基于轮廓投影的盆栽水稻三维重建方法研究

近几年，基于图像的高通量水稻表型研究取得了极大进展，但从三维层面进行研究的工作则相对较少。一般而言，相对于二维图像，从三维模型中能提取更为全面的性状参数。三维模型重建是作物三维表型研究的基础，提出一种适用于盆栽水稻三维点云的重建方法。该方法在相机固定、样本旋转的拍摄模式下获取水稻多视角图像，根据相机标定参数以及水稻轮廓二值图，通过轮廓投影方法重建水稻三维可视外壳点云模型，并通过反投影方法进行点云着色。结果表明，该方法对于不同时期及不同品种的水稻样本均能取得较好重建效果。     

基于轮廓投影的盆栽水稻三维重建方法研究

近几年，基于图像的高通量水稻表型研究取得了极大进展，但从三维层面进行研究的工作则相对较少。一般而言，相对于二维图像，从三维模型中能提取更为全面的性状参数。三维模型重建是作物三维表型研究的基础，提出一种适用于盆栽水稻三维点云的重建方法。该方法在相机固定、样本旋转的拍摄模式下获取水稻多视角图像，根据相机标定参数以及水稻轮廓二值图，通过轮廓投影方法重建水稻三维可视外壳点云模型，并通过反投影方法进行点云着色。结果表明，该方法对于不同时期及不同品种的水稻样本均能取得较好重建效果。     

改进区域增长算法的植株多视图几何重建

【目的】通过研究3种不同复杂程度植株冠层的三维重建,为更加精准获取植株冠层表型参数提供新方法。【方法】本文首先用单反相机获取3种不同复杂程度植株冠层图片序列,通过三维重建得到各植株稠密点云;随后还原植株点云原始尺度,过滤稠密点云中的噪声,再使用改进区域增长算法分割植株点云冠层;之后借助激光扫描仪,利用手动测量和激光扫描方法分别从二维和三维两个方面对多视图几何重建的叶片进行精度评价,二维精度评价为叶片长宽的实际测量值分别与激光扫描仪获取的叶片的长宽值和多视图几何重建叶片的长宽值进行统计分析,三维精度评价使用传统的网格对比方法豪斯多夫距离与更加精准的工业级网格3D精度对比检测软件Geomagic Qualify。【结果】多视图几何重建的植株叶片表型信息与手动测量值间的判定系数（R ²）均高于0.96,激光扫描方法获取的植株叶片表型信息与手动测量值间的判定系数（R ²）均高0.99;多视图几何重建的叶片与激光扫描得到的叶片在0—±1mm偏差范围内的比例大部分达到97%以上;以激光扫描的叶片网格为参考,多视图几何重建的叶片网格的豪斯多夫距离90%以上分布在0—2 mm。本研究的多视图几何重建方法与改进区域增长算法相结合能对不同复杂程度的植株取得比较理想的重建结果。 【结论】本文提出的多视图几何方法与改进区域增长算法相结合的重建方法可以弥补区域增长算法的不足,对表面不平滑的植株冠层具有更好的分割效果,适合不同复杂程度植株三维重建,为育种研究获取植株表型提供一定的参考。     

面向作物表型分析的大豆植株叶片语义重建

为解决三维扫描仪、多视图数据获取的三维点云因缺少语义信息导致难以从点云上判别植株器官部位问题,提出一种二维先验语义嵌入的大豆植株叶片三维语义建模方法：首先,基于Mask R-CNN模型对大豆叶片进行语义分割;然后,对分割结果和多视图数据进行立体重建融合学习,实现大豆植株叶片二维语义到三维叶片点云迁移,获得植株叶片点云语义信息,进而建立植株叶片三维语义模型。通过多组盆栽大豆植株试验对该模型进行验证,提取叶长和叶宽与人工实测数据进行对比分析,叶长和叶宽均方误差分别为2.53和1.52 mm,决定系数分别为0.97和0.89。结果表明,该方法能够便捷、精准地构建植株叶片三维语义模型。     

基于多视角图像的植物三维重建研究进展

快速重建植株三维结构并以三维可视的方式分析研究农作物的形态结构和生长过程、进行表型测量是数字植物及作物育种研究的热点和难点。概述了植物三维重建的研究现状和主流植物三维重建技术,并对各种技术的方法原理和技术优势进行了分类和对比;重点介绍了基于多视角图像三维重建方法 SFM和MVS的研究进展、技术原理以及相关软硬件系统平台;分析了近几年基于多视角图像三维重建方法在植物三维重建中的应用进展,基于多视角图像三维重建方法具有数据获取成本低、获取点云精度高、植物三维重建质量高等技术优势,同时指出了该技术方法的不足之处和未来技术发展趋势,以期为植物三维重建技术的发展、植物表型组学的研究以及低成本高通量设备的研制提供有益参考。     

基于多视角图像的玉米三维重建及双面配准方法研究

提高植物三维点云模型重建时的准确性与完整性，是精准获取植物表型参数的关键所在。目前大多数三维重建方法只能从某一方向对目标物体进行重建，缺乏完整的三维重建过程。为了解决此问题，本研究提出了一种基于多视角图像序列的玉米双面配准的三维重建方法，通过安装在图像采集平台上下侧的RGB相机来获取玉米不同视角的图像序列，基于SfM算法获取玉米的三维点云模型后使用点云颜色滤波算法进行预处理。通过交互式选点测量方法得到玉米点云的空间坐标后基于欧式距离算法计算20组玉米的株高、叶长、叶宽等表型参数，与对应的手动测量结果相比，决定系数r²依次为0.973 6、0.969 1、0.915 0,结果表明两者间显著相关。之后对标记物使用4PCS和PCA算法进行粗配准，结果表明采用4PCS具有更好的粗配准效果。最后采用ICP算法进行标记物的精配准，得到变换矩阵后将其应用于玉米点云，即完成了玉米点云的双面配准。由玉米点云的配准精度均方根值(RMS)可知，当点云重叠度设置为90%时，RMS值较小，玉米点云配准的精度更高，可达到较好的配准效果。总之，本研究所提的配准方法可以拼接和重建出结构更加完整的...     

基于水稻三维模型的表型参数提取及生物量估测

基于二维图像的水稻表型检测方法缺乏空间维度信息，难以提取全面的水稻表型参数，因此建立水稻三维模型进而提取全面的水稻表型参数具有重要意义。体积是指示水稻生长状况的重要参数，如何在不破坏水稻植株的前提下获取水稻体积参数是当下研究中仍有待解决的问题。基于上述考虑，提出一种基于水稻三维模型的表型参数提取及生物量估测方法，实现在不破坏水稻植株的前提下提取水稻体积参数并估测水稻生物量。以盆栽水稻为对象，首先利用Alpha-shape算法重建其三维模型，然后提取并评估水稻株高、茎粗、植被覆盖度、体积参数，并基于体积参数估测水稻生物量。结果表明，空间雕刻方法可以重建高精度的水稻三维模型，并准确测算水稻表型参数及生物量，其中水稻株高、茎粗、单株植被覆盖度均方根误差（RMSE）和平均绝对百分比误差（MAPE）分别为63.27 mm、4.01 mm、5.04%和7.15%、14.91%、12.59%，水稻生物量RMSE和MAPE分别为62.44 g、19.25%，均优于现有三维重建软件的测算结果。     

基于视觉三维重建的作物表型分析

采用基于图像序列的三维重建技术对作物小麦进行三维重建,通过对比不同处理下的三维点云,选择合适的处理方式对同一品种的不同植株进行三维重建;最后通过获取的作物三维模型对其进行表型测量。结果表明,重建出的三维模型在一定程度上可以还原作物的真实结构,说明利用计算机视觉技术对作物进行表型测量是切实可行的,利用三维模型测量作物的表型对于育种是省时有效的。     

基于三维数字化的玉米株型参数提取方法研究

【目的】玉米株型参数获取是玉米精确化育种和栽培研究的重要环节,研究解决玉米株型参数获取中存在的测量标准不一致、测量精度低、数据难以可视化、算法提取参数精度低等问题具有重要意义。【方法】本文利用三维数字化仪获取玉米植株骨架结构,提出玉米茎、叶、雄穗和雌穗器官三维数字化获取标准规程。通过将植株三维数字化数据旋转至与Z轴正方向平行并平移至坐标系原点进行数据标准化,进一步根据三维数字化数据位置关系,结合各株型参数的定义实现了株高、叶片着生高度、叶片最高点高度、叶长、叶宽、叶展、叶倾角及叶方位角等主要株型参数的提取,同时提出一种新的玉米植株方位平面计算方法,通过构建植株方位平面与各叶方位角角度差绝对值之和作为目标优化函数,进一步对该L1优化问题进行迭代求解得到植株方位平面,当叶数量是偶数时,方法可以给出精确的方位平面区间,在此基础上,引入dev值作为评价植株叶相对植株方位平面偏离度的指标。【结果】利用6个品种吐丝期玉米植株三维数字化数据和人工测量参数数据进行株型参数提取方法验证。结果表明,方法提取的叶长、叶倾角、方位角误差较小,RMSE分别为3.44 cm、3.41°和8.23°,叶长和叶倾角的MAPE分别为4.06%和4.72%,叶宽因叶片在叶脉垂直平面上的曲线形态不一致导致误差相对较大,RMSE和MAPE分别为0.80 cm和7.21%。与传统负方向能量均值法相比,所提出新的玉米植株方位平面计算方法给出了玉米植株方位平面更确切的定量化描述,对于玉米株型的定量评价具有一定价值。【结论】基于三维数字化的玉米株型参数提取方法为玉米株型参数的提取与分析提供了一种精确、便捷、可视的技术手段,对于玉米株型表型组学、玉米功能结构模型及玉米株型优化研究具有重要作用。     

基于三维激光点云的树木胸径自动提取方法

胸径是评价林木生长状况的重要参数之一。针对接触式人工测量自动化程度低和基于点云的现有算法提取树木胸径精度不高的问题,提出一种基于点云数据的自动准确获取树木胸径的新方法。该方法以树木点云数据为基础,运用蚁群算法和B样条曲线拟合技术,实现树木胸径的自动准确提取。对实验区树木测量计算,结果表明,利用该方法提取树木胸径的均方根误差为±0.19 cm,平均绝对误差为0.15 cm,相对于基于点云的传统算法提取精度分别提高了50%和60.7%。该方法基于高精度点云数据,实现了树木胸径的无损自动提取,在精准林业领域具有推广价值。     

基于点云数据的植物叶片三维重建

叶片是植物最重要的器官之一,为构建植物叶片的高精度几何模型,提出了一种基于三维点云数据的植物叶片几何建模方法。针对植物叶片形态特征,选定最适三维扫描仪进行叶片点云数据获取,通过点云的配准、简化及去噪等操作得到高质量叶片点云数据,在此基础上进行叶片网格生成与网格优化,最终得到高精度植物叶片网格模型。利用该方法分别对黄瓜、玉米和两个品种的葡萄叶片进行几何建模,结果表明,所构建的叶片模型能够较好地保持叶片形态特征,且较以前的方法在精确度和真实感方面有了较大的提高。该研究对于推动数字植物几何建模及进一步基于几何模型的可视化计算具有重要意义。     

基于LiDAR的温室番茄冠层几何参数提取

【目的】准确获取温室番茄作物行中单株冠层数据,为分析作物生长状态和为对靶喷药提供冠层数据支持。【方法】采用三维激光雷达(LiDAR)搭建番茄植株冠层检测平台,使用导轨以0.05 m/s的速度移动三维激光雷达,利用雷达上位机软件Ctrlview保存双侧扫描的A、B 2组共40株番茄植株点云。双侧点云使用ICP(迭代最近点)算法进行配准,利用基于特征值的平面拟合法去除地面,使用均值漂移算法(Meanshift)分割番茄行中的单株点云,获取冠层参数,与人工测量值比较验证精度,将单株点云在MATLAB中使用alpha shape算法进行重建并进行体积的获取,使用凸包算法作物参考值对比。【结果】该检测平台在激光雷达前进方向与垂直前进方向的测量误差分别为-2.65%、-3.95%;获取到的单株番茄植株高度与人工测量值相比,平均绝对误差分别为0.025和0.031 m;重建后求取的体积与凸包算法相比平均误差下降了约15.3%,与人工获取相比相差不大,各指标良好。【结论】番茄行点云分割结果与人工测量相比A、B 2组的均方根误差RMSE分别为0.039和0.043,冠层体积获取与参考值对比V_RMSE为0.011 3,激光雷达在获取作物外形轮廓信息中具有一定的准确性和可靠性,该方法用于温室环境下单株作物冠层数据的获取。     

基于三维点云的玉米果穗几何建模

果穗是玉米产量的构成器官,为构建高精度玉米果穗几何模型,提出了一种基于三维点云数据的玉米果穗几何建模方法。针对玉米果穗形态结构特征,选取Artec Spider三维扫描仪搭建玉米果穗点云数据快速获取系统并获取果穗点云,然后通过点云配准、重采样和孔洞修补操作得到高质量果穗三维点云,最后基于Voronoi图的网格重建方法重构果穗网格模型。结果表明,所重建的玉米果穗具有较高的真实感,且与基于计算机视觉算法相比精度大幅提高。基于三维点云的玉米果穗几何建模对于玉米果穗的种质资源保存、基于三维数据的果穗考种、玉米器官三维模板资源库构建等工作具有重要的推动作用。     

EMS诱变六倍体小麦偃展4110的形态突变体鉴定与分析

 【目的】构建小麦EMS突变体库,为小麦功能基因组学研究准备基础材料。【方法】利用化学诱变剂甲基磺酸乙酯（ethyl methane sulfonate,EMS）诱变处理小麦品种偃展4110种子,将获得的M2代材料进行生物学性状与农艺性状鉴定,部分M3材料播种家系进行验证。【结果】对M2代全生育期田间表型进行观察鉴定,突变群体的表型变异率约为6.6%;获得了幼苗、叶、茎、穗及成熟期等生物学特性与主要农艺性状的变异体和突变体,变异类型丰富,特别是发现了自然突变中少见的变异类型,如株高在10-15 cm左右的特矮变异类型。【结论】本研究所构建的两个偃展4110 EMS突变群体较为理想,可望有效地被用于小麦功能基因组研究和小麦遗传改良中。     

基于单目视觉和激光扫描技术的油菜植株模型重建及株型参数测量

分别采用单目视觉和激光扫描技术对2个油菜品种中双6号和华油杂62号的植株进行三维重建,并在重建模型上完成了对株高、叶柄长、叶片长度和叶片面积等4个株型参数的测量。结果表明:使用单目视觉和激光扫描技术的重建结果均能真实地表现油菜植株的整体形态,叶片间无遮挡的中双6号油菜植株效果更好,测量误差在2.00%以内;形态复杂叶片间部分遮挡的华油杂62号油菜植株测量误差在3.00%以内。模型重建试验表明,利用单目视觉和激光扫描技术能够完成复杂植株的模型重建,并实现部分株型参数的测量,可以为作物的遗传育种提供数据支持。