基于角度约束空间殖民算法的树点云几何结构重建方法

激光点云数据包含信息丰富、精度高,在森林演变、植物模型重构方面应用广泛。为提高树三维重构时的精度与真实感,提出一种基于实测点云数据的三维重构方法。首先使用Kinect 2.0采集树的双面点云数据,在树根附近放置塑料标准球作为标记,使用人工标记法粗配与ICP(Iterative closest point)算法精配相结合的方式对获取的双面点云数据进行配准,得到树完整的点云数据;其次,引入生长角度约束改进空间殖民算法生成树的三维骨架,根据管道模型估算树枝粗度,使用广义圆柱体生成树干;最后对叶片单独建模,根据叶序规则添加树叶完成树的三维重构。以玉兰树、枫树以及深圳先进技术研究院可视计算研究中心(VCC)公开库中的Limit Tree为例,进行重构实验,重构结果表明,该方法能够逼真地模拟树的三维形态结构,较好的展现树的拓扑结构关系,重构误差在6.5%以内,可为虚拟树木三维建模、虚拟修剪以及树的拓扑结构分析等研究提供参考。     

基于角度约束空间殖民算法的树点云几何结构重建方法

激光点云数据包含信息丰富、精度高,在森林演变、植物模型重构方面应用广泛。为提高树三维重构时的精度与真实感,提出一种基于实测点云数据的三维重构方法。首先使用Kinect 2.0采集树的双面点云数据,在树根附近放置塑料标准球作为标记,使用人工标记法粗配与ICP(Iterative closest point)算法精配相结合的方式对获取的双面点云数据进行配准,得到树完整的点云数据;其次,引入生长角度约束改进空间殖民算法生成树的三维骨架,根据管道模型估算树枝粗度,使用广义圆柱体生成树干;最后对叶片单独建模,根据叶序规则添加树叶完成树的三维重构。以玉兰树、枫树以及深圳先进技术研究院可视计算研究中心(VCC)公开库中的Limit Tree为例,进行重构实验,重构结果表明,该方法能够逼真地模拟树的三维形态结构,较好的展现树的拓扑结构关系,重构误差在6.5%以内,可为虚拟树木三维建模、虚拟修剪以及树的拓扑结构分析等研究提供参考。     

基于角度约束空间殖民算法的树点云几何结构重建方法

激光点云数据包含信息丰富、精度高,在森林演变、植物模型重构方面应用广泛。为提高树三维重构时的精度与真实感,提出一种基于实测点云数据的三维重构方法。首先使用Kinect 2.0采集树的双面点云数据,在树根附近放置塑料标准球作为标记,使用人工标记法粗配与ICP(Iterative closest point)算法精配相结合的方式对获取的双面点云数据进行配准,得到树完整的点云数据;其次,引入生长角度约束改进空间殖民算法生成树的三维骨架,根据管道模型估算树枝粗度,使用广义圆柱体生成树干;最后对叶片单独建模,根据叶序规则添加树叶完成树的三维重构。以玉兰树、枫树以及深圳先进技术研究院可视计算研究中心(VCC)公开库中的Limit Tree为例,进行重构实验,重构结果表明,该方法能够逼真地模拟树的三维形态结构,较好的展现树的拓扑结构关系,重构误差在6.5%以内,可为虚拟树木三维建模、虚拟修剪以及树的拓扑结构分析等研究提供参考。     

基于角度约束空间殖民算法的树点云几何结构重建方法

激光点云数据包含信息丰富、精度高,在森林演变、植物模型重构方面应用广泛。为提高树三维重构时的精度与真实感,提出一种基于实测点云数据的三维重构方法。首先使用Kinect 2.0采集树的双面点云数据,在树根附近放置塑料标准球作为标记,使用人工标记法粗配与ICP(Iterative closest point)算法精配相结合的方式对获取的双面点云数据进行配准,得到树完整的点云数据;其次,引入生长角度约束改进空间殖民算法生成树的三维骨架,根据管道模型估算树枝粗度,使用广义圆柱体生成树干;最后对叶片单独建模,根据叶序规则添加树叶完成树的三维重构。以玉兰树、枫树以及深圳先进技术研究院可视计算研究中心(VCC)公开库中的Limit Tree为例,进行重构实验,重构结果表明,该方法能够逼真地模拟树的三维形态结构,较好的展现树的拓扑结构关系,重构误差在6.5%以内,可为虚拟树木三维建模、虚拟修剪以及树的拓扑结构分析等研究提供参考。     

基于Kinect v2传感器的果树枝干三维重建方法

针对果树三维重构中存在建模精度低、成本高、拓扑结构差等问题,提出一种基于Kinect v2传感器的果树表型三维重建与骨架提取方法。首先,使用Kinect v2传感器采集不同视角下的果树点云数据;其次,对植株点云进行尺度不变特征变换的特征点检测,对关键点使用快速点特征直方图算法进行特征向量计算,通过随机抽样一致性方法提纯点云的初始位置,经初始变换后使用改进的迭代最近点算法进行精配准、拼接形成完整点云;最后,使用Delaunay三角剖分解构点云数据对缺失点云进行填充,使用Dijkstra最短路径算法对最小生成树进行求取,通过迭代去除冗余分量对骨架进行简化,使用圆柱拟合算法估算枝干骨架,将枝干骨架变为封闭凸包多面体,实现果树的枝干三维重建。实验结果表明：采用本文所提建模方法点云平均配准误差为0.52cm,枝干平均重构误差不超过3.52%,重建效果良好。研究成果可为果园评估作物状态、智能化修剪等研究提供数据支持。     

基于点云数据的树木三维重建方法改进

激光点云数据以其详尽、高精度的三维信息,在森林参数估算、精确重建植物形态结构三维模型方面具有特殊优势。为进一步提高三维模型精度,综合集成多种算法,在改进现有PC2Tree软件基础上,基于点云数据进行树木三维重建。首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶;其次采取水平集和最小二乘法提取枝干部分的骨架点,通过下采样方法提取冠层部分的特征点;最后根据骨架点和特征点拓扑结构重构树木三维模型。以樟树为例,分析枝叶分割精度,自动分割与手动分割结果相近;以无叶的鸡蛋花树为例,分析重建模型精度,模型主枝长度相对误差范围集中在0~8.0%,半径相对误差范围集中在0~10%;枝条重建过程避免了噪声点的干扰,对噪声点具有一定的不敏感性;重建三维模型与原始点云吻合度高,基本解决了冠层内部枝干遮挡严重带来的三维建模困难的问题;依据模型提取树高、冠幅、胸径、体积等参数,增加了重建模型的应用范围。     

基于三维点云的群体樱桃树冠层去噪和配准方法

樱桃树的栽培密度影响其冠层的光照分布,通过研究群体樱桃树的三维结构,可分析不同栽植密度下温室甜樱桃树冠层光照分布规律,指导樱桃树的科学种植,进而提高甜樱桃产量和品质。高质量的点云数据是构建群体樱桃树三维结构的基础,而点云去噪和点云配准是点云数据预处理的关键环节。本文提出一种基于三维点云的群体樱桃树去噪和配准方法,搭建群体樱桃树三维信息采集平台,使用2台固定的DK深度相机获取群体樱桃树彩色点云数据;提出基于颜色区域生长的二分类方法,设置颜色阈值分割点云并进行二分类处理,可有效去除彩色点云数据中的异常无效点,并设置点云离散度和RGB值,作为点云去噪评价标准;结合人工标记法和双相机位姿矩阵,提出基于颜色特征改进的ICP方法,解决传统ICP配准算法多依赖初始位姿且配准速度较慢的问题。该方法通过对点云粗配准,得到较好的初始位姿,使用SIFT算法提取颜色特征点,将颜色特征与ICP算法结合进行点云精配准,然后使用PCL中随机采样一致性算法,去除错误匹配点,有效减少配准时间,提高配准精度。以夏季和冬季的群体樱桃树20组点云数据为实验对象,对比分析ICP算法、NDT算法、SAC-IA算法和本文配准方法的配准精度和配准时间,结果表明,本文配准方法平均耗时分别为5.01、4.30s,均方根误差分别为2.316、2.100cm,有效减少了配准时间和配准误差,验证了本文算法的有效性和普适性。     

遮挡条件下多视角甜椒果实点云三维重构方法

为进行表型原位自动化测量,实现甜椒数字化育种和管理,针对原位果实表型测量中的目标遮挡问题,提出一种多视角甜椒果实点云的三维重构方法。通过虚拟叶片的方法,创建增强数据集,建立基于YOLO v5算法的甜椒果实识别模型,实现对不同遮挡程度果实的识别,同时,构建考虑果实位置与遮挡程度的果实表型采集算法,实现多视角的果实三维数据采集。最后,配准甜椒果实三维点云,提取甜椒表型参数,并通过温室甜椒果实表型,对点云重构方法的有效性进行验证。相较手动测量数据,果实果宽平均相对误差为1.72%,果高平均相对误差为1.60%。试验结果表明,本文所提出的甜椒原位表型点云重构方法,可为遮挡条件下作物表型提供有效的解决思路和可行方法。     

基于激光雷达的枣树轮廓测量平台的设计与试验

针对枣树的三维轮廓信息重建,搭建了一种基于激光雷达的果树轮廓测量平台。通过在平台上的滑轨移动激光雷达获取果树的三维点云信息,采用MatLab软件对点云数据进行提取与处理。为了降低外部环境对点云数据处理的影响,采用高度统计直方图进行地面滤波实现地面点云的滤除,通过icp算法实现双侧点云的配准,应用欧氏聚类算法分割获取枣树点云数据。为验证研究方法的准确性,从点云轮廓数据中获取果树的冠幅数据与手工测量数据进行线性模型拟合对比,二者的相关系数R=0.91,均方根误差RMSE=0.06,相对误差RE=4.08%,拟合效果较好,说明此方法具有一定的可行性。     

基于三维激光雷达与优化DBSCAN算法的果树定位方法

为提高果园喷雾机器人在果园行间行走的自主性和安全性,提出一种基于三维激光雷达与优化DBSCAN算法的果树定位方法。首先,采用三维激光雷达获取果园的环境信息,通过感兴趣区域提取、地面点云分割和体素滤波降采样对原始点云数据进行预处理;然后,对DBSCAN算法进行优化,构建KD树索引有序化实时点云数据,并使用KD树最近邻搜索替代传统DBSCAN算法的遍历搜索方式,最后根据数据点到激光雷达的距离自适应确定聚类密度阈值,实现行间不同距离的果树检测;最后,以果树聚类结果的冠层边缘点为果树的定位参考点,得到果树定位参考点的坐标,计算果园喷雾机器人与果树的相对位置。试验结果表明：优化的DBSCAN算法相较于传统DBSCAN算法检测的准确性和实时性均有明显提升,果树的横向定位平均误差为2.6%,纵向定位平均误差为1.6%。该方法能够满足果园喷雾机器人在行间果树定位的准确性和实时性要求,为精准农业装备在林果园环境下的自主导航和作业提供有效参考。