[1]李玉超,张博,汪永刚,等.基于多视角图像的玉米三维重建及双面配准方法研究[J].江苏农业科学,2023,51(8):177-184.
　Li Yuchao,et al.Study on 3D reconstruction and double sided alignment method of maize based on multi-view images[J].Jiangsu Agricultural Sciences,2023,51(8):177-184.
点击复制

基于多视角图像的玉米三维重建及双面配准方法研究()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第51卷
期数:
2023年第8期
页码:
177-184
栏目:
农业工程与信息技术
出版日期:
2023-04-20

文章信息/Info

Title:
Study on 3D reconstruction and double sided alignment method of maize based on multi-view images
作者:
李玉超1; 张博1; 汪永刚2; 张雪景1; 张君1; 范晓飞1
1.河北农业大学机电工程学院，河北保定 071000； 2.河北润田节水设备有限公司，河北石家庄 050000
Author(s):
Li Yuchao; et al
关键词:
多视图重建; 点云预处理; 玉米表型; 点云配准; 三维重建
Keywords:
-
分类号:
S126
DOI:
-
文献标志码:
A
摘要:
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玉米点云模型，从而满足对玉米表型研究的需求。
Abstract:
-

参考文献/References:

［1］Gao T，Zhu F Y，Paul P，et al. Novel 3D imaging systems for high-throughput phenotyping of plants［J］. Remote Sensing，2021，13(11)：2113.
［2］Pieruschka R，Schurr U. Plant phenotyping：past，present，and future［J］. Plant Phenomics，2019，2019：7507131.
［3］Li L，Zhang Q，Huang D F. A review of imaging techniques for plant phenotyping［J］. Sensors，2014，14(11)：20078-20111.
［4］Gibbs J A，Pound M，French A P，et al. Plant phenotyping：an active vision cell for three-dimensional plant shoot reconstruction［J］. Plant Physiology，2018，178(2)：524-534.
［5］An N，Welch S M，Markelz R J C，et al. Quantifying time-series of leaf morphology using 2D and 3D photogrammetry methods for high-throughput plant phenotyping［J］. Computers and Electronics in Agriculture，2017，135：222-232.
［6］Rahman A，Mo C，Cho B K. 3-D image reconstruction techniques for plant and animal morphological analysis—a review［J］. Journal of Biosystems Engineering，2017，42(4)：339-349.
［7］孙晓明，任磊. RGB-D相机的三维重建综述［J］. 软件导刊，2021，20(5)：249-252.
［8］朱荣胜，李帅，孙永哲，等. 作物三维重构技术研究现状及前景展望［J］. 智慧农业(中英文)，2021，3(3)：94-115.
［9］王向玉，谢东辉，汪艳，等. 基于地面激光雷达点云数据的单木三维重建［J］. 遥感技术与应用，2015，30(3)：455-460.
［10］郑立华，王露寒，王敏娟，等. 基于Kinect相机的油麦菜自动化三维点云重建［J］. 农业机械学报，2021，52(7)：159-168.
［11］杨全月，董泽宇，马振宇，等. 基于SfM的针叶林无人机影像树冠分割算法［J］. 农业机械学报，2020，51(6)：181-190.
［12］井然，宫兆宁，赵文吉，等. 基于无人机SfM数据的挺水植物生物量反演［J］. 生态学报，2017，37(22)：7698-7709.
［13］Malambo L，Popescu S C，Murray S C，et al. Multitemporal field-based plant height estimation using 3D point clouds generated from small unmanned aerial systems high-resolution imagery［J］. International Journal of Applied Earth Observation and Geoinformation，2018，64：31-42.
［14］孙英伟，林文树. 基于SFM算法的单木结构参数提取研究［J］. 西北林学院学报，2020，35(5)：180-184，218.
［15］张慧春，王国苏，边黎明，等. 基于光学相机的植物表型测量系统与时序生长模型研究［J］. 农业机械学报，2019，50(10)：197-207.
［16］Sun S P，Li C Y，Chee P W，et al. Three-dimensional photogrammetric mapping of cotton bolls in situ based on point cloud segmentation and clustering［J］. ISPRS Journal of Photogrammetry and Remote Sensing，2020，160：195-207.
［17］Zhang Y，Teng P，Aono M，et al. 3D monitoring for plant growth parameters in field with a single camera by multi-view approach［J］. Journal of Agricultural Meteorology，2018，74(4)：129-139.
［18］李建微，占家旺. 三维点云配准方法研究进展［J］. 中国图象图形学报，2022，27(2)：349-367.
［19］朱启兵，张梦，刘振方，等. 基于点云配准的盆栽金桔果实识别与计数方法［J］. 农业机械学报，2022，53(5)：209-216.
［20］陆健强，兰玉彬，毋志云，等. 植物三维建模ICP点云配准优化［J］. 农业工程学报，2022，38(2)：183-191.
［21］方慧，杜朋朋，胡令潮，等. 基于可视化类库的植株三维形态配准方法及点云可视化［J］. 农业工程学报，2013，29(22)：180-188.
［22］张彦雯，胡凯，王鹏盛. 三维重建算法研究综述［J］. 南京信息工程大学学报(自然科学版)，2020，12(5)：591-602.
［23］周静静，郭新宇，吴升，等. 基于多视角图像的植物三维重建研究进展［J］. 中国农业科技导报，2019，21(2)：9-18.
［24］Han X F，Jin J S，Wang M J，et al. A review of algorithms for filtering the 3D point cloud［J］. Signal Processing：Image Communication，2017，57：103-112.
［25］余博文. 数字图像阈值分割研究与应用［J］. 科学技术创新，2021(19)：91-92.
［26］刘世光，王海荣，刘锦. 快速四点一致性点云粗配准算法［J］. 山东大学学报(工学版)，2019，49(2)：1-7.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2022-07-04
基金项目：河北省高层次人才资助项目(编号：E2019100006)；河北省重点研发计划(编号：20327403D)；河北农业大学引进人才项目(编号：YJ201847)；2021年度石家庄市引进国外智力项目。
作者简介：李玉超(1996—)，男，河北定州人，硕士研究生，研究方向为植物表型。E-mail：chao15930202106@163.com。
通信作者：范晓飞，博士，教授，主要从事智慧农业与图像处理研究。E-mail：hbaufxf@163.com。
更新日期/Last Update: 2023-04-20