基于SFM与深度学习融合的水果体积测量算法

以生活常见的水果作为研究对象,结合SFM对图像序列的深度估计以及神经网络重建三维结构的优点,提出SFM算法融合深度学习三维重建的水果体积测量算法。对单目相机采集的水果多视角图像进行研究,分析图像重建以及估计大小的方法,搭建快速、便捷估计水果实际体积算法框架。使用神经网络快速推理水果结构,解决三维重建构建稠密点云耗时长的缺点,利用多视角图像获取稀疏点云,估计目标尺寸,提高采样的便利性。实验结果表明,该算法能快速重建水果三维模型,实现简单、快速、较精确的水果体积测量。

基于数字轮廓图像的水果体积估计

在分析比较各种可能的技术方案的基础上,本文提出基于水果轮廓特征的人工神经网络估计方法,并建立了特征库。实验结果表明,该方法优于Miller和Marchant的方法,并且不同的特征对不同水果的体积估计的影响是不同的。