植物三维建模ICP点云配准优化

构建精确三维模型无损获取植物表型特征信息,对研究农作物的精准化种植、可视化管理和智能化操控具有实际意义。针对当前植物三维建模过程点云数据量大、配准精度不高的问题,该研究提出基于轻量化处理的迭代最近点算法（Iterative Closest Point,ICP）点云配准优化方法。首先以人机交互算法对获取的植株点云图像进行背景滤除,然后利用高效近邻搜索算法判别点云的离群点进行噪声去噪;通过引入辅助特征坐标参数解决ICP算法配准过程中易陷于局部最优解的问题,获取多组点云的精确配准;最后提出体素化网格法,在保证点云三维形态特征的前提下有效滤除冗余点云数据点。试验结果表明,单株和多植株的精简配准效果良好,表型清晰明显,细节易区分,精简后的植株点云冗余数据减少96.90%～97.35%。精简后的植物点云表型可有效重构植株的形态特征,单植株的株高误差为0.20%～0.45%,冠幅误差为0.17%～0.47%,多植株的株高误差为0.25%～0.60%,冠幅误差为0.42%～0.80%。优化后的ICP算法实现滴水莲点云数据精准融合时间为124.3 s,较暴力算法提升26.75%,冗余点云数据精简96.90%～97.20%,为植物表型的三维建模轻量化处理提供参考。     

多视角深度相机的猪体三维点云重构及体尺测量

对活体牲畜三维重构,数据采集方式、快速配准融合方法、表型体尺测量方法缺乏成熟有效的方案,导致目前活体牲畜的自动体尺测量技术难以在养殖场中推广应用。该文以猪为研究对象运用消费级深度相机KinectV2从正上方和左右两侧3个不同角度同步获取在采集通道中自由行走猪的局部点云。局部点云采用邻域曲率变化法去噪,并运用基于轮廓连贯性点云配准融合,最后采用多体尺数据精确估算技术测定包括体长、体高、胸宽、腹围等数据。该文分别对比实验室中模型猪由传输带以5种不同速率经过通道和养殖场内25头猪逐一经过通道,2种情况下采集数据进行各项体尺测算结果。其结果显示模型猪在传输带上以0、0.3、0.6、0.9和1.2 m/s等5种不同速率下测量体长、体高、胸宽、腹围值与实测值的平均相对误差分别为1.77%、1.36%、2.74%和2.17%。养殖环境下对25头猪同样4种体尺值与实测值的平均相对误差分别为2.56%,2.32%,3.89%和4.51%。试验结果发现养殖场活体猪测量最小误差可以达到实验室环境下的效果,但是最大相对误差变化较大,其原因在于养殖场中猪自由行走采集数据时行为姿态发生很大变化。     

田间作物群体三维点云柱体空间分割方法

农田作物群体表型信息对于研究作物内部基因改变和培育优良品种具有重要意义.为实现田间作物群体点云数据中单个植株对象的完整提取与分割,以便于更高效地完成作物个体表型参数的自动测量,该研究提出一种田间作物柱体空间聚类分割方法.利用三维激光扫描仪获取田间油菜、玉米和棉花的三维点云数据,基于HSI(Hue-Saturation-...     

陕北黄土丘陵山地枣树生物量模型

[目的]探索一种在不损伤枣树条件下估算枣树生物量的方法,为研究灌溉施肥与枣树生长关系提供技术支撑。[方法]在大量实际测定调查数据的基础上,用线性和非线性生物量模型分别对枣树枝条、枣吊、叶片及果实的生物量进行建模,以相关系数R2,拟合指数W,标准误SEE,变异系数CV和预估精度p作为模型的精度评价指标,对模型进行了检验,并对两类模型进行了对比分析。[结果]线性模型适用于枝条生物量的预测,R2为0.980~0.984,p介于0.909~0.926;叶片生物量和枣吊生物量的最优模型为非线性模型,R2介于0.880~0.943,p介于0.897~0.976;果实生物量最优模型为二元非线性模型,R2为0.999,p为0.998;枝条、叶片和枣吊的鲜重与干重的比例系数分别为2.085,2.854和2.675;单个枣吊长度和枣吊上的叶片数目呈现出良好的一元线性关系,R2达到0.88。[结论]本研究中使用的枣树生物量模型的模拟精度较高。     

基于三维重构的哈蜜瓜均瓣雕花算法

为解决哈密瓜雕刻速度慢、花瓣大小不一致等问题,该研究提出了一种基于三维重构的哈蜜瓜均瓣雕花算法。对多角度拍摄得到的哈蜜瓜照片进行滤波处理,提取其图像特征并进行稀疏重建,通过点云坐标得出哈蜜瓜的特征参数;接着在稀疏点的基础上利用CMVS/PMVS算法进行稠密重建;最后调节八叉树算法与泊松表面重建,得到哈密瓜精确三维空间坐标。根据哈密瓜体型特征及设定花瓣数量,将点云三角网格化在深度优先算法的基础上结合粒子群算法,规划雕刻起点、终点及雕刻深度,使每个花瓣体积相同。采用48个哈密瓜,雕刻花瓣数取15~30,雕刻深度为1.5、2.0、2.5 cm。其中切割花瓣数为28这一组精度最低,测得最大与最小花瓣体积分别为3.40与3.25 cm3,最大体积差为0.15 cm3,误差小于5%。结果表明,该研究提出的基于三维重构的哈蜜瓜均瓣雕花算法精度高,研究结果可为机器人雕刻哈密瓜提供技术支持。     

基于三维点云的植物多任务分割网络

在植物表型研究中,植物器官分割是实现无损、高通量、自动化表型测量的重要步骤。然而,现有植物器官分割方法通常需要凭借经验设置合理的阈值参数,且很少同时执行语义分割和实例分割。该研究提出了一个基于三维点云的植物多任务分割网络（a multi-task segmentation network for plant on 3D point cloud,MT-SegNet）,结合多值条件随机场（multi-value conditional random field,MV-CRF）模型,同时实现茎、叶语义分割和叶实例分割。在MT-SegNet中,为解决用最大池化或平均池化方法来聚合邻域点特征可能会导致重要信息丢失的问题,该研究提出了一种基于注意力机制的多头注意力池化模块。它能自动学习到重要的邻域点特征,从而有利于提高网络的分割性能。同时,MT-SegNet分成两个不同的分支,分别用于预测点的语义类别和将这些点嵌入到高维向量,以便将这些点聚类为实例。最后,使用MV-CRF进行多任务的联合优化。在彩叶芋点云数据集上的试验结果表明,该方法的茎、叶语义分割的交并比、准确率、召回率和F1分数的平均值分别为84.54%、93.64%、91.39%、92.48%,叶实例分割的平均准确率、平均召回率、平均实例覆盖率和平均加权实例覆盖率分别为88.10%、78.44%、76.24%、76.93%,均优于PointNet、JSNet等现有的深度学习网络。该模型也适用于类似植物的点云分割类任务。这有助于为植物自动化表型测量提供必要的技术条件。     

基于三维点云数据的花瓣形态及生长过程模拟

目前对于虚拟植物的研究多是通过图形建模来模拟植物的生长变化,计算复杂且操作不灵活。随着三维扫描和点云重建技术的发展,为复杂植物形态可视化提供了新的手段。论文基于三维扫描的植物点云数据模型,研究了植物花瓣的形变和生长过程模拟。利用三维扫描仪获取植物花瓣的生长序列,采用MATLAB根据实测点云数据拟合植物生长函数曲线,最后将传统花卉生长模拟与点云模型的自由变形相融合,提出了依据实测点云数据通过点云模型变形算法模拟花卉植物动态生长的方法。该方法不仅能够保留花卉植物复杂的形态特征,而且使形变控制简单,模拟的花瓣形态及生长真实自然。此外,该方法还与基于物理的模拟方法进行比较,并利用拟合回归分析、实测花瓣数据与重建数据间误差对该方法的准确性进行了分析。结果显示花瓣生长期内决定系数达0.75以上及平均误差控制在2mm以内,研究结果为花卉植物的生长形变模拟提供了参考。     

基于可视化类库的植株三维形态配准方法及点云可视化

精确的植物三维静态形态结构模型有助于植物空间结构相关的各种研究,是虚拟植物、植物建模等问题研究的一个重要方面。研究植物生长过程中的三维信息的获取可以获得作物生长过程中各参数的动态数据,可为精细农业植物生长模型建立等提供依据。该文以植物为研究对象,介绍了虚拟植物及植物三维可视化的研究现状,讨论了植物叶片三维可视化的可行性及必要性。针对植物三维点云的采集与处理上,讨论了三维扫描仪的精度测定方法,并针对基于基准体的植株点云配准问题,提出采用基准体点云平均法向量计算的方法,去除了部分基准体表面的噪声点,提高了植株体的配准精度;采用迭代最近点（iterative closest point,ICP）算法,对植株叶片进行进一步的高精度配准。最后采用基于可视化类库VTK(visualization toolkit)实现了植物点云配准与三维可视化。     

基于TOF深度传感的植物三维点云数据获取与去噪方法

为提高植物三维重建的精度,更好地实现植物数字化研究,提出了基于TOF(time of flight)深度传感的植物三维点云数据获取与去噪方法。首先通过TOF深度传感来获取植物点云数据,采用直通滤波器对点云数据进行预处理,减少背景噪声;其次采用改进密度分析的离群点去噪算法,该算法通过结合邻近点平均距离和邻域点数数量2个特征参数,对点云数据中的离群点噪声进行检测和去除;最后采用双边滤波算法对点云内部的小尺寸噪声进行检测和去除。以番茄植株进行相关试验,试验结果表明:与传统双边滤波算法比较,该文算法最大误差降低了11.2%,平均误差降低了23.2%;与拉普拉斯滤波算法比较,最大误差降低了20.6%,平均误差降低了39.2%,表明该文提出的算法在保持点云特征的情况下,能简单高效地去除植物三维点云数据中的不同尺度噪声。     

基于三维点云数据的苹果树冠层几何参数获取

针对果园环境下苹果树冠层参数获取精度较低的问题,提出了基于地面三维激光扫描仪高精度获取苹果树冠层参数的方法.选用Trimble TX8地面三维激光扫描仪作为苹果树冠层三维点云数据采集设备,提出了基于标靶球的KD-trees-ICP算法,用于高精度配准苹果树冠层三维点云数据.研究了平均风速小于4.5 m/s时,距离地面三维激光扫描仪不同远近条件下的标靶球配准残差和拟合误差的变化规律,分析结果表明,标靶球平均配准残差为1.3mm,平均拟合误差为0.95 mm,低于大场景测量配准误差要求(5mm).为了提高有风环境下提取苹果树冠层参数的精度,研究了0.9～4.5 m/s区间平均风速影响下的苹果树冠层枝干、果实、叶片的三维点云质量,建立了风速与叶片侧面厚度的曲线拟合模型,分析结果表明,在果园平均风速小于1.6 m/s时可以从苹果树冠层三维点云数据中提取高精度冠层参数.利用地面激光三维扫描仪获取距离苹果树12 000 mm以内冠层参数,测量精度高于人工测量,相对误差小于4％,为果树高通量信息获取提供了技术支持.     

基于点云配准的果树快速三维重建

旨在为果园生产管理提供果树三维可视化基础数据,该文提出了一种基于点云配准的自然光照环境下的果树三维重构方法。首先,利用RGB-D相机采集不同视角下的果树彩色图像和深度图像,并通过信息融合获取相应视角下果树的三维点云数据;第二,对果树原始点云进行去背景和滤波等预处理,利用归一化对齐径向特征NARF(Normal Aligned Radial Feature)算法计算每片点云中的关键点,并在关键点初运用快速点特征直方图FPFH(Fast Point Feature Histograms)描述子得到关键点的特征向量。通过计算比较两片点云的FPFH特征,寻找两片相邻点云之间的空间映射关系,利用随机抽样一致性RANSAC(RANdomSAmple Consensus)算法提纯映射关系并完成相邻两片点云的初始配准;第三,在初始配准的基础上,利用迭代最近点ICP(Iterative Closest Point)算法完成点云的精确配准;最后,利用上述点云初始配准和精确配准方法对果树多片点云进行全局配准并完整重构果树的三维点云图像。针对配准过程中时间消耗过大的问题,该文提出了基于OpenMP技术对配准进行加速的方法。结果表明,该文所提出的果树三维重构方法具有较高的准确性,配准的平均距离误差为0.0068 m;同时,在不影响配准精度和稳定性的前提下大幅提高了果树三维重建的效率。     

基于点云的果树冠层叶片重建方法

精确的果树三维冠层结构是农业科研人员进行功能结构模型研究的重要载体,该文提出一种快速、精确、自动的果树冠层叶片重建方法。首先根据带叶果树点云的局部和全局特征,建立椭球分层的点云密度收缩方法实现器官点云分离,然后利用邻近传播主成分分析算法实现叶片特征参数的求解,利用Laplacian收缩算法实现冠层骨架点的连通,从而实现冠层叶片的快速自动重建。最后利用C++及Point Cloud Library(PCL)点云库,开发果树叶片点云冠层自动重建系统,对苹果树、柑橘树等不同类型果树进行算法验证,结果表明该方法能够正确识别出的叶片数占冠层总叶片数的90%以上,叶面积指数的正确率大于95%,叶片倾角偏离5?以内的叶片数占总叶片数的90%以上。该方法得到了较好的可视化效果和叶冠三维重建精度,可为后期树体冠层内光合作用的研究、整形修剪、农业仿真试验等提供参考。     

基于点云数据的植物叶片曲面重构方法

叶子是植物最重要的器官之一,建立植物叶片的高精度曲面模型对于开展植物叶片形态特征分析和冠层光分布计算等研究具有重要意义。该文提出了一种基于点云数据的植物叶片曲面重构方法,该方法首先对原始点云数据进行噪声点剔除和数据精简,然后采用Delaunay三角剖分方法生成初始网格曲面,再对网格曲面进行优化处理。结果表明该方法能够基于激光扫描三维点云数据快速重构出植物叶片的高精度网格曲面,包括萎蔫和枯萎等复杂形态。该研究可为植物建模与可视化相关研究提供参考。     

基于树冠最高点和地面树干中心的森林影像点云配准方法

为了弥补无人机和地面不同观测视角导致的森林信息缺失以及不同平台摄影测量影像点云难以高效配准的问题,该研究基于无人机和地面摄影测量构建森林三维影像点云数据,以提取的无人机树冠最高点和地面树干中心为关键特征点,参考由粗到精的配准思路,借助特征点在3D和2D的映射关系以及改进的模拟退火算法和迭代最近点算法,提出了一种适合于无人机和地面不同观测平台的森林影像点云配准框架。测试结果表明,相较于银杏树和楸树而言,杨树对关键点匹配影响较大（杨树1.13 m > 楸树0.75 m > 银杏树0.52 m）,不同树种对粗配准影响较小（杨树0.13 m > 银杏树0.08 m > 楸树0.07 m）;所提方法在不同树种组成的6块典型样地上表现出色,平均精配准误差分为0.06 m,有效实现了无人机和地面平台影像点云的精细化配准。研究结果可为森林资源调查、森林三维重建以及影像点云的推广应用提供有力的支撑。     

基于三维点云的甜菜根表型参数提取与根型判别

为挑选产糖量高且适合机械化收获的甜菜根型,该文基于多视角图像序列,构建了207个基因型甜菜根的三维点云模型。基于三维点云提取了描述甜菜根形态特征的10个表型参数：最大直径、根长、凸包体积、顶投影面积、紧凑度、凸起率、凸起角、根头比、根尾比和根体渐细指数。与人工测定的最大直径和根长值进行校验,决定系数R2均在0.95以上。其中根长、凸包体积及顶投影面积与生产指标呈极显著(P<0.01)相关关系。采用稳定性较高的K-medoids聚类算法将甜菜根型分为4类,结合专家知识获取理想根构型的主要特征为根型中等长度、比例适中。采用线性判别、随机森林、支持向量机、决策树和朴素贝叶斯5种预测模型进行根型判别。结果表明5种根系判别模型预测准确率均在70.0%以上,随机森林判别准确率达到81.4%。研究结果将为培育高品质和适应机械化生产的甜菜品种提供依据。     

基于体着色的植物构型三维重建和可视化模拟

对植物进行三维重建通常利用立体视觉原理,由于立体匹配无法自动完成,加大了对植物构型时空变化的研究难度。根据体素颜色赋值法,设计了记录植物空间变化的体素三维重建系统,并利用其重建出植物点云数据,提出了针对植物体素点云数据进行滤波、分类及提取植物构型信息的算法,基于OpenAlea利用植物构型信息,建立植物构型模型并实现可视化模拟。采用阴香（Cinnamomum burmannii）枝条作为样本对该三维重建系统进行验证,结果表明,该系统能够自动重建枝条构型组织茎叶的点云,抽取植物构型信息的算法能快速正确得到枝     

用机载LiDAR点云数据估测海南博鳌人工经济林单木参数

激光雷达是目前发展迅速的一种主动遥感技术,其发射的激光脉冲能穿透树林冠层,实现森林三维结构特征的获取。为验证机载激光扫描器提取森林单木参数的可行性,该研究以海南省博鳌机场周边人工林为研究对象,使用机载激光扫描器Mapper5000（中国）获取的点云数据,探索对人工经济林单木参数估测的可行性。根据研究区的地形和林木结构特征,分别对槟榔和橡胶2个树种进行单木参数提取,使用K-means分层聚类对不同样地的林木进行单木分割,提取样地内单木树高、冠幅、胸径、材积和地上生物量。结果表明,2个树种的单木分割正检率均在85%以上,总体平均正检率在89.98%以上;单木树高、冠幅、胸径、材积、地上生物量估测结果的决定系数均达到0.8以上,说明该点云数据对提高森林参数估测精度有积极作用,机载激光雷达技术在森林资源精细调查中有较大的应用潜力,同时也可应用于相关果树生长情况监测,为数字果园的发展提供技术支撑。