基于Kinect传感器的苗期玉米种群三维重建方法


发布时间:

2023-03-06

来源:

植物表型资讯

作者:

PhenoTrait

基于苗期快速准确重建玉米结构的植物表型自动测量技术对于玉米的早期品种选择、栽培和科学管理至关重要。人工测量费时费力,且容易出错。大型设备在田间缺乏流动性,使得玉米植物表型的高通量检测具有挑战性。因此,我们提出了一种全局性的三维重建算法,用于玉米表型性状的高通量检测。首先,使用自走式移动平台从多个测量点和角度自动收集玉米苗种群的三维点云。其次,利用哈里斯角检测算法和奇异值分解(SVD)预校准单测量点多视角配准矩阵。最后,采用多视角配准算法和迭代最近点算法(ICP)进行玉米幼苗群体的全局三维重建。结果显示,玉米苗群全局三维重建测得的植株高度和最大宽度的R2为0.98和0.99,RMSE为1.39厘米和1.45厘米,平均绝对百分比误差(MAPE)分别为1.92%和2.29%。对于标准球体,重建点云的Hausdorff距离集小于0.5厘米的比例为55.26%,小于0.8厘米的比例为76.88%。本研究提出的方法为苗期作物种群的全局重建和表型测量提供了参考,有助于玉米早期管理的精准化和智能化。

 

图1 测试场景图片。(a)收集装置;(b)作物。

 

图2 硬件结构示意图。

 

图3 自走式温室中作物的全景三维重建流程图。

 

图4 三维点云的采集过程。(a)植物RGB图像;(b)植物深度图像;(c)植物三维点云;(d)棋盘格红外图像;(e)相似三角形原理。

 

图5 单测量点的多视角对准矩阵的预校准图。

 

图6 三维点云数据采集。(a) 多视角三维点云数据采集;(b)多测量点三维点云数据采集。

 

图7 三维特征点匹配精度分析

 

图8 作物的三维重建过程。(a)局部三维重建;(b)直接滤波;(c)超绿色分量值去噪;(d)三维点云粗配准;(e)ICP罚款登记;(f)半径滤波和统计滤波去噪。

 

图9 作物植物的全局三维点云模型重建。(a) 5月28日;(b) 6月7日;(c) 6月17日;(d) 6月27日。

 

图10 作物人工测量值与算法测量值的比较。(a)植物高度;(b)最大宽度。

 

图11 标准球体三维点云模型重建。(a) 标准球体的RGB图像;(b)标准球体的局部三维重建;(c)标准球体的全局三维重建;(d)标准球体生成图。

 

图12 标准球面距离集的HD分布比。直径为(a)200毫米;(b)300毫米;(c)350毫米;(d)400毫米;(e)500毫米;(f) 600毫米。

 

 

 
来 源

Xu N, Sun G, Bai Y, et al. Global Reconstruction Method of Maize Population at Seedling Stage Based on Kinect Sensor[J]. Agriculture, 2023, 13(2): 348.

https://doi.org/10.3390/agriculture13020348

 

编辑

小王博士在努力
 
 

扩展阅读

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。