[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

说明书

本发明公开了一种基于3D点云图像的木荷苗表型参数快速测量方法。首先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；接着进行预处理后，获得精配准的点云木荷图像；然后，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；再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；接着，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；最后计算木荷苗的表型参数。本发明能够自动识别木荷苗的表型参数，提高了识别的效果和效率。

技术领域

本发明涉及了一种木荷苗表型参数快速测量方法，尤其是涉及了一种基于3D点云图像的木荷苗表型参数快速测量方法。

背景技术

表型参数是木荷各种苗多样性的最直观反应，也是植物自身基因表达及对环境适应性的综合表现。表型性状作为基因型的外在表征，研究种群的表型多样性可以直观地揭示种群的变异大小。

当前非接触测量植物表型参数的方法分为2D图像技术和3D图像技术。虽然经过多年发展，许多研究人员使用2D图像处理技术测量一些植物的表型参数，如对油菜表型参数、树木直径和植物高度等。但是二维图像缺少深度信息，很难获得植物的准确结构信息，因此利用三维图像技术进行植物表型分析就成了新的趋势。基于飞行时间(ToF)原理的RGB-D相机为3D表型技术创造了便利。RGB-D相机相比于普通RGB相机添加了一个深度测量，结合深度图像处理算法，可以更方便准确的感知周围的环境及变化。典型的应用包括：利用KinectV1估算杨树幼苗的植物表型参数；建立一种基于Kinect v2的自动系统来获得植物的精细3D点云和网格模型并测量单盆栽叶菜的关键生长参数如高度、叶面积、体积和生物量；提出了一种基于小平面过度分割和小平面区域生长的密集植物点云的单独叶片分割方法，经实验对温室观赏植物是有效的。目前针对木荷苗，通过三维点云分析自动提取木荷苗的表型参数尚无系统性研究。

发明内容

针对背景技术中存在的问题，本发明的目的在于提供了一种基于3D点云图像的木荷苗表型参数快速测量方法。本发明利用相机获取高精度的木荷苗点云，基于骨架化的方法完成茎叶分割，解决了自动化计算木荷苗的株高、茎长、茎的方向、叶长、叶角和叶面积等表型参数问题。

本发明采用的技术方案包括以下步骤：

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。

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；