论文部分内容阅读
随着计算机技术的应用和发展,三维重建技术开始应用于农林业领域。本文主要是对农林作物、林区和果园的三维重建与特征提取进行研究。研究内容与创新点如下:(1)对于单株农林作物的三维重建,本文提出基于标定球的三维重建方法。选取树干、树枝、盆栽作为试验物体,将三个标定球放置于试验对象周围,保证球心连线距离两两不同。利用Kinect V2深度相机从四个不同视角采集试验场景的点云数据,四帧点云数据经Passthrough Filter算法滤波后,利用欧式聚类算法进行聚类分割,提取出试验对象和所有标定球;采用Random Sample Consensus(RANSAC)算法对球体点云进行拟合并计算出球心坐标,由此得出不同视角下球心两两之间的距离。对比不同视角下球心间距大小来确定各视角下的球心对应关系。采用Singular Value Decomposition(SVD)算法,求出初始配准矩阵,再使用Iterative Closest Point(ICP)及其改进算法进行精确配准,并应用最小二乘法对三维模型进行平滑。(2)针对林区的三维重建,本文基于Simultaneous Localization And Mapping(SLAM)技术使用手持式激光雷达扫描设备获取点云数据,对大规模林区进行三维重建并提取林木胸径(Diameter At Breast Height,简称DBH)。选取包含71颗林木的区域作为试验林区,使用手持式激光雷达扫描设备构建林区三维地图。利用RANSAC算法滤除三维地图中林区地面点云、欧式聚类算法提取单株林木、投影胸径所在区段的点云至二维平面并利用RANSAC算法拟合出圆的直径。将拟合直径和真实胸径进行对比分析,71颗林木的绝对误差和相对误差均值分别为0.43 cm和2.27%,对应的方差分别是0.50和15.09,Root Mean Squared Error(RMSE)值为0.70 cm。(3)对于果园区域的三维重建,基于SLAM技术使用手持式激光雷达扫描设备进行三维重建,并利用Alpha-shape算法计算冠层体积、切片法优化体积结果。选取包含36颗柚子树和74颗柑橘树的两片果园作为试验场地,使用手持式激光雷达扫描设备构建果园三维地图。利用Cloth Simulation Filtering(CSF)算法滤除三维地图中果园地面点云、欧式聚类算法提取单颗果树、Alpha-shape算法构建果树冠层三维模型并计算冠层体积。在三维冠层模型分枝结构清晰的情况下,选取对应的最优参数α,提出使用切片法对冠层体积结果进行优化。