论文部分内容阅读
我国是世界上种植油菜面积最大，且总产量最多的国家。油菜角果对油菜产量起着重要的作用。随着三维重建技术等领域的发展，在计算机中对作物植株进行数字化建模，将植株外形和器官的三维信息存储在计算机中，使作物生长规律的定量化研究成为热点。而成熟期油菜植株的三维模型的建立，将为计算机考察角果的外形特征及表型参数提供重要的基础数据。油菜角果是为种子生长发育提供营养的源器官。油菜角果的表型相关参数，是评估作物的生长状况的有效的依据。考虑到油菜的角果的人工测量方式上存在着某些参数测量效率低、可重复性弱、对植株造成一定的损害等不利因素。本文将使用Kinect相机获取单枝油菜的彩色图和深度图，通过图像预处理完成油菜角果和主茎的自动分割，得到单个角果的三维点云，并实现关键表型参数的自动测量。主要研究内容及成果如下所示：
(1)使用Kinect相机的彩色/深度图像采集与图像预处理。使用Kinect相机获取单枝油菜角果四个视角的彩色或深度图像，对彩色图像进行2G-R-B的阈值分割，从背景中初步分离出油菜植株，得到植株区域的掩模。使用该掩模与原彩色图像相乘，再对乘积图像的绿色通道进行Otsu阈值分割，得到准确而完整的油菜植株二值图像。进而获取四个视角下的无主茎的油菜植株的三维点云。
(2)实现四个视角下的点云配准融合。对四个视角下无主茎的油菜植株三维点云进行滤波。滤波后通过对待配准的点云进行旋转变换，计算点云的曲面法矢量和曲率，并由曲率相近的点构成配对点对，再使用基于KD-tree搜索的最近点迭代算法实现点云的初配准。对初配准得到的新点云进行再次配准，初配准误差作为参考值，调整最近点迭代算法的对应点距离阈值，再次按照初配准的操作流程完成精配准。
(3)基于欧式聚类的点云分割和角果参数测量。对配准融合后的总点云进行滤波，将滤波后的总点云进行欧式聚类实现单个角果的分割。通过最小二乘法进行分段式空间直线拟合，求取角果的长度。再对单个角果的三维空间点云进行三角化，完成单个角果的表面积和体积参数测量。
试验结果表明，针对中双6号和大地55号分枝油菜。本文的三维重建方法具有较强的实时性和鲁棒性，配准误差与传统的ICP算法比较从1.13mm下降到0.42mm，配准精度提升了62.8%。在计算时间上，本文算法相对于ICP算法时间优化效果明显，从223.6s下降到124.2s。经过对2个品种油菜大量分枝的测试，配准误差均控制在0.48mm以内，配准时间均小于147s。总点云的三维形态清晰可见，角果总体识别率达96.7%。单个角果的长度测量误差低于2%。因此，本研究在进行单枝油菜角果的三维重建及表型参数测量上具有一定的理论价值和实用价值，研究成果为油菜作物的高通量表型组学及遗传育种栽培提供了可行途径。
(1)使用Kinect相机的彩色/深度图像采集与图像预处理。使用Kinect相机获取单枝油菜角果四个视角的彩色或深度图像，对彩色图像进行2G-R-B的阈值分割，从背景中初步分离出油菜植株，得到植株区域的掩模。使用该掩模与原彩色图像相乘，再对乘积图像的绿色通道进行Otsu阈值分割，得到准确而完整的油菜植株二值图像。进而获取四个视角下的无主茎的油菜植株的三维点云。
(2)实现四个视角下的点云配准融合。对四个视角下无主茎的油菜植株三维点云进行滤波。滤波后通过对待配准的点云进行旋转变换，计算点云的曲面法矢量和曲率，并由曲率相近的点构成配对点对，再使用基于KD-tree搜索的最近点迭代算法实现点云的初配准。对初配准得到的新点云进行再次配准，初配准误差作为参考值，调整最近点迭代算法的对应点距离阈值，再次按照初配准的操作流程完成精配准。
(3)基于欧式聚类的点云分割和角果参数测量。对配准融合后的总点云进行滤波，将滤波后的总点云进行欧式聚类实现单个角果的分割。通过最小二乘法进行分段式空间直线拟合，求取角果的长度。再对单个角果的三维空间点云进行三角化，完成单个角果的表面积和体积参数测量。
试验结果表明，针对中双6号和大地55号分枝油菜。本文的三维重建方法具有较强的实时性和鲁棒性，配准误差与传统的ICP算法比较从1.13mm下降到0.42mm，配准精度提升了62.8%。在计算时间上，本文算法相对于ICP算法时间优化效果明显，从223.6s下降到124.2s。经过对2个品种油菜大量分枝的测试，配准误差均控制在0.48mm以内，配准时间均小于147s。总点云的三维形态清晰可见，角果总体识别率达96.7%。单个角果的长度测量误差低于2%。因此，本研究在进行单枝油菜角果的三维重建及表型参数测量上具有一定的理论价值和实用价值，研究成果为油菜作物的高通量表型组学及遗传育种栽培提供了可行途径。