【技术实现步骤摘要】
本专利技术涉及智能农业机械，更具体地，涉及一种无人农机人机协作模式工作区域划分方法。
技术介绍
1、无人农场技术正逐步得到较大规模的应用。在水稻无人农场中，无人驾驶农机的耕、种、管、收等环节已全面发展，在自动驾驶和自主收获、播种技术方面已经取得了较好的发展。
2、面对我国农机和农田的特点，农机自动导航技术也存在很多不足，目前无人驾驶技术在多边形等复杂田块作业中无法实现全部路径覆盖，仍需人工驾驶完成部分复杂区域。在由传统人工作业模式转化为智能农机作业模式的过渡阶段，缺乏使二者合作作业时工作区域的划分方法，人机协同农机协同作业技术是农机智能装备领域的一个切实新方向。开展人机协同农机协同作业技术的应用研究与实践是提高我国农机利用率、提升农机作业质量、提高作业效率的重要手段。
3、农机作业的人机协作模式是指无人驾驶农机和人工驾驶农机在农田作业中相互配合、共同完成同一作业任务的方式。它强调了人与机器之间的合作和协调，以实现农田作业的高效性和完整性。无人驾驶农机可以利用先进的自动化技术和算法，提高作业的精度和准确性，而人工驾驶农机则能够根据实际情况进行灵活调整和决策。人机协同模式基于同一作业任务的协同分工时，强调农田作业中的协同性。无人驾驶农机和人工驾驶农机之间相互配合协调，确保作业任务的顺利完成。这需要合理的区域划分方式确保无人驾驶农机和人工驾驶农机之间的工作不会相互干扰或重复以实现最大程度地利用资源和减少农机之间的冲突，从而提高整体的作业效率和质量。
4、现有的人机协同作业时工作区域的划分，主要由无人
5、现有技术公开了一种曲形农田边界的路径规划方法，利用无人机测绘得出农田地形图，采集曲形地块农田边界关键点，提取农田边界点信息，以农田边界点信息作为边界值，建立坐标系；以农田边缘检测量作为观测值，设定形状拟合阈值，获取相近的农田形状，匹配得出相应形状对应的路径规划算法；曲形边界农田，进行曲形边界的农田路径规划，非曲边农田进行规则农田地块路径规划；对剩余未作业到的农田区域进行封圈的路径规划。该方案中，仅对农机路径进行规划，未对作业区域进行划分，以供无人农机与人工驾驶农机协同作业，作业效率低。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供一种无人农机人机协作模式工作区域划分方法，对农田划分工作区域与人机、农机匹配，使无人驾驶农机和人工驾驶农机在农田作业中相互配合、共同完成同一作业任务，以提高作业效率。
2、为解决上述技术问题，本专利技术采用的技术方案是：提供一种无人农机人机协作模式工作区域划分方法，包括以下步骤：
3、s1：获取无人机拍摄的农田地形图像，采集农田地块边界的关键信息点，提取经纬度坐标，建立大地坐标系；
4、s2：对农田地形图像进行灰度和二值化处理，采用边缘检测算子设置阈值来筛选出边界像素，得到农田的边界图像，采用形状识别算法判断农田形状；
5、s3：求取农田最小外接矩形，根据空间变换对应矩阵的放射变换将农田地形在大地坐标系内的摆放方式旋转为正放，采用最小包围矩形法和归一化方法将大地坐标系转化为区域划分坐标系，将坐标映射在适合区域划分算法的坐标系下；
6、s4：根据农田地形形状、无人驾驶农机与人工驾驶农机作业能力加权线性综合能力评估结果，匹配对应的人机协同农机合作作业时工作区域划分方法；
7、s5：根据作业幅宽和曲边斜角风险程度调整无人驾驶工作区域，实现无人驾驶作业区域最大化，完成所有区域划分。
8、本专利技术的无人农机人机协作模式工作区域划分方法，采用无人机获取的农田地形图像和关键信息点，建立精确的大地坐标系，确保农田地块的准确划分；通过灰度处理、二值化处理以及边缘检测和形状识别算法，提取农田边界信息，判断农田形状；利用最小包围矩形法和归一化方法将大地坐标系转化为适合区域划分算法的坐标系，实现人机协同农机合作作业统一合理的区域划分，使合作作业区域划分规范化，有利于提高农田作业覆盖率，发挥无人作业的高效性；且能够考虑农田形状和无人驾驶农机与人工驾驶农机作业能力，确保了无人驾驶和人工驾驶农机在合作作业中发挥各自的优势，最大化作业效率，有效降低农田重复碾压率；且可对无人驾驶区域进行调整，以实现无人驾驶作业的最大化，提高农田作业效率，减少资源浪费。
9、优选地，步骤s1具体为：利用高分辨率的农田地形图像，将提取到的关键信息点的图像坐标转换为经纬度坐标，利用提取的经纬度坐标数据，建立大地坐标系。
10、优选地，步骤s2具体过程为：对农田地形图像进行灰度和二值化处理，通过laplace算子边缘检测和应用轮廓分析形状识别算法提取农田边界信息，实现对农田形状的判断。
11、优选地，步骤s3具体过程为：
12、根据农田边界点的坐标，计算出边界点的重心坐标作为旋转中心，通过边界点相对于质心的极坐标角度，确定旋转角度；具体为：使用反三角函数计算边界点与质心之间的夹角，通过利用旋转矩阵进行变换，将边界点绕质心旋转，最后边界点的每个坐标加上质心坐标，使得质心回到原来的位置；
13、使用凸包graham scan（葛立恒扫描）算法，对旋转后的边界点集合计算，得到边界点凸包；遍历凸包的边界点，对每条边进行判断，寻找与水平方向的夹角最值，并且所寻找的边的长度为矩形的宽度或高度，确定最小外接矩形的边；
14、通过边界点和最小外接矩形的边，得到最小外接矩形的四个角点的坐标；根据农田类型确定归一化范围，将大地坐标系的点代入归一化公式：
15、
16、
17、其中，和表示归一化后的横坐标和纵坐标，和分别为大地坐标系中的点的横坐标和纵坐标，和为归一化范围的最小横坐标和最小纵坐标，和为归一化范围的最大横坐标和最大纵坐标；
18、通过计算所有点的归一化坐标，得到0到1范围内的归一化坐标系，所述归一化坐标系适合用于区域划分算法的计算和处理。
19、优选地，步骤s4包括：
20、s41：评估无人驾驶农机与人工驾驶农机的综合能力；
21、s42：为地块集合划分对应的无人农机作业区域和人工农机作业区域；
22、s43：对无法形成连续地块集合的农田地块划分对应的无人农机作业区域和人工农机作业区域。
23、优选地，步骤s41具体为：
24、根据农田地形形状，为指标分配权重系数，判断不同指标在整体评价中的相对重要性，获取无人驾驶农机与人工驾驶农机在农田作业下的指标数据；
25、对指标数据进行z-score（z分数）归一化处理，将指标数据转化为统一的评分范围，z-本文档来自技高网...
【技术保护点】
1.一种无人农机人机协作模式工作区域划分方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤S1具体为：利用高分辨率的农田地形图像，将提取到的关键信息点的图像坐标转换为经纬度坐标，利用提取的经纬度坐标数据，建立大地坐标系。
3.根据权利要求1所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤S2具体过程为：对农田地形图像进行灰度和二值化处理，通过Laplace算子边缘检测和应用轮廓分析形状识别算法提取农田边界信息，实现对农田形状的判断。
4.根据权利要求1所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤S3具体过程为：
5.根据权利要求1所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤S4包括：
6.根据权利要求5所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤S41具体为：
7.根据权利要求6所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤S42具体为：
8.根据权利要求7所述的
9.根据权利要求1至8任一项所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤S5中，根据农田特征及作业需求，最外圈幅宽进行内缩来满足幅宽要求并降低重复碾压率。
10.根据权利要求9所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤S5中，当无人农机作业区域中的斜角超过设定阈值范围时，将斜角定义为斜角风险区，当曲边的弯曲程度超过设定阈值范围时，将曲边定义为曲边风险区，识别并标记农田中的曲边风险区和斜角风险区，在无人农机的路径规划过程中，根据无人农机的作业能力评估，避免或减少通过曲边风险区和斜角风险区的路径。
...【技术特征摘要】
1.一种无人农机人机协作模式工作区域划分方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤s1具体为：利用高分辨率的农田地形图像，将提取到的关键信息点的图像坐标转换为经纬度坐标，利用提取的经纬度坐标数据，建立大地坐标系。
3.根据权利要求1所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤s2具体过程为：对农田地形图像进行灰度和二值化处理，通过laplace算子边缘检测和应用轮廓分析形状识别算法提取农田边界信息，实现对农田形状的判断。
4.根据权利要求1所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤s3具体过程为：
5.根据权利要求1所述的无人农机人机协作模式工作区域划分方法，其特征在于，步骤s4包括：
6.根据权利要求5所述的无人农机人机协作模式工作区域...
【专利技术属性】
技术研发人员：何杰，邹佳蕊，胡炼，汪沛，黄钰峰，李明锦，曾山，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。