Preview

Сельскохозяйственные машины и технологии

Расширенный поиск

Алгоритмы расчета траекторий полета беспилотных воздушных судов для решения сельскохозяйственных задач

https://doi.org/10.22314/2073-7599-2022-16-3-40-47

Аннотация

Обосновали актуальность использования беспилотных воздушных судов (БВС) по сравнению с другими способами аэрокосмической съемки. Привели примеры задач, требующие применения БВС для аэрофотосъемки с разной высоты. Показали, что внедрение сельскохозяйственных роботов, в том числе БВС, ускоряет выполнение полевых работ, а также позволяет получать уникальные данные, необходимые для оценки сельскохозяйственных территорий, обработки посевов и стимуляции роста растений. Отметили, что проблема построения траекторий движения БВС мультироторного типа при выполнении сельскохозяйственных задач за минимальное время остается нерешенной. (Цель исследования) Уменьшить длину траектории покрытия заданного участка и сократить время полета БВС мультироторного типа с учетом анализа возможных препятствий и участков земли, не представляющих интереса при решении поставленной задачи. (Материалы и методы) Использовали геометрические методы расчета траектории полета БВС для покрытия заданного участка, траекторию движения в среде с препятствиями к назначенной точке. С помощью методов фотограмметрии провели обработку изображений аэрофотосъемки при формировании ортофотоплана и карты рельефа местности. (Результаты и обсуждение) Показали, что рассчитанная разработанным алгоритмом траектория удовлетворяет все требования: она непрерывна, имеет минимальное количество поворотов, сглажена, а также осуществима для БВС мультироторного типа. (Выводы) Определили, что для расчета по предложенному алгоритму траектории покрытия на прямоугольном участке со сторонами 200 и 30 метров потребовалось менее 0,05 секунды. Выявили, что траектория на первом участке, площадью 10 200 квадратных метров, уменьшилась на 9 процентов, а на втором, площадью 950 000 квадратных метров, – на 6 процентов, по сравнению с длиной траектории, построенной по стандартным алгоритмам, причем время полета сократилось на 32 и 10 процентов соответственно. Отметили основные преимущества применения БВС для видеосъемки: гарантированное высокое разрешение фотоматериалов и возможность съемки в заданное время, позволяющие оценивать состояние посевов.

Об авторах

В. В. Лебедева
Санкт-Петербургский Федеральный исследовательский центр Российской академии наук
Россия

Валерия Валентиновна Лебедева, младший научный сотрудник

Санкт-Петербург



И. В. Лебедев
Санкт-Петербургский Федеральный исследовательский центр Российской академии наук
Россия

Игорь Владимирович Лебедев, младший научный сотрудник

Санкт-Петербург



Список литературы

1. Рамеш Бабу Н., Набоков В.И., Скворцов Е.А. Классификация и особенности робототехники в сельском хозяйстве // Аграрный вестник Урала. 2017. N2(156). С. 82-88.

2. Ардентов А.А., Бесчастный И.Ю., Маштаков А.П. Алгоритмы вычисления положения БПЛА с использованием системы машинного зрения // Программные системы: теория и приложения. 2012. N3. C. 23-38.

3. Vu Q., Raković M., Delic V., Ronzhin A. Trends in development of UAV-UGV cooperation approaches in precision agriculture. International Conference on Interactive Collaborative Robotics. 2018. 213-221.

4. Ampatzidis Y., Partel V., Costa L. Agroview. Cloud-based application to process, analyze and visualize UAV-collected data for precision agriculture applications utilizing artificial intelligence. Computers and Electronics in Agriculture. 2020. N174. 105457.

5. Meinen B.U., Robinson D.T. Mapping erosion and deposition in an agricultural landscape: Optimization of UAV image acquisition schemes for SfM-MVS. Remote Sensing of Environment. 2020. N239. 111666.

6. Messina G., Modica G. Applications of UAV thermal imagery in precision agriculture: State of the art and future research outlook. Remote Sensing. 2020. N12(9). 1491.

7. Islam S., Huang Q., Afghah F., Fule P., Razi A. Fire frontline monitoring by enabling uav-based virtual reality with adaptive imaging rate. 53rd Asilomar Conference on Signals, Systems, and Computers. IEEE. 2019. 368-372.

8. Albuquerque C.K., Polimante S., Torre-Neto A., Prati R.C. Water spray detection for smart irrigation systems with Mask R-CNN and UAV footage. IEEE International Workshop on Metrology for Agriculture and Forestry (Metro-AgriFor). 2020. 236-240.

9. Асовский В.П., Кузьменко А.С., Худоленко О.В. Оценка показателей работ беспилотных мультикоптеров по внесению пестицидов и агрохимикатов // Сельскохозяйственные машины и технологии. 2021. T. 15. N3. C. 55-62.

10. Deng L., Mao Z., Li X., Hu Z., Duan F., Yan Y. UAV-based multispectral remote sensing for precision agriculture: A comparison between different cameras. ISPRS journal of photogrammetry and remote sensing. 2018. N146. 124-136.

11. Li X., Giles D.K., Niederholzer F.J., Andaloro J.T., Lang E.B., Watson L.J. Evaluation of an unmanned aerial vehicle as a new method of pesticide application for almond crop protection. Pest management science. 2021. 77(1). 527-537.

12. Севостьянова Н.Н., Лебедев И.В., Лебедева В.В., Ватаманюк И.В. Инновационный подход к автоматизированной фотоактивации посевных площадей посредством БпЛА с целью стимуляции роста культур // Информатика и автоматизация. 2021. T. 20. N6. C. 1395-1417.

13. Bai Y., Wang Y., Svinin M., Magid E., Sun R. Adaptive multi-agent coverage control with obstacle avoidance. IEEE Control Systems Letters. 2021. N6. 944-949.

14. Nam L.H., Huang L., Li X.J., Xu J.F. An approach for coverage path planning for UAVs. IEEE 14th international workshop on advanced motion control (AMC). IEEE. 2016. 411-416.

15. Choset H. Coverage for robotics – A survey of recent results. Annals of mathematics and artificial intelligence. 2001. 31(1). 113-126.

16. Cabreira T.M., Brisolara L.B., Ferreira Jr P.R. Survey on coverage path planning with unmanned aerial vehicles. Drones. 2019. 3(1). 4.

17. Torres M., Pelta D.A., Verdegay J.L., Torres J.C. Coverage path planning with unmanned aerial vehicles for 3D terrain reconstruction. Expert Systems with Applications. 2016. 55. 441-451.

18. Pham T.H., Bestaoui Y., Mammar S. Aerial robot coverage path planning approach with concave obstacles in precision agriculture. Work-shop on Research, Education and Development of Unmanned Aerial Systems. IEEE. 2017. 43-48.

19. Muñoz J., López B., Quevedo F., Monje C.A., Garrido S., Moreno L.E. Multi UAV Coverage Path Planning in Urban Environments. Sensors. 2021. 21(21). 7365.

20. Acevedo J.J., Arrue B.C., Maza I., Ollero A. Distributed approach for coverage and patrolling missions with a team of heterogeneous aerial robots under communication constraints. International Journal of Advanced Robotic Systems. 2013. 10(1). 28.

21. Barrientos A., Colorado J., Cerro J.D., Martinez A., Rossi C., Sanz D., Valente J. Aerial remote sensing in agriculture: A practical approach to area coverage and path planning for fleets of mini aerial robots. Journal of Field Robotics. 2011. 28(5). 667-689.

22. Wang C., Liu P., Zhang T., Sun J. The adaptive vortex search algorithm of optimal path planning for forest fire rescue UAV. IEEE 3rd Advanced Information Technology, Electronic and Automation Control Conference. 2018. 400-403.

23. Karur K., Sharma N., Dharmatti C., Siegel J.E. A Survey of Path Planning Algorithms for Mobile Robots. Vehicles. 2021. 3(3). 448-468.

24. Ценч Ю.С. Профессиональные стандарты как фактор сокращения дефицита квалифицированных кадров // Вестник Челябинской государственной агроинженерной академии. 2014. Т. 67. N2. С. 62-65,

25. Лобачевский Я.П., Старовойтов С.И., Ахалая Б.Х., Ценч Ю.С. Цифровые технологии в почвообработке // Инновации в сельском хозяйстве. 2019. N1(30). С. 191-197.

26. Курбанов Р.К. , Костомахин М.Н., Захарова Н.И. и др. Рекомендации для легких беспилотных летательных аппаратов по сбору данных // Сельскохозяйственная техника: обслуживание и ремонт. 2018. N6. С. 47-53.

27. Артюшин А.А., Курбанов Р.К., Марченко Л.А., Захарова О.М. Выбор типоразмерного ряда беспилотных летательных аппаратов и полезной нагрузки для мониторинга сельскохозяйственных полей // Электротехнологии и электрооборудование в АПК. 2019. N4(37). С. 36-43.

28. Kurbanov R., Litvinov M. Development of a gimbal for the Parrot Sequoia multispectral camera for the UAV DJI Phantom 4 Pro. IOP Conference Series: Materials Science and Engineering, Rostov-on-Don, 20–22 октября 2020 года. Rostov-on-Don: 2020. 012062.

29. Kurbanov R., Zakharova N., Sidorenko V., Vilyunov S. The Use of Vegetation Indices in Comparison to Traditional Methods for Assessing Overwintering of Grain Crops in the Breeding Process. Advances in Artificial Systems for Power Engineering II : Conference proceedings, Москва, 17-19 декабря 2021 года. Москва: Springer Nature Switzerland AG, 2022. 52-64.


Рецензия

Для цитирования:


Лебедева В.В., Лебедев И.В. Алгоритмы расчета траекторий полета беспилотных воздушных судов для решения сельскохозяйственных задач. Сельскохозяйственные машины и технологии. 2022;16(3):40-47. https://doi.org/10.22314/2073-7599-2022-16-3-40-47

For citation:


Lebedeva V.V., Lebedev I.V. Algorithms for Calculating the Trajectory of Unmanned Aerial Vehicles for Solving Agricultural Problems. Agricultural Machinery and Technologies. 2022;16(3):40-47. (In Russ.) https://doi.org/10.22314/2073-7599-2022-16-3-40-47

Просмотров: 285


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2073-7599 (Print)