[0001] 本发明涉及施工作业规划技术领域，尤其涉及一种高危环境的作业规划系统及方法。

[0002] 施工场地的环境复杂多变，其中存在的有害气体及其浓度的变化情况对施工人员的健康和安全构成了潜在的威胁。这些有害气体可能来源于各种化学物质的使用、机械作业、粉尘和微粒的产生，以及废物的不当处理和堆放。由于施工活动的特殊性，如频繁使用化学溶剂、油漆和粘合剂，以及燃油驱动的机械设备的运行，都可能导致一氧化碳、挥发性有机化合物(VOCs)、二氧化硫等有害气体的排放。此外，施工操作如打磨、切割和爆破等，会产生大量含有对人体有害化学成分的粉尘和微粒，如石棉和硅尘等。施工现场废物的处理和堆放也可能成为有害气体释放的来源。

[0003] 基于上述原因，对施工场地内的有害气体进行检测变得至关重要。有效的检测不仅有助于实时了解有害气体的浓度变化，还能为采取适当的安全措施提供依据，从而保护施工人员及周边环境免受有害气体的影响。通过及时识别和管理潜在的有害气体来源，可以显著减少健康风险，确保施工过程的安全与环境的可持续性。因此，建立和实施有效的有害气体检测机制不仅是保障施工安全的必要条件，也是促进健康工作环境和环境保护的重要措施。

[0004] 中国专利申请CN112378445A提出了一种基于大数据分析的建筑施工环境智能实时监测系统，包括区域划分模块、噪音检测模块、有害气体检测模块，环境参数检测模块、数据库、数据预处理模块、建模分析服务器和显示终端。有害气体检测模块通过使用气体检测仪，能够实时检测建筑施工场所内部各个检测子区域的环境参数，识别有害气体的种类及其浓度，并将这些信息发送到数据预处理模块中进行进一步处理。

[0005] 然而，该专利存在一定的局限性。由于气体检测仪的采集范围是固定的，它只能检测到有限区域内的有害气体浓度。这可能导致对室内环境的整体评估偏向于默认其为有害环境，进而可能导致施工全面停工，从而延误工期。另一方面，为了赶进度，工人可能不得不在有害区域内工作，这对健康非常不利。实际上，由于室内空气的流动性，有害气体在室内并不是均匀分布的。这意味着，虽然某些区域的有毒气体浓度可能对人体健康影响程度较大，但也有些区域的气体浓度相对较低，对人体健康的影响程度较小。由于有毒气体分布的不均匀性及其在空间中的不可见性，因此难以精确划分有害和无害区域，进而难以规划出安排工人在无害区域工作，采用机械或机器人在有害区域进行施工的方案。

[0006] 此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于申请人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。

[0037] 下面结合附图进行详细说明。

[0038] 实施例1

[0039] 现有技术中，尽管已有利用无人机检测空气中有害气体浓度的实践，但存在若干局限性。由于环境因素和有害气体自身的扩散特性，有害气体在空间内的分布并非均匀，且这种分布状况会随时间动态变化。因此，无人机所检测到的有害气体浓度，实际上只能反映无人机所处位置附近局部空间内的浓度情况。即使无人机能够以较快的飞行速度迅速完成一定范围内的检测任务，仍可能面临一个问题：即先行完成检测的地点在无人机返回之前，有害气体浓度可能已经发生了变化，这导致检测结果失去了时效性，从而降低了其精确性。综上所述，利用无人机检测的有害气体的数值与标准值之间往往存在一定的误差，这对无人机在有害气体检测应用中的准确性和可靠性造成了一定程度的影响。

[0040] 本发明公开了一种高危环境的作业规划系统，如图1所示，其包括无人机单元100、规划单元200和场地传感器300。无人机单元100可在施工场地400中移动以在时间次序上先后获取施工场地400的第一环境参数和第二环境参数。规划单元200能够根据施工场地400的三维场景模型预先规划出无人机单元100的移动方案。场地传感器300被配置在施工场地400的若干固定点位，用以获取施工场地400的局部环境参数。

[0041] 优选地，如图1所示，无人机单元100包括若干架无人机，优选包括第一无人机110和第二无人机120，每架无人机均集成了传感器模块130、驱动模块140和控制模块150。传感器模块130中包含了多种类型传感器，旨在全面检测施工场地400内的环境参数。由于施工场地400内有害气体的浓度、积聚速度、扩散速度等参数会受到外部因素的影响而发生变化，因此除了对于有害气体本身的参数进行检测外，对这些影响因素的参数进行检测也是必要的。示例性地，传感器模块130可以包括气体传感器和环境传感器，其中气体传感器用于识别和测量施工场地400内有害气体的种类和浓度等气体参数，而环境传感器负责检测温度、湿度、风速、风向、粉尘浓度等影响参数。驱动模块140是无人机的动力核心，通常配备有多个带有电机的螺旋桨。这些螺旋桨能够驱动无人机沿特定方向移动，确保其灵活应对施工场地400内的各种环境和任务需求。控制模块150包括机载处理器151和数据传输器152。机载处理器151能够与传感器模块130和驱动模块140实现电性连接，从而能够精准控制无人机的运行状态。同时，数据传输器152能够接收来自规划单元200的移动方案，机载处理器151根据这些方案，对无人机的移动路径和动作进行精确调控，确保无人机能够高效、准确地执行检测任务。

[0042] 优选地，如图1所示，规划单元200包括处理模块210、数据传输模块220和存储模块230。处理模块210为规划单元200的数据处理中心，其能够是高性能的处理器，用于执行各种复杂的算法和计算。数据传输模块220可以采用公网无线传输技术，如GPRS、3G、4G、5G、WIFI等网络连接方式，或使用专网无线传输，如WIFI或ZigBee等通讯方式以完成对无人机单元100和/或场地传感器300的数据交互。存储模块230中能够预先储存有施工场地400的三维场景模型。处理模块210可以调取存储模块230中的施工场地400的三维场景模型，并根据当前施工进度为无人机单元100制定第一移动方案。施工场地400的三维场景模型可以以建筑设计单位所绘制的二维CAD施工图纸为基础，并利用Revit、SketchUp等建模软件转化而来，运用BIM(Building Information Modeling，建筑信息模型)技术，可以实现三维模型的优化和可视化管理。这些三维场景模型与实体建筑物保持一致的尺寸比例，确保了模型与实际建筑之间的精确对应。当前施工进度可以依据施工进度表确定，其包含了当前施工阶段中施工作业的内容，以及确定出了施工场地400内需要进行作业的施工区域具体分布情况。由于三维场景模型是真实施工场地400的映射，该三维场景模型可以包括施工场地
400内多个场地传感器300的分布情况。

[0043] 优选地，如图1、图2所示，在规划单元200的处理模块210为无人机单元100制定第一移动方案时，能够进一步将场地传感器300的分布情况纳为影响因素。第一移动方案用于使无人机单元100获取施工场地400内的第一环境参数，其规定了无人机单元100的移动路径、速度调整、高度控制等多方面要素。具体地，规划单元200依据三维场景模型中的信息获取场地传感器300的分布数据，包括每个传感器的位置、探测范围，以及场地的具体条件和限制。规划单元200基于每个场地传感器300的有效探测范围，确定场地内的检测盲区，即那些传感器无法覆盖的区域。规划单元200依据检测盲区的位置和大小，规划无人机的移动路径，确保无人机能够覆盖到所有重要的盲区。在这个过程中，将无人机的飞行能力、飞行速度、电池续航能力以及任何可能的障碍物纳入考虑。此外，规划单元200可将所有的场地传感器300作为关键节点添加入移动路径中，使得无人机单元100的移动不仅可以覆盖场地传感器300的检测盲区，还能进入场地传感器300的探测范围之内，以与场地传感器300同步获取该范围内的环境参数。

[0044] 优选地，规划单元200的数据传输模块220分别为第一无人机110和第二无人机120分配不同的第一移动方案。特别地，规划单元200为第一无人机110分配的移动方案与为第二无人机120分配的移动方案至少在移动路径上存在差异，使得第一无人机110和第二无人机120能够按照不同的移动路径在施工场地400内检测不同位置的第一环境参数，以提升参数的采集效率。

[0045] 优选地，如图3所示，第一无人机110和第二无人机120在途经场地传感器300时，能够与该场地传感器300同时同地获取环境参数。无人机和场地传感器300同步获取环境参数的时机可以通过规划单元200确定。作为一种优选的实施方式，规划单元200制定的第一移动方案中包括无人机的移动速度，且规划单元200的存储模块230中的三维场景模型精确示出了施工场地400中所有的场地传感器300的坐标位置。因此，第一移动方案可以根据无人机的移动路径、移动速度以及每一处场地传感器300所处位置得出无人机途经场地传感器300的时间点，从而确保了无人机能够与场地传感器300获取同一时刻和同一地点的环境参数，在限制了时间和空间条件的前提下，无人机和场地传感器300获取的环境参数应当相同。作为另一种优选的实施方式，为了确保无人机与场地传感器300能够同时同地获取环境参数，还可在无人机上搭载GPS等定位设备。当无人机的实时坐标与场地传感器300的坐标重合时，这些定位设备将提供精确的位置信息。基于这些信息，无人机和场地传感器300便能够准确地在同一时刻、同一地点捕获环境参数。

[0046] 由于无人机受体积和负载能力的影响，无人机上搭载的传感器模块130的测量精度通常是低于场地传感器300的。因此场地传感器300获取的局部环境参数可用于校准第一无人机110和第二无人机120获取的第一环境参数，从而能够提高第一无人机110和第二无人机120的检测精度。具体地，无人机控制模块150中的数据传输器152能够接收场地传感器300采集的局部环境参数，并与无人机传感器模块130于同一时刻、同一地点捕获的第一环境参数一同发送至控制模块150中的机载处理器151，并由机载处理器151对比两种环境参数之间的差异，以计算出校准系数。为了实现校准系数的计算，机载处理器151首先可使用时间戳和GPS定位信息来同步无人机单元100(包括第一无人机110和第二无人机120)与场地传感器300在相同的时间和地点下的环境参数(包括气体参数和影响参数)。机载处理器
151能够对采集到的数据进行清洗，剔除异常值和噪声，同时标准化数据格式，以便于后续处理。之后，机载处理器151可利用较为准确的场地传感器300的测量值作为基准的参考值，从而对比无人机单元100收集的环境参数与场地传感器300的参考值，计算两者之间的差异，并确定偏差范围。机载处理器151中可储存有多种统计分析方法，如最小二乘法，应用统计方法可找出最佳的拟合线或面，并表示为一个数学模型，用于描述无人机单元100测量值与场地传感器300参考值之间的关系。最后，机载处理器151可使用回归分析来确定校准系数，这些系数能够包括斜率和截距，可以调整无人机的测量值，使其与参考值对齐。获得的校准系数应该能够将无人机单元100的原始测量值转换为校准后的值，使其与场地传感器
300的参考值匹配。机载处理器151将计算得到的校准系数应用于无人机传感器模块130的数据处理程序中，以通过调整无人机收集的数据，来纠正偏差，提高数据的准确性。

[0047] 优选地，第一无人机110的移动路径与第二无人机120的移动路径被设置为存在相同的终点。在第一无人机110和第二无人机120于终点汇合时，两无人机能够共同对终点处的环境参数进行检测，并利用控制模块150中的数据传输器152进行检测参数的信息交互，特别地，两无人机能够于同一时刻在终点处汇合。无人机在终点的“汇合”是指它们同处于施工场地400内一个较小的空间中，而并非意味着物理上的碰撞或位置重叠。这个较小的空间被认为是气体均匀分布的，即该空间内的环境参数在各点间差异微小或可以忽略。

[0048] 优选地，规划单元200能够将无人机从起点到终点完整的移动路径划分为由多个场地传感器300构成的节点以及多段节点之间的中间路段，这样的中间路段可称为单元路段。示例性地，第一无人机110和/或第二无人机120能够在第一时刻途经第一场地传感器，并在第二时刻途经第二场地传感器，那么第一场地传感器与第二场地传感器之间的移动路径即为单元路段。这样的划分使得无人机较长的移动路径可由多个较短的单元路段构成。

[0049] 规划单元200能够利用场地传感器300和无人机收集的环境参数，如有害气体浓度以及影响气体浓度变化的因素(例如风速和风向)，来建立一个基于流体动力学和扩散理论的初步流体模型。这个模型旨在预测有害气体浓度随时间的变化情况。通过对比第一场地传感器与第二场地传感器在不同时间点收集的局部环境参数，并结合无人机在飞行过程中收集的数据，规划单元200能够验证和精化该流体模型。结合机器学习算法，进一步对模型进行完善并实时更新，以提高预测的准确性。这种方法不仅适用于预测某一特定单元路段的有害气体浓度变化，而且可以扩展到整个移动路径，确保无人机到达终点时，可以借助流体模型对整个施工场地400的有害气体浓度进行即时和准确的预测。这种预测机制解决了在无人机完成后半段路径飞行时，前半段路径的气体浓度可能已经发生变化，且变化无法实时监测到的问题，从而确保了无论是在移动路径的起点、中途点还是终点，监测结果都能反映同一时刻的有害气体浓度状态。

[0050] 由于第一无人机110和第二无人机120各自的检测精度都通过其移动路径上的场地传感器300进行了校准，因此理论上这两架无人机应该具备相同的测量精度。对两架无人机分别采集的第一环境参数进行信息交互，主要目的是验证在移动路径终点这一狭小空间内，经过校准的两架无人机所测得的参数是否在预设的偏差范围内。通过这一验证，可以判断第一无人机110和第二无人机120在测量精度上是否保持一致。验证第一无人机110和第二无人机120是否具有统一的测量标准至关重要，特别是在整个施工场地400中，场地传感器300无法覆盖的区域。确保无人机在这些区域的测量准确性，有助于规划单元200为工人规划出适合工作的施工作业区域，进而缩短了施工工期，保证了施工进度的正常推进。

[0051] 优选地，如图1所示，第一无人机110和第二无人机120可将经过校正后的第一环境参数发送至规划单元200，规划单元200可基于校正后的第一环境参数以及由场地传感器300获取的局部环境参数为施工场地400划分出危险程度不同的若干作业区域，以将这些作业区域分配给人工作业或是机械作业。施工场地400内的施工作业可由人工以及机械协同完成。机械作业主要依赖于各类自动化的施工机械来完成，如装载机、起重机等。施工机械能够部分代替人工在有害气体浓度高的区域中进行施工作业。然而，对于一些需要精细操作、灵活调整或机械无法到达的区域，机械作业并不能完全取代人工作业。人工作业具有灵活性高、适应性强等特点，能够处理一些复杂多变的情况，也能进行一些如细致的装修、手工焊接等机械无法完成的工作。

[0052] 优选地，如图1所示，规划单元200能够依据有害气体在施工场地400内的浓度划分出不同作业区域，以确保作业安全高效。具体地，规划单元200会利用统计方法和数据处理技术，根据第一环境参数和局部环境参数中于施工场地400内不同空间位置处的有害气体浓度值，对各区域的有害气体浓度进行对比，例如计算平均浓度、最大值、最小值、标准差等统计指标，以全面了解各区域有害气体的分布情况。此外，规划单元200还可绘制浓度分布图或热力图，直观地展示各区域的有害气体浓度差异。规划单元200依据有害气体浓度差异，将施工场地400初步划分为有害作业区域410、过渡作业区域430和无害作业区域420。无害作业区域420是指有害气体浓度低于安全阈值、对作业人员不构成明显危害的区域，因此适宜工人正常施工作业。有害作业区域410是指有害气体浓度超过安全阈值、对作业人员构成直接危害的区域，由于有害气体浓度较高，因此该区域应优先采用机械替代人工进行施工作业。工人一般不进入有害作业区域410，确有必须进入的需求时，需要佩带防毒装置。过渡作业区域430则是有害气体浓度处于安全阈值附近或略有波动的区域。

[0053] 优选地，过渡作业区域430位于有害作业区域410和无害作业区域420之间，其作为施工作业的缓冲区，稳定性相对较弱。过渡作业区域430边界会随着有害气体的扩散或积聚而发生较为明显的变化。该区域会根据无人机单元100实时获取的第二环境参数而动态调整，有着转变为无害作业区域420或有害作业区域410的可能。这一区域不直接用于人工作业或机械作业，而是起到缓冲和警示的作用。当过渡作业区域430发生变化时，工人能够据此及时做出反应，当过渡作业区域430的边界向着无害作业区域420的方向移动时，证明有害气体正朝向工人所在的位置扩散，此时工人可根据这样的变化及时后退而缩小人工作业范围；当过渡作业区域430的边界向着有害作业区域410的方向移动时，证明有害气体正朝向远离工人所在的位置扩散，此时工人可根据这样的变化向前推进以扩大人工作业范围。过渡作业区域430的设置为工人提供明确的有害气体浓度变化信息，保障了工人的身体健康。

[0054] 优选地，规划单元200会基于对施工安全、作业管理等多方面的考虑为过渡作业区域430保证一个最小的范围或面积。过渡作业区域430作为有害作业区域410与无害作业区域420之间的缓冲区，需要具备一定的空间，以便在有害气体浓度发生变化时，工人能够有足够的时间和空间进行反应，如及时撤离或调整作业位置。规划单元200能够基于施工场地400的地形、施工进度以及工人于施工场地400内活动的自由程度合理地确定过渡作业区域
430的大小。具体地，规划单元200可从存储模块230中调取施工场地400的三维场景模型以分析施工场地400的地形和布局。通过分析地形的复杂性、障碍物分布等因素，规划单元200能够评估得到工人的活动范围、作业路径以及可能的撤离路线，确保过渡作业区域430的大小能够满足工人快速撤退和推进的需求。

[0055] 优选地，过渡作业区域430的确定与第一环境参数相关。具体地，第一环境参数中包含了施工场地400中有害气体本身相关的气体参数以及会对有害气体浓度变化产生干扰的影响参数。有害气体浓度作为施工场地400作业区域划分的主要标准，其变化将直接影响着作业区域的安全性和作业方式的选择。有害气体的浓度会受到空间内多种影响参数的影响，其中，风向和风速是尤为重要的因素。风向决定了有害气体的扩散方向，而风速则影响着有害气体扩散的速度和范围。在不同的风向和风速组合下，有害气体的浓度分布会呈现出不同的形态和变化趋势。

[0056] 优选地，有害作业区域410向无害作业区域420过渡时，有害气体浓度会逐渐降低。过渡作业区域430中靠近有害作业区域410的边界，其有害气体浓度的数值会高于过渡作业区域430中靠近无害作业区域420边界处的有害气体浓度。

[0057] 优选地，在满足过渡作业区域430最小面积的前提下，规划单元200会基于第一环境参数和局部环境参数，确定过渡作业区域430两处边界的预设有害气体浓度。分隔过渡作业区域430与有害作业区域410的边界可称为第一边界，分隔过渡作业区域430与无害作业区域420的边界可称为第二边界，其中第一边界的有害气体浓度代表了整个过渡作业区域430的浓度上限，第二边界的有害气体浓度代表了整个过渡作业区域430的浓度下限。

[0058] 优选地，由于无人机单元100的传感器模块130以及场地传感器300能够共同获取施工场地400内空间各点的有害气体浓度，规划单元200能够获取其中若干有害气体浓度等同于过渡作业区域430边界预设的有害气体浓度的各点所处的空间坐标，多个空间坐标彼此相连以形成过渡作业区域430与有害作业区域410以及无害作业区域420的分界线。作为一种优选的实施方式，第一边界的有害气体浓度值能够被设定为小于或等于短时间内不影响人体健康的有害气体浓度的最高值，第二边界的有害气体浓度值能够被设定为满足工人长时间作业的有害气体浓度的标准数值。特别地，预设的第一边界的有害气体浓度值可根据不同的环境参数进行适应性调整。例如，对于易扩散的气体，由于其扩散速度快，浓度变化率高，第一边界的浓度预设值可以适当提高。而对于易聚集的气体，由于其扩散速度慢，浓度变化率低，第一边界的浓度预设值则应适当降低。此外，风速也是一个重要的环境参数。在风速较大的情况下，有害气体更容易被扩散，因此可以适当提高第一边界的浓度预设值。相反，在风速较小的情况下，可适当降低该值。

[0059] 优选地，基于已确定的过渡作业区域430边界的有害气体浓度上下限，规划单元200为第一无人机110和第二无人机120分配第二移动方案。这一方案的制定旨在利用无人机的高效性和灵活性，实时获取过渡作业区域430边界处的有害气体浓度变化情况，从而确保边界的准确性和实时性。在执行第二移动方案时，第一无人机110和第二无人机120分别前往第一边界和第二边界。通过获取这些边界处的第二环境参数，无人机单元100能够为规划单元200提供实时信息。无人机可在边界附近位置进行往复运动，以持续获取第二环境参数的实时变化情况。通过不断收集数据，规划单元200能够及时了解边界处有害气体浓度的动态变化，从而准确判断是否需要调整过渡作业区域430的边界位置。规划单元200在接收到第一无人机110和第二无人机120持续采集的第二环境参数后，会将这些数据与边界处预设的浓度值进行比较。如果发现实际浓度值与预设值存在偏差，规划单元200将根据实际情况调整过渡作业区域430的边界位置。

[0060] 优选地，控制模块150可通过动态调整传感器采集口方向以提高环境参数的采集精度。在无人机进行环境参数测量时，风速和风向的变化会直接影响传感器的读数准确性。为了克服这样的问题，无人机上的传感器模块130配置有可改变其传感器采集口方向的转向装置(如伺服电机)。传感器模块130能够实时获取风速、风向等数据，这些数据随后被传输到无人机的控制模块150。控制模块150具备高度灵敏和精确的响应能力，其利用机载处理器151内置的模型预测控制算法(MPC)分析这些数据，确定当前的风速和风向，并据此计算出传感器采集口应该指向的最佳方向。这一计算过程能够同时考虑风向的瞬时变化、风速的大小以及无人机自身的运动状态等多个因素，控制模块150会综合这些信息，生成一个调整指令，通过无人机的转向装置执行，从而实时调整传感器采集口的方向。具体地，无人机搭载的传感器模块130实时采集风速、风向等影响参数，并就将这些参数传输至无人机的控制模块150中的机载处理器151。机载处理器151能够利用滤波算法后从处理后的数据中提取出如风速的平均值、最大值、风向的变化趋势等关键特征。之后，机载处理器151能够根据空气动力学原理和无人机飞行动力学构建出恰当的风速风向对传感器采集口指向影响的数学模型，并确定出模型预测控制算法(MPC)的预测时域(即算法需要预测未来多长时间内的风速风向变化)、目标函数(包括最小化传感器采集口指向误差和控制能量消耗)、约束条件(如传感器采集口的最大转动角度、最大转速等)和求解算法(如二次规划、内点法等数值优化方法)。进一步地，机载处理器151还可搭载如遗传算法、粒子群优化等智能优化算法，以适应动态变化的环境，该智能优化算法能够与MPC算法集成，形成闭环控制系统，确保传感器采集口能够实时响应环境变化。最后，机载处理器151根据MPC算法和优化算法的结果，生成调整传感器采集口方向的控制指令，并通过控制模块150向无人机的转向装置(如伺服电机)发送控制指令，动态调整传感器采集口的方向。通过这样的配置，即使环境中的风速和风向在不断变化，传感器也能始终保持对准相对静止的空气区域，大大提高测量的精确度。无人机在执行有害气体浓度检测任务时，其螺旋桨的旋转会产生强烈的下洗气流。
这种气流不仅改变了无人机周围空气的动力学特性，还可能导致局部空气流动紊乱，从而影响有害气体浓度的精确测量。具体来说，下洗气流可能将有害气体从原本的区域吹散，或者将其他区域的有害气体带入检测区域，导致检测到的浓度与实际浓度存在偏差。

[0061] 优选地，通过优化无人机驱动模块140运行模式的方式可提高环境参数的采集精度。螺旋桨的转速和角度是影响下洗气流强度的主要参数。控制模块150调整这些参数可以改变螺旋桨产生的推力和升力，进而影响无人机的飞行姿态和下洗气流的分布。为减小调整螺旋桨的转速和角度带来的其他不利影响，如无人机的稳定性、能耗和噪音等，控制模块150能够借助机载处理器151内置的遗传算法、粒子群优化等智能优化算法来实现对这些指标的平衡。此外，基于模型的控制方法可以根据无人机的动态模型和实时环境参数计算出最优的螺旋桨转速和角度。而强化学习等机器学习算法则可以通过试错的方式学习到一种能够最小化干扰的控制策略。

[0062] 优选地，施工场地400的过渡作业区域430的边界线通过可控光源500投射的可见光标识示出，以提高作业安全性并降低健康风险。规划单元200通过无人机单元100获取的第二环境参数，计算并确定过渡作业区域430的第一边界和第二边界的坐标。这些坐标将实时更新，以反映有害气体浓度的动态变化。规划单元200能够与可控光源500建立信号连接。可控光源500能够为配备激光投射仪等光投射装置的移动式机器人，其能够接收规划单元
200发送的边界坐标信息。可控光源500配备有自动导航系统，如使用GPS、激光雷达(LiDAR)、视觉传感器等，以实现精准定位和移动到指定边界位置，此外，可控光源500可以感知周围环境，避免障碍物，并确保在移动过程中的安全。可控光源500还可以根据实时接收的环境参数和边界信息，动态调整光投射装置的投射角度和位置，将边界线以可见光的方式投射在施工场地400的地面或墙面上。为了确保边界线的清晰可见度和准确性，可控光源500可采用高亮度的激光束，并具备精确的定位和投射能力。同时，光投射装置可进行校准和调试，以确保边界线的连续性和稳定性。规划单元200将根据无人机单元100获取的第二环境参数的变化而重新计算边界坐标，并通过信号连接通知可控光源500进行实时调整。
这使得边界线将始终与有害气体浓度的实际情况保持一致，确保作业区域的安全性。

[0063] 实施例2

[0064] 本实施例是对实施例1的进一步改进，重复的内容不再赘述。

[0065] 如图4所示，本发明公开了一种高危环境的作业规划方法，其包括以下步骤：

[0066] S1、由场地传感器300获取施工场地400内的局部环境参数；

[0067] S2、无人机单元100按照设定的第一移动方案获取施工场地400内的第一环境参数；

[0068] S3、基于第一环境参数和局部环境参数，规划单元200将施工场地400按照危害程度划分出分别适合人工作业以及机械作业的若干作业区域；

[0069] S4、规划单元200设定获取第二环境参数的第二移动方案，并动态修正作业区域的分布。

[0070] 需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。本发明说明书包含多项发明构思，诸如“优选地”“根据一种优选实施方式”或“可选地”均表示相应段落公开了一个独立的构思，申请人保留根据每项发明构思提出分案申请的权利。在全文中，“优选地”所引导的特征仅为一种可选方式，不应理解为必须设置，故此申请人保留随时放弃或删除相关优选特征之权利。