论文部分内容阅读
苹果产业是我国农业经济发展里面的一个不可或缺的重点发展产业,研究苹果树的生长因素对于增加果农经济收入、提升区域经济发展,促进国家科技进步都有着举足轻重的作用。科研人员对苹果树的生长环境、光照分布、树结构等方面投入了大量精力和心思,并且颇有成效,使得苹果产业无论从质量上还是数量上都有了长足进步。其中,良好的树冠结构能够吸收足够的光源,从而促进植株光合作用及其生长。因此,植株冠层光照模型的研究成为数字植物处理的研究热点之一。针对当前室内外植株冠层光照模型计算精度不高,计算效率低的问题,对苹果树冠层光照分布进行高精度、高效率的研究和分析亟待解决。基于此,本研究主要以两种盆栽植株和室外植株苹果树冠层的三维点云重建模型为基础,建立植株冠层三维空间的光照分布计算模型。本文的研究成果可以在一定程度上对优化植株枝叶结构起到关键作用,从而可以进一步推动苹果产业的发展。在分析和总结之前学者的研究基础上,本研究主要完成了以下工作内容:(1)构建了植株点云数据获取和预处理方案。通过Kinect 2.0分别采集了室内两种盆栽植株广东万年青和豆瓣绿以及室外苹果树的双面点云数据;使用直通滤波器以及下采样方法对植株点云进行去噪;对盆栽植株叶片点云进行分割;采用基于邻域几何特征约束的配准方法对植株点云配准;对室外苹果树采用改进的空间殖民算法进行骨架提取,最后对植株点云进行重建。植株的重建模型为后续研究提供了较为精准的输入数据。(2)针对植株冠层光照模型计算方法,提出了一种改进的光线跟踪算法。该算法可划分为3个部分,即光源的位置和强度的确定,植株对光线的截获,以及最后植株的光强分布情况。由于光线跟踪算法较为真实地反映了自然界中光线和物体相交的过程,因此该算法能够合理地来模拟植株冠层光照分布。(3)针对传统光线跟踪算法效率低的问题,提出了光线跟踪并行化算法。采用KDtree(K Dimensional tree)构建和存储场景元素以提升光线相交速率;采用基于GPU的并行计算平台CUDA(Compute Unified Device Architecture)对算法进行加速,通过内存拷贝,实现基于并行化的光线跟踪算法。(4)完成了苹果树冠层光照分布模型的分析与验证。设计了对照试验以分析植株网格模型和真实植株的光照分布情况。首先,使用光照度计测量真实植株冠层光强;其次,将重建后的植株模型通过光线跟踪技术处理后,其光照信息分布在二维图像;最后,计算模拟光强和真实光强的差异。其中,两种盆栽植株和苹果树的模拟光强与真实光强的RMSE分别为0.1872、0.1185、0.0519,基于GPU的KD-tree空间剖分技术的计算效率相较于原始算法提高了81.76%,整体算法效率是基于CPU的6.8倍。