一种基于云电脑算力集群的无人机调度方法、系统和介质

技术领域

本发明涉及无人机技术领域，更具体的，涉及一种基于云电脑算力集群的无人机调度方法、系统和介质。

背景技术

随着科学技术不断突破，无人机技术也不断增强，目前的无人机具有高机动性和部署灵活的特点，可适用范围也不断增加。但是，无人机机载资源毕竟有限，在执行任务时可能会由于算力不足而导致任务时延过高，无人机之间的配合也很难把控。

因此，现有技术存在缺陷，亟待改进。

发明内容

鉴于上述问题，本发明的目的是提供一种基于云电脑算力集群的无人机调度方法、系统和介质，能够提高完成无人机任务的精确度。

本发明第一方面提供了一种基于云电脑算力集群的无人机调度方法，包括：

获取无人机任务信息；

提取无人机任务的特征值，并根据无人机任务的特征值确定可调度无人机；

获取无人机任务所在地的环境信息；

将所述无人机任务所在地的环境信息发送至云电脑，构建无人机任务场景；

将可调度无人机和无人机任务输入至无人机任务场景，得到可调度无人机的飞行方案；

提取飞行方案中的最优飞行方案，并将所述最优飞行方案发送至对应可调度无人机以完成对应无人机任务。

本方案中，所述根据无人机任务的特征值确定可调度无人机的步骤，具体包括：

获取无人机信息，并提取无人机的特征值；

判断所述无人机的特征值是否大于对应无人机任务的特征值，若是，说明对应无人机满足对应无人机任务的需求；若否，对应无人机不符合对应无人机任务需求；

提取满足所有无人机任务需求的无人机，并将所述满足所有无人机任务需求的无人机设为可调度无人机。

本方案中，还包括：

当没有可调度无人机或可调度无人机的数量不够时；

将不符合对应无人机任务需求的无人机进行随机组队，得到组队无人机；

并将组队无人机的特征值进行累加，得到累加特征值；

将所述累加特征值乘以对应特征值的叠加系数，得到对应组队的无人机的叠加特征值；

判断所述叠加特征值是否大于对应无人机任务的特征值，若是，将对应组队无人机设为满足对应无人机任务需求；

将满足所有无人机任务需求的组队无人机设为可调度无人机。

本方案中，所述得到可调度无人机的飞行方案的步骤，具体包括：

将无人机任务进行划分，得到多个无人机任务节点；

将所述无人机任务节点和可调度无人机进行匹配，得到对应可调度无人机的任务节点飞行路径；

将可调度无人机的任务节点飞行路径进行连接，并进行预处理，得到对应可调度无人机的飞行方案。

本方案中，所述提取飞行方案中的最优飞行方案的步骤，具体包括：

基于无人机任务场景，对可调度无人机的飞行方案进行模拟预测，得到飞行方案的预测完成结果信息；

提取飞行方案的预测完成结果信息的特征值；

将所述飞行方案的预测完成结果信息的特征值乘以对应系数，得到第一数值；

将飞行方案的预测完成结果信息的不同特征值对应的第一数值进行累加，得到对应飞行方案的预测完成结果的满意值；

将所述飞行方案的预测完成结果的满意值按照从小到达进行排序，得到飞行方案的预测完成结果的最大满意值；

将预测完成结果的最大满意值对应的飞行方案设为最优方案。

本方案中，所述将所述最优飞行方案发送至对应可调度无人机以完成对应无人机任务之后，具体包括：

当可调度无人机接收到无人机任务时，触发可调度无人机反馈信息；

提取可调度无人机反馈信息中的无人机编号信息；

判断所述无人机编号和预设无人机编号是否相同，若是，对应无人机任务分配正确；若否，触发无人机任务分配异常信息；

将无人机任务分配异常信息发送至云电脑以进行重新分配。

本发明第二方面提供了一种基于云电脑算力集群的无人机调度系统，包括存储器和处理器，所述存储器中存储有一种基于云电脑算力集群的无人机调度方法程序，所述一种基于云电脑算力集群的无人机调度方法程序被所述处理器执行时实现如下步骤：

获取无人机任务信息；

提取无人机任务的特征值，并根据无人机任务的特征值确定可调度无人机；

获取无人机任务所在地的环境信息；

将所述无人机任务所在地的环境信息发送至云电脑，构建无人机任务场景；

将可调度无人机和无人机任务输入至无人机任务场景，得到可调度无人机的飞行方案；

提取飞行方案中的最优飞行方案，并将所述最优飞行方案发送至对应可调度无人机以完成对应无人机任务。

本方案中，所述根据无人机任务的特征值确定可调度无人机的步骤，具体包括：

获取无人机信息，并提取无人机的特征值；

判断所述无人机的特征值是否大于对应无人机任务的特征值，若是，说明对应无人机满足对应无人机任务的需求；若否，对应无人机不符合对应无人机任务需求；

提取满足所有无人机任务需求的无人机，并将所述满足所有无人机任务需求的无人机设为可调度无人机。

本方案中，还包括：

当没有可调度无人机或可调度无人机的数量不够时；

将不符合对应无人机任务需求的无人机进行随机组队，得到组队无人机；

并将组队无人机的特征值进行累加，得到累加特征值；

将所述累加特征值乘以对应特征值的叠加系数，得到对应组队的无人机的叠加特征值；

判断所述叠加特征值是否大于对应无人机任务的特征值，若是，将对应组队无人机设为满足对应无人机任务需求；

将满足所有无人机任务需求的组队无人机设为可调度无人机。

本方案中，所述得到可调度无人机的飞行方案的步骤，具体包括：

将无人机任务进行划分，得到多个无人机任务节点；

将所述无人机任务节点和可调度无人机进行匹配，得到对应可调度无人机的任务节点飞行路径；

将可调度无人机的任务节点飞行路径进行连接，并进行预处理，得到对应可调度无人机的飞行方案。

本方案中，所述提取飞行方案中的最优飞行方案的步骤，具体包括：

基于无人机任务场景，对可调度无人机的飞行方案进行模拟预测，得到飞行方案的预测完成结果信息；

提取飞行方案的预测完成结果信息的特征值；

将所述飞行方案的预测完成结果信息的特征值乘以对应系数，得到第一数值；

将飞行方案的预测完成结果信息的不同特征值对应的第一数值进行累加，得到对应飞行方案的预测完成结果的满意值；

将所述飞行方案的预测完成结果的满意值按照从小到达进行排序，得到飞行方案的预测完成结果的最大满意值；

将预测完成结果的最大满意值对应的飞行方案设为最优方案。

本方案中，所述将所述最优飞行方案发送至对应可调度无人机以完成对应无人机任务之后，具体包括：

当可调度无人机接收到无人机任务时，触发可调度无人机反馈信息；

提取可调度无人机反馈信息中的无人机编号信息；

判断所述无人机编号和预设无人机编号是否相同，若是，对应无人机任务分配正确；若否，触发无人机任务分配异常信息；

将无人机任务分配异常信息发送至云电脑以进行重新分配。

本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有一种基于云电脑算力集群的无人机调度方法程序，所述一种基于云电脑算力集群的无人机调度方法程序被处理器执行时，实现如上述中任一项所述的一种基于云电脑算力集群的无人机调度方法的步骤。

本发明公开了一种基于云电脑算力集群的无人机调度方法、系统和介质，通过云电脑的算例集群构建无人机任务场景，并对无人机的飞行方案进行预测推算，及时对无人机进行调度调整，提高了完成无人机任务的精确度。

附图说明

图1示出了本发明一种基于云电脑算力集群的无人机调度方法的流程图；

图2示出了本发明根据无人机任务的特征值确定可调度无人机的流程图；

图3示出了本发明一种远程医疗问诊系统的框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了本发明一种基于云电脑算力集群的无人机调度方法的流程图。

如图1所示，本发明公开了一种基于云电脑算力集群的无人机调度方法，包括:

S101,获取无人机任务信息；

S102,提取无人机任务的特征值，并根据无人机任务的特征值确定可调度无人机；

S103,获取无人机任务所在地的环境信息；

S104,将所述无人机任务所在地的环境信息发送至云电脑，构建无人机任务场景；

S105,将可调度无人机和无人机任务输入至无人机任务场景，得到可调度无人机的飞行方案；

S106,提取飞行方案中的最优飞行方案，并将所述最优飞行方案发送至对应可调度无人机以完成对应无人机任务。

根据本发明实施例，所述无人机任务信息包括对应无人机任务完成的时间限制、任务地点、任务性质等内容，所述任务性质包括无人机勘测、无人机拍摄、无人机求援等无人机能够执行的项目；所述无人机任务的特征值包括对应无人机任务完成的时间限制、任务地点、任务性质、任务要求等，根据无人机任务中的任务地点，确定无人机任务所在地的环境信息，通过云电脑算力集群构建无人机任务场景，结合可调度无人机对无人机任务进行计算，确定对应无人机任务在每一架可调度无人机的飞行方案，再对可调度无人机的飞行方案进行筛选，得到最优飞行方案，并以最优飞行方案发送至对应可调度无人机以完成对应无人机任务。

图2示出了本发明根据无人机任务的特征值确定可调度无人机的流程图。

如图2所示，根据本发明实施例，所述根据无人机任务的特征值确定可调度无人机的步骤，具体包括：

S201，获取无人机信息，并提取无人机的特征值；

S202，判断所述无人机的特征值是否大于对应无人机任务的特征值，若是，说明对应无人机满足对应无人机任务的需求；若否，对应无人机不符合对应无人机任务需求；

S203，提取满足所有无人机任务需求的无人机，并将所述满足所有无人机任务需求的无人机设为可调度无人机。

需要说明的是，所述无人机的特征值包括对应无人机的续航时间、飞行速度、无人机摄像头精度等无人机的性能指标，比如无人机的摄像头精度特征值对应无人机任务的拍摄精度要求特征值、无人机的飞行速度、续航时间特征值对应无人机任务的完成时间特征值等，其中若无人机的特征值大于对应无人机任务的特征值，说明对应无人机满足对应无人机任务的需求。

根据本发明实施例，还包括：

当没有可调度无人机或可调度无人机的数量不够时；

将不符合对应无人机任务需求的无人机进行随机组队，得到组队无人机；

并将组队无人机的特征值进行累加，得到累加特征值；

将所述累加特征值乘以对应特征值的叠加系数，得到对应组队的无人机的叠加特征值；

判断所述叠加特征值是否大于对应无人机任务的特征值，若是，将对应组队无人机设为满足对应无人机任务需求；

将满足所有无人机任务需求的组队无人机设为可调度无人机。

需要说明的是，当没有可调度无人机或可调度无人机的数量不够时，可以将不符合对应无人机任务需求的无人机进行组队完成任务，通过不同类型的无人机进行组队，达到互补作用，形成组队无人机以完成无人机任务需求。

根据本发明实施例，所述得到可调度无人机的飞行方案的步骤，具体包括：

将无人机任务进行划分，得到多个无人机任务节点；

将所述无人机任务节点和可调度无人机进行匹配，得到对应可调度无人机的任务节点飞行路径；

将可调度无人机的任务节点飞行路径进行连接，并进行预处理，得到对应可调度无人机的飞行方案。

需要说明的是，若无人机任务一次性不能完成时，可以将无人机任务划分为多个任务节点，可调度无人机可以按照每个任务节点进行设置飞行路径，并将每个飞行路径进行连接，清除多余冗长的飞行路径，得到对应可调度无人机完成该无人机任务的飞行方案。

根据本发明实施例，所述提取飞行方案中的最优飞行方案的步骤，具体包括：

基于无人机任务场景，对可调度无人机的飞行方案进行模拟预测，得到飞行方案的预测完成结果信息；

提取飞行方案的预测完成结果信息的特征值；

将所述飞行方案的预测完成结果信息的特征值乘以对应系数，得到第一数值；

将飞行方案的预测完成结果信息的不同特征值对应的第一数值进行累加，得到对应飞行方案的预测完成结果的满意值；

将所述飞行方案的预测完成结果的满意值按照从小到达进行排序，得到飞行方案的预测完成结果的最大满意值；

将预测完成结果的最大满意值对应的飞行方案设为最优方案。

需要说明的是，通过无人机任务场景对可调度无人机的飞行方案进行模拟预测，确定每个飞行方案的预测完成结果，比如完成时间、完成该飞行任务需要的能耗、成本等特征值，根据无人机任务，确定对应无人机任务需求，从而确定飞行方案的预测完成结果信息的特征值对应的系数，所有预测完成结果信息的特征值对应系数累加之和为1，比如无人机任务越紧急，对应预测完成结果信息的完成时间特征值对应系数占比大。

根据本发明实施例，所述将所述最优飞行方案发送至对应可调度无人机以完成对应无人机任务之后，具体包括：

当可调度无人机接收到无人机任务时，触发可调度无人机反馈信息；

提取可调度无人机反馈信息中的无人机编号信息；

判断所述无人机编号和预设无人机编号是否相同，若是，对应无人机任务分配正确；若否，触发无人机任务分配异常信息；

将无人机任务分配异常信息发送至云电脑以进行重新分配。

需要说明的是，所述最优飞行方案由云电脑端发送至可调度无人机端，可调度无人机端接收到最优飞行方案后，触发可调度无人机反馈信息，所述可调度无人机反馈信息中包括对应可调度无人机的无人机编号信息、飞行准备情况信息等，所述预设无人机编号为对应无人机在云电脑端的备注信息，其中若无人机编号和预设无人机编号不相同，则说明最优飞行方案发送错误，或无人机在云电脑端的备注错误等，因此需要对该最优飞行方案进行重新分配。

根据本发明实施例，所述将所述最优飞行方案发送至对应可调度无人机以完成对应无人机任务之后，还包括：

获取可调度无人机在完成无人机任务的实时监测信息；

根据可调度无人机在完成无人机任务的实时监测信息，得到对应无人机的实际飞行路径信息；

将对应无人机的实际飞行路径信息和预设飞行路径进行对比，得到飞行误差值；

判断所述飞行误差值是否大于对应预设飞行误差阈值，若是，触发飞行纠正信息；若否，得到飞行正常信息；

将所述飞行纠正信息或飞行正常信息发送至云电脑端以进行提示。

需要说明的是，通过云电脑端对可调度无人机在完成无人机任务时进行实时监测，其中可调度无人机的实际飞行路径中包括可调度无人机在该飞行路径上的时间值，所述预设飞行路径为最优飞行方案中的飞行路径，所述对应预设飞行误差阈值包括预设飞行位置误差阈值、预设飞行时间误差阈值，所述飞行误差值包括飞行位置误差值、飞行时间误差值，所述飞行时间误差值为在相同飞行路径位置上的时间之差，所述飞行位置误差值为在相同时间点的飞行路径位置之差，所述对应预设飞行误差阈值由本领域技术人员进行设置。

根据本发明实施例，触发飞行纠正信息之后，还包括：

基于无人机任务的特征值，判断飞行误差值是否对完成飞行任务具有影响，若是，记录飞行误差值对应的预设飞行路径位置，设为无人机重新启动位置，将无人机重新启动位置发送至对应执行任务无人机以重新执行任务；若否，根据飞行误差值和预设飞行路径生成飞行修订路径；

将所述飞行修订路径发送至对应执行任务无人机以进行飞行路径修订。

需要说明的是，当无人机任务对飞行路径没有要求时，比如飞行误差值中的飞行位置误差值对无人机任务不构成影响，则对应飞行位置误差值仅对无人机构成飞行续航负担，因此需要进行飞行路径调整；若飞行误差值对完成飞行任务具有影响，则记录飞行误差值对应的预设飞行路径位置以让无人机重新执行任务。

图3示出了本发明一种远程医疗问诊系统的框图。

如图3所示，本发明第二方面提供了一种基于云电脑算力集群的无人机调度系统3，包括存储器31和处理器32，所述存储器中存储有一种基于云电脑算力集群的无人机调度方法程序，所述一种基于云电脑算力集群的无人机调度方法程序被所述处理器执行时实现如下步骤：

获取无人机任务信息；

提取无人机任务的特征值，并根据无人机任务的特征值确定可调度无人机；

获取无人机任务所在地的环境信息；

将所述无人机任务所在地的环境信息发送至云电脑，构建无人机任务场景；

将可调度无人机和无人机任务输入至无人机任务场景，得到可调度无人机的飞行方案；

提取飞行方案中的最优飞行方案，并将所述最优飞行方案发送至对应可调度无人机以完成对应无人机任务。

根据本发明实施例，所述无人机任务信息包括对应无人机任务完成的时间限制、任务地点、任务性质等内容，所述任务性质包括无人机勘测、无人机拍摄、无人机求援等无人机能够执行的项目；所述无人机任务的特征值包括对应无人机任务完成的时间限制、任务地点、任务性质、任务要求等，根据无人机任务中的任务地点，确定无人机任务所在地的环境信息，通过云电脑算力集群构建无人机任务场景，结合可调度无人机对无人机任务进行计算，确定对应无人机任务在每一架可调度无人机的飞行方案，再对可调度无人机的飞行方案进行筛选，得到最优飞行方案，并以最优飞行方案发送至对应可调度无人机以完成对应无人机任务。

根据本发明实施例，所述根据无人机任务的特征值确定可调度无人机的步骤，具体包括：

获取无人机信息，并提取无人机的特征值；

判断所述无人机的特征值是否大于对应无人机任务的特征值，若是，说明对应无人机满足对应无人机任务的需求；若否，对应无人机不符合对应无人机任务需求；

提取满足所有无人机任务需求的无人机，并将所述满足所有无人机任务需求的无人机设为可调度无人机。

需要说明的是，所述无人机的特征值包括对应无人机的续航时间、飞行速度、无人机摄像头精度等无人机的性能指标，比如无人机的摄像头精度特征值对应无人机任务的拍摄精度要求特征值、无人机的飞行速度、续航时间特征值对应无人机任务的完成时间特征值等，其中若无人机的特征值大于对应无人机任务的特征值，说明对应无人机满足对应无人机任务的需求。

根据本发明实施例，还包括：

当没有可调度无人机或可调度无人机的数量不够时；

将不符合对应无人机任务需求的无人机进行随机组队，得到组队无人机；

并将组队无人机的特征值进行累加，得到累加特征值；

将所述累加特征值乘以对应特征值的叠加系数，得到对应组队的无人机的叠加特征值；

判断所述叠加特征值是否大于对应无人机任务的特征值，若是，将对应组队无人机设为满足对应无人机任务需求；

将满足所有无人机任务需求的组队无人机设为可调度无人机。

需要说明的是，当没有可调度无人机或可调度无人机的数量不够时，可以将不符合对应无人机任务需求的无人机进行组队完成任务，通过不同类型的无人机进行组队，达到互补作用，形成组队无人机以完成无人机任务需求。

根据本发明实施例，所述得到可调度无人机的飞行方案的步骤，具体包括：

将无人机任务进行划分，得到多个无人机任务节点；

将所述无人机任务节点和可调度无人机进行匹配，得到对应可调度无人机的任务节点飞行路径；

将可调度无人机的任务节点飞行路径进行连接，并进行预处理，得到对应可调度无人机的飞行方案。

需要说明的是，若无人机任务一次性不能完成时，可以将无人机任务划分为多个任务节点，可调度无人机可以按照每个任务节点进行设置飞行路径，并将每个飞行路径进行连接，清除多余冗长的飞行路径，得到对应可调度无人机完成该无人机任务的飞行方案。

根据本发明实施例，所述提取飞行方案中的最优飞行方案的步骤，具体包括：

基于无人机任务场景，对可调度无人机的飞行方案进行模拟预测，得到飞行方案的预测完成结果信息；

提取飞行方案的预测完成结果信息的特征值；

将所述飞行方案的预测完成结果信息的特征值乘以对应系数，得到第一数值；

将飞行方案的预测完成结果信息的不同特征值对应的第一数值进行累加，得到对应飞行方案的预测完成结果的满意值；

将所述飞行方案的预测完成结果的满意值按照从小到达进行排序，得到飞行方案的预测完成结果的最大满意值；

将预测完成结果的最大满意值对应的飞行方案设为最优方案。

需要说明的是，通过无人机任务场景对可调度无人机的飞行方案进行模拟预测，确定每个飞行方案的预测完成结果，比如完成时间、完成该飞行任务需要的能耗、成本等特征值，根据无人机任务，确定对应无人机任务需求，从而确定飞行方案的预测完成结果信息的特征值对应的系数，所有预测完成结果信息的特征值对应系数累加之和为1，比如无人机任务越紧急，对应预测完成结果信息的完成时间特征值对应系数占比大。

根据本发明实施例，所述将所述最优飞行方案发送至对应可调度无人机以完成对应无人机任务之后，具体包括：

当可调度无人机接收到无人机任务时，触发可调度无人机反馈信息；

提取可调度无人机反馈信息中的无人机编号信息；

判断所述无人机编号和预设无人机编号是否相同，若是，对应无人机任务分配正确；若否，触发无人机任务分配异常信息；

将无人机任务分配异常信息发送至云电脑以进行重新分配。

需要说明的是，所述最优飞行方案由云电脑端发送至可调度无人机端，可调度无人机端接收到最优飞行方案后，触发可调度无人机反馈信息，所述可调度无人机反馈信息中包括对应可调度无人机的无人机编号信息、飞行准备情况信息等，所述预设无人机编号为对应无人机在云电脑端的备注信息，其中若无人机编号和预设无人机编号不相同，则说明最优飞行方案发送错误，或无人机在云电脑端的备注错误等，因此需要对该最优飞行方案进行重新分配。

根据本发明实施例，所述将所述最优飞行方案发送至对应可调度无人机以完成对应无人机任务之后，还包括：

获取可调度无人机在完成无人机任务的实时监测信息；

根据可调度无人机在完成无人机任务的实时监测信息，得到对应无人机的实际飞行路径信息；

将对应无人机的实际飞行路径信息和预设飞行路径进行对比，得到飞行误差值；

判断所述飞行误差值是否大于对应预设飞行误差阈值，若是，触发飞行纠正信息；若否，得到飞行正常信息；

将所述飞行纠正信息或飞行正常信息发送至云电脑端以进行提示。

需要说明的是，通过云电脑端对可调度无人机在完成无人机任务时进行实时监测，其中可调度无人机的实际飞行路径中包括可调度无人机在该飞行路径上的时间值，所述预设飞行路径为最优飞行方案中的飞行路径，所述对应预设飞行误差阈值包括预设飞行位置误差阈值、预设飞行时间误差阈值，所述飞行误差值包括飞行位置误差值、飞行时间误差值，所述飞行时间误差值为在相同飞行路径位置上的时间之差，所述飞行位置误差值为在相同时间点的飞行路径位置之差，所述对应预设飞行误差阈值由本领域技术人员进行设置。

根据本发明实施例，触发飞行纠正信息之后，还包括：

基于无人机任务的特征值，判断飞行误差值是否对完成飞行任务具有影响，若是，记录飞行误差值对应的预设飞行路径位置，设为无人机重新启动位置，将无人机重新启动位置发送至对应执行任务无人机以重新执行任务；若否，根据飞行误差值和预设飞行路径生成飞行修订路径；

将所述飞行修订路径发送至对应执行任务无人机以进行飞行路径修订。

需要说明的是，当无人机任务对飞行路径没有要求时，比如飞行误差值中的飞行位置误差值对无人机任务不构成影响，则对应飞行位置误差值仅对无人机构成飞行续航负担，因此需要进行飞行路径调整；若飞行误差值对完成飞行任务具有影响，则记录飞行误差值对应的预设飞行路径位置以让无人机重新执行任务。

本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有一种基于云电脑算力集群的无人机调度方法程序，所述一种基于云电脑算力集群的无人机调度方法程序被处理器执行时，实现如上述中任一项所述的一种基于云电脑算力集群的无人机调度方法的步骤。

本发明公开了一种基于云电脑算力集群的无人机调度方法、系统和介质，其中方法包括：获取无人机任务信息；提取无人机任务的特征值，并根据无人机任务的特征值确定可调度无人机；获取无人机任务所在地的环境信息；将所述无人机任务所在地的环境信息发送至云电脑，构建无人机任务场景；将可调度无人机和无人机任务输入至无人机任务场景，得到可调度无人机的飞行方案；提取飞行方案中的最优飞行方案，并将所述最优飞行方案发送至对应可调度无人机以完成对应无人机任务。本发明通过云电脑的算例集群构建无人机任务场景，并对无人机的飞行方案进行预测推算，及时对无人机进行调度调整，提高了完成无人机任务的精确度。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-On ly Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例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，该计算机软件产品存储在一个存储介质中，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方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。