论文部分内容阅读
植物的真实感建模在场景绘制以及植物数字保存等方面具有重要的应用价值。视觉感知信息，即图像和激光扫描数据，是真实感重建植物不可或缺的要素。真实感植物重建是一个极具挑战性的课题，其难点如下：
1.植物形态结构复杂、多样，难以开发通用算法重建多类型植物；
2.植物自遮挡严重，相机或激光扫描仪难以窥其全貌；
3.植物表面非连续且反射属性复杂，因此，激光扫描植物得到的数据杂乱多噪声，且结构越复杂的植物其扫描数据质量越差；
4.植物叶片间颜色相似，难以用计算机视觉上的方法辨识每个叶片。
目前的相关方法在克服以上难点，便捷重建真实感植物模型方面尚有所欠缺。本文开发了三种类型植物：室内较大叶片植物、室内针形叶片植物，以及无叶片或叶片较小植物（枝干为主要建模对象）的重建算法。主要贡献如下：
1.提出在由图像恢复的体模型上检测叶尖特征（相比其他叶片特征，如叶片区域特征，容易可见并被辨识）以标识叶片，并分析叶尖附近可见体素重建大叶片植物。在此过程中，给出并验证在体模型上抽取尖锐特征的算法。与针对同类型植物的重建方法相比，该方法简单方便、交互量少；
2.提出基于布告板类簇从图像中重建和绘制大叶片植物的方法。较之其他方法，该过程不需要精确分割叶片，避免了手工操作。同时，估计的几何模型符合植物本身结构，能够较为真实地生成该类植物在新视点下的图像；
3.针形叶片植物几何结构不明显，所提方法为用激光扫描得到的点云数据估计其空间密度分布，生成带有空间密度信息的布告板，并结合少量图像绘制其模型。相比针对同类型植物的方法，该过程能够以较强的真实感快速绘制针形叶片植物；
4.提出DFMS（Distance from Multiple starting Points）枝状体分解方法，并将其成功用于从纯枝干的激光噪声数据中重建枝干网格模型。给定子枝数目，该方法能够自动完成分解及重建过程。另外，针对被叶片遮挡的枝干，提出结合图像似然函数和植物先验，控制枝干生长的方法，过程简便且考虑了模型与图像的一致性，具有较大的应用潜质。