um ein Ultraschallmessgerät handeln. Der Laserscanner, das Radarmessgerät oder das Ultraschallmessgerät kann als ein zweidimensional oder dreidimensional scannender Sensor ausgebildet sein. Bei dem distanzmessenden Sensor kann es sich auch um eine distanzmessende 3D-Kamera handeln. Weist die Sensorik einen distanzmessenden Sensor auf, kann die landwirtschaftliche Nutzfläche punktuell erfasst beziehungsweise diskret abgetastet werden. Mit dem distanzmessenden Sensor kann eine Punktwolke mit Messpunkten auf der landwirtschaftlichen Nutzfläche erfasst werden. Bei der Punktwolke kann es sich um eine zweidimensionale oder dreidimensionale Punktwolke handeln.The distance-measuring sensor can also be designed as a scanning sensor. The distance-measuring sensor can be, for example, a laser scanner, a radar measuring device or an ultrasonic measuring device. The laser scanner, the radar measuring device or the ultrasonic measuring device can be designed as a two-dimensional or three-dimensional scanning sensor. The distance-measuring sensor can also be a distance-measuring 3D camera. If the sensor system has a distance-measuring sensor, the agricultural area can be recorded selectively or discretely scanned. With the distance measuring sensor, a point cloud with measuring points can be recorded on the agricultural area. The point cloud can be a two-dimensional or three-dimensional point cloud.
Der bilderfassende Sensor kann als eine Kamera ausgebildet sein. Die Kamera kann eine RGB-Kamera oder eine Multispektralkamera sein. Die RGB-Kamera und die Multispektralkamera kann jeweils eine Kamera sein, welche Licht in mehreren Spektralkanälen erfassen kann. Mit der Multispektralkamera kann ferner ein Normierter Differenzierter Vegetationsindex (NDVI-Index) von einem Bereich der landwirtschaftlichen Nutzfläche bestimmt werden, wobei basierend darauf ein Flächenobjekt oder eine Nutzflächenbegrenzung erkannt werden kann. Die Spektralkanäle der Multispektralkamera können mindestens einen Spektralkanal aufweisen, in welchem Licht in einem für den Menschen unsichtbaren Spektralband erfasst werden kann. Bei dem für den Menschen unsichtbaren Spektralband kann es sich um Licht außerhalb eines Wellenlängenbereichs von 400 nm bis 750 nm handeln. Ein für den Menschen nicht sichtbares Spektralband kann Infrarotstrahlung, beispielsweise nahes infrarotes Licht, mittelinfrarotes Licht und/oder thermalinfrarotes Licht, zumindest teilweise umfassen. Weist die Sensorik alternativ oder zusätzlich zu einem distanzmessenden Sensor einen bilderfassenden Sensor auf, kann ein Bild der landwirtschaftlichen Nutzfläche erfasst beziehungsweise aufgenommen werden. Das Bild kann Bildinformation in mindestens einem sichtbaren Spektralbereich aufweisen. Alternativ oder zusätzlich kann das Bild Bildinformation in mindestens einem nicht sichtbaren Spektralbereich, beispielsweise in einem Infrarot-Spektralbereich, aufweisen.The image capturing sensor can be designed as a camera. The camera can be an RGB camera or a multispectral camera. The RGB camera and the multispectral camera can each be a camera which can capture light in several spectral channels. The multispectral camera can also be used to determine a normalized differentiated vegetation index (NDVI index) of an area of the agricultural area, based on which an area object or a usable area boundary can be recognized. The spectral channels of the multispectral camera can have at least one spectral channel in which light can be detected in a spectral band that is invisible to humans. The spectral band, which is invisible to humans, can be light outside a wavelength range from 400 nm to 750 nm. A spectral band that is not visible to humans can at least partially comprise infrared radiation, for example near infrared light, medium infrared light and / or thermal infrared light. If the sensor system has an image-capturing sensor as an alternative or in addition to a distance-measuring sensor, an image of the agricultural area can be captured or recorded. The image can have image information in at least one visible spectral range. Alternatively or additionally, the image can have image information in at least one invisible spectral range, for example in an infrared spectral range.
Das Verfahren weist als einen weiteren Schritt ein Definieren von einem Klassifikator zum Zuordnen von Flächeninformation zu mindestens einer Flächeninformationsklasse auf. Bei dem Klassifikator kann es sich um ein neuronales Netz handeln. Bei dem Klassifikator kann es sich ferner auch um einen binären oder um einen linearen Klassifikator handeln. Der Klassifikator kann zum binären oder linearen Zuordnen von Flächeninformation zu mindestens einer Flächeninformationsklasse fungieren. Bei dem Klassifikator kann es sich somit um einen entsprechenden landwirtschaftlichen Nutzflächenklassifikator handeln.As a further step, the method has a definition of a classifier for assigning area information to at least one area information class. The classifier can be a neural network. The classifier can also be a binary or a linear classifier. The classifier can function for the binary or linear assignment of area information to at least one area information class. The classifier can thus be a corresponding agricultural land classifier.
Das Zuordnen von Flächeninformation kann ein Klassifizieren von Flächeninformation in die mindestens eine Flächeninformationsklasse aufweisen, wobei das Klassifizieren ein Festlegen von Klassengrenzen von der mindestens einen Flächeninformationsklasse aufweisen kann. Das Zuordnen von Flächeninformation kann ein Klassieren von Flächeninformation in die mindestens eine Flächeninformationsklasse sein oder aufweisen, wobei das Klassieren ein (Ein-)Sortieren oder ein (Ein-)Teilen der mindestens einen Flächeninformationsklasse in die mindestens eine Flächeninformationsklasse aufweisen kann. Das Zuordnen, das Klassifizieren, das Klassieren, das (Ein-)Sortieren oder das (Ein-)Teilen kann in eindeutiger Weise oder in mehrdeutiger Weise durchgeführt werden beziehungsweise wahlweise durchgeführt werden.The assignment of area information can include a classification of area information into the at least one area information class, wherein the classification can include establishing class boundaries for the at least one area information class. The assignment of area information can be or include a classification of area information into the at least one area information class, wherein the classification can include sorting or dividing the at least one area information class into the at least one area information class. The assigning, the classifying, the classifying, the sorting or the dividing can be carried out in an unambiguous way or in an ambiguous way or optionally carried out.
Nach einer weiterbildenden Ausführungsform des Verfahrens bildet sich auf die landwirtschaftliche Nutzfläche beziehende Flächeninformation eine Flächeninformationsklasse. Die sich auf die landwirtschaftliche Nutzfläche beziehende Flächeninformation kann sich auf ein Inneres der landwirtschaftlichen Nutzfläche beziehende Flächeninformation aufweisen. Das Innere kann eine Fläche innerhalb der landwirtschaftlichen Nutzfläche beziehungsweise innerhalb einer landwirtschaftlichen Nutzflächengrenze aufweisen. Die sich auf die landwirtschaftliche Nutzfläche beziehende Flächeninformation kann sich auf eine landwirtschaftliche Nutzflächengrenze beziehende Flächeninformation aufweisen.According to a further-developing embodiment of the method, area information relating to the agricultural area is formed in an area information class. The area information relating to the agricultural area can have area information relating to an interior of the agricultural area. The interior can be an area within the have agricultural area or within an agricultural area boundary. The area information relating to the agricultural area can have area information relating to an agricultural area boundary.
Nach einer weiterbildenden Ausführungsform des Verfahrens bildet sich nicht auf die landwirtschaftliche Nutzfläche beziehende Flächeninformation eine Flächeninformationsklasse. Die sich nicht auf die landwirtschaftliche Nutzfläche beziehende Flächeninformation kann alternativ oder ergänzend zu der sich auf die landwirtschaftliche Nutzfläche beziehende Flächeninformation eine Flächeninformationsklasse bilden. Die sich nicht auf die landwirtschaftliche Nutzfläche beziehende Flächeninformation kann sich auf ein Äußeres der landwirtschaftlichen Nutzfläche beziehende Flächeninformation aufweisen. Das Äußere kann eine Fläche außerhalb der landwirtschaftlichen Nutzfläche beziehungsweise außerhalb einer landwirtschaftlichen Nutzflächengrenze aufweisen. Die sich nicht auf die landwirtschaftliche Nutzfläche beziehende Flächeninformation kann sich auf eine landwirtschaftliche Nutzflächengrenze beziehende Flächeninformation aufweisen.According to a further developing embodiment of the method, an area information class that does not relate to the agricultural area is formed. The area information that does not relate to the agricultural area can form an area information class as an alternative or in addition to the area information related to the agricultural area. The area information that does not relate to the agricultural area can have area information related to an exterior of the agricultural area. The exterior can have an area outside the agricultural area or outside an agricultural area boundary. The area information that does not relate to the agricultural area can have area information related to an agricultural area boundary.
Nach einer weiterbildenden Ausführungsform des Verfahrens bildet sich auf eine landwirtschaftliche Nutzflächengrenze beziehende Flächeninformation eine Flächeninformationsklasse. Die sich auf die landwirtschaftliche Nutzflächengrenze beziehende Flächeninformation kann alternativ oder ergänzend zu den weiter beschriebenen Flächeninformationsklassen eine Flächeninformationsklasse bilden. Ein erkanntes Flächenobjekt beziehungsweise mindestens ein Merkmal von diesem kann, wie beschrieben, auch der sich auf die landwirtschaftliche Nutzflächengrenze beziehenden Flächeninformation zugeordnet werden. Das landwirtschaftliche Fahrzeug kann so in vorteilhafter Weise innerhalb oder außerhalb von einer landwirtschaftlichen Nutzflächengrenze lokalisiert werden, um das landwirtschaftliche Fahrzeug beim automatisierten Navigieren desselben beispielsweise zu hindern die landwirtschaftliche Nutzfläche zu verlassen.According to a further developing embodiment of the method, area information relating to an agricultural usable area boundary is formed in an area information class. The area information relating to the agricultural area boundary can form an area information class as an alternative or in addition to the area information classes described further. A recognized area object or at least one feature of this can, as described, also be assigned to the area information relating to the agricultural area boundary. The agricultural vehicle can thus be located in an advantageous manner inside or outside of an agricultural area boundary in order to prevent the agricultural vehicle from leaving the agricultural area, for example when it is navigating automatically.
Die sich auf die landwirtschaftliche Nutzflächengrenze beziehende Flächeninformation kann einen Höhenunterschied, beispielsweise gebildet durch einen Graben, eine Mauer, oder einen Zaun auf der landwirtschaftlichen Nutzfläche, aufweisen. Die sich auf die landwirtschaftliche Nutzflächengrenze beziehende Flächeninformation kann auch eine Vegetationsgrenze oder unterschiedliche Vegetation aufweisen. Die sich auf die landwirtschaftliche Nutzflächengrenze beziehende Flächeninformation kann ferner Bewuchs, beispielsweise eine Hecke, oder mindestens einen Baum aufweisen. Bei der landwirtschaftlichen Nutzflächengrenze kann es sich daher um eine natürliche beziehungsweise tatsächliche Nutzungsgrenze und daher nicht um eine amtliche Flurstücksgrenze handeln. Die Nutzflächengrenze kann einen geradlinigen Grenzabschnitt aufweisen. Die Nutzflächengrenze kann alternativ oder zusätzlich dazu einen gekrümmten Grenzabschnitt aufweisen.The area information relating to the agricultural area boundary can have a height difference, for example formed by a ditch, a wall, or a fence on the agricultural area. The area information relating to the agricultural area boundary can also have a vegetation boundary or different vegetation. The area information relating to the agricultural area boundary can also have vegetation, for example a hedge, or at least one tree. The agricultural land boundary can therefore be a natural or actual boundary of use and therefore not an official parcel boundary. The usable area boundary can have a straight boundary section. As an alternative or in addition to this, the usable area boundary can have a curved boundary section.
Das Verfahren weist als einen weiteren Schritt ein Trainieren des Klassifikators mit der luftgestützt erfassten Flächeninformation auf. Das Trainieren des Klassifikators kann auf dem luftgestützten Erfassen von Flächeninformation zu der landwirtschaftlichen Nutzfläche basieren oder von diesem abhängen. Der Schritt des Trainierens kann zumindest teilweise automatisch durchgeführt werden. Alternativ oder zusätzlich kann der Schritt des Trainierens zumindest teilweise manuell durchgeführt werden. Ein automatisches Trainieren des Klassifikators kann auch manuell oder automatisch überprüft werden. Zusätzlich dazu kann das Trainieren des Klassifikators auch auf einem fahrzeuggestützten Erfassen von Flächeninformation zu der landwirtschaftlichen Nutzfläche basieren oder von diesem abhängen. Das Verfahren kann als einen weiteren Schritt ein Trainieren des Klassifikators mit fahrzeuggestützt erfasster Flächeninformation aufweisen. Das Trainieren kann ferner auf fusionierten luftgestützt und fahrzeuggestützt erfassten Messdaten basieren.The method has, as a further step, training of the classifier with the area information recorded in the air. The training of the classifier can be based on the air-supported acquisition of area information on the agricultural area or it can depend on this. The training step can be carried out at least partially automatically. Alternatively or additionally, the training step can be carried out at least partially manually. Automatic training of the classifier can also be checked manually or automatically. In addition to this, the training of the classifier can also be based on or depend on vehicle-supported acquisition of area information on the agricultural area. As a further step, the method can include training of the classifier with area information acquired with the aid of a vehicle. The training can also be based on merged airborne and vehicle-based measurement data.
Der Schritt des Trainierens des Klassifikators kann als einen Unterschritt den Schritt des luftgestützten Erfassens von Flächeninformation zu der landwirtschaftlichen Nutzfläche mit der auf dem unbemannten Flugkörper angebrachten Flächenerfassungssensorik aufweisen. Das Verfahren kann daher als ein Verfahren zum Trainieren eines Klassifikators für eine landwirtschaftliche Nutzfläche durchgeführt werden. Der Schritt des Trainierens des Klassifikators kann als einen weiteren Unterschritt den Schritt des Definierens des Klassifikators zum Zuordnen von Flächeninformation zu mindestens einer Flächeninformationsklasse aufweisen. Mindestens einer der Unterschritte kann automatisch durchgeführt werden. Alternativ oder zusätzlich kann mindestens einer der Unterschritte manuell durchgeführt werden.The step of training the classifier can have, as a substep, the step of air-assisted acquisition of area information on the agricultural area using the area detection sensor system mounted on the unmanned missile. The method can therefore be implemented as a method for training a classifier for an agricultural area. The step of training the classifier can have, as a further substep, the step of defining the classifier for assigning area information to at least one area information class. At least one of the substeps can be performed automatically. Alternatively or additionally, at least one of the substeps can be carried out manually.
Der Schritt des Trainierens des Klassifikators kann als einen Unterschritt ein Erkennen eines Flächenobjekts in der luftgestützt erfassten Flächeninformation aufweisen. Das Erkennen des Flächenobjekts kann automatisch ausgeführt werden. Alternativ oder zusätzlich kann das Erkennen des Flächenobjekts manuell ausgeführt werden. Ein erkanntes Flächenobjekt kann mindestens einer Flächeninformationsklasse zugeordnet werden. Ein erkanntes Flächenobjekt kann so beispielsweise auch Flächeninformation, welche sich auf eine landwirtschaftliche Nutzflächengrenze bezieht, zugeordnet werden.The step of training the classifier can have, as a substep, a recognition of a surface object in the surface information recorded airborne. The surface object can be recognized automatically. Alternatively or additionally, the area object can be recognized manually. A recognized area object can be assigned to at least one area information class. A recognized area object can, for example, also be assigned area information which relates to an agricultural area boundary.
Ein Erkennen eines Flächenobjekts kann mittels Methoden der Mustererkennung durchgeführt werden. Alternativ oder zusätzlich kann ein Erkennen eines Flächenobjekts mittels Methoden des Template-Matchings durchgeführt werden. Alternativ oder zusätzlich kann ein Erkennen eines Flächenobjekts mittels Methoden des semantischen Segmentierens durchgeführt werden. Bei den Methoden kann es sich um entsprechende zweidimensionale oder dreidimensionale Methoden handeln. Dabei kann es sich für ein automatisches Erkennen eines Flächenobjekts um automatische Methoden der Mustererkennung beziehungsweise automatische Methoden des Template-Matchings handeln. Es kann sich auch um ein manuelles Erkennen durch ein manuelles Markieren beziehungsweise durch ein Labeling von einem Flächenobjekt handeln. Das Trainieren des Klassifikators beziehungsweise das Erkennen des Flächenobjekts kann ein Matchen oder Labeln von einem Flächenobjekt in der luftgestützt erfassten Flächeninformation aufweisen. Der Schritt des Trainierens beziehungsweise mindestens einer seiner manuell ausführbaren Unterschritte kann von einem Bediener des unbemannten Flugkörpers oder einem Operateur ausgeführt werden. Das Trainieren des Klassifikators kann ferner als einen weiteren Unterschritt ein manuelles Verifizieren von einem automatisch erkannten Flächenobjekt durch einen Bediener oder Operateur aufweisen.A surface object can be recognized using methods of pattern recognition. Alternatively or additionally, a surface object can be recognized by means of template matching methods. As an alternative or in addition, a surface object can be recognized using methods of semantic segmentation. The methods can be corresponding two-dimensional or three-dimensional methods. For automatic recognition of a surface object, automatic methods of pattern recognition or automatic methods of template matching can be involved. It can also be a question of manual recognition through manual marking or labeling of an area object. The training of the classifier or the recognition of the surface object can include matching or labeling of a surface object in the surface information recorded with the aid of the air. The step of training or at least one of its manually executable sub-steps can be performed by an operator of the unmanned missile or an operator. The training of the classifier can also have, as a further sub-step, manual verification of an automatically recognized surface object by an operator or surgeon.
Das Trainieren des Klassifikators kann als einen weiteren Unterschritt ein Zuweisen beziehungsweise Verknüpfen von mindestens einem Merkmal eines erkannten Flächenobjekts zu mindestens einer Flächeninformationsklasse aufweisen. Bei dem Zuweisen beziehungsweise Verknüpfen kann es sich um ein automatisches Zuweisen beziehungsweise um ein automatisches Verknüpfen handeln. Alternativ oder zusätzlich kann es sich bei dem Zuweisen beziehungsweise Verknüpfen um ein manuelles Zuweisen beziehungsweise um ein manuelles Verknüpfen handeln.The training of the classifier can have as a further substep an assignment or linking of at least one feature of a recognized area object to at least one area information class. The assignment or linking can be an automatic assignment or an automatic linking. As an alternative or in addition, the assignment or linking can be a manual assignment or a manual linking.
Bei einem Flächenobjekt kann es sich beispielsweise um einen Geländeoberflächenbereich, einen Vegetationsbereich, ein Bauwerk, ein Infrastrukturobjekt oder um ein Fahrzeug auf der landwirtschaftlichen Nutzfläche handeln. Der Geländeoberflächenbereich kann mindestens eines von einer Topologie, einer Welligkeit, einer Geländekontur und einer Oberflächenbeschaffenheit der landwirtschaftlichen Nutzfläche aufweisen. Bei der Geländekontur kann es sich beispielsweise um einen Graben handeln. Der Vegetationsbereich kann beispielsweise eine Nutzflächenbepflanzung aufweisen. Bei dem Bauwerk kann es sich beispielsweise um eine Straße, einen Weg, eine Mauer oder einen Zaun handeln. Die Straße, der Weg, die Mauer oder der Zaun können die landwirtschaftliche Nutzfläche begrenzen. Das Bauwerk kann daher eine erfassbare beziehungsweise erkennbare Nutzflächenbegrenzung darstellen. Bei dem Infrastrukturobjekt kann es sich beispielsweise um einen Mast oder um ein Verkehrszeichen handeln.An area object can be, for example, a land surface area, a vegetation area, a building, an infrastructure object or a vehicle on the agricultural area. The terrain surface area can have at least one of a topology, a waviness, a terrain contour and a surface quality of the agricultural area. The terrain contour can be a ditch, for example. The vegetation area can, for example, have a usable area planting. The structure can be, for example, a road, a path, a wall or a fence. The road, the path, the wall or the fence can limit the agricultural area. The building can therefore represent a detectable or recognizable usable area boundary. The infrastructure object can be, for example, a mast or a traffic sign.
Ein Merkmal eines erkannten Flächenobjekts kann manuell oder automatisch aus der luftgestützt erfassten Flächeninformation abgeleitet werden. Hierbei kann eine Teilmenge der erfassten Flächeninformation dem erkannten Flächenobjekt zugeordnet werden. Das Merkmal kann eine Geometrie, ein Muster, ein Cluster, eine Farbe, eine Reflektivität oder eine Intensität in mit der Flächenerfassungssensorik erfassten Messdaten aufweisen. Bei dem Merkmal kann es sich um ein entsprechendes zweidimensionales oder dreidimensionales Merkmal handeln. Ein erkanntes Flächenobjekt kann so einer Flächeninformationsklasse zugeordnet werden, wenn ein Merkmal vorliegt beziehungsweise wenn ein erkanntes Merkmal einem vordefinierten Merkmal entspricht. Zum Trainieren des Klassifikators kann ein vordefiniertes Merkmal durch ein erkanntes Merkmal abgeändert beziehungsweise ergänzt werden. Ein derart trainierter Klassifikator kann ein Zuweisen von erfasster Flächeninformation zu mindestens einer Flächeninformationsklasse für einen Anwender des Klassifikators zuverlässiger machen.A feature of a recognized surface object can be derived manually or automatically from the surface information recorded with the aid of the air. Here, a subset of the recorded area information can be assigned to the recognized area object. The feature can have a geometry, a pattern, a cluster, a color, a reflectivity or an intensity in measurement data acquired with the area acquisition sensor system. The feature can be a corresponding two-dimensional or three-dimensional feature. A recognized area object can thus be assigned to an area information class if a feature is present or if a recognized feature corresponds to a predefined feature. To train the classifier, a predefined feature can be modified or supplemented by a recognized feature. A classifier trained in this way can make an assignment of recorded area information to at least one area information class more reliable for a user of the classifier.
Das Trainieren des Klassifikators kann als einen weiteren Unterschritt auch ein Zuweisen beziehungsweise Verknüpfen von mindestens zwei Merkmalen eines erkannten Flächenobjekts zu mindestens einer Flächeninformationsklasse aufweisen. Hierfür kann ein vordefiniertes Merkmal durch ein erkanntes Merkmal abgeändert beziehungsweise ergänzt werden. Die mindestens zwei Merkmale können in einem Merkmalsvektor oder in einer Merkmalsmatrix gruppiert werden. Die mindestens zwei Merkmale können in dem Merkmalsvektor oder in der Merkmalsmatrix miteinander verknüpft beziehungsweise korreliert werden. Ein erkanntes Flächenobjekt kann so einer Flächeninformationsklasse zugeordnet werden, wenn mindestens zwei miteinander korrelierte Merkmale vorliegen beziehungsweise, wenn mindestens zwei erkannte und miteinander korrelierte Merkmale einem vordefinierten Merkmalsvektor oder einer vordefinierten Merkmalsmatrix entsprechen. Hierfür kann ein erkannter Merkmalsvektor oder eine erkannte Merkmalsmatrix mit einem vordefinierten Merkmalsvektor oder einer vordefinierten Merkmalsmatrix verglichen werden.The training of the classifier can also have, as a further sub-step, an assignment or linking of at least two features of a recognized area object to at least one area information class. For this purpose, a predefined feature can be modified or supplemented by a recognized feature. The at least two features can be grouped in a feature vector or in a feature matrix. The at least two features can be linked to one another or correlated in the feature vector or in the feature matrix. A recognized area object can thus be assigned to an area information class if at least two features correlated with one another are present or if at least two recognized and interrelated features correspond to a predefined feature vector or a predefined feature matrix. For this purpose, a recognized feature vector or a recognized feature matrix can be compared with a predefined feature vector or a predefined feature matrix.
Im Rahmen der Erfindung können Trainingsdaten zum Trainieren eines Klassifikators für eine landwirtschaftliche Nutzfläche luftgestützt erfasst werden. Aus den luftgestützt erfassten Trainingsdaten, welche Vermessungsdaten beziehungsweise Luftbilder der landwirtschaftlichen Nutzfläche aufweisen können, kann Flächeninformation zu Flächeninformationsklassen basierend auf einem in der Flächeninformation erkannten Flächenobjekt zugeordnet werden. Die Trainingsdaten können georeferenzierte beziehungsweise transformierte luftgestützt erfasste Flächeninformation aufweisen. Das Zuordnen der erfassten Flächeninformation beziehungsweise der in ihr erkannten Flächenobjekte kann dann basierend auf Objektmerkmalen durchgeführt werden. Die Trainingsdaten können ferner Ground Truth Daten aufweisen, welche manuell erfasst sind. Bei den Ground Truth Daten kann es sich um ein Polygon handeln, welches eine vermessene Nutzflächengrenze darstellen kann.Within the scope of the invention, training data for training a classifier for an agricultural area can be recorded with the aid of the air. From the air-assisted acquired training data, which can have measurement data or aerial images of the agricultural area, area information can be obtained for area information classes based on one in the Area information are assigned to recognized area objects. The training data can include georeferenced or transformed air-supported area information. The assignment of the recorded area information or the area objects recognized in it can then be carried out based on object features. The training data can also have ground truth data that are recorded manually. The ground truth data can be a polygon that can represent a measured usable area boundary.
Der Klassifikator kann derart trainiert werden, um erfasste Flächeninformation zu mindestens einer Flächeninformationsklasse automatisch zuzuordnen. Dabei kann das Erkennen von Objekten in der luftgestützt erfassten Flächeninformation automatisiert werden. Ferner kann das Zuordnen von Merkmalen zu den erkannten Objekten automatisiert werden. Durch eine Zuordnung von Objekten beziehungsweise deren Merkmale zu einer Flächeninformationsklasse können Bereiche der Flächeninformation zu mindestens einer Flächeninformationsklasse automatisiert zugeordnet werden.The classifier can be trained in such a way as to automatically assign acquired area information to at least one area information class. The detection of objects in the air-supported area information can be automated. Furthermore, the assignment of features to the recognized objects can be automated. By assigning objects or their features to an area information class, areas of the area information can be automatically assigned to at least one area information class.
Im Rahmen der Erfindung kann der Klassifikator ferner durch einen End-to-End-Trainingsprozess beziehungsweise einen End-to-End-Lernprozess trainiert werden. „Endto-End“ kann einen entsprechend automatisierten Prozess bezeichnen. „End-to-End“ kann auch ein adaptives Trainieren beziehungsweise Bereitstellen des Klassifikators bezeichnen, wobei das Verfahren angepasst an eine aktuelle Geländeoberfläche oder Nutzflächengrenze der landwirtschaftlichen Nutzfläche durchgeführt werden kann. „Endto-End“ kann auch ein zyklisches Trainieren beziehungsweise Bereitstellen des Klassifikators bezeichnen, wobei das Verfahren als Schleife durchgeführt werden kann. Der Klassifikator kann so mit dem Verfahren beispielsweise jahresweise oder saisonal oder arbeitsschrittweise trainiert und bereitgestellt werden. „End-to-End“ kann auch ein nutzflächenspezifisches oder kundenspezifisches Trainieren beziehungsweise Bereitstellen des Klassifikators bezeichnen, wobei das Verfahren für eine einzelne Nutzfläche oder für einen einzelnen Landwirt durchgeführt werden kann.In the context of the invention, the classifier can also be trained by an end-to-end training process or an end-to-end learning process. “End-to-end” can refer to a correspondingly automated process. “End-to-end” can also refer to adaptive training or provision of the classifier, with the method being able to be carried out in a manner adapted to a current surface area or useful area boundary of the agricultural area. “End-to-end” can also refer to cyclical training or provision of the classifier, with the method being able to be carried out as a loop. The classifier can thus be trained and made available with the method, for example, on a yearly or seasonal basis or in work steps. “End-to-end” can also refer to a usable area-specific or customer-specific training or provision of the classifier, with the method being able to be carried out for an individual usable area or for an individual farmer.
Die luftgestützt erfasste Flächeninformation kann für mindestens eine weitere landwirtschaftliche Anwendung verwendet werden. Bei der weiteren landwirtschaftlichen Anwendung kann es sich um eine Smart Farming Anwendung oder um eine e-Farming Anwendung handeln.The area information recorded in the air can be used for at least one other agricultural application. The further agricultural application can be a smart farming application or an e-farming application.
In einer weiterbildenden Ausführungsform des Verfahrens weist der Schritt des luftgestützten Erfassens mindestens eines von einem luftgestützten Erfassen von Topografieinformation zu der landwirtschaftlichen Nutzfläche und einem luftgestützten Erfassen von Bildinformation zu der landwirtschaftlichen Nutzfläche auf. Das luftgestützte Erfassen von Topografieinformation und das luftgestützte Erfassen von Bildinformation kann mit der auf dem unbemannten Flugkörper angebrachten Flächenerfassungssensorik durchgeführt werden.In a further-developing embodiment of the method, the step of air-assisted acquisition has at least one of air-assisted acquisition of topographical information about the agricultural area and air-assisted acquisition of image information about the agricultural area. The air-based acquisition of topographic information and the air-based acquisition of image information can be carried out with the area acquisition sensors mounted on the unmanned missile.
Das luftgestützte Erfassen von Topografieinformation kann ein luftgestütztes Erfassen von Höheninformation zu der landwirtschaftlichen Nutzfläche aufweisen. Das luftgestützte Erfassen von Topografieinformation kann beispielsweise mit einem Laserscanner durchgeführt werden. Das luftgestützte Erfassen von Bildinformation kann ein luftgestütztes Erfassen von Texturinformation zu der landwirtschaftlichen Nutzfläche aufweisen. Das luftgestützte Erfassen von Bildinformation kann beispielsweise mit einer Kamera durchgeführt werden.The air-assisted acquisition of topography information can include an air-assisted acquisition of height information on the agricultural area. The air-supported acquisition of topography information can be carried out, for example, with a laser scanner. The air-assisted acquisition of image information can include an air-assisted acquisition of texture information on the agricultural area. The air-supported acquisition of image information can be carried out, for example, with a camera.
Luftgestützt erfasste Topografieinformation kann mit luftgestützt erfasster Bildinformation fusioniert werden. Bei fusionierter Information kann es sich um kombinierte Information handeln. Alternativ oder zusätzlich kann luftgestützt erfasste Topografieinformation mit nicht luftgestützt, satellitengestützt, erdgestützt oder fahrzeuggestützt erfasster Bildinformation fusioniert werden. Beispielsweise kann eine luftgestützt erfasste Punktwolke zu der landwirtschaftlichen Nutzfläche mit einem aktuellen Bild der landwirtschaftlichen Nutzfläche zu einer eingefärbten Punktwolke zu der landwirtschaftlichen Nutzfläche fusioniert werden. Der Schritt des luftgestützten Erfassens kann ferner auch ein luftgestütztes Erfassen eines 3D-Geländemodells von zumindest einem Flächenbereich der landwirtschaftlichen Nutzfläche aufweisen. Bei dem 3D-Geländemodell kann es sich um ein texturiertes 3D-Geländemodell handeln, welches eine mit einem Bild texturierte Topografie der landwirtschaftlichen Nutzfläche aufweisen kann.Topography information captured by air can be merged with image information captured by air. Fused information can be combined information. As an alternative or in addition, topography information acquired airborne can be merged with image information acquired non-airborne, satellite-based, earth-based or vehicle-based. For example, an air-supported point cloud relating to the agricultural area can be merged with a current image of the agricultural area to form a colored point cloud relating to the agricultural area. The step of air-assisted acquisition can furthermore also include air-assisted acquisition of a 3D terrain model of at least one surface area of the agricultural land. The 3D terrain model can be a textured 3D terrain model, which can have a topography of the agricultural area textured with an image.
In einer weiterbildenden Ausführungsform des Verfahrens weist dieses als einen weiteren Schritt ein Transformieren der luftgestützt erfassten Flächeninformation in ein fahrzeugbezogenes Koordinatensystem von einem landwirtschaftlichen Fahrzeug auf. Der Schritt des Transformierens kann vor dem Schritt des Trainierens des Klassifikators durchgeführt werden. Der Klassifikator kann basierend auf derart transformierter luftgestützt erfasster Flächeninformation trainiert werden. In einem weiteren Schritt kann in dem fahrzeugbezogenen Koordinatensystem erfasste Flächeninformation zu der landwirtschaftlichen Nutzfläche mit dem trainierten Klassifikator zu mindestens einer Flächeninformationsklasse zugeordnet werden. Ein Erfassen und Zuordnen von fahrzeuggestützt erfasster Flächeninformation kann so in vorteilhafter Weise ohne eine weitere (Koordinaten-Transformation direkt in dem fahrzeugbezogenen Koordinatensystem beziehungsweise bezogen auf eine Erfassungsperspektive oder eine Erfassungsposition einer fahrzeuggestützten Flächenerfassung durchgeführt werden. Alternativ oder zusätzlich kann das Verfahren als einen weiteren Schritt ein Transformieren von fahrzeuggestützt erfasster Flächeninformation und luftgestützt erfasster Flächeninformation in ein nutzflächenbezogenes Koordinatensystem von der landwirtschaftlichen Nutzfläche aufweisen.In a further-developing embodiment of the method, the method has as a further step a transformation of the air-supported area information acquired into a vehicle-related coordinate system of an agricultural vehicle. The step of transforming can be performed prior to the step of training the classifier. The classifier can be trained on the basis of surface information that has been transformed in this way and recorded in the air. In a further step, area information recorded in the vehicle-related coordinate system relating to the agricultural area can be assigned to at least one area information class with the trained classifier. Acquisition and assignment of area information acquired with the aid of a vehicle can thus advantageously be carried out without a further (coordinate transformation directly in the vehicle-related coordinate system or in relation to a detection perspective or a detection position of a vehicle-based area detection can be carried out. As an alternative or in addition, the method can have, as a further step, a transformation of vehicle-supported area information and air-supported area information detected into a usable area-related coordinate system of the agricultural usable area.
In einer weiterbildenden Ausführungsform des Verfahrens wird der Schritt des Trainierens des Klassifikators basierend auf mindestens einem von in einer Trainingsdatenbank gespeicherten Trainingsdaten und einem vortrainierten Klassifikator durchgeführt. Bei den in der Trainingsdatenbank gespeicherten Trainingsdaten kann es sich um luftgestützt erfasste Flächeninformation zu der landwirtschaftlichen Nutzfläche handeln. Die luftgestützt erfasste Flächeninformation kann mit der auf dem unbemannten Flugkörper angebrachten Flächenerfassungssensorik erfasst werden. Bei der Flächenerfassungssensorik kann es sich um eine luftgestützte Flächenerfassungssensorik handeln. Alternativ oder zusätzlich kann es sich bei den in der Trainingsdatenbank gespeicherten Trainingsdaten um fahrzeuggestützt, satellitengestützt oder erdgestützt erfasste Flächeninformation zu der landwirtschaftlichen Nutzfläche handeln. Fahrzeuggestützt erfasste Flächeninformation kann mit einer auf einem landwirtschaftlichen Fahrzeug angebrachten Flächenerfassungssensorik erfasst werden. Bei der Flächenerfassungssensorik kann es sich um eine fahrzeuggestützte Flächenerfassungssensorik handeln. Satellitengestützt erfasste Flächeninformation kann mit einer auf einem Satelliten angebrachten Flächenerfassungssensorik erfasst werden. Erdgestützt erfasste Flächeninformation kann mit einer von einem Operateur getragenen Flächenerfassungssensorik erfasst werden. Die gespeicherten Trainingsdaten können ferner mit der luftgestützt erfassten Flächeninformation ergänzt beziehungsweise fusioniert werden.In a further-developing embodiment of the method, the step of training the classifier is carried out based on at least one of training data stored in a training database and a pre-trained classifier. The training data stored in the training database can be air-supported area information on the agricultural area. The area information recorded air-supported can be recorded with the area detection sensors attached to the unmanned missile. The area detection sensor system can be an air-supported area detection sensor system. As an alternative or in addition, the training data stored in the training database can be vehicle-based, satellite-based or ground-based area information on the agricultural area. Area information acquired with the aid of a vehicle can be acquired with an area acquisition sensor system mounted on an agricultural vehicle. The area detection sensor system can be a vehicle-supported area detection sensor system. Area information acquired by satellite can be acquired with an area acquisition sensor system installed on a satellite. Surface information acquired from the ground can be acquired using surface acquisition sensors carried by a surgeon. The stored training data can also be supplemented or merged with the area information recorded in the air.
Der vortrainierte Klassifikator kann wie der beschriebene Klassifikator ausgebildet sein. Der vortrainierte Klassifikator kann mit luftgestützt erfasster Flächeninformation gemäß den Schritten des Verfahrens vortrainiert werden. Alternativ oder zusätzlich kann der vortrainierte Klassifikator mit luftgestützt oder satellitengestützt erfasster Flächeninformation vortrainiert werden. Alternativ oder zusätzlich kann der vortrainierte Klassifikator mit fahrzeuggestützt oder erdgestützt erfasster Flächeninformation vortrainiert werden.The pre-trained classifier can be designed like the described classifier. The pre-trained classifier can be pre-trained with air-supported area information according to the steps of the method. Alternatively or additionally, the pre-trained classifier can be pre-trained with air-supported or satellite-supported area information. Alternatively or in addition, the pre-trained classifier can be pre-trained with vehicle-supported or ground-based area information.
Mit dem Verfahren können Trainingsdaten in einer Trainingsdatenbank ergänzt beziehungsweise abgeändert werden. Mit dem Verfahren kann ferner ein vortrainierter Klassifikator ergänzt beziehungsweise abgeändert werden. Somit kann in vorteilhafter Weise ein vortrainierter Klassifikator an zu einer landwirtschaftlichen Nutzfläche erfassbare Flächeninformation angepasst werden, welche in den gespeicherten Trainingsdaten noch nicht vorhanden ist. Mit dem Verfahren kann der Klassifikator so an eine noch nicht erfasste landwirtschaftliche Nutzfläche adaptiert werden. Bei dem Klassifikator kann es sich daher um einen adaptiven Klassifikator handeln, welcher an eine zu einer landwirtschaftlichen Nutzfläche aktuell erfassbare Flächeninformation adaptiert werden kann.With the method, training data can be supplemented or modified in a training database. The method can also be used to supplement or modify a pre-trained classifier. In this way, a pre-trained classifier can advantageously be adapted to area information which can be recorded for an agricultural area and which is not yet available in the stored training data. With the method, the classifier can thus be adapted to an agricultural area that has not yet been recorded. The classifier can therefore be an adaptive classifier which can be adapted to area information that can currently be recorded for an agricultural area.
Der vortrainierte Klassifikator kann basierend auf den in der Trainingsdatenbank gespeicherten Trainingsdaten vortrainiert sein. Die gespeicherten Trainingsdaten können hierfür die vorerfasste Flächeninformation zu der landwirtschaftlichen Nutzfläche aufweisen. Bei der Trainingsdatenbank kann es sich daher um eine landwirtschaftliche Trainingsdatenbank mit Flächeninformationen von verschiedenen landwirtschaftlichen Nutzflächen handeln. Bei dem vortrainierten Klassifikator kann es sich daher auch um einen Klassifikator zum Zuordnen von Flächeninformationen von verschiedenen landwirtschaftlichen Nutzflächen handeln. Der Klassifikator kann daher als nutzflächenübergreifender Klassifikator fungieren. Die Trainingsdatenbank kann in einem Rechenzentrum vorliegen. Die Trainingsdaten können so offline vorliegen.The pre-trained classifier can be pre-trained based on the training data stored in the training database. For this purpose, the stored training data can have the pre-recorded area information on the agricultural area. The training database can therefore be an agricultural training database with area information from various agricultural areas. The pre-trained classifier can therefore also be a classifier for assigning area information from different agricultural areas. The classifier can therefore function as a classifier that extends across all areas. The training database can be in a computer center. The training data can thus be available offline.
In einer weiterbildenden Ausführungsform des Verfahrens weist dieses als einen weiteren Schritt ein Übertragen des trainierten Klassifikators als ein Over-the-Air Update (OTA-Update) an ein landwirtschaftliches Fahrzeug auf. Das Übertragen kann ein Senden und Empfangen des Over-the-Air Updates aufweisen. Bei dem Over-the-Air Update kann es sich um ein funkbasiertes Update für das landwirtschaftliche Fahrzeug handeln. Das Over-the-Air Update kann über ein Mobilfunknetz oder über ein WLAN-Netz an das landwirtschaftliche Fahrzeug übertragen werden. Der unbemannte Flugkörper kann eine entsprechende Schnittstelle zum Senden des Over-the-Air Updates aufweisen. Das landwirtschaftliche Fahrzeug kann eine entsprechende Schnittstelle zum Empfangen des Over-the-Air Updates aufweisen. Mit dem an das landwirtschaftliche Fahrzeug übertragenen und zumindest basierend auf der luftgestützt erfassten Flächeninformation trainierten Klassifikator kann später von dem landwirtschaftlichen Fahrzeug erfasste Flächeninformation mit dem übertragenen Klassifikator mindestens einer Flächeninformationsklasse zugeordnet werden. Betriebszeiten des landwirtschaftlichen Fahrzeugs können so verlängert und ein Fahrzeugservice kann so verbessert werden.In a further-developing embodiment of the method, the method has, as a further step, the transmission of the trained classifier as an over-the-air update (OTA update) to an agricultural vehicle. The transmission can include sending and receiving of the over-the-air update. The over-the-air update can be a radio-based update for the agricultural vehicle. The over-the-air update can be transmitted to the agricultural vehicle via a cellular network or a WLAN network. The unmanned missile can have a corresponding interface for sending the over-the-air update. The agricultural vehicle can have a corresponding interface for receiving the over-the-air update. With the classifier transmitted to the agricultural vehicle and trained at least on the basis of the area information recorded in the air, area information recorded by the agricultural vehicle can later be assigned to at least one area information class with the transmitted classifier. Operating times of the agricultural vehicle can thus be extended and vehicle service can be improved.
In einer weiterbildenden Ausführungsform des Verfahrens weist dieses als einen weiteren Schritt ein fahrzeuggestütztes Erfassen von Flächeninformation zu der landwirtschaftlichen Nutzfläche mit einer auf einem landwirtschaftlichen Fahrzeug angebrachten Flächenerfassungssensorik auf. Bei der Flächeninformation kann es sich somit um fahrzeuggestützt erfasste Flächeninformation handeln.In a further developing embodiment of the method, the method has, as a further step, a vehicle-supported acquisition of area information on the agricultural area with an on an agricultural vehicle attached area detection sensors. The area information can thus be area information acquired with the aid of a vehicle.
Bei dem landwirtschaftlichen Fahrzeug kann es sich um eine landwirtschaftliche oder forstwirtschaftliche Maschine, ein landwirtschaftliches oder forstwirtschaftliches Gerät oder ein landwirtschaftliches oder forstwirtschaftliches Nutzfahrzeug handeln. Es kann sich bei dem landwirtschaftlichen Fahrzeug um ein landwirtschaftliches Zugfahrzeug handeln, beispielsweise um einen Traktor. Es kann sich bei dem landwirtschaftlichen Fahrzeug auch um ein landwirtschaftliches Arbeitsfahrzeug handeln, beispielsweise um eine Erntemaschine. Bei der landwirtschaftlichen Nutzfläche kann es sich um eine zu bewirtschaftende landwirtschaftliche oder forstwirtschaftliche Fläche handeln. Beispielsweise kann die landwirtschaftliche Nutzfläche mindestens eines von einem Acker, einem Feld mit angepflanzten oder abgeernteten Nutzpflanzen, einer Wiese und einem Wald aufweisen. Das landwirtschaftliche Fahrzeug kann als ein automatisiert betreibbares Fahrzeug ausgebildet sein. Das landwirtschaftliche Fahrzeug kann ein autonom fahrendes beziehungsweise arbeitendes landwirtschaftliches Fahrzeug sein.The agricultural vehicle can be an agricultural or forestry machine, an agricultural or forestry device or an agricultural or forestry utility vehicle. The agricultural vehicle can be an agricultural tractor, for example a tractor. The agricultural vehicle can also be an agricultural work vehicle, for example a harvesting machine. The usable agricultural area can be an agricultural or forestry area to be cultivated. For example, the agricultural area can have at least one of a field, a field with planted or harvested useful plants, a meadow and a forest. The agricultural vehicle can be designed as an automatically operated vehicle. The agricultural vehicle can be an autonomously driving or working agricultural vehicle.
Das landwirtschaftliche Fahrzeug kann zum fahrzeuggestützten Erfassen von Flächeninformation von einem Bediener des landwirtschaftlichen Fahrzeugs zumindest teilweise manuell geführt oder ferngesteuert werden. Das landwirtschaftliche Fahrzeug kann so auf der landwirtschaftlichen Nutzfläche teilautomatisiert fahren. Das landwirtschaftliche Fahrzeug kann auf der landwirtschaftlichen Nutzfläche auch (voll-)automatisiert fahren, um Flächeninformation zu der landwirtschaftlichen Nutzfläche fahrzeuggestützt zu erfassen.The agricultural vehicle can be at least partially guided manually or remotely controlled by an operator of the agricultural vehicle for vehicle-assisted acquisition of area information. The agricultural vehicle can thus drive semi-automatically on the agricultural area. The agricultural vehicle can also drive (fully) automatically on the agricultural area in order to record area information on the agricultural area with the aid of a vehicle.
Das fahrzeuggestützte Erfassen von Flächeninformation kann ausgehend von dem landwirtschaftlichen Fahrzeug durchgeführt werden. Die Flächenerfassungssensorik kann hierfür auf dem landwirtschaftlichen Fahrzeug angeordnet beziehungsweise in diesem integriert sein. Die Flächenerfassungssensorik kann hierfür auf dem landwirtschaftlichen Fahrzeug mitfahren. Das fahrzeuggestütze Erfassen von Flächeninformation kann daher ein Erfassen von Flächeninformation aus der Fahrt aufweisen. Das landwirtschaftliche Fahrzeug kann hierfür als eine fahrende Erfassungsplattform zum fahrzeuggestützten Erfassen von Flächeninformation fungieren. Bei dem fahrzeuggestützten Erfassen handelt es sich somit nicht um ein luftgestütztes, erdgestütztes oder um ein satellitengestütztes Erfassen von Flächeninformation. Das Georeferenzieren beziehungsweise das Transformieren kann auf dem landwirtschaftlichen Fahrzeug (online) oder in einem Rechenzentrum (offline) durchgeführt werden.The vehicle-supported acquisition of area information can be carried out starting from the agricultural vehicle. For this purpose, the area detection sensor system can be arranged on the agricultural vehicle or integrated therein. The area detection sensor system can drive along on the agricultural vehicle for this purpose. The vehicle-supported acquisition of area information can therefore include acquisition of area information from the journey. For this purpose, the agricultural vehicle can act as a moving acquisition platform for vehicle-supported acquisition of area information. The vehicle-based acquisition is therefore not an air-based, ground-based or satellite-based acquisition of area information. Georeferencing or transforming can be carried out on the agricultural vehicle (online) or in a data center (offline).
Das fahrzeuggestützte Erfassen von Flächeninformation kann ein Georeferenzieren der fahrzeuggestützt erfassten Flächeninformation aufweisen. Die fahrzeuggestützt erfasste Flächeninformation kann hierfür in das vorbestimmte Koordinatensystem transformiert werden.The vehicle-assisted acquisition of area information can include georeferencing of the vehicle-assisted acquired area information. For this purpose, the area information recorded with the aid of a vehicle can be transformed into the predetermined coordinate system.
Das landwirtschaftliche Fahrzeug kann eine Positionserfassungssensorik zum Erfassen von einer Position des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche aufweisen. Die Positionserfassungssensorik kann eine GNSS-Antenne aufweisen, mit welcher die Position des landwirtschaftlichen Fahrzeugs erfasst werden kann. Die fahrzeuggestützt erfasste Flächeninformation beziehungsweise entsprechende Rohmessdaten können basierend auf einer derartigen Positionserfassung in das Koordinatensystem transformiert werden. Die fahrzeuggestützt erfasste Flächeninformation beziehungsweise entsprechende Rohmessdaten können ferner basierend auf einer Orientierungserfassung beziehungsweise basierend auf extrinsischen Parametern des landwirtschaftlichen Fahrzeugs in das Koordinatensystem transformiert werden. Ferner kann die fahrzeuggestützt erfasste Flächeninformation so in das Geoinformationsystem (GIS) oder in die Karte transformiert werden. Das Verfahren kann auch bei einem Ausfall der Positionserfassungssensorik durchgeführt werden.The agricultural vehicle can have a position detection sensor system for detecting a position of the agricultural vehicle on the agricultural area. The position detection sensor system can have a GNSS antenna with which the position of the agricultural vehicle can be detected. The area information acquired with the aid of a vehicle or corresponding raw measurement data can be transformed into the coordinate system based on such a position acquisition. The vehicle-supported area information or corresponding raw measurement data can also be transformed into the coordinate system based on an orientation detection or based on extrinsic parameters of the agricultural vehicle. Furthermore, the area information recorded with the aid of a vehicle can be transformed into the geographic information system (GIS) or into the map. The method can also be carried out if the position detection sensor system fails.
Die auf dem landwirtschaftlichen Fahrzeug angebrachte Flächenerfassungssensorik kann wie die auf dem unbemannten Flugkörper angebrachte Flächenerfassungssensorik ausgebildet sein. Die auf dem landwirtschaftlichen Fahrzeug angebrachte Flächenerfassungssensorik kann auch den beschriebenen distanzmessenden Sensor aufweisen. Alternativ oder zusätzlich kann die auf dem landwirtschaftlichen Fahrzeug angebrachte Flächenerfassungssensorik auch den beschriebenen bilderfassenden Sensor aufweisen. Die auf dem unbemannten Flugkörper angebrachte Flächenerfassungssensorik und die auf dem landwirtschaftlichen Fahrzeug angebrachte Flächenerfassungssensorik können sensorisch gleich ausgebildet sein, können die gleichen Sensoren aufweisen oder können die gleichen Messdaten zu der landwirtschaftlichen Nutzfläche erzeugen.The area detection sensor system mounted on the agricultural vehicle can be designed like the area detection sensor system mounted on the unmanned missile. The area detection sensor system mounted on the agricultural vehicle can also have the distance-measuring sensor described. As an alternative or in addition, the area detection sensor system mounted on the agricultural vehicle can also have the image-capturing sensor described. The area detection sensor system attached to the unmanned missile and the area detection sensor system attached to the agricultural vehicle can have the same sensor design, can have the same sensors or can generate the same measurement data for the agricultural area.
Gemäß dieser weiterbildenden Ausführungsform kann das Verfahren als einen weiteren Schritt ein Zuordnen von der fahrzeuggestützt erfassten Flächeninformation mit dem mit der luftgestützt erfassten Flächeninformation trainierten Klassifikator zu mindestens einer Flächeninformationsklasse aufweisen.According to this further developing embodiment, the method can include, as a further step, an assignment of the vehicle-supported area information with the classifier trained with the air-supported area information to at least one area information class.
Der Schritt des Zuordnens von der fahrzeuggestützt erfassten Flächeninformation kann als einen Unterschritt ein Erkennen eines Flächenobjekts in der fahrzeuggestützt erfassten Flächeninformation aufweisen. Das Erkennen des Flächenobjekts kann wie zum Schritt des Trainierens des Klassifikators beschrieben durchgeführt werden. Das Zuordnen von der fahrzeuggestützt erfassten Flächeninformation kann als einen weiteren Unterschritt ein Zuweisen beziehungsweise Verknüpfen von mindestens einem Merkmal eines erkannten Flächenobjekts zu mindestens einer Flächeninformationsklasse aufweisen. Bei dem Zuweisen beziehungsweise Verknüpfen kann es sich um ein wie zum Schritt des Trainierens des Klassifikators beschriebenes Zuweisen beziehungsweise Verknüpfen handeln. Bei dem Flächenobjekt kann es sich um eines der zum Schritt des Trainierens des Klassifikators beschriebenen Flächenobjekte auf der landwirtschaftlichen Nutzfläche handeln. Ein Merkmal eines erkannten Flächenobjekts kann manuell oder automatisch aus der fahrzeuggestützt erfassten Flächeninformation, wie zum Schritt des Trainierens des Klassifikators beschrieben, abgeleitet werden.The step of assigning the area information recorded with the aid of a vehicle can be a sub-step of recognizing an area object in the area information recorded with the aid of a vehicle exhibit. The surface object can be recognized as described for the step of training the classifier. The assignment of the area information detected with the aid of a vehicle can have as a further sub-step an assignment or linking of at least one feature of a recognized area object to at least one area information class. The assigning or linking can be an assignment or linking as described for the step of training the classifier. The area object can be one of the area objects described for the step of training the classifier on the agricultural area. A feature of a recognized surface object can be derived manually or automatically from the vehicle-assisted recorded surface information, as described for the step of training the classifier.
Gemäß dieser weiterbildenden Ausführungsform kann das Verfahren als einen weiteren Schritt ein Lokalisieren des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche basierend auf der mit dem Klassifikator zugeordneten fahrzeuggestützt erfassten Flächeninformation aufweisen. Das Lokalisieren des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche kann ein Positionieren des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche aufweisen. Das Lokalisieren des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche kann ein Bestimmen einer Lage des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche aufweisen. Eine bestimmte Lage kann eine Position des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche aufweisen. Alternativ oder zusätzlich kann eine bestimmte Lage eine Orientierung des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche aufweisen. Das Lokalisieren des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche kann auch das Bestimmen einer Pose des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche aufweisen. Bei der Lage, der Position, der Orientierung oder der Pose kann es sich um eine relative Lage, eine relative Position, eine relative Orientierung oder eine relative Pose des landwirtschaftlichen Fahrzeugs zu einer Fläche beziehungsweise einer Flächenbegrenzung der landwirtschaftlichen Nutzfläche handeln.According to this further developing embodiment, the method can have, as a further step, a localization of the agricultural vehicle on the agricultural area based on the area information that is associated with the classifier and is detected with vehicle support. Locating the agricultural vehicle on the agricultural area can include positioning the agricultural vehicle on the agricultural area. The localization of the agricultural vehicle on the agricultural area can include determining a position of the agricultural vehicle on the agricultural area. A specific location can have a position of the agricultural vehicle on the agricultural area. As an alternative or in addition, a certain position can have an orientation of the agricultural vehicle on the agricultural area. Locating the agricultural vehicle on the agricultural area can also include determining a pose of the agricultural vehicle on the agricultural area. The location, the position, the orientation or the pose can be a relative location, a relative position, a relative orientation or a relative pose of the agricultural vehicle to an area or an area delimitation of the agricultural area.
Das Verfahren kann als einen weiteren Schritt ein Navigieren des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche basierend auf dem Schritt des Lokalisierens des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche aufweisen. Das Navigieren des landwirtschaftlichen Fahrzeugs kann ein Abfahren einer vorbestimmten Trajektorie mit dem landwirtschaftlichen Fahrzeug ferner basierend auf dem Schritt des Zuordnens von der fahrzeuggestützt erfassten Flächeninformation mit dem mit der luftgestützt erfassten Flächeninformation trainierten Klassifikator aufweisen. Mit dem trainierten Klassifikator ist es somit in vorteilhafter Weise nicht erforderlich eine landwirtschaftliche Nutzfläche künstlich einzugrenzen oder zu markieren, um das landwirtschaftliche Fahrzeug basierend auf dem trainierten Klassifikator der landwirtschaftlichen Nutzfläche bei einem Ausfall eines Positionierungssystems zu lokalisieren und zu navigieren. Die Zuverlässigkeit und Sicherheit eines automatisierten Betriebs eines landwirtschaftlichen Nutzfahrzeugs auf einer landwirtschaftlichen Nutzfläche kann so verbessert werden.As a further step, the method can include navigating the agricultural vehicle on the agricultural area based on the step of localizing the agricultural vehicle on the agricultural area. Navigating the agricultural vehicle can include following a predetermined trajectory with the agricultural vehicle, further based on the step of assigning the vehicle-supported area information with the classifier trained with the air-supported area information. With the trained classifier it is therefore advantageously not necessary to artificially delimit or mark an agricultural area in order to localize and navigate the agricultural vehicle based on the trained classifier of the agricultural area in the event of a failure of a positioning system. The reliability and safety of an automated operation of an agricultural utility vehicle on an agricultural area can thus be improved.
Das landwirtschaftliche Fahrzeug kann mit der Erfindung in vorteilhafter Weise auch bei einem Ausfall eines Positionierungssystems, beispielsweise einer Komponente eines GNSS-Positionierungssystems, auch weiterhin entlang der vorbestimmten Trajektorie automatisiert geführt werden. Bei der Komponente des GNSS-Positionierungssystems kann es sich um eine sendeseitige GNSS-Komponente oder um eine empfangsseitige GNSS-Komponente handeln. Das landwirtschaftliche Fahrzeug kann so auch in vorteilhafter Weise basierend auf der mit dem Klassifikator zugeordneten Flächeninformation gelenkt werden. Somit ist es nicht erforderlich, dass das landwirtschaftliche Fahrzeug bei einem Ausfall eines Positionierungssystems zwangsläufig aktiv von einem Fahrer des landwirtschaftlichen Fahrzeugs gelenkt werden muss. Bei einem derartigen Ausfall muss eine automatisierte Lenkung daher nicht zwangsläufig an den Fahrer übergeben werden.With the invention, the agricultural vehicle can advantageously continue to be automatically guided along the predetermined trajectory even if a positioning system fails, for example a component of a GNSS positioning system. The component of the GNSS positioning system can be a transmitting-side GNSS component or a receiving-side GNSS component. The agricultural vehicle can thus also be steered in an advantageous manner based on the area information associated with the classifier. It is therefore not necessary for the agricultural vehicle to have to be actively steered by a driver of the agricultural vehicle in the event of a failure of a positioning system. In the event of such a failure, automated steering does not necessarily have to be handed over to the driver.
Zum Lokalisieren beziehungsweise Navigieren des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche kann mit der Flächenerfassungssensorik auch eine Entfernung des landwirtschaftlichen Fahrzeugs zu einem erkannten Flächenobjekt bestimmt werden. Hierfür kann auch eine Orientierung des landwirtschaftlichen Fahrzeugs zu dem erkannten Flächenobjekt bestimmt werden. Bei dem erkannten Flächenobjekt kann es sich hierbei auch um Flächeninformation handeln, welche sich auf eine Nutzflächengrenze bezieht.To localize or navigate the agricultural vehicle on the agricultural area, the area detection sensor system can also be used to determine a distance between the agricultural vehicle and a recognized area object. For this purpose, an orientation of the agricultural vehicle in relation to the recognized area object can also be determined. The identified area object can also be area information relating to a usable area boundary.
Nach einer weiterbildenden Ausführungsform des Verfahrens weist der Schritt des fahrzeuggestützten Erfassens mindestens eines von einem fahrzeuggestützten Erfassen von Topografieinformation zu der landwirtschaftlichen Nutzfläche und einem fahrzeuggestützten Erfassen von Bildinformation zu der landwirtschaftlichen Nutzfläche auf. Das fahrzeuggestützte Erfassen von Topografieinformation und das fahrzeuggestützte Erfassen von Bildinformation kann mit der auf dem landwirtschaftlichen Fahrzeug angebrachten Flächenerfassungssensorik durchgeführt werden.According to a further-developing embodiment of the method, the step of vehicle-assisted acquisition has at least one of vehicle-assisted acquisition of topographical information on the agricultural area and vehicle-assisted acquisition of image information regarding the agricultural area. The vehicle-assisted acquisition of topography information and the vehicle-assisted acquisition of image information can be carried out with the area acquisition sensors installed on the agricultural vehicle.
Das fahrzeuggestützte Erfassen von Topografieinformation kann ein fahrzeuggestütztes Erfassen von Höheninformation zu der landwirtschaftlichen Nutzfläche aufweisen. Höheninformation kann profilartig, fächerartig oder flächenhaft erfasst werden. Das fahrzeuggestützte Erfassen von Topografieinformation kann beispielsweise mit einem Laserscanner, einem Radargerät oder einem Ultraschallgerät durchgeführt werden. Das fahrzeuggestützte Erfassen von Bildinformation kann ein fahrzeuggestütztes Erfassen von Texturinformation zu der landwirtschaftlichen Nutzfläche aufweisen. Das fahrzeuggestützte Erfassen von Bildinformation kann beispielsweise mit mindestens einer auf dem landwirtschaftlichen Fahrzeug angeordneten Kamera durchgeführt werden. Das fahrzeuggestützte Erfassen von Bildinformation kann in einem weiteren Beispiel mit einem auf dem landwirtschaftlichen Fahrzeug kalibrierten Kamerasystem durchgeführt werden, welches mindestens eine auf dem landwirtschaftlichen Fahrzeug angeordnete Kamera aufweisen kann.The vehicle-based acquisition of topography information can include a vehicle-based acquisition of height information on the agricultural area. Height information can be recorded in a profile-like, fan-like or planar manner. The vehicle-supported acquisition of topography information can be carried out, for example, with a laser scanner, a radar device or an ultrasound device. The vehicle-assisted acquisition of image information can include a vehicle-assisted acquisition of texture information on the agricultural area. The vehicle-supported acquisition of image information can be carried out, for example, with at least one camera arranged on the agricultural vehicle. In a further example, the vehicle-supported acquisition of image information can be carried out with a camera system which is calibrated on the agricultural vehicle and which can have at least one camera arranged on the agricultural vehicle.
Fahrzeuggestützt erfasste Topografieinformation kann mit fahrzeuggestützt erfasster Bildinformation fusioniert werden. Alternativ oder zusätzlich kann fahrzeuggestützt erfasste Topografieinformation mit nicht fahrzeuggestützt, satellitengestützt, erdgestützt oder luftgestützt erfasster Bildinformation fusioniert werden. Beispielsweise kann eine fahrzeuggestützt erfasste Punktwolke zu der landwirtschaftlichen Nutzfläche mit einem aktuellen Bild der landwirtschaftlichen Nutzfläche zu einer eingefärbten Punktwolke zu der landwirtschaftlichen Nutzfläche fusioniert werden. Der Schritt des fahrzeuggestützten Erfassens kann ferner auch ein fahrzeuggestütztes Erfassen eines 3D-Geländemodells von zumindest einem Flächenbereich der landwirtschaftlichen Nutzfläche aufweisen.Topography information recorded with the aid of a vehicle can be merged with image information recorded with the aid of a vehicle. As an alternative or in addition, topography information acquired with the aid of a vehicle can be merged with image information that is acquired with a non-vehicle, satellite, earth or air support. For example, a point cloud recorded with the aid of a vehicle for the agricultural area can be merged with a current image of the agricultural area to form a colored point cloud for the agricultural area. The step of vehicle-assisted acquisition can also include vehicle-assisted acquisition of a 3D terrain model of at least one area of the agricultural area.
In einer weiterbildenden Ausführungsform des Verfahrens weist dieses als einen weiteren Schritt ein Filtern von zu der landwirtschaftlichen Nutzfläche erfasster Flächeninformation mit einem Filter zum Vorverarbeiten von erfasster Flächeninformation auf. Bei der erfassten Flächeninformation kann es sich um die luftgestützt erfasste Flächeninformation handeln. Alternativ oder zusätzlich kann es sich bei der erfassten Flächeninformation um die fahrzeuggestützt erfasste Flächeninformation handeln. Bei dem Filtern kann es sich beispielsweise um ein Durchführen eines Occupancy-Grid-Mappings handeln. Durch ein Clustering beziehungsweise Ansammeln von Flächeninformation mit einem Occupancy-Grid kann das Verfahren in vorteilhafter Weise robuster durchgeführt werden. Das Filtern kann mit einer Flächenerfassungssensorik erfasste Rohmessdaten vorverarbeiten. Beispielsweise können so aus polaren Messdaten eines distanzmessenden Sensors kartesische Koordinaten erzeugt werden. Ferner können mittels einer First-Pulse Methode Bodenpunkte einer Punktwolke gefiltert werden, so dass diese Vegetationspunkte aufweist. Alternativ oder zusätzlich können mittels einer Last-Pulse Methode Vegetationspunkte einer Punktwolke gefiltert werden, so dass diese Bodenpunkte aufweist.In a further-developing embodiment of the method, the method has, as a further step, filtering of area information recorded on the agricultural usable area with a filter for preprocessing recorded area information. The area information captured can be the area information captured air-supported. As an alternative or in addition, the recorded area information can be the area information recorded with the aid of a vehicle. The filtering can be, for example, carrying out an occupancy grid mapping. By clustering or collecting area information with an occupancy grid, the method can advantageously be carried out more robustly. The filtering can preprocess raw measurement data acquired with an area acquisition sensor system. For example, Cartesian coordinates can be generated from polar measurement data from a distance-measuring sensor. Furthermore, ground points of a point cloud can be filtered by means of a first-pulse method so that these points have vegetation points. Alternatively or additionally, vegetation points of a point cloud can be filtered by means of a last pulse method so that it has ground points.
Nach einer weiterbildenden Ausführungsform des Verfahrens weist der Klassifikator ein neuronales Netz zum Zuordnen von Flächeninformation zu mindestens einer Flächeninformationsklasse auf. Bei dem neuronalen Netz kann es sich in einem Beispiel um ein einschichtiges oder zweischichtiges Netz handeln. Das neuronale Netz kann auch auf einem Deep Learning basieren und zwischen einer Ausgabeschicht und einer Eingabeschicht mindestens eine Zwischenlage beziehungsweise eine innere Netzstruktur aufweisen. Das neuronale Netz kann mindestens eine Eingabe aufweisen, welche auf mindestens einem Merkmal eines erkannten Flächenobjekts basieren kann. Die mindestens eine Eingabe kann eine jeweilige Gewichtung aufweisen. Das neuronale Netz kann mindestens eine Ausgabe aufweisen, welche mindestens eine Flächeninformationsklasse repräsentieren kann. Das neuronale Netz kann mindestens eine Verbindung zwischen der mindestens einen Eingabe und der mindestens einen Ausgabe aufweisen, welche zum automatisierten Zuordnen fungieren kann. Hierfür kann das neuronale Netz auch mindestens einen Knoten zwischen der mindestens einen Eingabe und der mindestens einen Ausgabe aufweisen.According to a further developing embodiment of the method, the classifier has a neural network for assigning area information to at least one area information class. In one example, the neural network can be a single-layer or two-layer network. The neural network can also be based on deep learning and can have at least one intermediate layer or an inner network structure between an output layer and an input layer. The neural network can have at least one input that can be based on at least one feature of a recognized surface object. The at least one input can have a respective weighting. The neural network can have at least one output which can represent at least one area information class. The neural network can have at least one connection between the at least one input and the at least one output, which connection can function for automated assignment. For this purpose, the neural network can also have at least one node between the at least one input and the at least one output.
Das Trainieren des Klassifikators kann nach dieser Ausführungsform ein Trainieren des neuronalen Netzes aufweisen. Das Trainieren des neuronalen Netzes kann ein Hinzufügen, ein Abändern oder ein Entfernen von der mindestens einen Verbindung basierend auf erfasster Flächeninformation aufweisen. Alternativ oder zusätzlich kann das Trainieren des neuronalen Netzes ein Hinzufügen, ein Abändern oder ein Entfernen von der mindestens einen Gewichtung basierend auf erfasster Flächeninformation aufweisen. Alternativ oder zusätzlich kann das Trainieren des neuronalen Netzes ein Hinzufügen, ein Abändern oder ein Entfernen von der mindestens einen Eingabe oder Ausgabe basierend auf erfasster Flächeninformation aufweisen. Ferner kann das weiter beschriebene Trainieren des Klassifikators so auch zum Trainieren des neuronalen Netzes ausgeführt werden.According to this embodiment, the training of the classifier can include training of the neural network. The training of the neural network can include adding, modifying or removing from the at least one connection based on acquired area information. Alternatively or additionally, the training of the neural network can include adding, modifying or removing the at least one weighting based on the recorded area information. As an alternative or in addition, the training of the neural network can include adding, modifying or removing the at least one input or output based on acquired area information. Furthermore, the further described training of the classifier can also be carried out in this way for training the neural network.
Das Verfahren kann als einen weiteren Schritt ein fahrzeuggestütztes Erfassen von einer durch ein Befahren der landwirtschaftlichen Nutzfläche auf das landwirtschaftliche Fahrzeug wirkenden Beschleunigung aufweisen. Das fahrzeuggestützte Erfassen von der Beschleunigung kann mit einem Beschleunigungsaufnehmer beziehungsweise einem Akzelerometer, welcher auf dem landwirtschaftlichen Fahrzeug angebracht ist, durchgeführt werden. Beispielsweise kann zum Erfassen der Beschleunigung eine inertiale Messeinheit (IMU), ein MEMS-Sensor oder ein Gyroskop auf dem landwirtschaftlichen Fahrzeug angebracht sein. Zusätzlich zur Lokalisation des landwirtschaftlichen Fahrzeugs basierend auf einer Zuordnung von fahrzeuggestützt erfasster Flächeninformation kann so ein Aufenthaltsort des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche detektiert werden. Beispielsweise kann das Überfahren eines Grabens durch eine vertikale Beschleunigung detektiert werden, um so auf ein Verlassen der landwirtschaftlichen Nutzfläche zu schließen.As a further step, the method can have a vehicle-assisted detection of an acceleration acting on the agricultural vehicle as a result of driving on the agricultural area. The vehicle-aided detection of the acceleration can be carried out with an acceleration sensor or an accelerometer which is mounted on the agricultural vehicle. For example, an inertial measuring unit (IMU), a MEMS sensor or a gyroscope can be attached to the agricultural vehicle to detect the acceleration. In addition to the localization of the agricultural vehicle based on an assignment of vehicle-supported area information detected, a location of the agricultural vehicle on the agricultural area can be detected. For example, the crossing of a trench by vertical acceleration can be detected in order to conclude that the agricultural area has been left.
Die Erfindung bezieht sich in einem weiterbildenden Aspekt auf ein System zum Bereitstellen eines Klassifikators für eine landwirtschaftliche Nutzfläche. Das System kann auch zum Lokalisieren eines landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche fungieren. Das System kann zum Durchführen des Verfahrens nach dem vorhergehenden Aspekt ausgebildet und eingerichtet sein.In a further development aspect, the invention relates to a system for providing a classifier for an agricultural area. The system can also function to locate an agricultural vehicle on the agricultural area. The system can be designed and set up to carry out the method according to the preceding aspect.
Das System weist eine Flächenerfassungssensorik zum luftgestützten Erfassen von Flächeninformation zu der landwirtschaftlichen Nutzfläche auf. Die Flächenerfassungssensorik kann wie zum vorhergehenden Aspekt beschrieben ausgebildet, eingerichtet und geeignet sein.The system has an area detection sensor system for air-supported detection of area information on the agricultural area. The area detection sensor system can be designed, set up and suitable as described for the preceding aspect.
Das System weist eine Systemkomponente zum Trainieren eines Klassifikators zum Zuordnen von Flächeninformation zu mindestens einer Flächeninformationsklasse auf. Bei der mindestens einen Flächeninformationsklasse kann es sich um mindestens eine der zum vorhergehenden Aspekt beschriebenen Flächeninformationsklassen handeln. Bei dieser und jeder weiteren beschriebenen Systemkomponente kann es sich um eine entsprechende Komponente einer Steuereinrichtung handeln. Der Klassifikator wird mit der luftgestützt erfassten Flächeninformation trainiert. Der Klassifikator wird in der Systemkomponente hinterlegt. Die Systemkomponente weist eine Eingangsschnittstelle zum Einlesen von luftgestützt erfasster Flächeninformation auf. Bei dieser und jeder weiteren beschriebenen Systemkomponente kann es sich um eine entsprechende computerimplementierte Systemkomponente handeln.The system has a system component for training a classifier for assigning area information to at least one area information class. The at least one area information class can be at least one of the area information classes described in relation to the preceding aspect. This and every further system component described can be a corresponding component of a control device. The classifier is trained with the area information recorded in the air. The classifier is stored in the system component. The system component has an input interface for reading in surface information recorded airborne. This and every other system component described can be a corresponding computer-implemented system component.
Nach einer weiterbildenden Ausführungsform des Systems weist dieses eine Flächenerfassungssensorik zum fahrzeuggestützten Erfassen von Flächeninformation zu der landwirtschaftlichen Nutzfläche auf. Die Flächenerfassungssensorik kann wie zum vorhergehenden Aspekt beschrieben ausgebildet, eingerichtet und geeignet sein.According to a further-developing embodiment of the system, it has an area detection sensor system for vehicle-supported detection of area information on the agricultural area. The area detection sensor system can be designed, set up and suitable as described for the preceding aspect.
Gemäß dieser weiterbildenden Ausführungsform kann das System eine Systemkomponente zum Zuordnen von fahrzeuggestützt erfasster Flächeninformation mit dem trainierten Klassifikator zu mindestens einer Flächeninformationsklasse aufweisen. Der trainierte Klassifikator kann in der Systemkomponente hinterlegt sein. Der trainierte Klassifikator kann in der Systemkomponente basierend auf einem Update hinterlegt sein, welches ein Over-the-Air Update sein kann. Die Systemkomponente kann eine Eingangsschnittstelle zum Einlesen von fahrzeuggestützt erfasster Flächeninformation aufweisen. Die Systemkomponente kann ein Speichermedium zum Vorhalten des trainierten Klassifikators auf dem landwirtschaftlichen Fahrzeug aufweisen.According to this further-developing embodiment, the system can have a system component for assigning vehicle-supported area information with the trained classifier to at least one area information class. The trained classifier can be stored in the system component. The trained classifier can be stored in the system component based on an update, which can be an over-the-air update. The system component can have an input interface for reading in area information recorded with the aid of a vehicle. The system component can have a storage medium for holding the trained classifier on the agricultural vehicle.
Gemäß dieser weiterbildenden Ausführungsform kann das System eine Systemkomponente zum Lokalisieren des landwirtschaftlichen Fahrzeugs auf der landwirtschaftlichen Nutzfläche basierend auf mit dem Klassifikator zugeordneter fahrzeuggestützt erfasster Flächeninformation aufweisen. Die Systemkomponente kann eine Eingangsschnittstelle zum Einlesen von mit dem Klassifikator zugeordneter fahrzeuggestützt erfasster Flächeninformation aufweisen. Bei der Systemkomponente kann es sich um eine Komponente eines Navigationssystems auf dem landwirtschaftlichen Fahrzeug handeln.According to this further developing embodiment, the system can have a system component for localizing the agricultural vehicle on the agricultural area based on vehicle-supported area information associated with the classifier. The system component can have an input interface for reading in vehicle-supported area information associated with the classifier. The system component can be a component of a navigation system on the agricultural vehicle.
Nach einer weiterbildenden Ausführungsform des Systems weist die Systemkomponente zum Zuordnen von fahrzeuggestützt erfasster Flächeninformation eine Update-Eingangsschnittstelle zum Empfangen eines Over-the-Air Updates (OTA-Update) auf, welches den trainierten Klassifikator aufweist. Das Over-the-Air Update kann wie zum vorhergehenden Aspekt beschrieben gestaltet sein und kommuniziert werden.
-
1 zeigt schematisch Systeme zum Bereitstellen eines Klassifikators und zum Lokalisieren eines landwirtschaftlichen Fahrzeugs in Ausführungsformen der Erfindung. -
2 zeigt ein Ablaufdiagramm zur Erläuterung von Verfahren zum Bereitstellen eines Klassifikators und zum Lokalisieren eines landwirtschaftlichen Fahrzeugs in einer zeitlichen Abfolge nach Ausführungsformen der Erfindung.
-
1 shows schematically systems for providing a classifier and for locating an agricultural vehicle in embodiments of the invention. -
2 FIG. 3 shows a flowchart for explaining methods for providing a classifier and for localizing an agricultural vehicle in a time sequence according to embodiments of the invention.
Oberhalb der in
Bei der luftgestützten Flächenerfassungssensorik
In
Die Systemkomponente
Die luftgestützte Flächenerfassungssensorik
Die Systemkomponente
Eine Flächeninformationsklasse bildet die sich auf der landwirtschaftlichen Nutzfläche
Bei der Systemkomponente
Über die Update-Ausgangsschnittstelle
Das landwirtschaftliche Fahrzeug
Das in
Das System
In einer Ausführungsform wird das Over-the-Air Update
Die erste Systemkomponente
Die gefilterten Flächeninformationen
Zum Einlesen der mit dem Klassifikator
Die fahrzeuggestützt erfasste Flächeninformation
In einem Schritt
In einem weiteren Schritt
Der trainierte Klassifikator
In einem weiteren Schritt
In einem weiteren Schritt
In einem weiteren Schritt
BezugszeichenlisteList of reference symbols
- 22
- landwirtschaftliche Nutzflächeagricultural land
- 33
- nutzflächenbezogenes Koordinatensystemarea-related coordinate system
- 44th
- landwirtschaftliche Nutzflächengrenzeagricultural land border
- 6, 86, 8
- FlächeninformationArea information
- 1010
- landwirtschaftliches Fahrzeugagricultural vehicle
- 1111
- fahrzeugbezogenes Koordinatensystemvehicle-related coordinate system
- 1212
- fahrzeuggestützte Flächenerfassungssensorikvehicle-based area detection sensors
- 1313th
- fahrzeuggestützter Erfassungsbereichvehicle-based detection area
- 2020th
- unbemannter Flugkörperunmanned missile
- 2222nd
- luftgestützte Flächenerfassungssensorikair-supported area detection sensors
- 2323
- luftgestützter Erfassungsbereich airborne detection area
- 100100
- System zur KlassifikatorbereitstellungClassifier provision system
- 110110
- SystemkomponenteSystem component
- 112112
- EingangsschnittstelleInput interface
- 114114
- Update-Ausgangsschnittstelle Update outbound interface
- 200200
- System zur FahrzeuglokalisationVehicle location system
- 210210
- erste Systemkomponentefirst system component
- 220220
- zweite Systemkomponentesecond system component
- 212, 222212, 222
- EingangsschnittstelleInput interface
- 214214
- Update-EingangsschnittstelleUpdate input interface
- 216216
- Ausgangsschnittstelle Output interface
- FF.
- Filterfilter
- KK
- KlassifikatorClassifier
- K'K '
- vortrainierter Klassifikatorpre-trained classifier
- OTAOTA
- Over-the-Air Update Over-the-air update
- S1S1
- luftgestützte Flächeninformationserfassungairborne area information acquisition
- S1aS1a
- GeoreferenzierungGeoreferencing
- S1bS1b
- Transformationtransformation
- S2S2
- KlassifikatortrainingClassifier training
- S3S3
- fahrzeuggestützte Flächeninformationserfassungvehicle-based area information acquisition
- S3aS3a
- GeoreferenzierungGeoreferencing
- S4S4
- Übertragungtransmission
- S5S5
- KlassenzuordnungClass assignment
- S6S6
- FahrzeuglokalisationVehicle location
- S7S7
- Navigationnavigation
- TT
- TrainingsdatenbankTraining database
Claims (15)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019207245.3A DE102019207245A1 (en) | 2019-05-17 | 2019-05-17 | Agricultural land classification |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019207245.3A DE102019207245A1 (en) | 2019-05-17 | 2019-05-17 | Agricultural land classification |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102019207245A1 true DE102019207245A1 (en) | 2020-11-19 |
Family
ID=73018926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019207245.3A Withdrawn DE102019207245A1 (en) | 2019-05-17 | 2019-05-17 | Agricultural land classification |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102019207245A1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114526709A (en) * | 2022-02-21 | 2022-05-24 | 中国科学技术大学先进技术研究院 | Area measurement method and device based on unmanned aerial vehicle and storage medium |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015142166A1 (en) * | 2014-03-20 | 2015-09-24 | Lely Patent N.V. | Method and system for navigating an agricultural vehicle on a land area |
US20170032258A1 (en) * | 2015-07-30 | 2017-02-02 | Ecoation Innovative Solutions Inc. | Systems and methods for crop health monitoring, assessment and prediction |
US20170351933A1 (en) * | 2016-06-01 | 2017-12-07 | Intel Corporation | Vision enhanced drones for precision farming |
-
2019
- 2019-05-17 DE DE102019207245.3A patent/DE102019207245A1/en not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015142166A1 (en) * | 2014-03-20 | 2015-09-24 | Lely Patent N.V. | Method and system for navigating an agricultural vehicle on a land area |
US20170032258A1 (en) * | 2015-07-30 | 2017-02-02 | Ecoation Innovative Solutions Inc. | Systems and methods for crop health monitoring, assessment and prediction |
US20170351933A1 (en) * | 2016-06-01 | 2017-12-07 | Intel Corporation | Vision enhanced drones for precision farming |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114526709A (en) * | 2022-02-21 | 2022-05-24 | 中国科学技术大学先进技术研究院 | Area measurement method and device based on unmanned aerial vehicle and storage medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102012207620B4 (en) | System and method for light signal detection | |
EP3105547B1 (en) | Method for determining the absolute position of a mobile unit, and mobile unit | |
DE102016211182A1 (en) | A method, apparatus and system for performing automated driving of a vehicle along a trajectory provided from a map | |
DE112020006426T5 (en) | SYSTEMS AND METHODS FOR VEHICLE NAVIGATION | |
DE112020002175T5 (en) | SYSTEMS AND METHODS FOR VEHICLE NAVIGATION | |
DE112018006665T5 (en) | PROCEDURE FOR ACCESSING ADDITIONAL PERCEPTIONAL DATA FROM OTHER VEHICLES | |
DE112020003897T5 (en) | SYSTEMS AND METHODS FOR MONITORING LANE CONGESTION | |
EP2612110B1 (en) | Method for sampling of agricultural surfaces by flying over them with georeferenced optical recording | |
DE102018117660A1 (en) | METHOD AND SYSTEM FOR DETERMINING A POSITION OF A VEHICLE | |
DE102016212623A1 (en) | UAV-based sensing for workflows in a workspace | |
DE102015201951A1 (en) | System and method for mapping, locating and correcting a spatial position | |
DE112021000094T5 (en) | SYSTEMS AND METHODS FOR VEHICLE NAVIGATION INCLUDING TRAFFIC LIGHTS AND ROAD SIGNS | |
DE112020002764T5 (en) | SYSTEMS AND METHODS FOR VEHICLE NAVIGATION | |
DE112020002869T5 (en) | NAVIGATION SYSTEMS AND METHODS OF DETERMINING OBJECT DIMENSIONS | |
DE112021002680T5 (en) | SYSTEMS AND METHODS FOR DETECTING AN OPEN DOOR | |
DE102018108361A1 (en) | LAW RECORDING TRAINING SYSTEMS AND METHODS | |
DE112021003811T5 (en) | SYSTEMS AND METHODS FOR DYNAMIC ROAD GEOMETRY MODELING AND NAVIGATION | |
DE102018133441A1 (en) | Method and system for determining landmarks in the surroundings of a vehicle | |
DE102018218436A1 (en) | FLEET ASSISTANCE | |
DE102018130597A1 (en) | 3D MAPPING WITH HIGH SHARPNESS | |
DE112020006427T5 (en) | SYSTEMS AND METHODS FOR DETECTING TRAFFIC LIGHTS | |
DE102019215903A1 (en) | Method and device for generating training data for a recognition model for recognizing objects in sensor data of a sensor, in particular of a vehicle, method for training and method for actuation | |
DE112022002652T5 (en) | AUTOMATIC GENERATION OF A VECTOR MAP FOR VEHICLE NAVIGATION | |
DE112021006402T5 (en) | Estimating automatic exposure values of a camera by prioritizing an object of interest based on contextual input from 3D maps | |
DE102020206190A1 (en) | SYSTEM AND PROCEDURE FOR CONFIGURATION OF A WORKPLACE WARNING ZONE. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |