植物群體形態結構三維重建方法技術

本發明專利技術公開了一種植物群體形態結構三維重建方法，涉及三維圖形生成技術領域。包括步驟：S1.測量待重建植物群體的冠層形態特征參數數據；S2.根據所述形態特征參數數據，構建植物群體冠層形態特征統計模型；S3.獲取待重建植物群體的每株植物的位置與節間數量信息；S4.根據步驟S3獲取的節間數量信息和步驟S2構建的冠層形態特征統計模型重建待重建植物群體中的每株植物的三維模型；S5.根據所述位置信息，將每株植物的所述三維模型移動到三維場景的相應位置，完成所述待重建植物群體的三維重建。本發明專利技術的方法能夠精確簡單地進行植物群體的三維重建。

【技術實現步驟摘要】
本專利技術涉及三維圖形生成
，尤其涉及一種植物群體形態結構三維重建方法。
技術介紹
為建立植物群體的三維形態結構，部分研究者提出了基于過程模型的植物形態結構模擬方法。典型的植物形態結構變化過程模擬模型包括L-system、GreenLab等，上述方法主要通過觀察和實驗數據分析，建立描述植物生長過程中形態結構變化過程的數學模型，包括形態結構變化與環境因素之間的關系，在此基礎上，輸入一組環境條件參數，即可模擬特定環境條件的植物形態的變化過程及結果。但是，在基于過程模型的植物形態結構模擬方法中，由于目前用來描述植物形態變化過程的數學模型都做了部分假設和簡化，這使得最終模擬得到的植物形態結構與真實栽培條件下生長起來的植物形態結構還存在較大的差異，尤其是在植物群體的三維建模方面，模型的精度和準確性都需要提高。隨著三維數字化技術的不斷成熟，數字化儀和三維掃描儀等設備被廣泛應用，近年來也逐漸被越來越多的研究者用于植物三維形態的測量和重建中。部分研究者采用三維數字化儀采集植物的空間形態信息，如枝條、葉子等器官上的少量空間特征點，并基于這些信息重建植物群體的三維模型。具體地，通過采集得到的植物莖干、枝條的空間特征信息，建立植物群體中每株植物主要枝干的骨架結構，并結合各枝條的半徑信息生成枝干的三維模型；而植物葉片、果實等器官的三維形態可以通過從這些器官上采集得到的少數幾個形態特征點，結合參數曲面技術進行重建；最后將葉子和果實器官的三維形態放置到植株主要枝干三維模型上，即可實現植物群體形態的三維重建。由于三維數字化儀每次僅能夠獲取一個數據點，要對植物群體進行數據采集往往需要耗費幾個小時甚至幾天的時間，同時由于植物冠層枝葉繁茂，數據獲取操作不方便、繁瑣，因此該方法不適合用來進行植物群體的三維重建。還存在一種利用三維激光掃描儀獲得植物表面的空間數據點(一般稱為點云數據)，然后從這些點云數據上重構植物器官或植株的三維模型的方法。由于三維激光掃描儀能夠快速、精確地獲得植物表面的大量空間點，從而能夠避免繁瑣的手工測量工作，并精確重建植物的外形輪廓結構。該方法存在的主要問題是(I)由于植物冠層枝葉較多，細枝和葉子往往難以直接從掃描數據中重建，所以這種方法都是通過應用某種隨機規則或植物形態學知識生成細枝和葉子，從而實現視覺上“真實”的重建，但這樣重建得到的三維植物冠層結構與真實植物還存在較大的差別，特別是葉子的密度、空間朝向、葉面積等都可能與實際存在較大的誤差，難以應用于進行冠層光分布特性、株型特征等的研究和分析；(2)三維激光掃描儀獲取的植物三維點云數據量一般都非常大，往往一棵植物的點云數據就達到上百萬的規模，要從這些大量無序的點云數據中識別植物的每個器官并恢復植物的原有形態結構是一個巨大的挑戰，同時由于植物冠層中器官眾多，遮擋問題嚴重，造成掃描儀獲取的三維點云中部分器官數據缺失。基于圖像的重建方法的主要思想是先對一個真實的植物從不同的角度拍攝一系列的圖像，然后從這些圖像序列中重構出植物的三維形態。對于單個器官，這種方法較容易獲得器官的造型，但對于整棵植物，要從植物的圖像序列中自動地恢復植物的幾何形態，尚有很多問題需要解決。如圖像中器官的分割和自動識別、被遮擋器官的恢復等都是復雜的問題，目前尚未有令人滿意的解決方案。即該方法難以解決圖像中被遮擋器官的恢復問題，由于植物群體冠層中器官繁多，相互之間的遮擋十分普遍，采用基于圖像的重建方法獲得的三維模型的準確性難以保證。
技術實現思路
(一)要解決的技術問題本專利技術要解決的技術問題是提供一種能夠精確簡單地進行植物群體的三維重建的植物群體形態結構三維重建方法。(二)技術方案 為解決上述問題，本專利技術提供了一種植物群體形態結構三維重建方法，該方法包括步驟SI.測量待重建植物群體的冠層形態特征參數數據；S2.根據所述形態特征參數數據，構建植物群體冠層形態特征統計模型；S3.獲取待重建植物群體的每株植物的位置與節間數量信息；S4.根據步驟S3獲取的節間數量信息和步驟S2構建的冠層形態特征統計模型重建待重建植物群體中的每株植物的三維模型；S5.根據所述位置信息，將每株植物的所述三維模型移動到三維場景的相應位置，完成所述待重建植物群體的三維重建。優選地，在步驟SI中，在植物群體中選取20 30株相鄰的植物測量，所述冠層形態特征參數數據，所述冠層形態特征參數包括每個節間的節間長度、節間與垂直方向的夾角，以及每個葉子的葉柄長度、葉片長度、莖葉夾角、葉傾角。優選地，在步驟SI中，還包括記錄每個節間和葉子的年齡的步驟。優選地，所述植物最頂部的節間、葉柄、以及葉片的年齡為I，從所述植物頂部往根部，每個節間、葉柄、以及葉片的年齡遞增I年。優選地，在步驟S2中，在構建的植物群體冠層形態特征統計模型中所述節間長度的統計模型為Linternode-Bil X λ +IDilX λ +Cil X λ +(Iil所述葉柄長度的統計模型為LPetiole-apl X λ +bpl X λ +cpl X λ +dpl ；所述葉片長度的統計模型為Lleaf=B11 X λ 3+bu X λ 2+cu X λ +du其中，Lintmwte為節間長度，Lpetiole為節間長度，Lleaf為葉片長度，入為所述植物的器官的年齡，ca> L、apl、bpl、cpl、dpl、an、bu、cn、dn均為常數因子,通過最小二乘法從所述數據中擬合得到；所述節間與垂直方向的夾角、莖葉夾角以及葉傾角三個特征參數的取值分別為O 360之間的隨機值。優選地，在步驟S3中，利用三維數字化儀獲取所述待重建植物群體中每株植物地上部根節點的坐標位置，并測量每株植物的節間個數。優選地,步驟S4進一步包括S4. I根據所述節間個數，建立每株植物主莖和葉柄的初始骨架模型；S4. 2根據所述植物群體冠層形態特征統計模型調整所述主莖和葉柄的初始骨架模型，重建每株植物主莖和葉柄的三維網絡模型；S4. 3根據葉片三維模型模板庫，對每株植物的所述主莖和葉柄的三維網絡模型進行葉片曲面模型的放置和長度調整。優選地，在步驟S4. 2中，根據所述節間長度的統計模型計算初始骨架模型中每個節間的長度L· internode ·L，Internode=Bil X λ 3+bnX λ 2+cnX λ +(Iil+ η X IL根據所述節間長度的統計模型計算初始骨架模型中每個葉柄的長度L’ petiole L，petiole = aplX λ 3+bplX λ 2+cplX λ +dpl+ η XPL ；其中，η為-O. 3 O. 3之間的隨機數，IL為所述植物群體的平均節間長度，通過所述形態特征參數數據中的節間長度計算平均值得到；且對每個節間，節間與垂直方向的夾角設置為一個O 360之間隨機數，每個葉柄與其著生節間的夾角設置為一個O 360之間隨機數設置。優選地,步驟S4. 3進一步包括S4. 31根據每株植物的所述主莖和葉柄三維網格模型，對模型中的每個葉柄，根據所述葉柄的年齡從葉片三維模型模板庫中選取一個相應類型的葉片三維模型；S4. 32根據所述葉柄的節位以及所述葉片長度的統計模型，計算葉片長度L’ leaf L，leaf=a11 X λ 3+bnX λ 2+cnX λ +dn本文檔來自技高網...

【技術保護點】
一種植物群體形態結構三維重建方法，其特征在于，該方法包括步驟：S1.測量待重建植物群體的冠層形態特征參數數據；S2.根據所述形態特征參數數據，構建植物群體冠層形態特征統計模型；S3.獲取待重建植物群體的每株植物的位置與節間數量信息；S4.根據步驟S3獲取的節間數量信息和步驟S2構建的冠層形態特征統計模型重建待重建植物群體中的每株植物的三維模型；S5.根據所述位置信息，將每株植物的所述三維模型移動到三維場景的相應位置，完成所述待重建植物群體的三維重建。

【技術特征摘要】
1.一種植物群體形態結構三維重建方法，其特征在于，該方法包括步驟 51.測量待重建植物群體的冠層形態特征參數數據； 52.根據所述形態特征參數數據，構建植物群體冠層形態特征統計模型； 53.獲取待重建植物群體的每株植物的位置與節間數量信息； 54.根據步驟S3獲取的節間數量信息和步驟S2構建的冠層形態特征統計模型重建待重建植物群體中的每株植物的三維模型； 55.根據所述位置信息，將每株植物的所述三維模型移動到三維場景的相應位置，完成所述待重建植物群體的三維重建。2.如權利要求I所述的方法，其特征在于，在步驟SI中，在植物群體中選取20 30株相鄰的植物測量，所述冠層形態特征參數數據，所述冠層形態特征參數包括每株植物中每個節間的節間長度、節間與垂直方向的夾角，以及每個葉子的葉柄長度、葉片長度、莖葉夾角、葉傾角。3.如權利要求2所述的方法，其特征在于，在步驟SI中，還包括記錄每個節間和葉子的年齡的步驟。4.如權利要求3所述的方法，其特征在于，所述植物最頂部的節間、葉柄、以及葉片的年齡為1，從所述植物頂部往根部，每個節間、葉柄、以及葉片的年齡遞增I年。5.如權利要求4所述的方法，其特征在于，在步驟S2中，在構建的植物群體冠層形態特征統計模型中 所述節間長度的統計模型為 Lintemode_ail X 入 +bil X 入 +Cil X 入 +屯1 所述葉柄長度的統計模型為 Lpetiole_apl X 入 +bpl X 入 +Cpl X 入 +dpi ； 所述葉片長度的統計模型為Lleaf=all Χ λ 3+bnX λ 2+CnX λ +dn 其中，Lintemmle為節間長度，Lpetitjle為節間長度，Lleaf為葉片長度，λ為所述植物器官的年齡，ca> dm apl、bpl、cpl、dpl、an、bu、cn、dn均為常數因子,通過最小二乘法從所述步驟SI獲取的數據中擬合得到； 所述節間與垂直方向的夾角、莖葉夾角以及葉傾角三個特征參數的取值分別為O 360之間的隨機值。6.如權利要求5所述的方法，其特征在于，在步驟S3中，利用三維數字化儀獲取所述待重建植物群體中每株植物地上部根節點的坐標位置，并測量每株植物的節間個數。7.如權利要求6所述的方法，其特征在于，步驟S4進一步包括 S4. I根據所述節間個數，建立每株植物主莖和葉柄的初始骨架模型； S4. 2根據所述植物群體冠層形態特征統計模型調整所述主莖和葉柄的初始骨架模型，重建每株植物主莖和葉柄的三維網絡模型； S4. 3根據葉片三維模型模板庫，對每株植物的所述主莖和葉柄的三維網絡模型進行葉片曲面模型的放置和長度調整。8.如權利要求7所述的方法，其特征在于，在步驟S4.2中，根據所述節間長度的統計模型計算初始骨架模型中每個節間的長度L’ internode L internode_ail X 入 +b...

【專利技術屬性】
技術研發人員：陸聲鏈，趙春江，郭新宇，杜建軍，溫維亮，
申請(專利權)人：北京農業信息技術研究中心，
類型：發明
國別省市：