针对树木三维重构过程中面临的处理速度慢、重构精度低等问题,提出一种采用激光点云数据的单木骨架三维重构方法。首先,根据点云数据类型确定组合滤波方式,以去除离群点和地面点;其次,采用一种基于内部形态描述子(ISS)和相干点漂移算法(...针对树木三维重构过程中面临的处理速度慢、重构精度低等问题,提出一种采用激光点云数据的单木骨架三维重构方法。首先,根据点云数据类型确定组合滤波方式,以去除离群点和地面点;其次,采用一种基于内部形态描述子(ISS)和相干点漂移算法(CPD)的混合配准算法(Intrinsic Shape-Coherent Point Drift,IS-CPD),以获取单棵树木的完整点云数据;最后,采用Laplace收缩点集和拓扑细化相结合的方法提取骨架,并通过柱体构建枝干模型,实现骨架三维重构。试验结果表明,相比传统CPD算法,研究设计的配准方案精度和执行速度分别提高50%和95.8%,最终重构误差不超过2.48%。研究结果证明可有效地重构单棵树木的三维骨架,效果接近树木原型,为构建林木数字孪生环境和林业资源管理提供参考。展开更多
基于激光雷达(Light Detection And Ranging,LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数对林木性状评价、森林动态经营管理与可视化研究具有重要意义。为此提出一种基于骨架细化提取的树木模型重建方法。首先,采用Focus...基于激光雷达(Light Detection And Ranging,LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数对林木性状评价、森林动态经营管理与可视化研究具有重要意义。为此提出一种基于骨架细化提取的树木模型重建方法。首先,采用FocusS350/350 PLUS三维激光扫描仪获取3块不同树龄橡胶树的样地数据。然后,作为细化建模的重点,将枝干点云从原始树点中分离出来,再将其过度分割为若干点云簇,通过相邻点云簇判断是否有分枝以及动态确定骨架点间距,并将其运用在空间殖民算法以此来生成树的三维骨架点和骨架点连通性链表,根据连通链表结构自动识别树木中的主枝干和各个一级分枝,再通过广义圆柱体生成树干完成树木三维重建。最后,利用数字孪生技术对这3块不同树龄样地树木进行三维实景建模,使其穿越时空在同一空间中重现,以便更为直观地观察树木在生长过程中的形态变化。该算法得到的橡胶树胸径与实测值比对为,决定系数(R^(2))>0.91,均方根误差(root mean square Error,RMSE)<1.00 cm;主枝干与一级枝干的分枝角为,R^(2)>0.91,RMSE<2.93;一级枝干直径为,R^(2)>0.90,RMSE<1.41 cm;将3个树龄放在一起计算其生长参数,并与实测值进行对比,发现该算法同样适用于异龄林样地的各个生长参数计算。同时发现橡胶树的一级枝条的直径越大,其相对应的叶团簇体积就越大。运用人工智能的理论模型来处理林木的激光点云数据,旨在为森林的可视化以及树木骨架结构的智能化分析与处理等研究领域提供有价值的参考。展开更多
[目的/意义]猕猴桃果树生长重叠明显,树冠结构复杂,利用传统方式无法实现果树单木骨架提取与冠层预测,为对密集栽培的猕猴桃果园进行高效无损监测并获取果树生长参数,本研究利用冬季简单树形进行骨架提取,并集成深度学习与数学形态学方...[目的/意义]猕猴桃果树生长重叠明显,树冠结构复杂,利用传统方式无法实现果树单木骨架提取与冠层预测,为对密集栽培的猕猴桃果园进行高效无损监测并获取果树生长参数,本研究利用冬季简单树形进行骨架提取,并集成深度学习与数学形态学方法,提高单木骨架预测精度,提出了一种融合骨架信息的冠层分割方案。[方法方法]采用低成本无人机图像获取高分辨率数据支持,改进PSP-Net语义分割模型,引入数学形态学处理提取单木骨架并优化骨架连续性,以优化单木骨架为先验实现冠层分割。[结果与讨论]优化骨架提取精度可达95%以上,相较于传统方式精度提高约15.71%,像素准确率(Pixel Accuracy,PA)值达95.84%,平均交并比(Mean In-tersection over Union,MIo U)值达95.76%,冠层分割加权得分(Weighted F1 Score,WF1)达94.07%左右;而冠层预测像素准确率PA可达95%以上,冠层分割WF1达95.76%左右,与直接利用原始骨架相比,优化骨架提高了冠层分割的PA为13.2%,MIo U为10.9%,WF1为18.4%,显著改善了分割指标。[结论]该研究为高效监测猕猴桃园以获取果树数据提供了可靠技术支撑,并为高效、低成本的果园精细化管理提供了全新的技术方案,具有重要的应用前景。展开更多
文章提出了一种基于旋转成像平台的作物根系三维重构方法,用于实现高通量、低成本的作物根系表型特征采集。首先利用基于多视图立体视觉的运动恢复结构(Structure from Motion with Multi View Stereo,SFM-MVS)算法将一组图像生成根系...文章提出了一种基于旋转成像平台的作物根系三维重构方法,用于实现高通量、低成本的作物根系表型特征采集。首先利用基于多视图立体视觉的运动恢复结构(Structure from Motion with Multi View Stereo,SFM-MVS)算法将一组图像生成根系稠密点云,其次采用Dijkstra最小生成树算法实现对根系骨架的初始化,再次经过简化和平滑处理后提取出根系三维骨架模型,最后通过圆柱体拟合算法和蒙皮渲染技术实现作物根系的三维重构。结果表明,由该方法构建的作物根系三维模型可以较好地体现作物根系表型特征,与手工测量值对比相对误差在5%以内。展开更多
文摘针对树木三维重构过程中面临的处理速度慢、重构精度低等问题,提出一种采用激光点云数据的单木骨架三维重构方法。首先,根据点云数据类型确定组合滤波方式,以去除离群点和地面点;其次,采用一种基于内部形态描述子(ISS)和相干点漂移算法(CPD)的混合配准算法(Intrinsic Shape-Coherent Point Drift,IS-CPD),以获取单棵树木的完整点云数据;最后,采用Laplace收缩点集和拓扑细化相结合的方法提取骨架,并通过柱体构建枝干模型,实现骨架三维重构。试验结果表明,相比传统CPD算法,研究设计的配准方案精度和执行速度分别提高50%和95.8%,最终重构误差不超过2.48%。研究结果证明可有效地重构单棵树木的三维骨架,效果接近树木原型,为构建林木数字孪生环境和林业资源管理提供参考。
文摘基于激光雷达(Light Detection And Ranging,LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数对林木性状评价、森林动态经营管理与可视化研究具有重要意义。为此提出一种基于骨架细化提取的树木模型重建方法。首先,采用FocusS350/350 PLUS三维激光扫描仪获取3块不同树龄橡胶树的样地数据。然后,作为细化建模的重点,将枝干点云从原始树点中分离出来,再将其过度分割为若干点云簇,通过相邻点云簇判断是否有分枝以及动态确定骨架点间距,并将其运用在空间殖民算法以此来生成树的三维骨架点和骨架点连通性链表,根据连通链表结构自动识别树木中的主枝干和各个一级分枝,再通过广义圆柱体生成树干完成树木三维重建。最后,利用数字孪生技术对这3块不同树龄样地树木进行三维实景建模,使其穿越时空在同一空间中重现,以便更为直观地观察树木在生长过程中的形态变化。该算法得到的橡胶树胸径与实测值比对为,决定系数(R^(2))>0.91,均方根误差(root mean square Error,RMSE)<1.00 cm;主枝干与一级枝干的分枝角为,R^(2)>0.91,RMSE<2.93;一级枝干直径为,R^(2)>0.90,RMSE<1.41 cm;将3个树龄放在一起计算其生长参数,并与实测值进行对比,发现该算法同样适用于异龄林样地的各个生长参数计算。同时发现橡胶树的一级枝条的直径越大,其相对应的叶团簇体积就越大。运用人工智能的理论模型来处理林木的激光点云数据,旨在为森林的可视化以及树木骨架结构的智能化分析与处理等研究领域提供有价值的参考。
文摘[目的/意义]猕猴桃果树生长重叠明显,树冠结构复杂,利用传统方式无法实现果树单木骨架提取与冠层预测,为对密集栽培的猕猴桃果园进行高效无损监测并获取果树生长参数,本研究利用冬季简单树形进行骨架提取,并集成深度学习与数学形态学方法,提高单木骨架预测精度,提出了一种融合骨架信息的冠层分割方案。[方法方法]采用低成本无人机图像获取高分辨率数据支持,改进PSP-Net语义分割模型,引入数学形态学处理提取单木骨架并优化骨架连续性,以优化单木骨架为先验实现冠层分割。[结果与讨论]优化骨架提取精度可达95%以上,相较于传统方式精度提高约15.71%,像素准确率(Pixel Accuracy,PA)值达95.84%,平均交并比(Mean In-tersection over Union,MIo U)值达95.76%,冠层分割加权得分(Weighted F1 Score,WF1)达94.07%左右;而冠层预测像素准确率PA可达95%以上,冠层分割WF1达95.76%左右,与直接利用原始骨架相比,优化骨架提高了冠层分割的PA为13.2%,MIo U为10.9%,WF1为18.4%,显著改善了分割指标。[结论]该研究为高效监测猕猴桃园以获取果树数据提供了可靠技术支撑,并为高效、低成本的果园精细化管理提供了全新的技术方案,具有重要的应用前景。
文摘文章提出了一种基于旋转成像平台的作物根系三维重构方法,用于实现高通量、低成本的作物根系表型特征采集。首先利用基于多视图立体视觉的运动恢复结构(Structure from Motion with Multi View Stereo,SFM-MVS)算法将一组图像生成根系稠密点云,其次采用Dijkstra最小生成树算法实现对根系骨架的初始化,再次经过简化和平滑处理后提取出根系三维骨架模型,最后通过圆柱体拟合算法和蒙皮渲染技术实现作物根系的三维重构。结果表明,由该方法构建的作物根系三维模型可以较好地体现作物根系表型特征,与手工测量值对比相对误差在5%以内。
