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。     

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。     

基于点云数据的火龙果三维交互系统的设计与开发

为虚拟植物形态结构模型的构建及建立植物形态结构与生长机理的关系提供关键技术和基础框架。基于点云数据和3DS MAX 2012器官精确三维形态建模方法,构建不同生育期火龙果地上部三维形态模型,最终实现火龙果三维交互系统的设计与开发。该系统对于构建其他作物器官的三维模型具有指导意义。     

基于激光点云数据的复杂植物叶片重建方法

植物叶片是植物最重要的器官之一,重建高精度的复杂叶片模型对于后续研究具有重要意义。但由于现实中复杂叶片的点云数据存在噪声、孔洞等问题,所以不易重建出高精度的叶片模型。基于激光点云数据的复杂植物叶片重建方法,该方法首先对原始点云数据进行去噪处理,然后采用三角剖分方法生成网格,再对网格进行优化处理,最后对存在孔洞的地方进行修补。结果表明,本方法能够根据激光点云数据快速重建出复杂植物叶片的高精度模型。     

基于三维激光点云数据建立三维树木模型方法的研究

提出一种基于三维地面激光测距仪（Terrestrial LiDAR,TLiDAR）所获取点云数据重建三维树木模型的方法。利用TLiDAR点云数据构建三维树木模型的优势在于可以精确重构树木模型,精确量取树木任意部位尺寸,且免于或受到较小的外界干扰。利用这种模型可以对树木枝叶冠幅的状况以及树干的横截面积等进行评估,在三维绿量和生物量计算上具有显著优势。     

树木枝干Delaunay三角网格构建技术

基于点云的树木建模技术是获取树木三维模型的一种重要方法。以三维激光扫描得到的树木枝干点云数据为数据源,将树木枝干点云数据分割成不同的部分,沿树高方向分层。利用凸包算法提取树木不同高度的点云等值线,在相邻等值线间使用三角网生长算法构建Delaunay三角网。合并树木不同部分的Delaunay三角网格,构建出树木枝干的Delaunay三角网模型。通过实例验证,运用此方法提取的树木枝干等值线模型符合一般等值线模型的特点,相邻2条等值线间不会产生边缘交叉问题;构建的树木枝干Delaunay三角网模型比使用普通软件建立的模型数据量大幅减小,而且模型效果更好。使用射线碰撞检测技术提取模型参数,与实际测量值对比误差在5%以内,满足林业测树要求。     

基于三维点云的灌浆后期玉米植株形态变化研究

快速、准确地获取玉米三维数据是玉米形态结构和功能分析研究的基础。然而,玉米单株和群体原位数据获取存在田间气流稳定性差、器官交叉遮挡严重、高温高湿环境不利于仪器连续工作等问题。因此,采用破坏性取样的方法研究玉米植株的形态变化过程,对玉米植株形态结构数据获取方式的确定具有重要意义。利用三维扫描仪对灌浆后期的两个氮肥处理玉米植株进行不同扫描时间的三维点云数据获取,并通过点云数据分析各叶片的形态变化过程。试验结果表明：从田间原位到室内可控环境下,在取样后2 h以内,玉米植株的形态变化最小,与田间原位的形态结构最为接近。上述结果为玉米植株破坏性取样提供理论依据,也为玉米结构功能模型研究提供数据获取技术支持。     

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...     

植物三维点云模型的处理应用

阐述了一种植物三维点云模型数据处理的方法,简述植物逆向工程的相关概念,提出植物逆向工程数据的获取及处理技术,阐述应用软件实现对黄瓜叶片、烟草叶片的三维点云模型的数据简化、三角网格生成、模型优化等操作,探索了面向植物三维点云模型的数据处理技术应用。     

农作物基于点云的三维重建方法研究

随着数字农业的飞速发展,农作物的三维重建技术在农业中应用越来越广泛。研究农作物三维立体信息,对作物的种植、修剪、药物喷洒以及产量变化规律等方面的研究具有指导性意义。点作为最简单的图元,可以真实地记录物体表面的三维立体信息,较为精确地表示出物体的形态特征。因此,对三维点云的处理及重建技术进行研究就尤为必要。基于点云的预处理及重建技术是虚拟现实、计算机图形学和计算机视觉等多个学科交叉的一个研究领域,其主要研究内容是将点云记录的三维物体的几何信息恢复成图形图像,并通过计算机显示出来,进而可以方便快速地对物体进行分析、显示和处理。本文以大豆植株为研究对象,利用Kinect深度传感器获取农作物的点云数据,研究点云数据预处理、去噪的方法,对不同方位的点云数据进行配准,以及点云数据快速三维重建的方法。本文研究能够为快速获取植物三维点云数据,并实现植物三维形态的重建提供一种廉价、快速和高效的手段。     

植株自旋转多视角重建技术在小麦植株三维表型获取中的应用评估

基于多视角重建技术的作物三维表型高通量获取系统成本低、获取效率高，引起越来越多的关注。植物自旋转式拍摄平台易于搭建，但植物旋转过程中产生的抖动对点云三维重建和表型解析精度有一定影响。为评估旋转式多视角成像在小麦植株三维表型解析中的适用性，基于植物旋转设计了便携式小麦植株三维表型高通量采集系统，选取穗期不同品种的小麦植株作为实验样本进行点云重建，基于Hausdorff距离评价了重建点云的精度误差；并基于人工测量数据，对所提取的表型指标精度进行评价。结果表明，植物旋转式重建的点云与相机旋转式重建的点云有较高的一致性，点云精度差距基本控制在0.4 cm以下；获取的叶长、叶宽和株高的均根方误差分别为0.79、0.13和0.53 cm，平均绝对百分比误差分别为3.26%、7.63%和0.74%，表明该方式适合穗期的小麦植株表型重建，具有较高的点云重建和表型提取精度，并为小麦植株表型评价提供了一种低成本的解决方案。     

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。     

基于运动恢复结构的多株立木因子测量方法

  目的  提出基于运动恢复结构的多株立木因子测量方法,以解决目前基于三维点云的立木因子测量方法获取立木树高和胸径存在效率低或成本高的问题。  方法  ①使用智能手机环绕包含多株立木的场景拍摄一段视频,并采用固定帧采样法和差异值哈希算法自动提取立木视频中的关键帧图像,然后,基于运动恢复结构(structure from motion,SfM)算法处理立木关键帧图像,从而获取立木场景的原始三维点云;②在对原始三维点云进行预处理及初步分割后,运用条件欧几里得聚类算法对多株立木三维点云进行分割,以提取单株立木三维点云;③对立木三维点云使用最值遍历法和椭圆拟合法实现立木树高和胸径的自动测量。  结果  与真实值相比,本研究方法测得的树高、胸径的平均相对误差分别为1.96%、3.19%,均方根误差分别为0.133 3 m、0.533 7 cm,相关系数分别为0.987 9、0.962 1。  结论  该方法具有较高的树高和胸径测量精度,提供了一种便捷、低成本的多株立木因子三维测量方法。图6表1参27     

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。     

玉米穗粒重与果穗三维几何特征关系的定量研究

【目的】从穗粒重与果穗三维几何关系的角度探索籽粒产量的制约因素,寻找进一步提高玉米产量的途径。【方法】利用图像处理技术采集了10个品种的果穗几何特征,分析了穗粒重对果穗几何特征组合的回归,以及穗粒重与穗大小特征的相关性。矩形度定义为果穗面积占其外接矩形面积的比例,分别与穗长+穗粗、穗面积、穗体积组合建立回归方程。【结果】上述3种组合方程,分别解释了品种间籽粒产量总变异的77.7%、70%和78.7%,矩形度的贡献大于或者约等于穗大小几何特征。同样结构的回归方程在矫正品种产量后,解释了环境间籽粒产量总变异的81.3%—82.0%,矩形度的贡献小于穗大小几何特征。穗大小对籽粒产量的简单决定系数为:在品种间,三种维数的大小特征都不显著;在环境间,穗长、穗粗、穗面积、穗体积分别为0.387、0.167、0.590、0.571。【结论】穗大小单一特征的重要性次序为:穗体积穗面积穗长、穗粗,穗矩形度是反映穗形态的一个重要性状,与穗大小特征相组合,能够高精度预测穗粒重。     

基于三维激光扫描仪法的大型立式罐容量的计量

介绍了一种基于三维激光扫描技术的立式罐容量计量方法,利用三维激光扫描仪获取立式罐表面点云数据,进行罐体三维模型重构,计算罐体容积并建立容积表。阐述了基于点云分析的立式罐容积计算模型,以及观察法、中值滤波、莱以特准则（3盯准则）在点云数据预处理中的应用,并给出了利用最小二乘法、加速迭代法、等效面积法计算圈板半径的相关公式。采用HDS7000三维激光扫描仪对某2×10^4m^3立式罐进行了试验测试,检验了HDS7000三维激光扫描仪和相应方法在容量计量中的重复性和复现性。测量结果表明：三维激光扫描仪法与立式金属罐容量计量检定规程中规定的全站仪法测得的圈板半径最大偏差仅为0．1mm,容积相对偏差不超过1％o,满足检定规程要求。（表5,图8,参9）