一种无人设备的作业方法、无人设备及存储介质与流程

1.本发明实施例涉及飞行技术领域，尤其涉及一种无人设备的作业方法、无人设备及存储介质。


背景技术：

2.随着无人机技术的不断发展，无人机已逐步应用于巡检作业(例如对输电设备、对管道、对植被的巡检作业等)，工作人员可以使用无人机对巡检对象完成巡检作业。
3.现有无人机的任务规划是在执行任务之前，通过人工在事先测绘的点云地图进行标记执行任务的航点，并规划在这个航点需要进行的一系列动作，然后上传给无人机，使无人机执行任务。
4.现有的方案都要在事先规划中去获得执行航点的位置以及在该航点需要执行的一系列动作，然而三维点云仅包含目标场景的表面点云采样，不包括外部纹理信息，人工规划极易发生漏判。


技术实现要素：

5.本发明实施例提供一种无人设备的作业方法、无人设备及存储介质，解决了人工标记执行任务的航点容易发生漏判的问题，提高了无人设备执行任务的准确性。
6.第一方面，本发明实施例提供了一种无人设备的作业方法，所述方法包括：
7.获取目标区域的导航地图、预设的航线轨迹，以及任务属性集；其中，所述任务属性集包括对每个关键点的目标对象需要完成的任务；所述关键点在所述航线轨迹上；
8.在基于所述航线轨迹和所述导航地图执行所述任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别所述区域图像中包括的目标对象；
9.若识别出的目标对象与所述任务属性集没有关联，将所述目标对象对应的任务插入到所述任务属性集中，基于新得到的任务属性集执行任务。
10.可选的，所述任务属性集包括对每个目标对象执行需要完成的任务对应的执行属性信息、所述目标对象的位置信息和所述目标对象的类型，所述执行属性信息包括无人设备的姿态信息。
11.可选的，若识别出的目标对象与所述任务属性集没有关联，将所述目标对象对应的任务插入到所述任务属性集中，包括：
12.基于识别出的目标对象的位置信息判断所述目标对象是否在所述任务属性集中；
13.若否，将所述目标对象对应的任务插入到所述任务属性集中。
14.可选的，所述无人设备的作业方法，还包括：
15.若基于识别出的目标对象的位置信息判断所述目标对象在所述任务属性集中，则根据所述目标对象在所述区域图像中的位置和预设的图像要求，调整所述区域图像，并将调整后的区域图像进行保存。
16.可选的，所述无人设备的作业方法，还包括：
17.将获取的所述区域图像对应的位置信息作为识别出的目标对象的位置信息。
18.可选的，所述无人设备的作业方法，还包括：
19.获取所述无人设备的坐标、所述无人设备上云台的姿态、以及云台相机的空间平面相对于无人设备的空间平面的转换关系；
20.根据所述无人设备的坐标、所述云台的姿态以及所述转换关系，确定所述云台相机的位置；
21.根据所述云台相机与所述目标对象之间的距离，以及所述云台相机的位置，确定所述目标对象在所述云台相机的相机坐标系中的位置；
22.将所述云台相机的位置与所述目标对象在所述相机坐标系中的位置进行相乘运算，得到所述目标对象的位置。
23.可选的，识别所述区域图像中包括的至少一个目标对象，包括：
24.将所述区域图像输入至预先训练的目标对象识别模型中，并获取所述目标对象识别模型中输出的所述区域图像包括的至少一个目标对象。
25.可选的，所述无人设备的作业方法，还包括：
26.在三维地图中对所述目标区域包括的至少一个目标对象进行标记，根据所述目标对象的坐标信息生成所述航线轨迹。
27.可选的，所述无人设备的作业方法，还包括：
28.获取所述目标区域的点云数据，根据所述点云数据生成所述目标区域的点云地图；所述点云地图采用全局导航坐标系；
29.将所述点云地图转换为八叉树地图，并作为导航地图。
30.第二方面，本发明实施例还提供了一种无人设备，该无人设备包括：
31.一个或多个处理器；
32.存储装置，用于存储一个或多个程序；
33.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例提供的一种无人设备的作业方法。
34.第三方面，本发明实施例还提供了一种计算机可读存储介质，该存储介质上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例提供的一种无人设备的作业方法。
35.本发明实施例的技术方案通过获取目标区域的导航地图、预设的航线轨迹，以及任务属性集，在基于航线轨迹和导航地图执行任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别此区域图像中包括的至少一个目标对象，若识别出的目标对象与任务属性集没有关联，将目标对象对应的任务插入到任务属性集中，基于新得到的任务属性集执行任务。本发明实施例的技术方案解决了人工标记执行任务的航点容易发生漏判的问题，提高了无人设备执行任务的准确性。
附图说明
36.图1是本发明实施例一中的一种无人设备的作业方法的流程图；
37.图2是本发明实施例二中的一种无人设备的作业方法的流程图；
38.图3是本发明实施例三中的一种无人设备的作业方法的流程图；
39.图4为本发明实施例三中的计算目标对象经纬度的结构示意图；
40.图5是本发明实施例四中的一种无人设备的作业装置的结构图；
41.图6是本发明实施例五中的一种无人设备的结构示意图。
具体实施方式
42.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
43.实施例一
44.图1为本发明实施例一提供的一种无人设备的作业方法的流程图，本实施例可适用于无人设备根据预先规划的航线轨迹以及任务属性集执行任务的情况，该方法可以由无人设备的作业装置来执行，该装置可以由软件和/或硬件来实现，并一般可以集成在无人设备中，具体包括如下步骤：
45.步骤110、获取目标区域的导航地图、预设的航线轨迹，以及任务属性集，任务属性集包括每个关键点的目标对象需要完成的任务；所述关键点在所述航线轨迹上。
46.在此步骤中，目标区域为无人设备的作业区域，航线轨迹为在无人设备开始执行任务之前，根据多个作业对象预先设定的无人设备航行路线，其中，作业对象也称为无人设备执行任务过程中的目标对象，目标对象的位置为无人设备执行任务过程中的关键点。所述任务属性集包括对所述航线轨迹上每个关键点的目标对象需要完成的任务，所述导航地图用于指引无人设备沿着所述航线轨迹的方向依次对各个目标对象执行任务。
47.其中，对所述航线轨迹上每个关键点的目标对象需要完成的任务，可以是对每个目标对象执行需要完成的任务对应的执行属性信息。执行属性信息包括无人设备的姿态信息，其中姿态信息包括无人设备飞行至当前目标对象时的云台角度和航向信息等。可选的，任务属性集还可以包括目标对象的位置信息和目标对象的类型，其中目标对象的位置信息可以是目标对象的经纬度信息，目标对象的类型可以是目标对象的名称，比如电力杆塔、绝缘子或者跳线串等。
48.在本发明实施例的一个实施方式中，在任务属性集中，对每个目标对象执行需要完成的任务对应的执行属性信息作为对该目标对象执行的任务对应的标识。在此步骤中，所述导航地图可以为目标区域的点云地图，也可以为用于无人设备避障和定位的其他地图。所述目标区域的导航地图、设定的航线轨迹，以及任务属性集可以通过云端发送至无人设备，也可以直接拷贝在无人设备中。
49.步骤120、在基于所述航线轨迹和所述导航地图执行所述任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别所述区域图像中包括的标对象。
50.在本发明实施例的一个实施方式中，可选的，在基于所述航线轨迹和所述导航地图执行所述任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别所述区域图像中包括的至少一个目标对象，包括：实时获取在目标区域中当前拍摄的区域图像，利用图像识别模块识别所述区域图像中包括的至少一个目标对象。
51.步骤130、若识别出的目标对象与所述任务属性集没有关联，将所述目标对象对应的任务插入到所述任务属性集中，基于新得到的任务属性集执行任务。
52.在本发明的一个实施方式中，任务属性集除了包含对每个目标对象执行需要完成的任务(对每个目标对象执行需要完成的任务对应的执行属性信息)之外，还可以包括目标对象的位置信息等，可以基于目标对象的位置信息判断识别出的目标对象与任务属性集的关联，若目标对象的位置信息不属于任务属性集，则判断识别出的目标对象与任务属性集没有关联。
53.在本发明实施例的一个实施方式中，当任务属性集包括任务以及任务对应的标识时，若识别出的目标对象的标识没有在任务属性集中，则判断识别出的目标对象与所述任务属性集没有关联。
54.需要说明的是，判断识别出的对象与任务属性集是否存在关联并不局限于上述的方法，还可以是其他方式。
55.在本发明实施例中，如果识别出的目标对象不在所述任务属性集中，可以将目标对象和对应的任务插入至所述任务属性集中，形成新的任务属性集，基于新得到的任务属性集执行任务，解决了现有技术中人工标记执行任务的航点容易发生漏判的问题。
56.本发明实施例的技术方案通过获取目标区域的导航地图、预设的航线轨迹，以及任务属性集，在基于航线轨迹和导航地图执行任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别此区域图像中包括的至少一个目标对象，并在识别出的目标对象与任务属性集没有关联时将目标对象对应的任务插入到任务属性集中，基于新得到的任务属性集执行任务。本发明实施例的技术方案解决了人工标记执行任务的航点容易发生漏判的问题，提高了无人设备执行任务的准确性。
57.实施例二
58.本实施例在上述实施例一的基础上，提供了具体的生成航线轨迹和导航地图的实施方式，与上述实施例相同或相应的术语解释，本实施例不再赘述。图2为本发明实施例二提供的一种无人设备的作业方法的流程图，如图2所示，该方法包括如下步骤：
59.步骤210、在三维地图中对目标区域包括的至少一个目标对象进行标记，根据所述目标对象的坐标信息生成所述航线轨迹。其中，三维地图可以为三维实景地图，在三维地图中对无人设备将要执行任务的目标对象(例如绝缘子和杆塔金具等)进行标记，根据目标对象的坐标信息将所有标记到的目标对象连接起来，生成与所述目标区域对应的航线轨迹。由此，通过在三维地图中对目标对象进行标记，以生成航线轨迹，可以准确确定各个目标对象，从而避免现有技术中对目标对象进行误判的现象，从而可以解决现有技术中在点云地图上标记任务航点导致的误判问题。
60.步骤220、获取所述目标区域的点云数据，根据所述点云数据生成所述目标区域的点云地图；所述点云地图采用全局导航坐标系。
61.其中，可以通过无人设备、携带相机的手持设备或者激光雷达获取目标区域的包含三维坐标的点云数据，然后将所述点云数据转换到全局导航坐标系(例如wgs84坐标系)，生成目标区域的点云地图。
62.步骤230、将所述点云地图转换为八叉树地图，并作为导航地图。
63.其中，将所述点云地图转换成低分辨率的八叉树地图(例如octomap)，目的在于对所述点云地图进行压缩，以便于导入无人设备中。
64.步骤240、获取目标区域的导航地图、预设的航线轨迹，以及任务属性集。任务属性
集包括对每个关键点的目标对象需要完成的任务；所述关键点在所述航线轨迹上；。
65.步骤250、在基于所述航线轨迹和所述导航地图执行所述任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别所述区域图像中包括的目标对象。
66.在本发明实施例的一个实施方式中，可选的，识别所述区域图像中包括的至少一个目标对象的方法，包括：将所述区域图像输入至预先训练的目标对象识别模型中，并获取所述目标对象识别模型中输出的所述区域图像包括的至少一个目标对象。
67.其中，无人设备执行所述任务属性集中的任务过程之前还获取到了预先训练的目标对象识别模型，具体的，目标对象识别模型的训练方法可以包括：获取多张目标对象样本图片，将所述多张目标对象样本图片划分为训练数据集和测试数据集；使用所述训练数据集和测试数据集对神经网络模型进行迭代训练，得到目标对象识别模型，并将所述目标对象识别模型导入至所述无人设备中。
68.由此，通过模型对目标对象进行识别，可以提高识别效率，并且可以提高目标对象识别的准确度。
69.步骤260、若识别出的目标对象与所述任务属性集没有关联，将所述目标对象对应的任务插入到所述任务属性集中，基于新得到的任务属性集执行任务。
70.本发明实施例的技术方案通过获取目标区域的导航地图、在三维地图中设定的航线轨迹，以及任务属性集，在基于航线轨迹和导航地图执行任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别此区域图像中包括的至少一个目标对象，若识别出的目标对象与任务属性集没有关联，将目标对象对应的任务插入到任务属性集中，基于新得到的任务属性集执行任务。本发明实施例解决了人工标记执行任务的航点容易发生误判或者漏判的问题，保证了无人设备执行任务的准确性。
71.实施例三
72.本实施例是对上述实施例二的进一步细化，本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合，与上述实施例相同或相应的术语解释，本实施例不再赘述。
73.图3为本发明实施例三提供的一种无人设备的作业方法的流程图，如图3所示，该方法包括如下步骤：
74.步骤310、在三维地图中对目标区域包括的至少一个目标对象进行标记，根据所述目标对象的坐标信息生成所述航线轨迹。
75.步骤320、获取所述目标区域的点云数据，根据所述点云数据生成所述目标区域的点云地图。
76.其中，所述点云地图采用全局导航坐标系，如wgs84坐标系。
77.步骤330、将所述点云地图转换为八叉树地图，并作为导航地图。
78.步骤340、获取目标区域的导航地图、预设的航线轨迹，以及任务属性集。
79.其中，任务属性集除了包含对每个关键点的目标对象需要完成的任务(对每个目标对象执行需要完成的任务对应的执行属性信息)之外，还可以包括目标对象的位置信息等。其中，目标对象的位置信息可以是目标对象的经纬度信息。
80.步骤350、在基于所述航线轨迹和所述导航地图执行所述任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别所述区域图像中包括的目标对象。
81.步骤360、若识别出的目标对象与所述任务属性集没有关联，将所述目标对象对应的任务插入到所述任务属性集中，基于新得到的任务属性集执行任务。
82.在本发明实施例的一个实施方式中，可选的，若识别出的目标对象与所述任务属性集没有关联，将所述目标对象对应的任务插入到所述任务属性集中，包括：基于识别出的目标对象的位置信息判断所述目标对象是否在所述任务属性集中；若否，将所述目标对象对应的任务插入到所述任务属性集中。
83.其中，可以将获取的所述区域图像对应的位置信息作为识别出的目标对象的位置信息，也可以通过计算目标对象的经纬度得到目标对象的位置信息。图4为计算目标对象经纬度的结构示意图，如图4所示，目标对象的经纬度的计算方法包括：
84.获取无人设备401的坐标g、云台402的姿态t以及云台相机403的空间平面相对于无人设备401的空间平面的转换关系t；
85.其中，g表示无人设备401当前飞行位置的经纬度，t表示云台402的角速度值、三轴关节角度以及线加速度，t表示云台相机403的空间平面相对于无人设备401空间平面的变换关系。
86.根据所述无人设备401的坐标、云台402的姿态以及转换关系，确定云台相机403的位置g
c
：g
c
＝g
·
t
·
t；
87.其中，g
c
表示云台相机403当前位置的经纬度。
88.根据云台相机403与目标对象404的距离h，以及所述云台相机403的位置，利用小孔成像的原理，确定目标对象404在云台相机403的相机坐标系中的位置c
wi
；
89.将云台相机403的位置g
c
与目标对象404在相机坐标系中的位置c
wi
进行相乘运算，得到目标对象404的位置，也即目标对象的经纬度。
90.其中，云台相机403和目标对象404的距离可以用一个测距仪或者结合双目相机来获取。
91.在本实施例中，计算出识别到的目标对象的经纬度后，将此目标对象的经纬度与所述任务属性集中每个目标对象的位置信息进行对比，如果任务属性集中不存在与识别到的目标对象的经纬度一致的位置信息，则表明识别出的目标对象不在所述任务属性集中，如果任务属性集中存在识别到的目标对象的经纬度，则表明识别出的目标对象在所述任务属性集中。
92.如果识别出的目标对象在所述任务属性集中，则执行步骤370；如果识别出的目标对象不在所述任务属性集中，则将所述目标对象和对应的任务插入到所述任务属性集中，此外，还可以将所述识别到的目标对象的位置信息插入到所述任务属性集中，形成新的任务属性集，可以解决现有技术中人工标记执行任务的航点容易发生漏判的问题，并在将所述目标对象对应的任务插入到所述任务属性集之后，执行步骤370。
93.步骤370、根据所述目标对象在所述区域图像中的位置和预设的图像要求，调整所述区域图像，并将调整后的区域图像进行保存。
94.其中，预设的图像要求为区域图像中目标对象的分辨率要求、清晰度要求、角度要求以及目标对象在区域图像中的位置要求(比如居中)等，如果无人设备在执行任务过程中获取到的区域图像满足所述图像要求，则对该区域图像进行保存，以便于用户观察目标对象的工作状态。
95.如果获取到的区域图像不符合上述图像要求，则调用预设的改进方法调整所述区域图像，可以提高作业过程中获取到的目标对象的图像质量。例如，当目标对象在区域图像中不居中，则调整云台使目标对象居中。具体的，在调整区域图像的过程中，如果需要移动无人设备的位置时，则根据所述导航地图进行路径规划以确保无人设备的飞行安全。
96.本发明实施例的技术方案通过获取目标区域的导航地图、在三维地图中设定的航线轨迹，以及任务属性集，在基于航线轨迹和导航地图执行任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别此区域图像中包括的至少一个目标对象，基于识别出的目标对象的位置信息判断所述目标对象是否与所述任务属性集关联，并在识别出的目标对象与任务属性集没有关联时将目标对象对应的任务插入到任务属性集中，基于新得到的任务属性集执行任务，并根据预设的图像要求保存包括目标图像的区域图像。本发明实施例解决了人工标记执行任务的航点容易发生误判或者漏判的问题，保证了无人设备执行任务的准确性，提高了作业过程中获取到的目标对象的图像质量，便于用户观察目标对象的工作状态。
97.为了更好的对本发明实施例提供的技术方案进行介绍，本发明实施例可以参考下述的实施方式：
98.步骤1：无人设备在执行任务之前:通过无人设备、携带相机的手持设备或者激光雷达获取目标区域的包含有三维坐标的点云数据，然后将所述点云数据转换到全局导航坐标系(例如wgs84坐标系)，生成点云地图。
99.步骤2：将上述得到的点云地图转换成低分辨率的八叉树地图(比如octomap)，目的在于对上述点云地图进行压缩，以便于下载或者导入到机载设备和在机载设备上完成路径规划。
100.步骤3：无人设备在执行任务之前，会事先通过规划得到航线轨迹，所述航线轨迹的规划方法为：在三维地图中对作业任务中的目标对象进行标记，根据目标对象的坐标信息生成航线轨迹，并根据对每一个目标对象需要完成的任务生成任务属性集，所述任务属性集包括每个目标对象对应的执行属性信息、目标对象的位置信息和目标对象的类型，所述执行属性信息包括无人设备的姿态信息，比如云台角度和航向信息等。
101.步骤4：使用目标对象(例如电力巡检作业中的绝缘子和杆塔金具等)的照片进行训练，得到目标对象的识别模型，所述识别模型通常为一个二进制文件。
102.步骤5：无人设备在准备执行任务的时候，通过云端发送或者拷贝的方式将上述步骤获得的八叉树地图、航线轨迹、任务属性集以及识别模型导入到无人设备中。无人设备根据既定的航线轨迹进行依次作业，并依次调用每一个目标对象对应的任务属性集控制云台等设备从而完成任务。
103.步骤6、在执行任务时，调用机载传感器实时获取当前拍摄的区域图像，将图像传输给机载的识别单元，识别单元通过调用识别模型对该区域图像进行识别，识别到区域图像中包括的目标对像后，计算每一个目标对象的经纬度信息，在获得经纬度信息后判断目标对象是否在任务属性集中，如果在，则继续执行任务并执行步骤7；如果不在则执行步骤8。其中，所述目标对象的经纬度计算方法如下：(1)根据无人设备的坐标、云台的姿态以及云台相机相对于无人设备的转换关系，计算出云台相机的当前位置g
c
；(2)根据云台相机和目标对象的距离，利用小孔成像的原理，计算得到目标对象在云台相机的相机坐标系中的
位置c
wi
，目标对象的经纬度由g
c
与c
wi
相乘得到。其中，云台相机和目标对象的距离可以用一个测距仪或者结合双目相机来获取。
104.步骤7：当进行任务时获取到的区域图像中包含的目标对象符合既定要求时，获取该区域图像并保存。其中，所述既定要求包含但不限于居中要求、目标物分辨率要求、清晰度要求以及角度要求等，这些要求为无人设备执行任务之前约定好的内容，并在无人设备执行任务之前上传到无人设备的作业设备上。当目标对象不符合上述既定要求时，调用每一个要求所对应的改进方法对所述区域图像进行调整。例如，目标对象在所述区域图像中不居中时，则调整云台使目标对象居中。在调整区域图像的过程中，如果需要移动无人设备的位置时，则根据所述八叉树地图进行路径规划以确保无人设备飞行安全。
105.步骤8：当识别到的目标对象不在任务属性集中，则在任务属性集中插入该目标对象，并增加该目标对象对应的任务和识别到该目标对象时目标对象的经纬度信息，并将当前无人设备的姿态信息作为任务对应的执行属性信息，然后调用步骤7进行图像采集，直到任务完成。
106.实施例四
107.图5为本发明实施例四提供的一种无人设备的作业装置的结构图，该装置包括：获取模块510、目标对象识别模块520和任务插入模块530。
108.其中，获取模块510，用于获取目标区域的导航地图、预设的航线轨迹，以及任务属性集；其中，所述任务属性集包括对每个关键点的目标对象需要完成的任务；所述关键点在所述航线轨迹上；目标对象识别模块520，用于在基于所述航线轨迹和所述导航地图执行所述任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别所述区域图像中包括的目标对象；任务插入模块530，用于识别出的目标对象与所述任务属性集没有关联时，将所述目标对象对应的任务插入到所述任务属性集中，基于新得到的任务属性集执行任务。
109.本发明实施例的技术方案通过获取目标区域的导航地图、预设的航线轨迹，以及任务属性集，在基于航线轨迹和导航地图执行任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别此区域图像中包括的至少一个目标对象，若识别出的目标对象与任务属性集没有关联，将目标对象对应的任务插入到任务属性集中，基于新得到的任务属性集执行任务。本发明实施例的技术方案解决了人工标记执行任务的航点容易发生漏判的问题，提高了无人设备执行任务的准确性。
110.在上述各实施例的基础上，获取模块510，可以包括：
111.目标对象标记单元，用于在三维地图中对所述目标区域包括的至少一个目标对象进行标记，根据所述目标对象的坐标信息生成所述航线轨迹；
112.点云地图生成单元，用于获取所述目标区域的点云数据，根据所述点云数据生成所述目标区域的点云地图；所述点云地图采用全局导航坐标系；
113.点云地图转换单元，用于将所述点云地图转换为八叉树地图，并作为导航地图。
114.目标对象识别模块520，可以包括：
115.保存单元，用于基于识别出的目标对象的位置信息判断所述目标对象在所述任务属性集中时，则根据所述目标对象在所述区域图像中的位置和预设的图像要求，调整所述区域图像，并将调整后的区域图像进行保存；区域图像输入单元，用于将所述区域图像输入至预先训练的目标对象识别模型中，并获取所述目标对象识别模型中输出的所述区域图像
包括的至少一个目标对象。
116.任务插入模块530，可以包括：
117.判断单元，用于基于识别出的目标对象的位置信息判断所述目标对象是否在所述任务属性集中；所述任务属性集包括对每个目标对象执行需要完成的任务对应的执行属性信息、所述目标对象的位置信息和所述目标对象的类型，所述属性信息包括无人设备的姿态信息；
118.插入单元，用于目标对象不在所述任务属性集中时，将所述目标对象对应的任务插入到所述任务属性集中；
119.所述无人设备的作业装置，还包括：
120.区域图像位置获取模块，用于将获取的所述区域图像对应的位置信息作为识别出的目标对象的位置信息；
121.转换关系获取模块，用于获取所述无人设备的坐标、所述无人设备上云台的姿态、以及云台相机的空间平面相对于无人设备的空间平面的转换关系；
122.云台相机的位置确定模块，用于根据所述无人设备的坐标、所述云台的姿态以及所述转换关系，确定所述云台相机的位置；
123.目标对象在相机坐标系中的位置确定模块，用于根据所述云台相机与所述目标对象之间的距离，以及所述云台相机的位置，确定所述目标对象在所述云台相机的相机坐标系中的位置；
124.目标对象的位置计算模块，用于将所述云台相机的位置与所述目标对象在所述相机坐标系中的位置进行相乘运算，得到所述目标对象的位置。
125.本发明实施例所提供的无人设备的作业装置可执行本发明任意实施例所提供的无人设备的作业方法，具备执行方法相应的功能模块和有益效果。
126.实施例五
127.图6为本发明实施例五提供的一种无人设备的结构示意图，如图6所示，该无人设备包括处理器610、存储器620、输入装置630和输出装置640；无人设备中处理器610的数量可以是一个或多个，图6中以一个处理器610为例；无人设备中的处理器610、存储器620、输入装置630和输出装置640可以通过总线或其他方式连接，图6中以通过总线连接为例。
128.存储器620作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种无人设备的作业方法对应的程序指令/模块(例如，一种无人设备的作业装置中的获取模块510、目标对象识别模块520和任务插入模块530)。处理器610通过运行存储在存储器620中的软件程序、指令以及模块，从而执行无人设备的各种功能应用以及数据处理，即实现上述的一种无人设备的作业方法。也即，该程序被处理器执行时实现：
129.获取目标区域的导航地图、设定的航线轨迹，以及任务属性集；其中，所述任务属性集包括对所述航线轨迹上每个关键点的目标对象需要完成的任务；
130.在基于所述航线轨迹和所述导航地图执行所述任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别所述区域图像中包括的至少一个目标对象；
131.若识别出的目标对象与所述任务属性集没有关联，将所述目标对象对应的任务插入到所述任务属性集中，基于新得到的任务属性集执行任务。
132.存储器620可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器620可进一步包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至无人设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
133.输入装置630可用于接收输入的数字或字符信息，以及产生与无人设备的用户设置以及功能控制有关的键信号输入，可以包括键盘和鼠标等。输出装置640可包括显示屏等显示设备。
134.实施例六
135.本发明实施例六还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述方法。当然，本发明实施例所提供的一种计算机可读存储介质，其可以执行本发明任意实施例提供的一种无人设备的作业方法中的相关操作。也即，该程序被处理器执行时实现：
136.获取目标区域的导航地图、设定的航线轨迹，以及任务属性集；其中，所述任务属性集包括对所述航线轨迹上每个关键点的目标对象需要完成的任务；
137.在基于所述航线轨迹和所述导航地图执行所述任务属性集中的任务过程中，获取当前拍摄的区域图像，并识别所述区域图像中包括的至少一个目标对象；
138.若识别出的目标对象与所述任务属性集没有关联，将所述目标对象对应的任务插入到所述任务属性集中，基于新得到的任务属性集执行任务。
139.通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
140.值得注意的是，上述一种无人设备的作业装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
141.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。