CN104408765B - 植物扫描与重建方法 - Google Patents

植物扫描与重建方法 Download PDF

Info

Publication number
CN104408765B
CN104408765B CN201410630906.1A CN201410630906A CN104408765B CN 104408765 B CN104408765 B CN 104408765B CN 201410630906 A CN201410630906 A CN 201410630906A CN 104408765 B CN104408765 B CN 104408765B
Authority
CN
China
Prior art keywords
leaf
plant
skeleton
point
scanning
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.)
Active
Application number
CN201410630906.1A
Other languages
English (en)
Other versions
CN104408765A (zh
Inventor
黄惠
尹康学
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.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
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 Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201410630906.1A priority Critical patent/CN104408765B/zh
Publication of CN104408765A publication Critical patent/CN104408765A/zh
Application granted granted Critical
Publication of CN104408765B publication Critical patent/CN104408765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/30—Polynomial surface description
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种植物扫描与重建方法，该方法包括：对植物进行整体扫描，获得植物的整体扫描数据；对植物的每个叶子进行单独扫描，获得每个叶子的点云数据；将每个叶子的点云数据重建为曲面模型，通过泊松重建算法得到茎杆的重建结果；将重建后的所有叶子和茎杆与植物的整体扫描数据对齐；将所有叶子对齐后的点云数据融合到一起，得到整棵植物模型。其中，对每个叶子的重建过程是完全自动的，不需要交互，这样就大大减少了用户工作量；对每个叶片单独扫描并重建的策略，即分治策略，可以提高扫描和重建精度。

Description

植物扫描与重建方法
技术领域
本发明涉及三维植物建模技术领域，尤其涉及植物扫描与重建方法。
背景技术
三维植物建模是一个重要且应用广泛的研究课题。游戏设计与开发中，场景中植物模型质量的高低，直接影响游戏的真实感和用户体验。在植物学领域，三维植物建模可以用于研究植物的生长和在不同物理环境下的行为。在农业上，三维植物模型有助于病虫害防治和施肥方法的研究。
由于植物结构复杂，直接让美工来进行与实物相符的精确建模是困难的。通过三维扫描仪扫描植物的三维点云数据，并通过重建算法来获得真实的植物模型相比手工建模更为快捷可行。然而，由于植物叶片的相互遮挡，想获得植物的完整扫描数据是很困难的。并且，由于叶片是二维曲面，叶梗和茎秆是三维柱体，传统的曲面重建算法很难直接适用于这种情况。因此，要解决的问题为两个方面：1、如何获取植物完整的三维点云数据；2、如何快速精确地自动将获得的点云数据重建为曲面模型。
植物的完整扫描与重建是一个很有挑战性的课题。来自日本的研究人员TakashiIjiri提出了使用CT扫描设备来获取花的三维数据，并交互式地重建出曲面模型。但是CT扫描设备或者高精度激光扫描仪等十分昂贵，用它来扫描和重建植物模型的成本太高，一般用户难以承受。并且他们的重建方法不能很好地处理复杂的叶片相互之间的遮挡，因此需要大量的用户交互，并不便于使用。还有一些研究人员提出了从三维点云场景中提取树木的骨架来重建树木的方法。但是这种方法只用于粗糙地重建树枝和树干，没有很好的机制来处理缺失数据和噪声数据，并不能精确重建出植物叶片。
发明内容
本发明实施例提供一种植物扫描与重建方法，用以减少用户交互，提高扫描和重建精度，该方法包括：
对植物进行整体扫描，获得植物的整体扫描数据；
对植物的每个叶子进行单独扫描，获得每个叶子的点云数据；
将每个叶子的点云数据重建为曲面模型，通过泊松重建算法得到茎杆的重建结果；
将重建后的所有叶子和茎杆与植物的整体扫描数据对齐；
将所有叶子对齐后的点云数据融合到一起，得到整棵植物模型；
其中，将每个叶子的点云数据重建为曲面模型，包括：
利用L1-中值算法提取叶子的骨架；
沿着骨架对叶子的点云做垂直切片；
根据点云切片的纵横比将切片分为叶片和叶柄两部分；
采用基于曲率的二次距离极小化方法，对每个切片拟合一个NURBS(Non-UniformRational B-Splines，非统一有理B样条)曲线，叶片拟合一个非闭合曲线，叶柄拟合闭合曲线；
优化求解所有NURBS控制点的最佳位置；
连接叶子的所有切片形状，得到叶子的形状；
将重建后的所有叶子和茎杆与植物的整体扫描数据对齐，包括：
为每个叶子或茎秆模型定义多对到植物点云的对应点，求出所述多对对应点定义的刚性变换，并以求出的刚性变换对每个叶片或茎秆进行变换；
利用骨架驱动叶片和茎秆变形，进行非刚性配准；
将控制对象由骨架变为用WLOP算法均匀采样的控制点，再次进行非刚性配准。
一个实施例中，采用手持式结构光3D扫描仪，对植物进行整体扫描，以及，对植物的每个叶子进行单独扫描。
一个实施例中，优化求解所有NURBS控制点的最佳位置，包括：
通过BFGS算法极小化如下目标函数，得到NURBS控制点的最佳位置：
f(x)＝Edata(x)+αEsmooth(x)+βEbound(x)+γEround(x)；
其中，x为要求解的控制点位置；Edata为所有点云中的点到NURBS曲线最近距离的累加；Esmooth为不同NUBRS曲线上相同标识ID的控制点连成的曲线的不光滑度；Ebound为非闭合NURBS端点到叶片点云边界处的最近距离的累加，Eround为每个闭合NURBS曲线的周长面积比；α、β、γ为常数。
一个实施例中，利用骨架驱动叶片和茎秆变形，进行非刚性配准，包括：优化求解骨架点旋转和平移变换。
一个实施例中，优化求解骨架点旋转和平移变换，包括：
采用BFGS算法极小化目标函数，以求得定义在骨架上的最佳变换，并将所述最佳变换应用到叶片和茎秆模型上，所述目标函数定义为变形后叶片到点云之间的距离+定义在骨架上的一个的拉普拉斯光滑算子。
一个实施例中，将控制对象由骨架变为用WLOP算法均匀采样的控制点，再次进行非刚性配准，包括：
将拉普拉斯光滑算子由骨架移到控制点相互连接成的网格上。
一个实施例中，将所有叶子对齐后的点云数据融合到一起，包括：
通过检测三角形相交求出两片相交叶子的相交轮廓，然后搜索出使轮廓长度下降最快的位移方向，并通过移动轮廓附近的控制点来驱动叶子变形。
一个实施例中，将所有叶子对齐后的点云数据融合到一起，包括：
如果植物有茎，将叶子骨架末端变形到与叶子骨架末端距离最近的茎上的点，并利用骨架的变形驱动叶子的变形来达到茎叶相连；若没有茎，自动检测叶柄的末端距其它叶柄的距离，若距离小于阈值，则利用骨架的变形驱动叶子的变形来达到叶子相连。
本发明实施例中，对每个叶子单独扫描并重建，可以扫描到植物的每一处，克服了因为叶片相互遮挡扫描不到的难题，可以得到精确且完整的点云数据，从而获得良好的重建精度；其中对每个叶子的重建过程是完全自动的，不需要交互，这样大大减少了用户工作量。
进一步的，采用手持式结构光3D扫描仪来完成植物扫描，相比使用CT扫描仪或高精度激光扫描仪的方案，将大幅降低成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中植物扫描与重建方法的流程图；
图2为本发明实施例中叶子的重建过程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
图1为本发明实施例中植物扫描与重建方法的流程图。如图1所示，本发明实施例中植物扫描与重建方法可以包括：
步骤101、对植物进行整体扫描，获得植物的整体扫描数据；
步骤102、对植物的每个叶子进行单独扫描，获得每个叶子的点云数据；
步骤103、将每个叶子的点云数据重建为曲面模型，通过泊松重建算法得到茎杆的重建结果；
步骤104、将重建后的所有叶子和茎杆与植物的整体扫描数据对齐；
步骤105、将所有叶子对齐后的点云数据融合到一起，得到整棵植物模型。
由图1可以得知，本发明实施例中植物扫描与重建方法包括扫描、重建、配准及融合4个步骤。扫描过程中，首先对植物整体进行扫描，然后可以剪下所有叶子，并对它们进行单独扫描。重建过程，在本发明实施例中使用一种专门为叶子设计的重建算法来重建单独扫描的叶子。配准过程，即将重建的叶子模型对齐到点云上。融合过程，即将对其后的叶子合并为一个植物模型。
为了能充分暴露被遮挡的部分，本发明实施例中的扫描过程分为两步：首先对整棵植物做一次扫描，然后剪下所有叶片并对它们进行单独扫描。这是一种巧妙的分治策略。因为植物的叶片往往相互遮挡，一次整体扫描时得不到完整的点云数据。没有完整的数据，重建的效果自然也不会好。因此，需要再次对所有叶片进行单独扫描。对每个叶片单独扫描并重建的策略，即分治策略，可以提高扫描和重建精度，获得的精度甚至可以超过通过昂贵CT扫描仪得到的效果。
针对于传统方案成本高的缺点，可以用手持式结构光3D扫描仪对植物进行扫描。手持式结构光3D扫描仪的成本现在已经降到了千元级，如微软公司的Kinect。因此，采用手持式结构光3D扫描仪，对植物进行整体扫描，以及，对植物的每个叶子进行单独扫描，可以为用户节省大量资金。
为了减少用户交互，本发明实施例中对每个叶子的重建过程是完全自动的，不需要交互，这样就大大减少了用户工作量。图2为本发明实施例中叶子的重建过程示意图。如图2所示，将每个叶子的点云数据重建为曲面模型，可以包括：
步骤201、利用L1-中值算法提取叶子的骨架；
步骤202、沿着骨架对叶子的点云做垂直切片；
步骤203、根据点云切片的纵横比将切片分为叶片和叶柄两部分；
步骤204、采用基于曲率的二次距离极小化方法，对每个切片拟合一个非统一有理B样条NURBS曲线，叶片拟合一个非闭合曲线，叶柄拟合闭合曲线；
步骤205、优化求解所有NURBS控制点的最佳位置；
步骤206、连接叶子的所有切片形状，得到叶子的形状。
具体实施时，优化求解所有NURBS控制点的最佳位置，可以包括：
通过BFGS算法极小化如下目标函数，得到NURBS控制点的最佳位置：
f(x)＝Edata(x)+αEsmooth(x)+βEbound(x)+γEround(x)；
其中，x为要求解的控制点位置；Edata为所有点云中的点到NURBS曲线最近距离的累加；Esmooth为不同NUBRS曲线上相同标识ID的控制点连成的曲线的不光滑度；Ebound为非闭合NURBS端点到叶片点云边界处的最近距离的累加，Eround为每个闭合NURBS曲线的周长面积比；α、β、γ为常数。NURBS曲线定义了叶子的所有切片形状，连接它们就得到了叶子的形状。
实施例中，也可以采用曲面拟合算法等其它算法进行单个叶子的重建。
具体实施时，配准的目的是将重建后的所有叶子和茎秆与植物的整体扫描数据对齐，精确地将单独扫描的叶子对齐到了植物的整体点云上。配准可以分为两步，即刚性配准，和非刚性配准：
为每个叶片或者茎秆模型定义多对(例如三对)从它到植物点云的对应点，求出这多对对应点定义的刚性变换，并以此对每个叶片或者茎秆进行变换，来达到刚性配准的目的。
利用骨架驱动叶片和茎秆变形，并以此进行第一步非刚性配准。具体的，可以优化求解骨架点旋转和平移变换。可以用BFGS算法极小化目标函数，以求得定义在骨架上的最佳变换，并将其应用到叶片和茎秆模型上，该目标函数定义为变形后叶片到点云之间的距离+定义在骨架上的一个的拉普拉斯光滑算子。
在骨架驱动的配准完成之后，可以将控制对象由骨架变为用WLOP算法均匀采样的控制点，再次进行非刚性配准。具体的，可以将拉普拉斯光滑算子由骨架移到控制点相互连接成的网格上。用与第一步非刚性配准同样的优化方法可以得到进一步的细节配准。
实施例中，也可以采用刚性ICP算法和非刚性ICP算法进行配准。
具体实施时，融合即将配准后得到的点云融合到一起即可以得到整棵植物模型。融合需要解决两个问题：避免叶子相交，茎叶相连。
通过检测三角形相交来求出两片相交叶子的相交轮廓，然后搜索出使轮廓长度下降最快的位移方向，并通过移动轮廓附近的控制点来驱动叶子变形可以规避相交。
如果植物有茎，可以将叶子骨架末端变形到距其最近的茎上的点，并利用骨架的变形来驱动叶子的变形来达到茎叶相连的目的。若没有茎，自动检测叶柄的末端距其它叶柄的距离，若距离小于一定阈值，则以同样的方式通过变形使它们相连，即利用骨架的变形驱动叶子的变形来达到叶子相连。
综上所述，本发明实施例中，对每个叶子单独扫描并重建，可以扫描到植物的每一处，克服了因为叶片相互遮挡扫描不到的难题，可以得到精确且完整的点云数据，从而获得良好的重建精度；其中对每个叶子的重建过程是完全自动的，不需要交互，这样大大减少了用户工作量。经过试验证明，本发明实施例对高度缺失的点云重建效果非常好。
进一步的，采用手持式结构光3D扫描仪来完成植物扫描，相比使用CT扫描仪或高精度激光扫描仪的方案，将大幅降低成本。
本发明实施例中的植物扫描与重建方法不仅可以应用于仅有叶子的植物上，也可以应用于其它对象的扫描与重建，例如花朵的扫描与重建、甚至人体的扫描与重建。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种植物扫描与重建方法，其特征在于，包括：
对植物进行整体扫描，获得植物的整体扫描数据；
对植物的每个叶子进行单独扫描，获得每个叶子的点云数据；
将每个叶子的点云数据重建为曲面模型，通过泊松重建算法得到茎杆的重建结果；
将重建后的所有叶子和茎杆与植物的整体扫描数据对齐；
将所有叶子对齐后的点云数据融合到一起，得到整棵植物模型；
其中，将每个叶子的点云数据重建为曲面模型，包括：
利用L1-中值算法提取叶子的骨架；
沿着骨架对叶子的点云做垂直切片；
根据点云切片的纵横比将切片分为叶片和叶柄两部分；
采用基于曲率的二次距离极小化方法，对每个切片拟合一个非统一有理B样条NURBS曲线，叶片拟合一个非闭合曲线，叶柄拟合闭合曲线；
优化求解所有NURBS控制点的最佳位置；
连接叶子的所有切片形状，得到叶子的形状；
将重建后的所有叶子和茎杆与植物的整体扫描数据对齐，包括：
为每个叶子或茎秆模型定义多对到植物点云的对应点，求出所述多对对应点定义的刚性变换，并以求出的刚性变换对每个叶片或茎秆进行变换；
利用骨架驱动叶片和茎秆变形，进行非刚性配准；
将控制对象由骨架变为用WLOP算法均匀采样的控制点，再次进行非刚性配准。
2.如权利要求1所述的方法，其特征在于，采用手持式结构光3D扫描仪，对植物进行整体扫描，以及，对植物的每个叶子进行单独扫描。
3.如权利要求1所述的方法，其特征在于，优化求解所有NURBS控制点的最佳位置，包括：
通过BFGS算法极小化如下目标函数，得到NURBS控制点的最佳位置：
f(x)＝Edata(x)+αEsmooth(x)+βEbound(x)+γEround(x)；
其中，x为要求解的控制点位置；Edata为所有点云中的点到NURBS曲线最近距离的累加；Esmooth为不同NUBRS曲线上相同标识ID的控制点连成的曲线的不光滑度；Ebound为非闭合NURBS端点到叶片点云边界处的最近距离的累加，Eround为每个闭合NURBS曲线的周长面积比；α、β、γ为常数。
4.如权利要求1所述的方法，其特征在于，利用骨架驱动叶片和茎秆变形，进行非刚性配准，包括：优化求解骨架点旋转和平移变换。
5.如权利要求4所述的方法，其特征在于，优化求解骨架点旋转和平移变换，包括：
采用BFGS算法极小化目标函数，以求得定义在骨架上的最佳变换，并将所述最佳变换应用到叶片和茎秆模型上，所述目标函数定义为变形后叶片到点云之间的距离+定义在骨架上的一个的拉普拉斯光滑算子。
6.如权利要求5所述的方法，其特征在于，将控制对象由骨架变为用WLOP算法均匀采样的控制点，再次进行非刚性配准，包括：
将拉普拉斯光滑算子由骨架移到控制点相互连接成的网格上。
7.如权利要求1所述的方法，其特征在于，将所有叶子对齐后的点云数据融合到一起，包括：
通过检测三角形相交求出两片相交叶子的相交轮廓，然后搜索出使轮廓长度下降最快的位移方向，并通过移动轮廓附近的控制点来驱动叶子变形。
8.如权利要求1所述的方法，其特征在于，将所有叶子对齐后的点云数据融合到一起，包括：
如果植物有茎，将叶子骨架末端变形到与叶子骨架末端距离最近的茎上的点，并利用骨架的变形驱动叶子的变形来达到茎叶相连；若没有茎，自动检测叶柄的末端距其它叶柄的距离，若距离小于阈值，则利用骨架的变形驱动叶子的变形来达到叶子相连。
CN201410630906.1A 2014-11-11 2014-11-11 植物扫描与重建方法 Active CN104408765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410630906.1A CN104408765B (zh) 2014-11-11 2014-11-11 植物扫描与重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410630906.1A CN104408765B (zh) 2014-11-11 2014-11-11 植物扫描与重建方法

Publications (2)

Publication Number Publication Date
CN104408765A CN104408765A (zh) 2015-03-11
CN104408765B true CN104408765B (zh) 2017-01-11

Family

ID=52646393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410630906.1A Active CN104408765B (zh) 2014-11-11 2014-11-11 植物扫描与重建方法

Country Status (1)

Country Link
CN (1) CN104408765B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016074154A1 (zh) * 2014-11-11 2016-05-19 中国科学院深圳先进技术研究院 植物扫描与重建方法
CN105303606B (zh) * 2015-10-28 2018-01-26 中国科学院自动化研究所 基于bp神经网络的番茄植株建模方法
CN105675549B (zh) * 2016-01-11 2019-03-19 武汉大学 一种便携式农作物参数测量与长势智能分析装置及方法
CN106713414A (zh) * 2016-11-18 2017-05-24 深圳市芭田生态工程股份有限公司 一种生命周期模型解决种植问题的服务系统
CN108133654B (zh) * 2018-01-10 2019-12-13 河北农业大学 基于ar手机的棉花株型设计实验教学的方法
CN108492372B (zh) * 2018-01-15 2020-04-03 哈尔滨工业大学（威海） 一种b样条曲面的形状编辑方法
CN109215019B (zh) * 2018-08-24 2021-04-23 华南农业大学 一种基于原木弯曲度的木材切分点定位方法和装置
CN111508060A (zh) * 2020-03-24 2020-08-07 深圳市天天学农网络科技有限公司 基于3d模型的农作物施肥施药演示方法、装置及系统
CN112184789B (zh) * 2020-08-31 2024-05-28 深圳大学 植物模型生成方法、装置、计算机设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7542036B2 (en) * 2003-02-19 2009-06-02 California Institute Of Technology Level set surface editing operators
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
CN102184564A (zh) * 2011-04-13 2011-09-14 北京农业信息技术研究中心 基于双尺度三维数字化数据的设施园艺植物三维重建方法
CN103268631A (zh) * 2013-05-23 2013-08-28 中国科学院深圳先进技术研究院 点云骨架提取方法及装置
CN103279980A (zh) * 2013-05-08 2013-09-04 西安理工大学 基于点云数据的树叶建模方法
CN103745497A (zh) * 2013-12-11 2014-04-23 中国科学院深圳先进技术研究院 植物生长建模方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101194604B1 (ko) * 2008-12-22 2012-10-25 한국전자통신연구원 인체 모델의 형상 변형 방법 및 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7542036B2 (en) * 2003-02-19 2009-06-02 California Institute Of Technology Level set surface editing operators
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
CN102184564A (zh) * 2011-04-13 2011-09-14 北京农业信息技术研究中心 基于双尺度三维数字化数据的设施园艺植物三维重建方法
CN103279980A (zh) * 2013-05-08 2013-09-04 西安理工大学 基于点云数据的树叶建模方法
CN103268631A (zh) * 2013-05-23 2013-08-28 中国科学院深圳先进技术研究院 点云骨架提取方法及装置
CN103745497A (zh) * 2013-12-11 2014-04-23 中国科学院深圳先进技术研究院 植物生长建模方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
L1-Medial Skeleton of Point Cloud;HUANG Hui 等;《JOURNAL ACM TRANSACTIONS ON GRAPHICS-SIGGRAPH 2013 CONFERENCE PROCEEDINGS》;20130731;第65:1-65:8页 *
NURBS and T-spline based isogeometric cohesive zone modeling of interface debonding;R. Dimitri 等;《Computational Mechanics》;20140831;第369-388页 *
基于点云数据的植物叶片曲面重构方法;孙智慧 等;《农业工程学报》;20120229;第184-190页 *

Also Published As

Publication number Publication date
CN104408765A (zh) 2015-03-11

Similar Documents

Publication Publication Date Title
CN104408765B (zh) 植物扫描与重建方法
US10062207B2 (en) Method and system for reconstructing a three-dimensional model of point clouds
CN105869149B (zh) 基于主向量分析的断骨截面分割及断骨模型配准方法
CN103258345B (zh) 一种基于地面激光雷达三维扫描的树木枝干参数提取方法
CN108510577B (zh) 基于已有动作数据的真实感动作迁移和生成方法及系统
Livny et al. Automatic reconstruction of tree skeletal structures from point clouds
CN106327571A (zh) 一种三维人脸建模方法及装置
Yin et al. Morfit: interactive surface reconstruction from incomplete point clouds with curve-driven topology and geometry control.
CN103049907B (zh) 交互式图像分割方法
CN104658038A (zh) 基于动作捕捉的三维数字内容智能制作方法及制作系统
Medeiros et al. Modeling dormant fruit trees for agricultural automation
CN109242954A (zh) 基于模板变形的多视角三维人体重建方法
CN104851126B (zh) 基于广义圆柱体的三维模型分割方法及装置
CN104282221B (zh) 一种构建室内地图的道路网络的方法
CN104050720A (zh) 点云曲面重建方法及系统
CN101799939A (zh) 基于左右视点图像的中间视点快速、自适应生成算法
CN102306397A (zh) 点云数据网格化的方法
CN110197462A (zh) 一种人脸图像实时美化与纹理合成方法
CN110226806A (zh) 一种鞋底涂胶轨迹生成方法及装置
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
CN101706968A (zh) 基于图像的果树枝干三维模型重建方法
CN103793895A (zh) 一种果树冠层器官图像拼接方法
CN102768767B (zh) 刚体在线三维重建与定位的方法
CN109035399A (zh) 利用三维激光扫描仪快速获取变电站三维信息的方法
CN105608739A (zh) 数据和规则综合驱动的三维树木精细建模方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150311

Assignee: Dongguan Fuhongxin Technology Co.,Ltd.

Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES

Contract record no.: X2023980040925

Denomination of invention: Plant scanning and reconstruction methods

Granted publication date: 20170111

License type: Common License

Record date: 20230831

EE01 Entry into force of recordation of patent licensing contract