自适应加权算子结合主曲线提取玉米叶片点云骨架

作     者：胡建平 刘凯 郭新宇 吴升 温维亮 Hu Jianping;Liu Kai;Guo Xinyu;Wu Sheng;Wen Weiliang

作者机构：东北电力大学理学院吉林132012 北京市农林科学院信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 数字植物北京市重点实验室北京100097 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2022年第38卷第2期

页      面：166-174页

核心收录：

学科分类：0710[理学-生物学] 0831[工学-生物医学工程（可授工学、理学、医学学位）] 082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：北京市农林科学院创新能力建设专项(KJCX20210413) 吉林省教育厅科学技术研究项目(JJKH20210098KJ) 国家自然科学基金(32071891,61672149) 财政部和农业农村部:国家现代农业产业技术体系资助 

主　　题：三维 植物 提取 玉米叶片 骨架 主曲线 自适应加权算子 

摘      要：为从玉米叶片点云数据(尤其是缺失点云数据)中准确提取骨架特征,该研究设计了一种考虑玉米叶片形状结构和数据完整性的自适应加权算子来计算玉米叶片点云的骨架约束点集,并引入主曲线对骨架约束点集进行拟合得到优化的玉米叶片点云骨架。首先使用K均值聚类将玉米叶片分为若干变化较为平缓的部分;然后通过改进的距离场方法提取点云的截面相关点集;再利用设计的包括空间距离、法向差异和点云完整性的自适应加权算子,提取骨架约束点集;最后计算骨架约束点集的主曲线得到最终的玉米叶片点云骨架。通过对30个具有典型形状特征的玉米叶片点云数据的测试结果表明,本文方法所提取的骨架能较好地反映玉米叶片的三维形状结构,利用所提取骨架计算的叶长与实测叶长的平均绝对百分比误差(Mean Absolute Percent Error,MAPE)为2.10%,均方根误差(Root Mean Square Error,RMSE)为2.21 cm,标准化均方根误差(Normalized Root Mean Square Error,NRMSE)为2.89%。该方法可实现玉米叶片点云骨架的自动提取,对缺失的点云数据具有较好的鲁棒性,无需后期手动调整,能够为表型大数据处理、自动化表型解析等提供技术支持。