基于点云采集设备的奶牛体尺指标测量

为验证Xtion在奶牛体尺测量上应用的可行性,该文以提高现有体尺指标测量技术的精度、效率及自动化程度为目标,选用Xtion作为采集设备,石膏奶牛模型和真实奶牛作为试验对象,在实验室环境下,采用高精度三维扫描仪扫描奶牛模型作为对比点云数据,以不同距离下Xtion采集的数据作为测试点云数据,通过统计误差定量分析数据精度和密度随采集距离变化的规律,以确定合适的采集距离。养殖场环境下,在小于1.2 m采集距离条件下利用Xtion获取奶牛点云数据,采用Meshlab对点云数据进行可视化和交互测量,定性分析阳光、体表材质等因素对获取点云数据质量的影响,并将交互测量与人工测量结果进行对比分析。结果表明,在遮挡太阳光和采集距离大于0.6小于1.2 m条件下,平均误差小于±5 mm,相对误差小于10%,Xtion作为点云采集设备用于奶牛体尺测量是可行的。     

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...     

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。     

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-Intensity,色调、饱和度、亮度)颜色模型进行作物群体目标提取,采用直通滤波方法获取作物茎秆点云,基于茎秆点云数据使用欧氏距离聚类分割算法提取每个植株的聚类中心点,并以聚类中心点建立柱体空间模型,使用该模型分割得到田间作物每个单体植株的点云数据。试验结果表明,该研究的方法对油菜、玉米和棉花3种作物的分割准确率分别为90.12%、96.63%和100%,与欧氏距离聚类分割结果相比,准确率分别提高了36.42,61.80和82.69个百分点,算法耗时分别缩短为后者的9.98%,16.40%和9.04%,与区域增长算法分割结果相比,该研究的方法可用于不同类型农作物,适用性更强,能够实现农田中较稠密作物植株的分割。该研究的方法能够实现农田尺度下单个植株的完整提取与分割,具有较高的适用性,可为精确测量作物个体表型信息提供参考。     

植物三维信息采集方法研究

精确的植物三维形态结构模型可用来研究与植物空间结构相关的性质,是虚拟植物、植物建模等相关研究的一个重要方面。该文主要研究了采用基于结构光技术的三维信息采集系统,结合必要的旋转装置,快速无损地获取植物点云数据,从而获取植物三维形态结构的方法。为解决这种三维信息采集时点云数据无法良好配准的问题,该文提出了一种基于改进的外部附加结构的配准技术,使得配准精度、稳定性及处理速度都有显著提高。该研究结果可为深入研究植物虚拟生长建模技术奠定良好的基础。     

基于WPF的粮仓三维激光测绘系统设计与开发

粮仓清仓查库是粮食储藏管理中必不可少的环节,关系国内粮食的宏观调控。该文针对传统的清仓查库方式中效率低,准确率低的问题,在搭建三维激光监测系统的基础上,提出基于三维激光扫描的粮堆快速三维建模与体积计算方法。利用三维激光测距传感器扫描粮堆表面轮廓,获取表面三维点云,再根据Delaunay原则对点云进行三角划分,最终利用微软WPF(windows presentation foundation)技术的3D渲染引擎完成粮堆三维模型的建立,而系统中粮堆体积的快速计算采用方格网算法。利用该系统在实验室搭建的试验粮堆上进行了试验。系统利用处理后的标准点云数据可快速准确地完成粮堆三维模型的建立。通过对试验数据的处理和分析,结果显示利用该系统对粮堆扫描后计算出的体积与真实体积的相对误差的平均值仅为0.318%。验证了该系统中所使用的体积计算方法的准确性与稳定性。该研究为粮仓的清仓查库提供了一种高效准确的方法。     

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Kinect V3深度传感器的田间植株点云配准方法

准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法（Random Sample Consensus, RANSAC）结合点云减法的概念从下采样后的点云中实现多标定球的自动提取,弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵,实现点云的自动配准。不同场景下各作物的配准结果表明,各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在6～17 mm之间,平均点位误差在13～30 mm之间,与手动配准的商用同类软件LiDAR360的配准结果相当,但配准过程的自动化程度明显提高,效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准,为田间植物表型参数的提取提供了低成本的可行方案。     

基于点云配准的果树快速三维重建（英文）

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(RANdom SAmple 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。     

基于无人机倾斜航空影像的树冠体积测算方法

树冠是结构复杂的不规则体,对树冠体积的精确测定一直是树木测量研究中的难点问题。该文以消费级多旋翼无人机对目标树木进行倾斜摄影获取的多角度航空影像为基础,通过空三加密处理生成目标树木的三维点云模型;用等高线法分割树冠点云,并确定树冠最优分割层数;用投影法对点云数据进行转化,并选取测算点计算树高和树冠任意横截面积;对分割后各规则体的体积进行累加获得树冠体积。结果表明:8棵目标树木的树高测算值相对误差为1.46%～4.10%,平均相对误差为2.88%;树冠体积测算值的相对误差为6.95%～12.39%,平均相对误差为9.42%;精度均可满足林业调查中对于树高和树冠体积测量结果的要求。利用无人机倾斜航空影像建立单木的三维点云模型并进行树冠体积测算的方法是可行且有效的,该方法可为研究单木树冠几何参数的提取提供参考。     

基于多视角自动成像系统的作物三维点云重建策略优化

为满足高通量作物表型分析需求,提升三维点云重建效率和精度,该研究针对不同作物、不同生育时期、不同植株部位(地上部和根系),基于研发的多视角自动成像系统和SFM(structure from motion)-MVS(multi-view stereo)算法,采用不同视角和不同相机数获取的图像重建作物三维点云,通过重建效率和精度(Hausdorff距离)评估,以及基于点云提取表型参数(株高、幅宽、凸包体积和总表面积)的可靠性评价,优化作物三维点云重建策略。结果显示,对于结构相对稀松、遮挡较少的盆栽植株(苗期、蕾薹期、盛花期、成熟期油菜)、结构相对紧凑、遮挡较多的植株地上部(花铃期棉花、抽穗期水稻、拔节期和灌浆期小麦)以及器官密集、遮挡严重且有较多细长结构的地上部和根系(分蘖期小麦和成熟期水稻地上部、成熟期玉米和油菜根系),分别采用3～4、6和10个相机为其最优重建策略(Hausdorff距离小于或接近0.20 cm,且重建时长和Hausdorff距离归一化值之和最小)。采用不少于4个相机获取的图像重建作物三维点云,可提取较为可靠的表型参数(决定系数R²>0.90...     

基于地面激光雷达的田间花生冠层高度测量系统研制

在花生育种研究中对于冠层高度的获取主要依靠人工测量,不但费时费力,而且存在一定的主观性。为解决这一问题,该文构建了一个田间花生冠层高度特性表型信息获取系统,利用地面激光雷达Li DAR对花生冠层结构进行扫描,获取其三维点云数据;采用多项式曲线拟合算法对点云数据进行分析,描绘冠层的大致轮廓并确定其边界,以得到目标冠层的有效数据集;通过对有效点云数据集生成的冠层高度矩阵分析,得到冠层的高度特性。试验结果表明,利用该系统获取的花生冠层平均高度与手工测量值最小偏差为2%,最大偏差为32%,最大偏差受地形影响和植株早期冠层本身的低高度所致,平均测量偏差约为11%,位于15%的可接受范围之内。该系统可以实现田间花生冠层高度信息的快速自动化获取,减少了人力成本的投入,该研究可为花生育种研究提供参考。     

利用照片重建技术生成坡面侵蚀沟三维模型

该文利用运动恢复结构(structure from motion,SFM)、多视图立体视觉(multi-view stereo,MVS)技术,提出了一种坡面侵蚀沟三维模型的快速重建方法。首先对普通相机拍摄的照片采用尺度不变特征变换(scale-invariant feature transform,SIFT)完成特征点的提取与描述,随机采样一致性算法(random sample and consensus,RANSAC)过滤掉最近邻匹配(nearest neighbor,NN)产生的误匹配点;然后通过SFM方法,迭代求解出相机矩阵和三维点坐标,用光束法平差(bundle adjustment,BA)进行非线性优化,确保误差的均匀分布和模型的精确;再使用基于面片的多视图立体视觉算法(patch-based multi-view stereo,PMVS),在局部光度一致性和全局可见性约束下,以SFM生成的稀疏点云为种子面片开始扩散,完成点云稠密重建。将照片快速重建方法获取的点云与地面激光扫描仪(terrestrial laser scanner,TLS)获取的点云及实测数据进行比较,结果表明,照片重建方法生成的点云稠密且能够完整展示侵蚀沟的发育形态,与TLS点云间的平均距离为0.0034 m,照片重建与三维激光扫描方法对侵蚀量的估算相对误差为8.054%,提取的特征线匹配率达89.592%。研究结果为侵蚀沟监测提供了参考依据。     

采用局部点云和BP神经网络的苹果树剪枝决策系统构建

针对当前果树智能化剪枝决策研究尚不完善的问题,以树形分析和人工智能剪枝决策为基础,建立苹果树剪枝决策系统.提出基于局部点云的树枝三维骨骼提取方法,该方法采用Harris角点检测、凝聚层次、深度层次分析算法提取三维骨骼关键点,并基于线覆盖法建立树枝的空间向量,获取苹果树枝的三维空间形态特征数据,从而生成树枝的三维骨骼图,...     

利用轻小型飞机遥感数据建立人工林特征参数模型

目前获取森林特征参数的主要方法是外业测量,工作量大、效率低。该文以中国自主研发的轻小型航空遥感系统为数据获取工具,以油松人工林为研究对象,通过对获取森林的激光雷达（light detection and ranging,LIDAR）点云数据去噪,分类,提取等过程获得单木的树高数据,对获取的航空影像数据进行预处理,匹配,拼接,分割及冠幅提取获得单木的冠幅数据,再与外业抽样调查的单木的树高、胸径建立回归模型,同时验证模型精度。试验结果表明：通过LIDAR点云数据提取的树高与实测的树高具有极显著的相关性,所建立的模型预测精度达97.5%,通过影像提取的冠幅与实测的胸径也具有极显著的相关性,预测精度达91.6%,基本上能够满足林业生产的要求。     

基于Geomagic Design软件的导种管三维逆向工程设计

针对玉米精密播种机使用导种管的结构不合理导致株距均匀性差的问题,该文介绍了一种应用逆向工程设计软件Geomagic Design设计导种管的方法,研制性能优良的导种管。利用悬臂式三坐标测量机对进口曲线型导种管结构进行扫描,获取三维点云数据;通过三维逆向工程软件Geomagic Design减少噪音点、合并、简化、对齐等数据预处理获得网格数据;依照网格数据逐个创建特征重构导种管的三维几何模型;对重建的三维几何模型与网格数据进行误差分析实现三维几何模型的优化;依照所优化的三维几何模型生成工程图纸,完成导种管试制。在丰美2BQX-6玉米免耕精密播种机上进行了试制导种管、进口导种管和无导种管的性能对比试验,结果表明:试制导种管、进口导种管和无导种管的段粒数合格率分别为95%、97%和67%,空段率分别为3%、3%和33%,说明导种管可有效提高播种质量,且本研究试制的导种管与进口导种管性能相当。应用逆向工程设计导种管相对传统的理论研究和试验研究,可以缩短设计周期,降低设计成本;所建的三维几何模型为后续导种管结构研究和改进优化提供了一定参考。     

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。     

利用FL-DGCNN模型估测绿萝叶片外部表型参数

为了能够低成本、自动化批量获取植物叶片的外部表型参数,同时解决自然生长条件下的植物叶片存在遮挡而无法获取完整的外部表型数据的问题,该研究以绿萝叶片为研究对象,基于曲面参数方程建立叶片几何模型,提出一种基于特征分层的动态图(Dynamic Graph CNN based on Feature Layering,FL-DGCNN)和堆栈编码器模型的绿萝叶片外部表型参数估测算法。通过多层组合的编码-解码器模型对残缺点云进行形状补全,将不同尺度下的点云通过多层感知机提取分组点不同层的特征向量融合后获取特征信息,以决定系数和均方根误差评价模型结果。结果表明:多层组合的编码模型对残缺点云补全的鲁棒性更高,特征分层的动态图模型估测结果的叶长、叶宽、叶面积的决定系数分别为0.92、0.93和0.94,叶长、叶宽的均方根误差分别为0.37、0.34cm,叶面积的均方根误差为3.01cm~2。该方法对叶类植物叶片的外部表型参数估测效果较好,具有实用性。