CN101739718A - 一种基于参数模板的玉米叶片虚拟仿真建模方法 - Google Patents

一种基于参数模板的玉米叶片虚拟仿真建模方法 Download PDF

Info

Publication number
CN101739718A
CN101739718A CN200910243158A CN200910243158A CN101739718A CN 101739718 A CN101739718 A CN 101739718A CN 200910243158 A CN200910243158 A CN 200910243158A CN 200910243158 A CN200910243158 A CN 200910243158A CN 101739718 A CN101739718 A CN 101739718A
Authority
CN
China
Prior art keywords
template
target
leaf
modeling
maize leaf
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN200910243158A
Other languages
English (en)
Other versions
CN101739718B (zh
Inventor
肖伯祥
郭新宇
赵春江
温维亮
陆声链
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Center for Information Technology in Agriculture
Original Assignee
Beijing Research Center for Information Technology in Agriculture
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Research Center for Information Technology in Agriculture filed Critical Beijing Research Center for Information Technology in Agriculture
Priority to CN 200910243158 priority Critical patent/CN101739718B/zh
Publication of CN101739718A publication Critical patent/CN101739718A/zh
Application granted granted Critical
Publication of CN101739718B publication Critical patent/CN101739718B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Processing Or Creating Images (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于参数模板的玉米叶片虚拟仿真建模方法,包括以下步骤:通过扫描真实玉米叶片建立玉米叶片参数化模板库,所述参数包括叶长、叶宽、叶脉曲线;根据目标建模玉米叶片的特征参数从上述的模板库中搜索与所述特征参数匹配的参数模板,所述特征参数包括目标叶长、目标叶宽、目标叶脉曲线;以所述特征参数为约束,根据相匹配的参数模板对所述目标建模玉米叶片建模。本发明的方法有效解决玉米叶片上不易于参数化表示的结构建模问题,建立的模型具有较强真实感,可满足玉米叶片数字化设计的需要。

Description

一种基于参数模板的玉米叶片虚拟仿真建模方法
技术领域
本发明涉及计算机图形学中植物对象的三维建模和虚拟农业技术领域,特别是涉及一种基于参数模板的玉米叶片虚拟仿真建模方法。
背景技术
进入二十一世纪以来,植物对象的三维形态虚拟仿真建模在计算机图形学、虚拟现实、教育、游戏娱乐等许多领域得到广泛的应用,植物对象的三维形态仿真与建模成为一个广泛研究的热点问题。
随着农业信息化技术的快速发展,新兴的虚拟现实技术在农业领域也越来越多地得到应用,虚拟农业中首要面临的问题是农林植物包括农业大田作物和园艺植物对象的虚拟建模问题,实现准确有效的植物对象的虚拟建模方法不仅可以拓展计算机图形学领域植物建模的研究内容,还能为农业科研领域提供直观的交互性操作与观察平台,对于推动现代农业信息化发展有着巨大的作用。
近年来,面向植物对象虚拟建模的研究引起了研究者较大的兴趣,关于玉米叶片、根系几何造型的研究已取得了较大成果。然而,由于植物本身所具有的复杂形态结构,特别针对难以参数化表示的复杂结构,例如玉米叶片的褶皱建模等,仍然没有有效的解决方法,这在很大程度上限制了植物对象参数化、可视化的发展。因此,针对难以参数化表示的复杂植物对象结构特征,设计实现有效的建模方法,并开发实用工具具有重要的实际意义和广阔的应用前景。
在本发明中,我们意在将现代计算机图形技术和农业信息化相结合,给出一种基于参数模板的玉米叶片虚拟仿真建模方法和原型系统,以解决植物对象中复杂结构建模问题,以及植物对象的统一参数化表示问题。
发明内容
(一)发明目的
本发明的目的是提供一种基于参数模板的玉米叶片虚拟仿真建模方法,以解决玉米叶片上不易于参数化表示的结构建模问题,建立具有较强真实感的玉米叶片模型。
(二)发明内容
一种基于参数模板的玉米叶片虚拟仿真建模方法,其特征在于,包括以下步骤:
S1:通过扫描真实玉米叶片建立玉米叶片参数化模板库,所述参数包括叶长、叶宽、叶脉曲线;
S2:根据目标建模玉米叶片的特征参数从S1所述的模板库中搜索与所述特征参数匹配的参数模板,所述特征参数包括目标叶长、目标叶宽、目标叶脉曲线;
S3:以所述特征参数为约束,根据相匹配的参数模板对所述目标建模玉米叶片建模。
其中,所述步骤S1包括:
S101:扫描玉米叶片,建立玉米叶片点云模型;
S102:然后根据点云模型,使用参数曲面插值方法建立叶片的参数曲面模型,计算所述曲面的控制点组;
S103:将所述参数曲面模型作为参数化模板存入数据库形成玉米叶片参数化模板库。
其中,所述S102中参数化曲面插值为NURBS曲面插值,按如下公式进行:
P ( u , w ) = Σ i = 0 n Σ j = 0 m B i , k ( u ) · B j , h ( w ) · W i , j · V i , j Σ i = 0 n Σ j = 0 m B i , k ( u ) · B j , h ( w ) · W i , j
其中,P为计算的插值点,Vi,j为控制顶点,Wi,j为权因子,Bi,k(u)和Bj,h(w)分别为沿u向的k次和沿w向的h次B样条基函数。
其中,所述步骤S2包括:
S201:提取目标建模玉米叶片形态特征参数,对特征参数中的目标叶脉曲线建模;
S202:根据所述建模后的目标叶脉曲线在所述玉米叶片参数模板库中搜索模板叶脉曲线与所述目标叶脉曲线相匹配的模板。
其中,所述步骤S201中建模叶脉曲线采用Bezier曲线建模,公式如下:
P ( t ) = Σ i = 0 n B i , n ( t ) · V i , t ∈ [ 0,1 ] .
其中,P为计算的插值点,Bi,n为Bemstein基函数,t为插值参变量,Vi为控制点组。
其中,所述步骤S202包括:
S2021:分别将所述目标叶脉曲线和模板叶脉曲线规范化和离散化,所述规范化是将模板叶脉曲线进行仿射变换使其与目标叶脉曲线具有相同的位置,离散化以模板叶脉曲线和目标叶脉曲线为计算依据,并确定步长,离散化后形成模板点序列和目标点序列;
S2022:对于模板点序列中任意一点M,计算目标点序列中距离M最近的点N,计算M到N的距离并作为M到目标曲线的最小距离Dm;
S2023:依次循环所有模板点序列中的点,计算目标点对应的最小距离并取平均值D,将D作为模板曲线与目标曲线的偏移量,计算模板库中所有模板的模板叶脉曲线与目标叶脉曲线的偏移量,并取偏移量最小的模板为匹配模板。
其中,所述步骤S3包括:
S301:将玉米叶片参数模板进行缩放变换,使其与目标建模玉米叶片具备相等叶宽;
S302:根据变换后的模板参数曲面的控制点组将模板叶脉曲线和
目标叶脉曲线离散化为一一对应的离散点序列,离散化后形成模板参
照点序列和目标参照点序列;
S303:分别计算模板参照点序列中各点与目标参照点序列中对应点的仿射变换关系,并将模板的控制点组进行相应的仿射变换;
S304:按仿射变换后的控制点组重新计算目标建模玉米叶片的参数曲面,生成目标玉米叶片的模型。
(三)有益效果
本发明的基于参数模板的玉米叶片虚拟仿真建模方法有效解决玉米叶片上不易于参数化表示的结构建模问题,建立的模型具有较强真实感,可满足玉米叶片数字化设计的需要。
附图说明
图1是根据本发明的基于参数模板的玉米叶片虚拟仿真建模方法流程图;
图2是根据本发明的基于参数模板的玉米叶片虚拟仿真建模方法的玉米叶片扫描点云模型;
图3是将图2的电点云模型重构为玉米叶片模板的参数曲面模型;
图4是根据本发明的基于参数模板的玉米叶片虚拟仿真建模方法的模板搜索匹配示意图。
图5是根据本发明的基于参数模板的玉米叶片虚拟仿真建模方法的基于参数模板的建模示意图。
具体实施方式
本发明提出的基于参数模板的玉米叶片虚拟仿真建模方法,结合附图和实施例说明如下。
如图1所示,步骤S1通过扫描真实玉米叶片建立玉米叶片参数化模板库,其中参数为叶长、叶宽、叶脉曲线。具体地,选取有代表性特征的玉米叶片作为模板数据源,使用FASTSCAN三维激光扫描仪扫描玉米叶片,得到叶片模板的散乱点云模型,点云模型如图2所示;根据点云模型使用参数曲面插值方法建立叶片的参数曲面模型,计算所述曲面的控制点组,优选NURBS曲面插值,选取具有NURBS曲面控制点拓扑结构的点作为参数曲面插值点,选取5×12排插值点,计算NURBS控制点,并将叶脉曲线以步长0.02规格离散化,离散后模板点序列包含50元素,计算公式如下,其中P为计算的插值点,Vi,j为控制顶点,Wi,j为权因子,Bi,k(u)和Bj,h(w)分别为沿u向的k次和沿w向的h次B样条基函数,参数曲面模型如图3所示;
P ( u , w ) = Σ i = 0 n Σ j = 0 m B i , k ( u ) · B j , h ( w ) · W i , j · V i , j Σ i = 0 n Σ j = 0 m B i , k ( u ) · B j , h ( w ) · W i , j
将插值好的参数曲面模型作为参数化模板存入数据库形成玉米叶片参数化模板库。
步骤S2根据目标建模玉米叶片(待建模的玉米叶片)的特征参数从步骤S1的参数模板库中搜索与所述特征参数匹配的参数模板,所述特征参数包括目标叶长、目标叶宽和目标叶脉曲线。具体地,提取作为建模目标的玉米叶片形态特征参数,对特征参数中的目标叶脉曲线建模,优选Bezier曲线建模,并以步长规格0.02离散化,得到目标点序列含50元素,Bezier算法如下式所示,其中P为计算的插值点,B为Bemstein基函数,t为插值参变量,V为控制点组。公式如下:
P ( t ) = Σ i = 0 n B i , n ( t ) · V i , t ∈ [ 0,1 ] .
以目标叶片的叶脉曲线,即目标叶脉曲线作为模板搜索匹配的依据,在玉米叶片参数模板库中搜索模板叶脉曲线与该目标叶脉曲线相匹配的模板,使用一种基于离散化最近点的曲线匹配方法,如附图4所示,首先,分别将目标叶脉曲线和模板叶脉曲线规范化和离散化,规范化是将模板曲线进行仿射变换使其与目标曲线具有相同的位置,离散化方法为以模板叶脉曲线和目标叶脉曲线为计算依据,并确定一定的步长,离散化后的目标曲线和模板曲线分别为处在目标曲线和模板曲线上的三维空间点序列,分别称为目标点序列和模板点序列;然后,对于模板点序列中任意一点M,计算目标点序列中距离M最近的点N,计算M到N的距离并作为M到目标曲线的最小距离Dm;最后,依次循环模板点序列中的所有元素,计算对应的最小距离并取平均值D,将D作为模板曲线与目标曲线的偏移量。计算模板库中所有模板与目标曲线的偏移量,并取偏移量最小的为最相似模板,从而完成模板匹配。
步骤S3以上述特征参数为约束,根据相匹配的参数模板对所述目标建模玉米叶片建模,即根据目标叶长、目标叶宽和建模后的目标叶脉曲线,将步骤S2模板变形生成目标玉米叶片的模型。具体地,由于叶脉曲线本身包括叶长信息,因此约束主要包括叶脉曲线约束和叶宽约束,以目标叶片叶宽和选取的模板叶片叶宽比例为参照,将模板叶片进行缩放变换,使其与目标叶片具备相等叶宽。接下来进行叶脉曲线约束建模,如附图5所示,首先根据模板叶片参数曲面的控制点组将模板叶脉曲线和目标叶脉曲线离散化为若干一一对应的离散点序列,分别称为模板参照点序列和目标参照点序列,并以此作为建模参照,这样就建立了模板参数曲面的所有控制点与模板参照点序列和目标参照点序列的对应关系;然后,分别计算模板参照点序列中各点与目标参照点序列中对应点的仿射变换关系,并将模板的控制点组进行相应的仿射变换;最后,按仿射变换后的控制点组重新计算参数曲面,生成目标玉米叶片的模型。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。

Claims (7)

1.一种基于参数模板的玉米叶片虚拟仿真建模方法,其特征在于,包括以下步骤:
S1:通过扫描真实玉米叶片建立玉米叶片参数化模板库,所述参数包括叶长、叶宽、叶脉曲线;
S2:根据目标建模玉米叶片的特征参数从S1所述的模板库中搜索与所述特征参数匹配的参数模板,所述特征参数包括目标叶长、目标叶宽、目标叶脉曲线;
S3:以所述特征参数为约束,根据相匹配的参数模板对所述目标建模玉米叶片建模。
2.如权利要求1所述的基于参数模板的玉米叶片虚拟仿真建模方法,其特征在于,所述步骤S1包括:
S101:扫描玉米叶片,建立玉米叶片点云模型;
S102:然后根据点云模型,使用参数曲面插值方法建立叶片的参数曲面模型,计算所述曲面的控制点组;
S103:将所述参数曲面模型作为参数化模板存入数据库形成玉米叶片参数化模板库。
3.如权利要求2所述的基于参数模板的玉米叶片虚拟仿真建模方法,其特征在于,所述S102中参数化曲面插值为NURBS曲面插值,按如下公式进行:
P ( u , w ) = Σ i = 0 n Σ j = 0 m B i , k ( u ) · B j , h ( w ) · W i , j · V i , j Σ i = 0 n Σ j = 0 m B i , j ( u ) · B j , h ( w ) · W i , j
其中,P为计算的插值点,Vi,j为控制顶点,Wi,j为权因子,Bi,k(u)和Bj,h(w)分别为沿u向的k次和沿w向的h次B样条基函数。
4.如权利要求1所述的基于参数模板的玉米叶片虚拟仿真建模方法,其特征在于,所述步骤S2包括:
S201:提取目标建模玉米叶片形态特征参数,对特征参数中的目标叶脉曲线建模;
S202:根据所述建模后的目标叶脉曲线在所述玉米叶片参数模板库中搜索模板叶脉曲线与所述目标叶脉曲线相匹配的模板。
5.如权利要求4所述的基于参数模板的玉米叶片虚拟仿真建模方法,其特征在于,所述步骤S201中建模叶脉曲线采用Bezier曲线建模,公式如下:
P ( t ) = Σ i = 0 n B i , n ( t ) · V i , t ∈ [ 0,1 ] .
其中,P为计算的插值点,Bi,n为Bernstein基函数,t为插值参变量,Vi为控制点组。
6.如权利要求4所述的基于参数模板的玉米叶片虚拟仿真建模方法,其特征在于,所述步骤S202包括:
S2021:分别将所述目标叶脉曲线和模板叶脉曲线规范化和离散化,所述规范化是将模板叶脉曲线进行仿射变换使其与目标叶脉曲线具有相同的位置,离散化以模板叶脉曲线和目标叶脉曲线为计算依据,并确定步长,离散化后形成模板点序列和目标点序列;
S2022:对于模板点序列中任意一点M,计算目标点序列中距离M最近的点N,计算M到N的距离并作为M到目标曲线的最小距离Dm;
S2023:依次循环所有模板点序列中的点,计算目标点对应的最小距离并取平均值D,将D作为模板曲线与目标曲线的偏移量,计算模板库中所有模板的模板叶脉曲线与目标叶脉曲线的偏移量,并取偏移量最小的模板为匹配模板。
7.如权利要求2所述的基于参数模板的玉米叶片虚拟仿真建模方法,其特征在于,所述步骤S3包括:
S301:将玉米叶片参数模板进行缩放变换,使其与目标建模玉米叶片具备相等叶宽;
S302:根据变换后的模板参数曲面的控制点组将模板叶脉曲线和目标叶脉曲线离散化为一一对应的离散点序列,离散化后形成模板参照点序列和目标参照点序列;
S303:分别计算模板参照点序列中各点与目标参照点序列中对应点的仿射变换关系,并将模板的控制点组进行相应的仿射变换;
S304:按仿射变换后的控制点组重新计算目标建模玉米叶片的参数曲面,生成目标玉米叶片的模型。
CN 200910243158 2009-12-30 2009-12-30 一种基于参数模板的玉米叶片虚拟仿真建模方法 Active CN101739718B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 200910243158 CN101739718B (zh) 2009-12-30 2009-12-30 一种基于参数模板的玉米叶片虚拟仿真建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 200910243158 CN101739718B (zh) 2009-12-30 2009-12-30 一种基于参数模板的玉米叶片虚拟仿真建模方法

Publications (2)

Publication Number Publication Date
CN101739718A true CN101739718A (zh) 2010-06-16
CN101739718B CN101739718B (zh) 2012-09-05

Family

ID=42463165

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 200910243158 Active CN101739718B (zh) 2009-12-30 2009-12-30 一种基于参数模板的玉米叶片虚拟仿真建模方法

Country Status (1)

Country Link
CN (1) CN101739718B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254330A (zh) * 2010-07-29 2011-11-23 山东大学 基于图像处理的空气污染数据可视化方法
CN105956328A (zh) * 2016-05-30 2016-09-21 宁波至高点工业设计有限公司 一种高自由度的参数化曲面建模方法
CN107330209A (zh) * 2017-07-06 2017-11-07 常州赞云软件科技有限公司 一种基于参数化设计的造型墙智能模板实现方法
CN107684463A (zh) * 2016-08-03 2018-02-13 佛山市诺威科技有限公司 一种全冠桥连接体数字化生成方法
CN108492365A (zh) * 2018-04-03 2018-09-04 中国林业科学研究院资源信息研究所 一种基于颜色分级的树叶自适应贴图可视化模拟方法
CN108629825A (zh) * 2018-05-04 2018-10-09 东华理工大学 基于点云特征的植物叶片几何造型方法
CN113298929A (zh) * 2021-04-14 2021-08-24 江苏大学 基于手绘引导的3d植物叶片形变方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254330A (zh) * 2010-07-29 2011-11-23 山东大学 基于图像处理的空气污染数据可视化方法
CN105956328A (zh) * 2016-05-30 2016-09-21 宁波至高点工业设计有限公司 一种高自由度的参数化曲面建模方法
CN105956328B (zh) * 2016-05-30 2020-06-16 宁波至高点工业设计有限公司 一种高自由度的参数化曲面建立叶片模型的方法
CN107684463A (zh) * 2016-08-03 2018-02-13 佛山市诺威科技有限公司 一种全冠桥连接体数字化生成方法
CN107684463B (zh) * 2016-08-03 2020-06-16 佛山市诺威科技有限公司 一种全冠桥连接体数字化生成方法
CN107330209A (zh) * 2017-07-06 2017-11-07 常州赞云软件科技有限公司 一种基于参数化设计的造型墙智能模板实现方法
CN107330209B (zh) * 2017-07-06 2020-08-21 常州赞云软件科技有限公司 一种基于参数化设计的造型墙智能模板实现方法
CN108492365A (zh) * 2018-04-03 2018-09-04 中国林业科学研究院资源信息研究所 一种基于颜色分级的树叶自适应贴图可视化模拟方法
CN108492365B (zh) * 2018-04-03 2021-10-01 中国林业科学研究院资源信息研究所 一种基于颜色分级的树叶自适应贴图可视化模拟方法
CN108629825A (zh) * 2018-05-04 2018-10-09 东华理工大学 基于点云特征的植物叶片几何造型方法
CN108629825B (zh) * 2018-05-04 2022-03-08 东华理工大学 基于点云特征的植物叶片几何造型方法
CN113298929A (zh) * 2021-04-14 2021-08-24 江苏大学 基于手绘引导的3d植物叶片形变方法
CN113298929B (zh) * 2021-04-14 2024-04-09 江苏大学 基于手绘引导的3d植物叶片形变方法

Also Published As

Publication number Publication date
CN101739718B (zh) 2012-09-05

Similar Documents

Publication Publication Date Title
CN101739718B (zh) 一种基于参数模板的玉米叶片虚拟仿真建模方法
Brogna et al. A new wake model and comparison of eight algorithms for layout optimization of wind farms in complex terrain
Zjavka Wind speed forecast correction models using polynomial neural networks
Jiang et al. Modeling MODIS LAI time series using three statistical methods
CN108010103A (zh) 复杂河道地形快速精细生成方法
US20160203636A1 (en) Method and device for extracting skeleton from point cloud
CN105118090B (zh) 一种自适应复杂地形结构的点云滤波方法
Zhang et al. Three-dimensional spatiotemporal wind field reconstruction based on physics-informed deep learning
CN105512385A (zh) 采用序列幂函数插值方法实现结构多材料拓扑优化的方法
Hofierka et al. Geomorphometry in Grass Gis
Zhang et al. An integrated environmental decision support system for water pollution control based on TMDL–A case study in the Beiyun River watershed
CN106548484A (zh) 基于二维凸包的产品模型散乱点云边界特征提取方法
CN103236043A (zh) 一种植物器官点云修复方法
CN108376183A (zh) 一种基于最大熵原理的城市ca模型构建方法
CN105975655A (zh) 一种基于bim的仿唐宋古建异形屋面瓦参数化建模方法
CN103049932B (zh) 一种基于径向基函数的植物三维形态虚拟建模方法
CN103530700B (zh) 城区配电网饱和负荷综合预测方法
CN101436303A (zh) 从物体三维图像中获取四面体网格的方法
CN102692491B (zh) 基于分阶段禁忌寻优算法的土壤水分特征参数计算方法
CN102496033B (zh) 基于mr计算框架的图像sift特征匹配方法
CN116401327A (zh) 无资料地区中小流域设计暴雨洪水计算辅助系统
CN106485017A (zh) 一种基于CA‑Markov模型的土地利用时空变化模拟方法
CN101546351B (zh) 一种叶轮的变复杂度形状优化的几何参数化建模方法
CN103530435A (zh) 一种基于敏感度的船体型线设计方法
Ramos-García et al. Multi-fidelity vortex simulations of rotor flows: Validation against detailed wake measurements

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant