本發(fā)明涉及智慧農(nóng)業(yè)路徑優(yōu)化，尤其涉及一種基于凸包算法的植保無(wú)人機(jī)不規(guī)則農(nóng)田路徑規(guī)劃方法。

背景技術(shù)：

1、農(nóng)業(yè)智能化是現(xiàn)代科技發(fā)展與傳統(tǒng)農(nóng)業(yè)深度融合的重要方向，無(wú)人機(jī)技術(shù)因其高靈活性和多功能性成為智慧農(nóng)業(yè)中的核心工具。在精準(zhǔn)農(nóng)業(yè)中，無(wú)人機(jī)的主要應(yīng)用包括土壤檢測(cè)、病蟲(chóng)害監(jiān)測(cè)、農(nóng)藥噴灑、播種及作物生長(zhǎng)監(jiān)測(cè)等環(huán)節(jié)。其中，農(nóng)藥噴灑是應(yīng)用最為廣泛的領(lǐng)域之一，其目標(biāo)是通過(guò)精確的藥劑分配，提高農(nóng)藥利用率，減少環(huán)境污染，同時(shí)提高農(nóng)作物產(chǎn)量和質(zhì)量。

2、然而，當(dāng)前精準(zhǔn)噴灑技術(shù)主要針對(duì)規(guī)則農(nóng)田的直線(xiàn)或簡(jiǎn)單曲線(xiàn)作業(yè)路徑，不規(guī)則農(nóng)田因其邊界形狀復(fù)雜、面積分布不均，給路徑規(guī)劃和噴灑精準(zhǔn)度帶來(lái)了極大挑戰(zhàn)。對(duì)于不規(guī)則農(nóng)田的噴灑實(shí)現(xiàn)主要依靠操作人員手持遙控器控制，在操作人員無(wú)法到達(dá)或難以到達(dá)的農(nóng)田無(wú)法精準(zhǔn)實(shí)施，為實(shí)現(xiàn)智能化噴灑。且在復(fù)雜地形如山區(qū)、高原或邊界線(xiàn)復(fù)雜的農(nóng)田中，傳統(tǒng)導(dǎo)航和路徑規(guī)劃技術(shù)容易因精度不足或算法適配性差而導(dǎo)致覆蓋率不足、噴灑遺漏或藥劑浪費(fèi)。

3、發(fā)展至今，已經(jīng)有了大量關(guān)于無(wú)人機(jī)噴路徑規(guī)劃工作的研究，比如利用遺傳算法實(shí)現(xiàn)了若干不連續(xù)農(nóng)田的航跡規(guī)劃，并通過(guò)實(shí)驗(yàn)驗(yàn)證了其高效性(趙越.,2023)。然而，這類(lèi)算法對(duì)初始邊界數(shù)據(jù)質(zhì)量要求高，且對(duì)地形動(dòng)態(tài)變化的適應(yīng)性不足。也有基于粒子群算法的植保無(wú)人機(jī)航線(xiàn)規(guī)劃方法(武錦龍.,2018)，解決了障礙物避讓問(wèn)題，但路徑規(guī)劃依賴(lài)規(guī)則地形，無(wú)法滿(mǎn)足不規(guī)則農(nóng)田需求?；谏鲜黾夹g(shù)和研究現(xiàn)狀的分析，可以看出在植保無(wú)人機(jī)在不規(guī)則農(nóng)田的路徑規(guī)劃方面，還存在一些未有效解決的問(wèn)題，整體包括以下問(wèn)題：

4、邊界識(shí)別與路徑規(guī)劃耦合性差：現(xiàn)有技術(shù)未能有效整合邊界識(shí)別算法和動(dòng)態(tài)路徑規(guī)劃算法，在不規(guī)則農(nóng)田作業(yè)中易產(chǎn)生邊界遺漏或路徑冗余。

5、復(fù)雜地形適應(yīng)性差：現(xiàn)有無(wú)人機(jī)路徑規(guī)劃算法多基于規(guī)則地形，在復(fù)雜地形或磁干擾環(huán)境中作業(yè)精度顯著下降。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種基于凸包算法的植保無(wú)人機(jī)不規(guī)則農(nóng)田路徑規(guī)劃方法，以克服現(xiàn)有的航跡規(guī)劃方法，無(wú)法適應(yīng)復(fù)雜的地形，且在進(jìn)行路徑規(guī)劃時(shí)容易產(chǎn)生邊界遺漏和路徑冗余的技術(shù)問(wèn)題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：

3、一種基于凸包算法的植保無(wú)人機(jī)不規(guī)則農(nóng)田路徑規(guī)劃方法，包括：

4、s1：獲取農(nóng)田邊界點(diǎn)的坐標(biāo)數(shù)據(jù)集，并使用密度聚類(lèi)算法對(duì)所述坐標(biāo)數(shù)據(jù)集進(jìn)行去噪，得到去噪數(shù)據(jù)集；

5、s2：引入凸包算法，使用凸包算法遍歷所述去噪數(shù)據(jù)集中的所有坐標(biāo)，找到多個(gè)凸包點(diǎn)，連接所有凸包點(diǎn)，生成最小外接矩形，并隨機(jī)選取所述最小外接矩形的一條邊設(shè)定參考航向角；

6、s3：引入yolov7-tiny模型并隨機(jī)選取所述最小外接矩形的一角，使用yolov7-tiny模型以所述最小外接矩形的一角為起點(diǎn)，進(jìn)行實(shí)時(shí)的邊緣檢測(cè)，找到實(shí)際的農(nóng)田邊緣；

7、s4：根據(jù)無(wú)人機(jī)的加速度傳感器檢測(cè)的水平方向和垂直方向上的加速度計(jì)算無(wú)人機(jī)運(yùn)動(dòng)過(guò)程中的傾斜補(bǔ)償，得到實(shí)際航向角；

8、s5：調(diào)整無(wú)人機(jī)的飛行角度使所述實(shí)際航向角與所述參考航向角一致，同時(shí)在實(shí)際的農(nóng)田邊緣調(diào)整所述參考航向角的角度向農(nóng)田內(nèi)側(cè)轉(zhuǎn)動(dòng)90度，實(shí)現(xiàn)往返式的農(nóng)田路徑規(guī)劃。

9、進(jìn)一步的，引入凸包算法，使用凸包算法遍歷所述去噪數(shù)據(jù)集中的所有坐標(biāo)，找到多個(gè)凸包點(diǎn)，連接所有凸包點(diǎn)，生成最小外接矩形，包括：

10、s21、將所述去噪數(shù)據(jù)集隨機(jī)分成n組，每一組中包含m個(gè)農(nóng)田邊界點(diǎn)；

11、s22、選取所述去噪數(shù)據(jù)集中x坐標(biāo)和y坐標(biāo)最小的農(nóng)田邊界點(diǎn)o點(diǎn)作為參考點(diǎn)，計(jì)算其他所有農(nóng)田邊界點(diǎn)與該點(diǎn)的極角；所述x坐標(biāo)和y坐標(biāo)是以經(jīng)度和緯度為坐標(biāo)系中的坐標(biāo)；

12、s23、在每組中將該組包含的農(nóng)田邊界點(diǎn)按照極角從小到大的順序進(jìn)行排序，若兩個(gè)農(nóng)田邊界點(diǎn)的極角相同，則按照農(nóng)田邊界點(diǎn)到參考點(diǎn)的距離從近遠(yuǎn)排序，形成點(diǎn)集；

13、s24、隨機(jī)選取一組中的一個(gè)農(nóng)田邊界點(diǎn)a點(diǎn)作為預(yù)設(shè)的凸包點(diǎn)，構(gòu)建向量oa，隨機(jī)選取該組內(nèi)的檢測(cè)點(diǎn)i點(diǎn)，構(gòu)建向量oi，計(jì)算向量oa與oi的叉積，判斷叉積的正負(fù)：

14、若結(jié)果為正，則i點(diǎn)為非凸包點(diǎn)，a點(diǎn)依舊為當(dāng)前的凸包點(diǎn)，將a點(diǎn)與參考點(diǎn)形成向量，并參與下一個(gè)農(nóng)田邊界點(diǎn)的向量叉積計(jì)算；

15、若結(jié)果為負(fù)，則a點(diǎn)不是凸包點(diǎn)，將i點(diǎn)設(shè)為新的凸包點(diǎn)，將該點(diǎn)與參考點(diǎn)形成向量，并參與下一個(gè)農(nóng)田邊界點(diǎn)的向量叉積計(jì)算；直至遍歷該該組中所有的農(nóng)田邊界點(diǎn)，將最終確定的凸包點(diǎn)作為該組的凸包點(diǎn)；

16、s25、依次遍歷其余組排序后的點(diǎn)集，得到包含參考點(diǎn)在內(nèi)的所有的凸包點(diǎn)，依次將相鄰的兩個(gè)凸包點(diǎn)連接，生成最小外接矩形，包圍其余非凸包點(diǎn)的農(nóng)田邊界點(diǎn)。

17、進(jìn)一步的，所述凸包算法為graham掃描法。

18、進(jìn)一步的，根據(jù)無(wú)人機(jī)的加速度傳感器檢測(cè)的水平方向和垂直方向上的加速度計(jì)算無(wú)人機(jī)運(yùn)動(dòng)過(guò)程中的傾斜補(bǔ)償，得到實(shí)際航向角，包括：

19、將地磁場(chǎng)分解為與水平面平行的x方向、y方向上的分量和與水平面垂直的z方向上的分量；

20、x方向上的分量如公式(1)所示，

21、

22、其中，hx表示x方向上的分量，xm表示磁羅盤(pán)在x方向上的分量，zm表示磁羅盤(pán)在z方向上的分量，表示基于加速度傳感器的俯仰角，如公式(2)所示，

23、

24、其中，ax,ay,az分別為x，y，z方向上的加速度；

25、y方向上的分量如公式(3)所示，

26、

27、其中，hy表示y方向上的分量，θ表示基于加速度傳感器的傾斜角，如公式(4)所示，

28、

29、根據(jù)x方向上的分量和y方向上的分量計(jì)算實(shí)際航向角，如公式(5)所示，

30、

31、其中，β表示實(shí)際航向角。

32、進(jìn)一步的，調(diào)整無(wú)人機(jī)的飛行角度使所述實(shí)際航向角與所述參考航向角一致，同時(shí)在實(shí)際的農(nóng)田邊緣調(diào)整所述參考航向角的角度向農(nóng)田內(nèi)側(cè)轉(zhuǎn)動(dòng)90度，實(shí)現(xiàn)往返式的農(nóng)田路徑規(guī)劃，包括：

33、s51、設(shè)定最小邊界矩形的兩條相互垂直邊分別y1＝k1*x1+b和y2＝k2*x2+b，其中k1表示矩形一條邊的斜率，k2表示另一條垂直邊的斜率；x1,y1表示該邊上的橫縱坐標(biāo)，b為常數(shù)，x2,y2表示另一條垂直邊的橫縱坐標(biāo)；

34、s52、設(shè)定參考航向角對(duì)應(yīng)的飛行方向與矩形的一條邊相平行，即與y1＝k1*x1+b所對(duì)應(yīng)的斜率方向平行；根據(jù)無(wú)人機(jī)當(dāng)前的實(shí)際的坐標(biāo)值和公式(5)計(jì)算實(shí)際航向角，若當(dāng)前的參考航向角α與實(shí)際航向角β的數(shù)值不同，則調(diào)整無(wú)人機(jī)的飛行方向，回到參考航向角對(duì)應(yīng)的方向飛行，若兩者數(shù)值相等則無(wú)人機(jī)保持當(dāng)前實(shí)際航向角對(duì)應(yīng)的方向飛行；

35、s53、當(dāng)無(wú)人機(jī)到達(dá)農(nóng)田邊緣時(shí)，將參考航向角向農(nóng)田內(nèi)側(cè)轉(zhuǎn)動(dòng)90度，此時(shí)飛行方向與垂直邊相平行，即與y2＝k2*x2+b所對(duì)應(yīng)的斜率方向平行，當(dāng)無(wú)人機(jī)飛行達(dá)到預(yù)設(shè)的飛行時(shí)間后，重新將當(dāng)前參考航向角的角度向農(nóng)田內(nèi)側(cè)轉(zhuǎn)動(dòng)90度，重新與y1＝k1*x1+b所對(duì)應(yīng)的斜率方向平行，進(jìn)行反方向的飛行。

36、進(jìn)一步的，使用密度聚類(lèi)算法對(duì)所述坐標(biāo)數(shù)據(jù)集進(jìn)行去噪，得到去噪數(shù)據(jù)集，包括：

37、s11、隨機(jī)選取所述坐標(biāo)數(shù)據(jù)集中的一個(gè)邊界點(diǎn)，并以該點(diǎn)為圓心，形成鄰域半徑；

38、s12、判斷該點(diǎn)的鄰域內(nèi)的邊界點(diǎn)的數(shù)量，若數(shù)量小于設(shè)定的密度閾值，則該點(diǎn)為噪聲點(diǎn)；若數(shù)量大于等于設(shè)定的密度閾值，則將該點(diǎn)標(biāo)記為核心點(diǎn)，并擴(kuò)展形成一個(gè)簇，當(dāng)遍歷完當(dāng)前點(diǎn)鄰域中所有的邊界點(diǎn)，停止擴(kuò)展簇；

39、s13、對(duì)所有邊界點(diǎn)完成標(biāo)記后，未歸屬于任何簇的點(diǎn)即為噪聲點(diǎn)。

40、有益效果：本發(fā)明提供了一種基于凸包算法的植保無(wú)人機(jī)不規(guī)則農(nóng)田路徑規(guī)劃方法，通過(guò)將凸包算法應(yīng)用到植保無(wú)人機(jī)作業(yè)路徑規(guī)劃，同時(shí)結(jié)合邊緣識(shí)別算法進(jìn)行農(nóng)田邊界的識(shí)別，解決了植保無(wú)人機(jī)在不規(guī)則作業(yè)時(shí)路徑規(guī)劃的難題，減少了邊界遺漏和路徑冗余，提升了不規(guī)則農(nóng)田路徑規(guī)劃的精準(zhǔn)性；通過(guò)計(jì)算無(wú)人機(jī)的實(shí)際航向角，能夠快速的調(diào)整無(wú)人機(jī)的角度，防止發(fā)生偏移，實(shí)現(xiàn)農(nóng)田全面的路徑規(guī)劃，本發(fā)明適用于復(fù)雜地形(如山區(qū)、高原)的農(nóng)田，大大提高了農(nóng)業(yè)作業(yè)效率。