[发明专利]基于3D点云图像的木荷苗表型参数快速测量方法

权利要求书

1.一种基于3D点云图像的木荷苗表型参数快速测量方法，其特征在于，包括以下步骤：

1)利用RGB相机和深度相机分别采集待测木荷苗在各个角度下的彩色木荷图像和对应的深度木荷图像；

2)将各个角度下的彩色木荷图像和对应的深度木荷图像进行预处理后，获得精配准的点云木荷图像；

3)利用切片聚类方法对精配准的点云木荷图像进行分层聚类，获得各个层点云的所有聚类簇，再根据各个层点云的所有聚类簇进行植株骨架提取和优化后，获得无向骨架图；

4)根据无向木荷骨架图和各个层点云的所有聚类簇，提取木荷茎干点云图像；

5)利用木荷茎干点云图像对精配准的点云木荷图像进行叶片分割，获得初始叶片点云图像，再对初始叶片点云图像进行聚类，获得木荷叶片点云图像；

6)根据木荷茎干点云图像和木荷叶片点云图像，计算待测木荷苗的表型参数。

2.根据权利要求1所述的一种基于3D点云图像的木荷苗表型参数快速测量方法，其特征在于，所述2)具体为：

2.1)将各个角度下的彩色木荷图像和对应的深度木荷图像分别对齐后，分别获得各个角度下的初始点云木荷图像；

2.2)利用滤波方法分别去除各个角度下的初始点云木荷图像中的背景和浮点噪声，分别获得各个角度下的去噪点云木荷图像；

2.3)每两个相邻角度下的去噪点云木荷图像中，利用主成分分析算法将当前两张去噪点云木荷图像进行主成分特征提取，获得主要特征分量，再根据当前两张去噪点云木荷图像的主轴方向和主要特征分量求解获得旋转变换矩阵，最后根据当前旋转变换矩阵对当前两个相邻角度下的去噪点云木荷图像进行点云粗配准，获得对应的粗配准点云图像，遍历并对各组两个相邻角度下的去噪点云木荷图像进行点云粗配准，获得所有粗配准的点云木荷图像；

2.4)利用KD-Tree加速的ICP算法对所有粗配准的点云木荷图像进行点云精配准，获得精配准的点云木荷图像。

3.根据权利要求1所述的一种基于3D点云图像的木荷苗表型参数快速测量方法，其特征在于，所述3)具体为：

3.1)将精配准的点云木荷图像进行主轴方向上的分层，获得各个层点云，再对各个层点云分别进行聚类，分别获得各个层点云对应的所有聚类簇；

3.2)将各个聚类簇的质心作为对应聚类簇的骨架节点，再将各层的所有骨架节点相连后组成初始木荷骨架图；

3.3)利用基于数量阈值的分支修剪算法对初始木荷骨架图进行分支修剪，获得无向木荷骨架图。

4.根据权利要求1所述的一种基于3D点云图像的木荷苗表型参数快速测量方法，其特征在于，所述4)具体为：

4.1)利用最长路径搜索算法识别无向木荷骨架图的最长支路；

4.2)依次计算识别获得的最长支路中每个骨架节点与相邻两个骨架节点之间的坐标点积值，如果点积值为负数，则当前骨架节点为茎线的末端，最长支路的起点到茎线的末端的路径为木荷苗的茎干；

4.3)基于木荷苗的茎干提取各个层点云对应的所有聚类簇，再将提取聚类簇对应的点云进行整合后，获得木荷茎干点云图像。

5.根据权利要求1所述的一种基于3D点云图像的木荷苗表型参数快速测量方法，其特征在于，所述表型参数包括株高、茎长、茎直径、生长方向、叶长。

6.根据权利要求5所述的一种基于3D点云图像的木荷苗表型参数快速测量方法，其特征在于，所述茎长的计算方式如下：

根据木荷茎干点云图像，分别计算相邻两个骨架节点之间的欧式距离，将所有各个相邻两个骨架节点之间的欧式距离累加后的总欧式距离作为茎长。

7.根据权利要求5所述的一种基于3D点云图像的木荷苗表型参数快速测量方法，其特征在于，所述生长方向的计算方式如下：

利用主成分分析算法计算木荷茎干点云图像的协方差矩阵，获得第一特征向量作为茎干的方向向量，再计算茎干的方向向量和地面法向量之间的向量夹角的余弦并作为木荷苗茎的生长方向。

8.根据权利要求5所述的一种基于3D点云图像的木荷苗表型参数快速测量方法，其特征在于，所述叶长的计算方式如下：

木荷叶片点云图像中各个叶片对应叶片骨架中，计算各组相邻两个骨架节点之间的欧式距离，将各组相邻两个骨架节点之间的欧式距离累加后的总欧式距离作为各片单叶片的叶长。