歡迎來到《解碼 T16 黑科技》第六期，今天我們來聊一聊 T16 上搭載的 AI 技術。
近年來，國內的植保無人機保有量和作業規模都獲得了一輪的迅速增長，但目前植保無人機的作業場景，大多數集中在大田作物，如水稻、小麥等，隨著仿地飛行功能的日益完善，以大疆為代表的 MG 系列植保無人機，也逐步將茶園等納入了常規作業場景。但在果樹等作物場景中，很多的植保無人機都還不能完美、可靠地實現自動作業。
為何在果樹場景中，植保無人機都還不能實現自動作業？其中的原因或許并沒有你想象中那么簡單。
首先，果樹普遍種植在山地，地形復雜、作物高低起伏較大，樹與樹之間存在較大間隙，僅依靠雷達的仿地飛行，容易讓植保機在樹的間隙區間降落到很低的高度而觸發避障，此外植保機在自動飛行中，如果在空地處也無法判斷并停止噴灑，也會造成藥液的浪費。因此在普通大田場景中普遍使用的自主飛行模式難以直接套用。
為了解決這個問題，大疆的 T16 登場了。
三維場景重建
T16 的 AI 智能引擎與 PC 地面站專業版結合，可通過對 Phantom 4 RTK 采集的圖像進行分析，找出其內在規律，對場景地圖進行三維重建和自動識別，結合智能三維航線規劃，讓山地和果園場景的作業實現自動化和智能化。
正如文章開頭所提，要實現山地、果園的自主航線作業，解決復雜場景的仿地飛行是核心要點之一。由于果園樹與樹之間存在較大間隙，僅僅借助雷達進行仿地飛行，是遠遠不夠的。
這時，我們就需要構建作業區域的三維地圖，從而獲得高精度的地理信息。
首先，我們可以使用大疆的 Phantom 4 RTK 采集作業區域影像數據，然后借助 PC 地面站專業版的三維重建算法，利用影像數據得到作業場景的三維地圖數據，從而獲得作業區域內任意一點的位置信息和高度。
目前行業內，傳統的三維地圖構建，一般是基于激光點云數據進行構建。但基于激光點云的數據，在農業應用場景中也存在著兩個核心難題。一是激光雷達的成本太高，二是激光雷達生成的點云沒有顏色信息，進行更高級的場景識別的難度增大。
而 PC 地面站專業版，則創新地采用了基于圖像的三維構建方案，利用攝影測量技術和多視圖重建技術，達到了厘米級圖像采集精度，成功實現了設備成本低、精度與激光雷達方案相當的解決方案。而且這樣的方案，更適合農業場景的應用。
地圖語義識別
獲得了高精度的三維地圖后，AI 就正式登場表演了。為了提升作業的安全性，提高農藥使用率，實現植保機的主動避障和只在樹木上方才噴灑農藥的功能，大疆的 AI 系統，就開始利用高精度三維地圖，自動將果園場景中的樹木、水塘、建筑、電線桿、地面等進行智能識別，形成帶有類別屬性的三維語義地圖。
AI 眼中的果園
這個看似簡單的過程，其實凝聚了大疆工程師集體的智慧與心血。這套 AI 系統，是基于深度神經網絡搭建的三維模型識別系統，通過對三維點云進行切片，利用三維特征融合對三維模型中的物體進行個體識別，在三維模型中識別出果樹、建筑、電線桿、水面等物體。
同時，為了提供流暢的用戶體驗，AI 系統利用神經網絡量化技術對網絡模型進行深度壓縮，大幅降低三維模型識別的運算耗時與內存消耗。
以上這些專業名詞，或許你沒有看懂，但你只要記住，這套系統是全球首創的能夠識別果樹及作業區物體屬性的植保機 AI 系統。
三維航線規劃與作業
完成了三維模型中的物體識別，并形成三維語義地圖后，接下來的事情就輕松了。T16 只需三維語義地圖中的果樹分布情況，就可以生成高精度、高效率的三維航線規劃。
T16 采用這樣三維航線規劃進行作業，自然有以下的幾大優點：
· 航線只經過有果樹的地方，跳過非果樹區域，同時避開建筑、電線桿，提高飛行效率和安全性。
· 只在果樹上方噴灑農藥，避免對建筑、水塘等區域的誤噴藥，提升農藥使用率，同時減少農藥浪費。
· 根據每顆果樹高度，實時調整飛行高度，使得噴頭與樹的距離保持恒定，提升施藥的均勻度。
本期《解碼 T16 黑科技》就到這里，歡迎大家在評論區發表看法，我們下期見。
?