利用密集3D点云来代替人工测量获得农作物尺寸对于实现高通量表型至关重要。为了实现这一目标，本文提出了一种基于动态视角的自适应k-means算法对小麦穗进行分割。

(a)小麦穗的初始点云; (b)k-均值的分割结果; (c)DBSCAN的分割结果; (d)基于侧视图的k均值分割结果; (e)小麦穗的俯视图; (f)基于顶视图的k均值分割结果

(a) k值较小的形状拟合结果;(b)最终形状拟合结果

首先，利用提出的方法拟合每个麦穗的形状，然后借助随机样本一致性算法来测量每个尖峰的尺寸。实验结果表明，该方法适用于多穗小麦密集生长的复杂环境，能准确拟合大多数小麦穗。

所提出方法的结果

DBSCAN和传统k-均值的结果

来源：

Wang F, Mohan V, Thompson A and Dudley R. Dimension fitting of wheat spikes in dense 3D point clouds based on the adaptive k-means algorithm with dynamic perspectives. 2020 IEEE International Workshop on Metrology for Agriculture and Forestry. DOI: 10.1109/MetroAgriFor50201.2020.9277611.