植物三维建模ICP点云配准优化

构建精确三维模型无损获取植物表型特征信息,对研究农作物的精准化种植、可视化管理和智能化操控具有实际意义。针对当前植物三维建模过程点云数据量大、配准精度不高的问题,该研究提出基于轻量化处理的迭代最近点算法(Iterative Closest Point,ICP)点云配准优化方法。首先以人机交互算法对获取的植株点云图像进行背景滤除,然后利用高效近邻搜索算法判别点云的离群点进行噪声去噪;通过引入辅助特征坐标参数解决ICP算法配准过程中易陷于局部最优解的问题,获取多组点云的精确配准;最后提出体素化网格法,在保证点云三维形态特征的前提下有效滤除冗余点云数据点。试验结果表明,单株和多植株的精简配准效果良好,表型清晰明显,细节易区分,精简后的植株点云冗余数据减少96.90%~97.35%。精简后的植物点云表型可有效重构植株的形态特征,单植株的株高误差为0.20%~0.45%,冠幅误差为0.17%~0.47%,多植株的株高误差为0.25%~0.60%,冠幅误差为0.42%~0.80%。优化后的ICP算法实现滴水莲点云数据精准融合时间为124.3s,较暴力算法提升26.75%,冗余点云数据精简96.90%~97.20%,为植物表型的三维建模轻量化处理提供参考。