[发明专利]基于三维点云数据的植物叶倾角计算方法

说明书

技术领域

本发明涉及计算机视觉领域，具体是一种基于三维点云数据的植物叶倾角计算方法。

背景技术

叶子是植物光合作用和蒸腾作用的主要场所，其对于植物的生长和农作物的产量有着重要的作用。叶倾角(Leaf angle)是叶片表面法线方向与天顶角方向的夹角，其取值范围为[0°，90°]。叶倾角分布直接决定着植被冠层对辐射的截获量，同时对入射太阳辐射的大小与走向也起着决定性作用。

通常传统的叶倾角计算步骤为：

(1)将植株茎秆贴靠在钉有白纸的直立木板上，以茎秆为垂直轴画在纸上。(2)使叶片呈测量自然着生状态，再在纸上点出叶尖与叶耳的位置。(3)把两点连成一直线，用量角器量出该线与垂直轴的角度，即为叶倾角。

在传统叶倾角计算中存在以下问题：

由于人工测量的方式，疲劳在所难免，准确度不能保证；

由于人工测量的方式，自动化程度较低，而且耗费精力和时间。

发明内容

本发明为了解决上述问题，提出了一种首先对植物叶片进行三维重建的方法，进而提出对其进行OBB包围盒算法的建立。

技术方案：

一种基于三维点云数据的植物叶倾角计算方法，其特征在于包括以下步骤：

(1)选取廉价且易携带的Kinect传感器，对植物叶片进行三维扫描，获得三维点云数据；

(2)对获取得到的三维点云数据进行滤波处理；

(3)对于滤波后的三维点云叶片和背景进行分割；

(4)不同角度的叶片进行拍摄，对于拍摄后的叶片进行配准；

(5)配准后的叶片进行曲面重建；

(6)三维重建后的叶片点云建立OBB包围盒；

(7)计算叶倾角α＝最小包围盒的法向量和z轴方向向量的夹角。

优选的，步骤(2)中，采用基于体素化栅格的下采样滤波算法对采集的植物叶片及模拟环境进行滤波。

优选的，步骤(3)中，采用基于欧式距离的聚类分割算法对采集的植物叶片进行分割。

优选的，步骤(4)中，不同角度选取间隔10-20度。

更优的，步骤(4)中，不同角度选取间隔为15度。

优选的，步骤(4)中，配准采取迭代最近点ICP算法：通过从不同角度对植物进行多次定位测量，然后将不同角度坐标系下的点云数据进行配准，统一到同一坐标系里。

优选的，步骤(5)中，采取基于贪婪投影三角网格化的方法对植物叶片进行曲面重建，得到三维曲面重建叶片。

优选的步骤(7)中，叶倾角α满足

式中，L为植物叶片所建立最小外接长方体的法向量，N为垂直于地面法向量即z轴方向向量。

本发明的有益效果

本发明方法与传统手工测量叶倾角过程不同，自动化程度较高，大大节省了人工测量的时间。

附图说明

图1为Kinect扫描后的植物叶片点云图

图2为滤波后的植物叶片点云图

图3为分割后的植物叶片点云图

图4为配准后的植物叶片点云图

图5为曲面重建后的植物叶片点云图

图6为对植物叶片建立OBB包围盒图

具体实施方式

下面结合实施例对本发明作进一步说明，但本发明的保护范围不限于此：

步骤(1)：本实施例提出采用Kinect传感器对模拟植物生长状态的叶片进行扫描以对操作步骤及方案效果进行说明分析。实验环境如下：在南京农业大学校园将的带有树叶的枝干用胶带绑置于旺仔易拉罐之上，模拟植物叶片生长状态，作为一个整体，放立在教学楼B616试验室的单侧墙壁旁，使得Kinect立于地面上，进行植物树叶的拍摄。扫描后的植物叶片及环境如图1所示。

步骤2：首先对于扫描后的叶片由于摄像机本身或者周围环境问题会出现噪声，因此采用基于体素化栅格的下采样滤波算法对采集的植物叶片及模拟环境进行滤波。滤波后的效果图如图2所示。

步骤3：对于获取的树叶点云，很显然，除了叶片之外还有试验室墙壁和易拉罐等本不需要的试验材料(对正常生长状态下的叶片进行采集，也会存在其它干扰图片)，因此需要对其进行分割。本发明采用基于欧式距离的聚类分割算法对采集的植物叶片进行分割，将叶片和背景分割开来，只剩下叶片。分割后的效果图如图3所示。