根根系的表型参数对于反映基因和环境对植物的影响至关重要，而三维重建是获取表型参数的重要方法。基于根系无特征、细结构的特点，本研究利用多视角图像，提出了基于骨架的根系三维重建和表型参数测量方法。设计了一套图像采集系统，用于采集植物根系的多视角图像。采用基于OTSU的自适应阈值分割方法对输入图像进行二值化。采用Vid2Curve实现根系和标定物的三维重建，分为骨架曲线提取、初始化、骨架曲线估计和曲面重建四个步骤。然后，为了提取表型参数，利用DBSCAN和RANSAC实现了一种基于骨架的尺度比对方法。此外，还提出了一种小型根系点补全算法，以获得更完整的根系三维模型。基于上述方法，共对三个树种的30个根样进行了测试。结果表明，所提出的方法实现了0.570像素的骨架投影误差和0.468像素的表面投影误差。根数测量实现了0.97的精度和0.96的召回率，并且根长测量实现了1.06 cm的平均寿命、2.37%的MAPE、1.35 cm的RMSE和0.99的R2。实验中重建的整个过程非常快，最长耗时4.07分钟。该方法精度高、速度快，使得快速准确地获得根系表型参数成为可能，促进了根系表型的研究。

图1  本研究中使用的样品有：(a)罗勒，(b)草珊瑚，(c)半枝莲

图2  图像采集系统。

图图3  分段过程。上半部分显示了盒式滤波器方法的过程，下半部分显示了OTSU算法的过程。

图4  基于骨架的三维重建过程。

图图5  校准对象描述：(a)校准对象结构图，(b)原始图像，(c)骨架重建结果。

图6  物体点云提取校准。

图7  DE段点云提取。

图8  骨架点云补全过程：(a)具有缺失区域的骨架点，(b)骨架点分类结果，(c)骨架点中的均匀采样，以及(d)骨架点云补全结果。

图9  表面点云补全过程：(a)具有缺失区域的表面点云，(b)表面点云补全结果。

图图10  分割结果：(a)原始图像，(b) OTSU分割，(c)箱式滤波器分割，(d)提出基于OTSU的自适应阈值分割。(a1–D1)显示原始图像和样品根部直径变化较大时的分割结果。(a2–D2)显示了原始图像和图像采集过程中出现轻微振动时的分割结果。(a3–D3)显示了原始图像和样本有许多须根时的分割结果。

图图11  3D根系重建结果：(a)根系RGB图像，(b)根系骨骼3D重建结果，(c) 3D根系表面重建结果。(a1–C1)显示罗勒根系的RGB图像和重建结果。(a2–C2)显示草珊瑚根系的RGB图像和重建结果。(a3–C3)显示半枝莲根系的RGB图像和重建结果。

图图12  点云补全的结果：(a)根系图像，(b)点云补全前的表面3D模型，(c)点云补全后的表面3D模型。(a1–C1)显示当其中一个连接点是端点而另一个不是端点时的原始图像和点云补全的结果。(a2–C2)显示当两个连接点都是端点时的原始图像和点云补全的结果。

图13  与COLMAP的比较：(a)根系图像，(b)使用COLMAP的3D重建结果，(c)使用所提出的方法的3D重建结果。

图14  根长预测值和地面真实值的散点图。