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。     

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ISS-CPD算法的三维激光点云数据处理技术

针对传统的三维重建方法既费时又费力、准确性低等,只能获取一些特征点和线性数据。本文在三维激光扫描点云的基础上,提出了一种结合ISS算法和CPD算法用于建筑物LiDAR点云配准。通过ISS算法提取点云数据的特征点,并通过CPD算法对这些特征点进行配准。并通过实验对该算法的有效性进行验证。结果表明,改进算法简单有效,提高了运算效率。该研究为我国三维激光点云数据的三维重建技术发展提供了参考和借鉴。     

基于序列图像的苹果树三维点云模型获取

围绕苹果树每10°~20°采集1幅图像形成苹果树的序列图像。首先匹配图像特征点构建稀疏点云,再利用多视点视觉技术(patch-based multi-view stereo,简称PMVS)构建果树的稠密点云。对苹果树不同物候期的三维点云获取结果表明,叶片的方向各异性以及稠密度对苹果树的重建效果有重要影响,可为植物建模、虚拟修剪试验和植物拓扑结构分析等提供参考。     

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。     

基于Kinect的农作物长势深度图像实时获取算法

快速、准确、实时获取农作物长势形态图像信息已经成为数字农业生产管理的趋势和必要手段,而深度图像信息包含彩色图像所没有的三维信息,可为农作物的生长模型三维重建以及实时长势形态监测提供有价值的数据。本研究采用微软公司开发的一款廉价体感游戏设备Kinect,尝试了对农作物长势形态深度图像进行实时监测研究,在介绍Kinect深度成像原理的基础上,提出了采用Kinect获取农作物长势深度图像的算法以及提取3D点云世界坐标的算法,并开展了初步试验。试验结果表明,该方法可以获取良好的三维图像数据信息,能够为后期农作物的生长模型三维重建、长势状态分析、病虫害实时监测等研究提供有价值的数据依据。     

基于激光扫描点云数据的植物叶片三维可视化

利用三维激光扫描系统得到单个黄瓜叶片的点云数据,借助imageware软件对点云数据进行缩减和坐标转换处理,并在OpenGL中通过三角网格化处理得到能反映叶片真实几何形态的三维模型,同时运用着色技术实现了单个叶片的三维可视化,达到了较逼真的可视化效果,为建立黄瓜植株三维模型的可视化提供了基础。     

基于三维点云的苹果树冠层光照分布模型研究

为给果园精细管理中果树修枝整形、果实品质评价以及果实产量估算等提供科学的理论依据和技术指导,以果园自然开心形苹果树为研究对象,基于果树三维点云结构,进行果树冠层空间光照分布建模研究。用三维点云重构技术和点云分割技术获取果树不同高度的点云分层,分别使用像素占比和Graham扫描算法计算各高度点云分层垂直投影的有效投影面积和占地面积及有效叶面积指数。以果树冠层不同高度层的有效叶面积指数为自变量,对不同高度层平均相对光照强度进行线性回归,获得果树冠层光照分布模型,并对模型进行验证。结果表明:所建果树冠层光照分布模型的校正决定系数R2c为0.924,校正均方根误差RMSEC为0.05,验证决定系数R2v为0.955,验证均方根误差RMSEP为0.04,相对分析误差RPD为4.91。该模型具有较高的预测精度和较强的预测能力。     

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。     

基于三维激光点云的靶标探测系统研究与试验

【目的】使用R-Fans-32三维激光雷达(LiDAR)研究植株三维激光点云与植株叶面积之间的关系,为变量喷雾系统提供数据支撑。【方法】假设植株激光点云数量与叶面积之间存在线性关系。搭建基于三维激光点云的靶标探测的试验系统,先测量靶标植株的高度来探究该探测系统的精度,激光雷达以10Hz的扫描频率和1m的探测距离实现对10株番茄的三维点云数据的获取,激光雷达上位机软件Ctrlview实现对三维激光点云数据的储存。利用Cloud Compare软件对储存的点云数据进行处理,利用LiDAR360软件对植株进行高度测量和点云数量的获取。对采集的植株点云进行数量统计,利用CL-202植物叶面积测量仪对采摘的靶标植株叶片测量叶面积,验证植株点云与叶面积之间的关系。【结果】激光雷达探测所得到的番茄植株的高度与手工测量值的最大相对误差为7.92%。利用线性函数拟合植株点云数量与叶面积,拟合度为0.7805,最大相对误差为5.64%。【结论】设计了一种用于探究基于激光点云的变量喷雾系统可行性的试验系统,依据三维激光点云计算植株的叶面积精度良好,R-Fans-32三维激光雷达可作为变量喷雾系统的探测部件。     

苹果树冠层叶片形态特征研究

为了更好地认识苹果树的冠层结构,定量化描述冠层中叶片的形态特征。通过选取两个品种苹果树冠层不同类型枝条的叶片形态指标,利用SPSS软件对数据进行分析处理。利用数理统计方法对大量叶片形态特征数据进行了统计分析、数据拟合和误差分析,建立了苹果树不同类型枝条上叶片形态特征的数学模型。不同品种苹果树不同枝条类型,具有相同的叶片形态特征,随着叶位提升,发生规律性变化。通过对这些形态特征的分析研究,可以对苹果树冠层有更直观的认识,为构建准确、符合生理性状的果树三维模型提供必要的知识模型支撑。同时提高了基于三维模型进行果树冠层生理生态功能的仿真模拟研究的可信度。     

基于三维激光扫描仪技术的坡面径流小区土壤侵蚀运用研究

利用徕卡HDS300三维激光扫描仪的精密测量技术对黄绵土坡面径流小区土壤侵蚀形态的微观变化及过程进行高精度、实时监测,从形态学上探讨了土壤侵蚀过程及分布特征,研究结果表明:(1)徕卡HDS300三维激光扫描仪及其配套的软件能准确地测量到初始坡面、降雨后坡面的地貌形态DEM;(2)徕卡HDS300三维激光扫描仪中的Clyclone软件对初始坡面、降雨后坡面的地貌形态DEM进一步分析,计算了降雨后土壤侵蚀体积与土壤流失量,且二场人工降雨实验测得的实验误差分别为5.38%和3.41%,经过精度验证表明,三维激光扫描仪可应用于坡面产流产沙研究,土壤侵蚀量的测算精度较高;(3)各场次降雨后的三维点云数据导入到Arcgis中进行分析处理,获取了坡面侵蚀时空分布特征,实时监测了侵蚀沟的发展以及土壤侵蚀形态的变化。该实验研究可以弥补目前在土壤侵蚀形态微观定量研究上存在的不足,获取高精度数据,为水土保持工程设计、水土保持管理提供技术支撑。     

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。     

基于最小二乘的点云叶面拟合算法研究

利用地面激光扫描仪(TLS)获取户外树木的大量点云数据,从中截取树叶点云数据并以此来进行曲面拟合,构建树叶真实三维模型。主要针对空间散乱点云数据的曲面拟合方法进行研究。在最小二乘法、正交最小二乘法、移动最小二乘法等3种二维曲面拟合方法基础上,针对空间散乱点云数据,提出新的曲面拟合方法。通过比较这3种方法对点云数据曲面拟合后效果,得出结论:针对树叶散乱点云数据,移动最小二乘法能够有效的拟合出树叶的曲面。     

基于双目视觉的作物点云获取与分割定位方法

为了提高农业视觉导航系统对作物定位的精确性,提出了一种基于双目视觉的作物点云获取与分割定位方法。该方法采用ZED双目相机采集作物左右视图,通过视差原理获取作物的3D点云数据,利用点云离散程度和体素化网格方法对初始点云数据的离散点和冗余数据进行去除,然后在预处理后的点云图中利用基于点云法线角度差的区域生长分割出每株作物的点云簇,用每个点云簇中所有点的平均坐标值作为该株作物的三维坐标,结合视觉系统坐标系,计算出作物与相机的水平距离以及水平偏角,从而实现作物定位。试验结果表明,该方法测得的作物平均距离误差为1.89%,平均角度误差为2.17%,该算法可以对作物进行准确定位,为基于双目视觉导航的路径规划提供可靠的定位信息。     

番茄氮素的多特征融合检测研究

针对设施番茄的氮营养探测,利用高光谱成像结合三维激光扫描技术,提取了番茄氮素的高光谱特征图像和植株的三维形态特征,实现了番茄氮素的快速定量分析。基于获取的不同氮素水平番茄的高光谱图像数据立方体,利用敏感区域逐步回归,结合相关分析,提取了氮素的特征谱段,获取了特征图像强度均值特征;基于获取的番茄三维激光扫描数据,通过建立番茄三维点云数据的空间几何模型,获取了不同氮素水平番茄的茎粗、株高和生物量特征;采用PLSR建立了多特征融合番茄氮素检测模型,结果表明,所建立的模型的R为0.94,模型精度明显优于采用高光谱图像和三维激光扫描单一特征模型。     

多基线数字近景摄影测量系统在古典园林建筑物三维重建中的应用

本文提出了基于多基线数字近景摄影测量系统所获得的点云数据来实现园林古建三维建模的方法.以保定古莲花池不如亭三维重建为例,从多基线数字近景摄影测量系统工作原理入手,阐明了获取点云数据的过程和方法,通过对该系统测量误差分析,结果表明,该系统可以对园林古建进行精确测量,进而实现建筑物三维建模,为古典园林建筑物修缮提供数据支持.     

三维激光扫描系统在林业中的应用研究

该文介绍了三维激光扫描系统的组成、工作原理及仪器的性能指标、特点和操作方法.通过甘肃省小陇山林区实验,首次将三维激光扫描系统引入林业调查.通过三维激光扫描仪获取单株立木空间点云数据,利用软件建立了立木三维模型.从三维模型上可直接量测立木树高、胸径、冠幅和计算立木材积,利用获取的材积可进一步建立立木材积方程和编制立木材积表.通过与伐倒木实测数据对比,采用该系统获取的测树因子和立木材积均满足林业调查的精度要求.研究表明,采用三维激光扫描系统可实现对疏林单株立木的无损伤、高效、精准监测,可在森林资源调查中应用.     

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。