【技术实现步骤摘要】
本专利技术涉及农业收割，尤其涉及一种喂入量预测方法、装置、电子设备及介质。
技术介绍
1、喂入量是影响谷物联合收获机器人自主作业性能的关键指标。由于喂入量受到作物属性，收获机器人作业工况等较多因素影响，准确检测喂入量的大小一直是难点。
2、相关技术中，对喂入量检测和预测主要有四种方法：
3、（1）通过检测谷物流量推测喂入量大小；
4、（2）通过检测主要脱粒元件的功耗对喂入量进行预测；
5、（3）将方法（1）和方法（2）进行融合，既检测谷物流量，又检测主要脱粒元件的功耗；
6、（4）通过检测喂入物料对过桥的挤压力建立喂入量检测模型。
7、上述方法主要是通过检测收获机器人某个作业环节的功率部件所承受的负荷间接推算出喂入量，这个作业环节或是喂入，或是输送，或是脱粒分离。由于每个作业环节的功率部件所受负荷对喂入量变化的响应并不相同，而且存在时间延迟，因此，通过检测单一环节功率部件所受负荷推测喂入量都具有一定局限性，导致喂入量预测的时效性不高。
技术实现思路
1、本专利技术提供一种喂入量预测方法、装置、电子设备及介质，用以解决现有技术中通过检测单一环节功率部件所受负荷来预测喂入量的时效性不高的问题。
2、本专利技术提供一种喂入量预测方法，包括：
3、确定目标区域内的所有被测作物的点云数据，所述点云数据包括多个数据点，每个数据点对应一个被测作物；
4、基于所述每个数据点对应的作物高度值，
5、基于所述每个单元网格对应的作物量系数、所述每个单元网格的面积、所述每个单元网格内的被测作物的平均高度和所述每个单元网格内的被测作物的留茬高度，确定所述每个单元网格内的作物体积，所述作物量系数用于指示所述单元网格内是否存在所述被测作物；
6、基于所述目标区域内的作物总体积和所述目标区域内的作物密度，确定收获设备的喂入量，所述作物总体积基于所述每个单元网格内的作物体积确定。
7、在一些实施例中，所述确定目标区域内的所有被测作物的点云数据之前，所述方法还包括：
8、基于所述收获设备的行驶方向，获取激光雷达传感器采集的视场区域内的被测作物的点云数据，所述激光雷达传感器安装在所述收获设备上；
9、基于所述收获设备的割幅宽度和所述收获设备的行驶距离，从所述视场区域内的被测作物的点云数据中，分割出所述目标区域内的所有被测作物的点云数据。
10、在一些实施例中，所述基于所述每个数据点对应的作物高度值，确定每个单元网格内的数据点对应的被测作物的平均高度之前，所述方法还包括：
11、基于激光雷达传感器与所述每个数据点的直线距离，和所述激光雷达传感器与所述每个数据点的连线与水平面之间的夹角，确定所述每个数据点与所述激光雷达传感器的垂直距离；
12、基于所述每个数据点与所述激光雷达传感器的垂直距离，和所述激光雷达传感器的安装高度，确定所述每个数据点对应的作物高度值。
13、在一些实施例中，所述基于所述每个数据点对应的作物高度值，确定每个单元网格内的数据点对应的被测作物的平均高度，包括：
14、基于所述每个数据点对应的作物高度值，确定所述目标区域内的所有被测作物的平均高度；
15、将所述每个数据点对应的作物高度值与所述目标区域内的所有被测作物的平均高度进行对比，将超出预设取值范围的作物高度值所对应的数据点剔除，得到剔除后的数据点；
16、基于所述剔除后的数据点对应的作物高度值，确定所述每个单元网格内的数据点对应的被测作物的平均高度。
17、在一些实施例中，所述基于所述每个单元网格对应的作物量系数、所述每个单元网格的面积、所述每个单元网格内的被测作物的平均高度和所述每个单元网格内的被测作物的留茬高度，确定所述每个单元网格内的作物体积之前，所述方法还包括：
18、基于所述目标区域内的数据点的数量和所述目标区域的面积，确定所述目标区域的平均点云密度；
19、基于所述每个单元网格内的数据点的数量和所述每个单元网格的面积，确定所述每个单元网格对应的点云密度；
20、基于所述目标区域的平均点云密度和任一所述单元网格对应的点云密度，确定所述每个单元网格对应的作物量系数。
21、在一些实施例中，所述基于所述目标区域的平均点云密度和任一所述单元网格对应的点云密度，确定所述每个单元网格对应的作物量系数，包括：
22、在所述单元网格对应的点云密度小于等于所述平均点云密度的情况下，确定所述单元网格对应的作物量系数为0；
23、在所述单元网格对应的点云密度大于所述平均点云密度的情况下，确定所述单元网格对应的作物量系数为1。
24、本专利技术还提供一种喂入量预测装置，包括：
25、第一确定模块，用于确定目标区域内的所有被测作物的点云数据，所述点云数据包括多个数据点，每个数据点对应一个被测作物；
26、第二确定模块，用于基于所述每个数据点对应的作物高度值，确定每个单元网格内的数据点对应的被测作物的平均高度，所述单元网格是对所述点云数据进行网格划分后得到的；
27、第三确定模块，用于基于所述每个单元网格对应的作物量系数、所述每个单元网格的面积、所述每个单元网格内的被测作物的平均高度和所述每个单元网格内的被测作物的留茬高度，确定所述每个单元网格内的作物体积，所述作物量系数用于指示所述单元网格内是否存在所述被测作物；
28、第四确定模块，用于基于所述目标区域内的作物总体积和所述目标区域内的作物密度，确定收获设备的喂入量，所述作物总体积基于所述每个单元网格内的作物体积确定。
29、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述喂入量预测方法。
30、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述喂入量预测方法。
31、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述喂入量预测方法。
32、本专利技术提供的喂入量预测方法、装置、电子设备及介质，通过确定目标区域的点云数据，对点云数据进行数据处理，采用单元网格划分与体积计算，得到目标区域内的作物总体积，进而可以计算喂入量，无需依赖大量其他的工况信息，能够提前预测到收获设备的喂入量信息，提高了喂入量预测的及时性，为收获设备的作业调控提供关键信息支撑。相对于当前喂入量的其他监测方法，不存在信息滞后等现象，使用更为简单，也更有利于收获设备作业的实时调控。
本文档来自技高网...【技术保护点】
1.一种喂入量预测方法，其特征在于，包括：
2.根据权利要求1所述的喂入量预测方法，其特征在于，所述确定目标区域内的所有被测作物的点云数据之前，所述方法还包括：
3.根据权利要求1所述的喂入量预测方法，其特征在于，所述基于所述每个数据点对应的作物高度值，确定每个单元网格内的数据点对应的被测作物的平均高度之前，所述方法还包括：
4.根据权利要求1所述的喂入量预测方法，其特征在于，所述基于所述每个数据点对应的作物高度值，确定每个单元网格内的数据点对应的被测作物的平均高度，包括：
5.根据权利要求1所述的喂入量预测方法，其特征在于，所述基于所述每个单元网格对应的作物量系数、所述每个单元网格的面积、所述每个单元网格内的被测作物的平均高度和所述每个单元网格内的被测作物的留茬高度，确定所述每个单元网格内的作物体积之前，所述方法还包括：
6.根据权利要求5所述的喂入量预测方法，其特征在于，所述基于所述目标区域的平均点云密度和任一所述单元网格对应的点云密度，确定所述每个单元网格对应的作物量系数，包括：
7.一种喂入量预测装置
8.根据权利要求7所述的喂入量预测装置，其特征在于，所述装置还包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述喂入量预测方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述喂入量预测方法。
...【技术特征摘要】
1.一种喂入量预测方法，其特征在于，包括：
2.根据权利要求1所述的喂入量预测方法，其特征在于，所述确定目标区域内的所有被测作物的点云数据之前，所述方法还包括：
3.根据权利要求1所述的喂入量预测方法，其特征在于，所述基于所述每个数据点对应的作物高度值，确定每个单元网格内的数据点对应的被测作物的平均高度之前，所述方法还包括：
4.根据权利要求1所述的喂入量预测方法，其特征在于，所述基于所述每个数据点对应的作物高度值，确定每个单元网格内的数据点对应的被测作物的平均高度，包括：
5.根据权利要求1所述的喂入量预测方法，其特征在于，所述基于所述每个单元网格对应的作物量系数、所述每个单元网格的面积、所述每个单元网格内的被测作物的平均高度和所述每个单元网格内的被测作物的留茬高...
【专利技术属性】
技术研发人员：尹彦鑫，孟志军，丁建宏，温昌凯，秦五昌，张安琪，尚业华，
申请(专利权)人：北京市农林科学院智能装备技术研究中心，
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。