CN102865814A - 植物群体三维重建误差测量方法 - Google Patents
植物群体三维重建误差测量方法 Download PDFInfo
- Publication number
- CN102865814A CN102865814A CN2012103206596A CN201210320659A CN102865814A CN 102865814 A CN102865814 A CN 102865814A CN 2012103206596 A CN2012103206596 A CN 2012103206596A CN 201210320659 A CN201210320659 A CN 201210320659A CN 102865814 A CN102865814 A CN 102865814A
- Authority
- CN
- China
- Prior art keywords
- canopy
- error
- average
- plant
- area
- 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
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种植物群体三维重建误差测量方法,涉及三维测量数据处理或三维模型分析技术领域。包括步骤:S1.从重建目标中采集误差测量数据;S2.从所重建的三维植物群体中采集误差测量数据;S3.根据步骤S1和S2采集到的测量数据计算三维植物群体的相对重建误差。本发明的方法具有可操作性、能够较全面地对重建的植物群体三维模型的误差进行定量化评价;所采用的评价指标具有重要的农学意义,且方便测量,使得本发明更切实可行并具有推广价值。
Description
技术领域
本发明涉及三维测量数据处理或三维模型分析技术领域,尤其涉及一种植物群体三维重建误差测量方法。
背景技术
随着近年来三维激光扫描仪、立体视觉相机等测量仪器的不断成熟,测量速度和精度越来越高,基于测量数据进行植物植株和群体的三维重建成为可能。另一方面,农学研究、景观展示等应用对植物三维重建的精度和准确度的要求也不断提高。因此,如何验证重建的植物三维模型,特别是群体尺度的三维重建模型的准确性十分重要,但如何对重建的植物三维模型(尤其是植物群体三维模型)的误差进行定量化评价的方法却十分匮乏。已有的植物重建误差评价方法都存在评价指标不全面的问题,急需开发新的评价方法。例如:
针对基于三维数字化仪采集数据的果树形态结构三维重建方法的有效性,存在一种通过半球图像的植物三维模型重建误差评价方法,具体做法就是从相同的角度分别对真实植物和三维重建的植物拍摄一个圆形的照片,植物地上部应该全部包含在照片中,同时使照片中非目标植物以外的物体、背景等都用一个与植物颜色相差较大的颜色填充,然后分别统计两个照片中植物部分象素所占百分比并进行对比,以此比较重建的果树三维模型与真实果树的误差。该方法仅从一个方向拍摄植物的图像,由于植物具有极其不规则的外形,从不同方向拍摄的图像都不相同,并可能存在较大的差距,因此仅通过一个方向拍摄的图像计算出来的植物在图像中所占的象素比例具有较大的随机性,使得对比结果不可信。
针对基于图像的植物植株骨架三维重建方法还存在一种选取叶长、茎叶夹角和方位角三个形态特征参数作为评价指标,然后分别从真实植物和重建的三维骨架中计算这三个参数的值,通过对比两者之间的差的方法来检验重建的植株三维骨架的准确性的方法。在这种重建误差评价指标中,仅包括叶长、茎叶夹角和方位角等少量的植物形态特征参数,许多对分析植物群体冠层特征更有意义的参数,如冠层垂直投影面积、冠层总叶面积等都没有考虑,因此尚难以较好地说明其重建的三维模型的准确性。
综合而言,目前的关于三维植物重建的误差评价的评价指标都不全面,难以准确说明所重建的植物三维模型的准确性,特别是在群体尺度上,尚未有令人满意的重建误差定量评价方法。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:提供一种具有可操作性的、能够较全面地对重建的植物群体三维模型的误差进行定量化评价的植物群体三维重建误差测量方法。
(二)技术方案
为解决上述问题,本发明提供了一种植物群体三维重建误差测量方法,该方法包括步骤:
S1.从重建目标中采集误差测量数据;
S2.从所重建的三维植物群体中采集误差测量数据;
S3.根据步骤S1和S2采集到的测量数据,按照下式计算三维植物群体的相对重建误差REPP:
REPP=a×RAE+b×RSE+c×RCLRE
其中,RAE为相对面积误差,RSE为相对结构误差,RCLRE为相对冠层光辐射误差,a、b、c分别为所述相对面积误差、所述相对结构误差以及所述相对冠层光辐射误差的权重因子,且a+b+c=1。
优选地,所述测量数据包括:面积误差、结构误差、以及冠层光辐射误差测量数据。
优选地,所述面积误差测量数据包括:冠层总叶面积、冠层垂直投影面积、以及冠层侧面投影面积;所述结构误差测量数据包括:平均株高、平均节间长度、平均叶柄长度、平均叶片长度、平均叶倾角以及平均叶方位角;所述冠层光辐射误差测量数据包括光合有效辐射。
优选地,步骤S1进一步包括:
S1.1从所述重建目标中采集面积误差测量数据,分别得到冠层总叶面积测量值、冠层垂直投影面积测量值、以及冠层侧面投影面积测量值;
S1.2从所述重建目标中采集结构误差测量数据,分别得到平均株高测量值、平均节间长度测量值、平均叶柄长度测量值、平均叶片长度测量值、平均叶倾角测量值、以及平均叶方位角测量值;
S1.3从所述重建目标中采集冠层光辐射误差测量数据,分别得到冠层内光合有效辐射测量值以及冠层顶部总辐射量测量值。
优选地,步骤S2进一步包括:
S2.1从所述三维植物群体中采集面积误差测量数据,分别得到冠层总叶面积计算值、冠层垂直投影面积计算值、以及冠层侧面投影面积计算值;
S2.2从所述三维植物群体中采集结构误差测量数据,分别得到平均株高计算值、平均节间长度计算值、平均叶柄长度计算值、平均叶片长度计算值、平均叶倾角计算值、以及平均叶方位角计算值;
S2.3根据所述冠层顶部总辐射量测量值,从所述三维植物群体中采集冠层光辐射误差测量计算数据,得到冠层内光合有效辐射计算值。
优选地,步骤S3进一步包括:
S3.1根据所述面积误差测量数据计算所述相对面积误差;
S3.2根据所述结构误差测量数据计算所述相对结构误差;
S3.3根据所述冠层光辐射误差测量数据计算所述相对冠层光辐射误差;
S3.4计算三维植物群体的相对重建误差。
优选地,a=0.4,b=0.3,c=0.3。
(三)有益效果
本发明的方法可以对利用不同方法(如基于过程的方法、基于图像的三维重建、基于三维点云的重建等)重建得到的三维植物群体与被重建的真实植物群体的误差(或准确性)进行定量化的评价,同时也可以分析重建的三维植物群体具体在哪些指标上(冠层叶面积、形态结构参数或冠层光辐射)与真实植物群体存在较大的偏差,从而为基于三维模型开展植物株形分析、种植方案优势评估等科研试验提供了一种实用的方法。此外,本发明的可操作性强,能够较全面地将重建的三维植物群体的误差定量化,不仅有助于有效地定量化评价各种植物三维重建,同时也使得基于重建的三维植物开展植物冠层光截获能力模拟、株形特征提取等计算分析更具有实用价值和指导意义。
附图说明
图1为依照本发明一种实施方式的植物群体三维重建误差测量方法流程图;
图2为单株植物的垂直投影图像;
图3为植物群体冠层侧面投影图像。
具体实施方式
本发明提出的植物群体三维重建误差测量方法,结合附图及实施例详细说明如下。
本发明的目的在于针对黄瓜、西瓜、甜瓜等以节间为单位的园艺植物,提出一种具有可操作性的、能够较全面地对重建的三维植物群体的误差进行定量化评价的方法,本发明的方法不仅有助于有效地定量化地评价各种植物三维重建,同时也使得基于重建的三维植物开展植物冠层光截获能力模拟、株形特征提取等计算分析更具有实用价值和指导意义。
如图1所示,依照本发明一种实施方式的植物群体三维重建误差定量评价方法包括步骤:
S1.从作为重建目标的真实植物群体中采集误差测量数据。
该测量数据包括面积误差、结构误差、冠层光辐射误差测量数据,其中,面积误差测量数据包括:冠层总叶面积(CTLA)、冠层垂直投影面积(CVPA)、冠层侧面投影面积(CSPA);结构误差测量数据包括:平均株高(APH)、平均节间长度(AIL)、平均叶柄长度(APL)、平均叶片长度(ALL)、平均叶倾角(ALI)、平均叶方位角(ALA)等6种数据;冠层光辐射的测量数据包括光合有效辐射(PAR)。
步骤S1具体过程包括:
S1.1从真实植物群体中采集面积误差测量数据,分别得到冠层总叶面积测量值、冠层垂直投影面积测量值、以及冠层侧面投影面积测量值。
(1)测量冠层总叶面积:对待重建的植物群体,利用便携式叶面积仪测量每株植物上每个叶片的面积,最后累加得到植物群体的冠层总叶面积测量值(记为CTLA_R)。
(2)测量冠层垂直投影面积:对待重建植物群体中的每棵植物,首先在植物根部旁边放置一块边长为10cm的黑色正方形标定板,然后用数码相机从植物顶部垂直向下拍摄植物的俯视图1张(可借助于三脚架、梯子或其他辅助工具完成拍照),要求在数据相机取景时需确保黑色标定板全部在相机镜头视野中并且没有被任何物体遮挡;然后利用图像处理软件对拍摄的植物俯视图像进行处理,去掉除所拍摄的植物和标定板之外的其他背景信息;在此基础上,分别计算植物部分(像素)在图像中所占的比例RP和标定板在图像中所占的比例CP,由于真实标定板的面积为100cm2(10cm×10cm),所以该棵植物的垂直投影面积(CVPAP)可用下式计算
CVPAP=RP/CP×100(cm2) (1)
采用上述方法测量群体中每棵植物的垂直投影面积后,将所有植物的垂直投影面积累加,即可得到整个待重建植物群体的冠层垂直投影面积测量值(记为CVPA_R)。
(3)测量冠层侧面投影面积:对待重建的植物群体,首先测量群体中每棵植物的株高,并计算群体的平均株高APHR,然后在群体周围随机选取4个位置,从选取的每个位置用数码相机拍摄植物群体的图像1张,拍摄要求如下:首先植物群体中放置一块边长为10cm的黑色正方形标定板(可通过悬挂的方式,标定板中心位置高度为APHR/2),拍摄时数码相机的高度为群体平均株高(APHR)的1半,相机镜头水平对着植物群体,同时使标定板正对相机镜头,且标定板在镜头视野中不被任何物体遮挡。拍摄群体图像后,利用图像处理软件对图像进行处理,去掉除植物和标定板之外的其他背景信息;在此基础上,分别计算植物部分(像素)在图像中所占的比例RP和标定板在图像中所占的比例CP,由于真实标定板的面积为100cm2(10cm×10cm),所以植物群体在该方向的侧面投影面积可用上述公式(1)计算。
采用上述方法从4个位置拍摄植物群体的侧面图像并计算每个图像中植物群体的侧面投影面积后,将4个方向的侧面投影面积累加并求平均,即为植物群体的冠层侧面投影面积测量值(记为CSPA_R)。
S1.2从真实植物群体中采集结构误差测量数据,分别得到平均株高测量值、平均节间长度测量值、平均叶柄长度测量值、平均叶片长度测量值、平均叶倾角测量值、以及平均叶方位角测量值。
(1)优选地,利用软尺手工测量待重建的真实植物群体中每棵植物主茎的长度,作为该株植物的株高,累加所有植物的株高然后计算平均值,即为该群体的平均株高测量值(记为APH_R)。
(2)对群体中的每棵植物,通过直尺手工测量主茎上每个节间的长度,同时记录节间个数,将群体中所有测量获得的节间长度累加并除以节间个数,即可得到平均节间长度测量值(记为AIL_R)。
(3)与测量平均节间长度的方法类似,手工测量并计算植物群体的平均叶柄长度测量值(记为APL_R)、平均叶片长度测量值(记为ALL_R)。
(4)对群体中每棵植物,用量角器或数显角度仪测量每个叶子的叶倾角(其测量方法是测量叶片和叶柄交接点与叶尖点之间的直线与垂直于地面的直线的夹角),将群体中所有测量获得的叶倾角累加并除以叶子个数,即可得到平均叶倾角测量值(记为ALI_R)。
(5)对群体中每棵植物,用量角器或数显角度仪测量每个叶子的方位角(其测量方法是测量叶柄在地面的投影线与一条经过叶柄根节点同时与地面平行并指向正北方向的直线之间的夹角),将群体中所有测量获得的叶子方位角累加并除以叶子个数,即可得到平均叶方位角测量值(记为ALA_R)。
S1.3从真实植物群体中采集冠层光辐射误差测量数据,分别得到冠层内光合有效辐射测量值以及冠层顶部总辐射量测量值。
(1)对待重建的真实植物群体,优选地,利用冠层分析仪在同一天内分3次在不同高度测定群体冠层内光合有效辐射值,测定时间分别为10:00、13:00和15:00,测定位置为距地面10cm、40cm、80cm三个水平高度,在每个水平高度从冠层3个位置进行测量,分别为群体正中间位置和群体两侧各选一个位置,将每个水平高度上测量的3个数值平均作为该水平高度上的光合有效辐射测量值。按以上方法,共得到三个时间点三个不同高度的冠层内光合有效辐射测量值9个,分别记为PAR_R_10_10、PAR_R_10_40、PAR_R_10_80、PAR_R_13_10、PAR_R_13_40、PAR_R_13_80、PAR_R_15_10、PAR_R_15_40、PAR_R_15_80。
(2)在进行植物群体冠层光合有效辐射数据测量的同一天,同步利用光辐射传感器对植物群体进行冠层顶部总辐射量的测量。其方法是在当天从08:00到16:00之间,每1小时在群体顶部获取一次光辐射数据,最后将获得的光辐射数据累加并取平均,作为该群体的冠层顶部总辐射量测量值。
S2.从所重建的三维植物群体中采集步骤1中所述的误差测量数据。具体包括:
S2.1从三维植物群体中采集面积误差测量数据,分别计算冠层总叶面积计算值、冠层垂直投影面积计算值、以及冠层侧面投影面积计算值。
(1)计算冠层总叶面积:对重建得到的三维植物群体,计算每棵植物上每个叶片的面积,最后累加得到植物群体的冠层总叶面积计算值(记为CTLA_V)。
(2)计算冠层垂直投影面积:首先在三维植物群体场景中,在每棵植物根部旁边生成一块边长为10cm的黑色正方形标定板,然后对三维植物群体中的每棵植物,利用虚拟相机从植物顶部垂直向下拍摄植物的俯视图1张,要求在虚拟相机取景时需确保放置在植物根部旁边的黑色标定板全部在相机镜头视野中并且没有被任何物体遮挡;然后利用图像处理软件对获取的植物俯视图像进行处理,去掉除所拍摄的植物和标定板之外的其他背景信息,得到图像如图2所示;在此基础上,分别计算植物部分(像素)在图像中所占的比例RP和标定板在图像中所占的比例CP,由于真实标定板的面积为100cm2(10cm×10cm),所以该棵植物的垂直投影面积可用公式(1)计算。
采用上述方法计算三维植物群体中每棵植物的垂直投影面积后,将所有植物的垂直投影面积累加,即可得到整个重建得到的三维植物群体的冠层垂直投影面积计算值(记为CVPA_V)。
(3)计算冠层侧面投影面积:在三维植物群体周围随机选取4个位置,从选取的每个位置用虚拟相机拍摄植物群体的图像1张,拍摄要求如下:首先三维植物群体中生成一块边长为10cm的黑色正方形标定板(标定板中心位置高度为步骤S21测量得到的平均株高APHR的1半,即APHR/2),拍摄时虚拟相机的高度为APHR/2,相机镜头水平对着植物群体,同时使标定板正对相机镜头,且标定板在镜头视野中不被任何物体遮挡。拍摄群体图像后,利用图像处理软件对图像进行处理,去掉图像中除植物和标定板之外的其他背景信息,得到的图像如图3所示;在此基础上,分别计算植物部分(像素)在图像中所占的比例RP和标定板在图像中所占的比例CP,由于生成的标定板的面积为100cm2(10cm×10cm),所以植物群体在该方向的侧面投影面积可用公式(1)计算。
采用上述方法从4个位置拍摄三维植物群体的侧面图像并计算每个图像中植物群体的侧面投影面积后,将4个方向的侧面投影面积累加并求平均,即为三维植物群体的冠层侧面投影面积计算值(记为CSPA_V)。
S2.2从三维植物群体中采集结构误差测量数据,分别计算平均株高计算值、平均节间长度计算值、平均叶柄长度计算值、平均叶片长度计算值、平均叶倾角计算值、以及平均叶方位角计算值。
(1)计算重建得到的三维植物群体中每棵植物主茎的长度,作为该株植物的株高,累加所有植物的株高然后计算平均值,得到该三维植物群体的平均株高计算值(记为APH_V)。
(2)对三维植物群体中的每棵植物,计算主茎上每个节间的长度,将群体中所有测量获得的节间长度累加并除以群体总节间个数,即可得到平均节间长度计算值(记为AIL_V)。
(3)与计算平均节间长度的方法类似,计算三维植物群体的平均叶柄长度计算值(记为APL_V)和平均叶片长度计算值(记为ALL_V)。
(4)对三维植物群体中每棵植物,计算每个叶子的叶倾角(方法是计算叶片和叶柄交接点与叶尖点之间的直线与垂直于地面的直线之间的夹角),将群体中所有叶子的叶倾角累加并除以叶子个数,即可得到平均叶倾角计算值(记为ALI_V)。
(5)对三维植物群体中每棵植物,计算每个叶子的方位角(方法是计算叶柄在地面的投影线与一条经过叶柄根节点同时与地面平行并指向正北方向的直线之间的夹角),将群体中所有计算获得的叶子方位角累加并除以总叶子个数,即可得到平均叶方位角计算值(记为ALA_V)。
S2.3根据步骤S1.3得到的冠层顶部总辐射量测量值,从三维植物群体中采集冠层光辐射误差测量数据,得到冠层内光合有效辐射计算值,计算得到冠层内光合有效辐射计算值。
(1)对重建得到的三维植物群体,采用文献[温维亮,孟军,郭新宇,王雪,肖伯祥,陆声链.基于辐射照度的作物冠层光分布计算系统设计,农业机械学报,2009,40:190-193]中描述的虚拟植物冠层光辐射计算方法,以步骤S2.3测量得到的冠层顶部总辐射量作为输入,分别选取距地面10cm、40cm、80cm三个水平高度,在每个水平高度分别计算10:00、13:00和15:00三个时间点的冠层光合有效辐射值,共得到三个时间点三个不同高度的冠层光合有效辐射计算值9个,分别记为PAR_V_10_10、PAR_V_10_40、PAR_V_10_80、PAR_V_13_10、PAR_V_13_40、PAR_V_13_80、PAR_V_15_10、PAR_V_15_40、PAR_V_1580。
S3.根据步骤S1和S2采集到的测量数据计算三维植物群体的相对重建误差REPP,评价三维植物群体的重建误差的大小。具体过程如下:
S3.1根据面积误差测量数据,通过下式计算相对面积误差(RAE)
S3.2根据结构误差测量数据,通过下式计算相对结构误差(RSE)
S3.3根据冠层光辐射误差测量数据,通过下式计算相对冠层光辐射误差(RCLRE)
S3.4根据下式计算三维植物群体的相对重建误差REPP:
REPP=a×RAE+b×RSE+c×RCLRE (5)
其中,a、b、c为三个用户自定义权重因子,分别表示用户对三维植物群体重建误差评价指标中冠层叶面积、植株形态结构参数和冠层光辐射特性三个方面的重要程度的考量,其取值均为[0,1]区间的数,同时满足条件a+b+c=1。优选地,可取a=0.4,b=0.3,c=0.3。
分别从真实植物群体和重建的三维植物群体获取误差测量数据后,通过上述公式计算三维植物群体相对重建误差(REPP),REPP越小,表示重建的三维植物群体与真实(被重建的)植物群体的误差越小,即重建的三维植物群体的准确性越高。反之,REPP越大,表示重建的三维植物群体的误差越大,重建准确性越低。
本方法虽然是针对植物群体,但同样适用于单株植物。另一方面,虽然本发明针对以节间为单位的园艺植物,但对于其他各种植物(如果树、大田作物等)同样具有借鉴意义,只需修改少部分评价指标,即可应用于具有不同形态结构的植物的重建误差评价中。
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)
1.一种植物群体三维重建误差测量方法,其特征在于,该方法包括步骤:
S1.从重建目标中采集误差测量数据;
S2.从所重建的三维植物群体中采集误差测量数据;
S3.根据步骤S1和S2采集到的测量数据,按照下式计算三维植物群体的相对重建误差REPP:
REPP=a×RAE+b×RSE+c×RCLRE
其中,RAE为相对面积误差,RSE为相对结构误差,RCLRE为相对冠层光辐射误差,a、b、c分别为所述相对面积误差、所述相对结构误差以及所述相对冠层光辐射误差的权重因子,且a+b+c=1。
2.如权利要求1所述的方法,其特征在于,所述测量数据包括:面积误差、结构误差、以及冠层光辐射误差测量数据。
3.如权利要求2所述的方法,其特征在于,所述面积误差测量数据包括:冠层总叶面积、冠层垂直投影面积、以及冠层侧面投影面积;所述结构误差测量数据包括:平均株高、平均节间长度、平均叶柄长度、平均叶片长度、平均叶倾角以及平均叶方位角;所述冠层光辐射误差测量数据包括光合有效辐射。
4.如权利要求3所述的方法,其特征在于,步骤S1进一步包括:
S1.1从所述重建目标中采集面积误差测量数据,分别得到冠层总叶面积测量值、冠层垂直投影面积测量值、以及冠层侧面投影面积测量值;
S1.2从所述重建目标中采集结构误差测量数据,分别得到平均株高测量值、平均节间长度测量值、平均叶柄长度测量值、平均叶片长度测量值、平均叶倾角测量值、以及平均叶方位角测量值;
S1.3从所述重建目标中采集冠层光辐射误差测量数据,分别得到冠层内光合有效辐射测量值以及冠层顶部总辐射量测量值。
5.如权利要求4所述的方法,其特征在于,步骤S2进一步包括:
S2.1从所述三维植物群体中采集面积误差测量数据,分别得到冠层总叶面积计算值、冠层垂直投影面积计算值、以及冠层侧面投影面积计算值;
S2.2从所述三维植物群体中采集结构误差测量数据,分别得到平均株高计算值、平均节间长度计算值、平均叶柄长度计算值、平均叶片长度计算值、平均叶倾角计算值、以及平均叶方位角计算值;
S2.3根据所述冠层顶部总辐射量测量值,从所述三维植物群体中采集冠层光辐射误差测量计算数据,得到冠层内光合有效辐射计算值。
6.如权利要求5所述的方法,其特征在于,步骤S3进一步包括:
S3.1根据所述面积误差测量数据计算所述相对面积误差;
S3.2根据所述结构误差测量数据计算所述相对结构误差;
S3.3根据所述冠层光辐射误差测量数据计算所述相对冠层光辐射误差;
S3.4计算三维植物群体的相对重建误差。
7.如权利要求6所述的方法,其特征在于,a=0.4,b=0.3,c=0.3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210320659.6A CN102865814B (zh) | 2012-08-31 | 2012-08-31 | 植物群体三维重建误差测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210320659.6A CN102865814B (zh) | 2012-08-31 | 2012-08-31 | 植物群体三维重建误差测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102865814A true CN102865814A (zh) | 2013-01-09 |
CN102865814B CN102865814B (zh) | 2015-02-11 |
Family
ID=47444838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210320659.6A Active CN102865814B (zh) | 2012-08-31 | 2012-08-31 | 植物群体三维重建误差测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102865814B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636982A (zh) * | 2014-12-31 | 2015-05-20 | 北京中农腾达科技有限公司 | 一种基于植物种植的管理系统及其方法 |
CN104655014A (zh) * | 2015-02-06 | 2015-05-27 | 北京农业信息技术研究中心 | 一种农作物冠层结构信息自动测量装置与测量方法 |
CN106204525A (zh) * | 2016-06-24 | 2016-12-07 | 上海交通大学 | 树冠光截获率的检测统一方法 |
CN108171745A (zh) * | 2017-12-27 | 2018-06-15 | 上海市农业科学院 | 一种三维植物植株投影面积计算方法 |
CN108871235A (zh) * | 2018-04-27 | 2018-11-23 | 江南大学 | 植株叶片的信息获取方法和植株叶片信息采集系统 |
CN113551625A (zh) * | 2021-07-28 | 2021-10-26 | 武汉虹信技术服务有限责任公司 | 一种三维扫描装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639947A (zh) * | 2009-08-26 | 2010-02-03 | 北京农业信息技术研究中心 | 基于图像的植物三维形态测量与重建方法及系统 |
CN102163342A (zh) * | 2011-04-07 | 2011-08-24 | 北京农业信息技术研究中心 | 基于多尺度测量数据的果树形态结构三维重建方法 |
-
2012
- 2012-08-31 CN CN201210320659.6A patent/CN102865814B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639947A (zh) * | 2009-08-26 | 2010-02-03 | 北京农业信息技术研究中心 | 基于图像的植物三维形态测量与重建方法及系统 |
CN102163342A (zh) * | 2011-04-07 | 2011-08-24 | 北京农业信息技术研究中心 | 基于多尺度测量数据的果树形态结构三维重建方法 |
Non-Patent Citations (1)
Title |
---|
赵春江 等: "基于立体视觉的玉米植株三维骨架重建", 《农业机械学报》, vol. 41, no. 4, 30 April 2010 (2010-04-30), pages 157 - 162 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636982A (zh) * | 2014-12-31 | 2015-05-20 | 北京中农腾达科技有限公司 | 一种基于植物种植的管理系统及其方法 |
CN104636982B (zh) * | 2014-12-31 | 2019-04-30 | 北京中农腾达科技有限公司 | 一种基于植物种植的管理系统及其方法 |
CN104655014A (zh) * | 2015-02-06 | 2015-05-27 | 北京农业信息技术研究中心 | 一种农作物冠层结构信息自动测量装置与测量方法 |
CN106204525A (zh) * | 2016-06-24 | 2016-12-07 | 上海交通大学 | 树冠光截获率的检测统一方法 |
CN106204525B (zh) * | 2016-06-24 | 2019-04-19 | 上海交通大学 | 树冠光截获率的检测统一方法 |
CN108171745A (zh) * | 2017-12-27 | 2018-06-15 | 上海市农业科学院 | 一种三维植物植株投影面积计算方法 |
CN108171745B (zh) * | 2017-12-27 | 2021-06-22 | 上海市农业科学院 | 一种三维植物植株投影面积计算方法 |
CN108871235A (zh) * | 2018-04-27 | 2018-11-23 | 江南大学 | 植株叶片的信息获取方法和植株叶片信息采集系统 |
CN113551625A (zh) * | 2021-07-28 | 2021-10-26 | 武汉虹信技术服务有限责任公司 | 一种三维扫描装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102865814B (zh) | 2015-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102865814B (zh) | 植物群体三维重建误差测量方法 | |
Gallego et al. | A variational stereo method for the three-dimensional reconstruction of ocean waves | |
CN102903145B (zh) | 植物群体形态结构三维重建方法 | |
CN104173054B (zh) | 基于双目视觉技术的人体身高测量方法及其装置 | |
CN105066877B (zh) | 基于智能终端镜头的树木测量方法 | |
CN106651900B (zh) | 一种基于轮廓分割的高架原位草莓三维建模方法 | |
Gonsamo et al. | The computation of foliage clumping index using hemispherical photography | |
CN108280852A (zh) | 一种基于激光点云数据的门窗点云形状检测方法及系统 | |
CN108269302A (zh) | 一种基于简易测量服的三维人体快速重建方法 | |
CN102636486B (zh) | 一种棉花三真叶期的自动检测方法 | |
CN103440648B (zh) | 农作物冠层整齐度的自动测量方法及装置 | |
Balenović et al. | Quality assessment of high density digital surface model over different land cover classes | |
CN103278143A (zh) | 基于机器视觉的零位走动量测试装置及方法 | |
CN108153979A (zh) | 基于InSAR的形变信息提取方法、终端及存储介质 | |
CN104568145B (zh) | 一种植被冠层光合有效辐射吸收比例的观测系统及方法 | |
CN106767438A (zh) | 基于地面三维激光扫描技术的山体滑坡量获取方法及装置 | |
Fan et al. | Measurement of volume and accuracy analysis of standing trees using Forest Survey Intelligent Dendrometer | |
Hu et al. | Phenotyping of poplar seedling leaves based on a 3D visualization method | |
Wei et al. | Dynamic simulation of leaf area index for the soybean canopy based on 3D reconstruction | |
CN106580329A (zh) | 基于双目立体视觉技术的身高测量系统及方法 | |
Lati et al. | Three-dimensional image-based modelling of linear features for plant biomass estimation | |
Patel et al. | Deep Learning-Based Plant Organ Segmentation and Phenotyping of Sorghum Plants Using LiDAR Point Cloud | |
CN105844700A (zh) | 一种室外场景三维点云采集系统 | |
CN102750729A (zh) | 一种使用近景普通数码相机的快速单木建模方法 | |
Gangadharan et al. | A comparison of approaches for citrus canopy profile generation using ultrasonic and Leddar® sensors |
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 |