[发明专利]基于面向表型精确鉴定的豆株快速三维重建方法

说明书

本发明公开了一种基于面向表型精确鉴定的豆株快速三维重建方法，用户使用Kinect每隔设定角度扫描大豆植株即豆株，获得若干帧豆株放置于自动转盘之上的点云场景，经直通滤波去除点云背景和统计滤波去除离群点后，根据用户提供的旋转角进行罗德里格斯公式计算出粗配准矩阵，使用ICP算法进行精细配准，对于植株点云进行分层聚类得到骨架点，对于骨架点设置每个点与最近的K个点相邻得到多个连通分量，对于根节点所在的主干连通分量进行主干Dijkstra路径生长和枝干生长点的选取以及枝干连通分量Dijkstra路径生长，最后利用pyvista可视化库进行植株骨架的三维可视化。本发明无需利用软件事先对于植物点云进行处理获取参数，节省了建模软件购买开支和建模软件学习使用时间成本，更为高效。

技术领域

本发明涉及计算机图形学和三维点云重建的技术领域，尤其是指一种基于 面向表型精确鉴定的豆株快速三维重建方法。

背景技术

三维植物重建是计算机图形学、计算机视觉和数字农业等领域的研究热点. 真实精确的三维植物形状可以应用于游戏电影CG、虚拟现实、农业数字化生产 等领域。具有真实感的三维植物模型也是网络虚拟场景中最具有代表性的自然 景观模型，其被广泛地应用于虚拟旅游、虚拟城市和虚拟生态景观模拟以及数 字化农业生产等领域。同时,数字植物是数字农业的基础性研究工作,其综合利 用数字化技术对植物的生命过程和农业生产过程进行定量化可视化研究,而植 物形态结构的真实感建模与三维可视化正是数字植物首先要解决的问题之一。

植物表型组学是研究植物的生长、表现和组成的科学,近年来植物表型组学 作为一种有前景的干预手段得到了越来越多的关注,在植物发育过程中对高维 植物形态进行准确、高通量的测量是植物表型的重要组成部分,本文中的植物大 豆是世界上重要的粮食和油料作物,是高质量人类蛋白质的主要来源。可以预见, 随着人口的增加和土地的退化,对大豆的需求也将增加,然而由于大豆植物的 复杂性,对于大豆植株表型研究现在仍然较少。研究植物的形态结构对于明确大 豆的生长规律有着重大意义,理想的方法是将大豆的每个器官三维重建为精细 的器官网格,然后所有形态学表型特征都可以得出,例如骨架结构、叶片宽度和 准确的茎秆粗细。但是,在大多数情况下,很难获得单个植物的完整形态。

总体而言,植物的点云建模可以分为两类,第一类为利用软件处理植物点 云数据获取植物的参数,再利用建模软件和得到的参数来进行植物建模，此类方 法多为使用多种几何图形来模拟植物，模型生成依赖于数据获取设备的精度以 及大型商业软件，第二类为运用算法直接处理点云数据提取出植物模型结构， 此类方法提供了直接对于植株点云进行操作和算法设计的一种思路，能够有效 地对于不同类型的植株进行算法设计和模型重建设计，对于一些植株的参数的 准确性也要求不那么高，是植株快速重建一种可行的思路。

经过我们研究发现，解析大豆植株器官特征的一种方法是从3D点云中提取 骨架。大豆植株的形态特征对于其选育种、长势监测、长相评价都有着重要的 意义,对于植株来说,骨架是一种表型中结构特征的简明表示,有助于描述形状 和三维物体的基本拓扑结构。植物点云通常是由一个躯干和诸多复杂密集的植 物茎秆分支以及叶片组成,利用深度相机扫描得到的点云提取植物的骨架不容 易实现。由于枝叶复杂以及扫描设备的精度限制以及数据的嘈杂或不完整,让骨 架点的提取比较棘手。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种行之有效、科 学合理的基于面向表型精确鉴定的豆株快速三维重建方法，设计算法直接处理 点云的范畴，因此避免了需要精确测量骨架植物多个形态特征的问题，同时， 对于噪声大，离群点多的点云进行了离群点去除操作，保证了点云的基本形态 不失真，对于点云进行分层，对于每一层的点云进行了欧式聚类和骨架点提取， 并以骨架点云为基础进行了骨架连接，最终利用pyvista可视化库进行了三维可 视化，得到了保留基本骨架形态的大豆植株模型，实现了快速重建大豆植株点 云的目标。