CN105590341A - 一种玉米群体三维重建方法及装置 - Google Patents

Abstract

本发明涉及一种玉米群体三维重建方法及装置。该方法包括：从俯视图像中获取玉米群体范围以及每株玉米的二维生长点坐标与植株方位平面角；确定重建玉米的品种与生长期，并获取该品种及生长期的N个玉米植株的多个株型参数，并生成每个株型参数的概率密度分布函数；利用各株型参数的概率密度分布函数生成M株玉米植株骨架；将生成的M个玉米植株骨架沿Z轴旋转植株方位平面角的角度，并平移至各植株的二维生长点后生成群体三维拓扑骨架结构；从玉米器官三维模板资源库中选择玉米器官匹配群体三维拓扑骨架结构，以获取玉米群体网格模型。该装置基于上述方法实现。本发明能够大幅提高玉米群体网格模型的精度，实现玉米冠层三维空间的定量描述。

Description

一种玉米群体三维重建方法及装置

技术领域

本发明涉及计算机图形学技术领域，尤其涉及一种玉米群体三维重建方法。

背景技术

农业是中国国民经济的基础。农业信息化是本世纪农业发展的重要标志，也是农业现代化的重要组成部分。在农业信息化实施过程中，农业通过信息化可以获得倍增效益。信息业可以通过对农业的信息软硬件服务形成农业信息产业，最终形成农业与信息业双赢的良好局面。现代农业在农业生产、流通等各个环节都离不开信息服务，农业信息已经涉及到了农业生产、流通的方方面面，加之信息本身的增效作用，使得农业信息服务的各环节都会有效益产生。

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，特别值得一提的是，虚拟农业已经成为我国农业发展的一个重要趋势，虚拟农业不但可以将农业作物数字化，而且还能够为科研者提供方便的交互性操作与观察等，对于推动农业发展有着巨大的作用。

近年来，随着计算机硬件性能的不断提高以及虚拟植物建模、景观设计、游戏等领域的研究不断深入，获得高度真实的植物造型成为可能和必需，同时，植物形态的多样性也吸引了诸多的研究者。为了开展玉米品种抗倒伏能力、品种最优密度设计实验，国内外已开展了玉米群体几何建模工作。

例如，现有技术中文献公开了在玉米群体生长包围盒空间内随机生成几何面元，后来是利用所构造的单株玉米几何模型通过植株复制来生成玉米群体几何模型；也有研究者通过对玉米株型的数学描述实现玉米冠层的三维重建；还有文献公开了基于空间数据的虚拟玉米群体生成系统，通过输入实测的玉米冠层植株方位平面、株行距等参数，将复制的标准化的玉米植株进行平移和旋转操作实现玉米群体的生成。

但是上述玉米群体生成方法只是解决了玉米群体生成的有无问题，无法描述田间实际玉米冠层的情况，并且误差非常大，无法反映出不同品种、不同栽培密度以及田间实际的缺苗断垄、群体间植株生长的竞争的群体特征。

发明内容

针对现有技术中的缺陷，本发明提供一种玉米群体三维重建方法及装置，以解决现有技术中玉米群体生成方法无法描述玉米冠层情况的技术问题。

第一方面，本发明提供了一种玉米群体三维重建方法，包括：

从玉米群体所在俯视图像中获取玉米群体范围；并从所述玉米群体范围中获取玉米群体每株玉米的二维生长点坐标与植株方位平面角；

确定重建玉米的品种与生长期，并获取该品种及生长期的N个玉米植株的多个株型参数，并利用所获取的N组样本估计各株型参数的概率密度分布函数；

综合利用每个株型参数的概率密度分布函数结合骨架模板，生成M株玉米植株骨架；

将所重建的M个玉米植株模板沿Z轴水平旋转所述植株方位平面角的角度，并平移至各植株对应的二维生长点后生成群体三维拓扑骨架结构；

从玉米器官三维模板资源库中选取相应品种相同生长期的玉米器官匹配所述群体三维拓扑骨架结构，以生成玉米群体网格模型。

可选地，所述从玉米器官三维模板资源库中选取相应品种相同生长期的玉米器官匹配所述群体三维拓扑骨架结构，以生成玉米群体网格模型的步骤之后，包括：

对所述玉米群体网格模型进行碰撞检测使得所有网格碰撞部分作出响应变形，以使所述玉米群体网格模型中无网格交叉。

可选地，采用碰撞检测方法检测所述玉米群体网格模型的网格碰撞部分。

可选地，所述确定重建玉米的品种与生长期，并获取该品种及生长期的N个玉米植株的多个株型参数，并利用所获取的N组样本估计各株型参数的概率密度分布函数的步骤中，进一步包括：

从所述N个玉米植株中选取Ns个植株并获取所述Ns个植株的三维数字化数据作为植株三维骨架模板；

构造每个株型参数的t统计量，然后根据该t统计量估计每个株型参数的概率密度分布函数。

可选地，所述综合利用每个株型参数的概率密度分布函数结合骨架模板，生成M株玉米植株骨架的步骤中，进一步包括：

所述多个株型参数包括株高、叶片数、各节间长度与株高比例、叶鞘长度、叶长、叶宽、叶倾角、方位角与植株方位平面偏差、雄穗分枝数与雄穗高度、雌穗数量、雌穗长度与生长叶位；

分别利用株高与叶片数的概率密度分布函数生成M组株高与叶片数随机数作为拟重建的M株植株的株高与叶片数；从Ns个植株的植株三维骨架模板中为M个植株分别选取与每个植株的叶片数相同或者最为接近且与株高最为接近的植株三维骨架模板作为当前植株的临时植株三维骨架模板；

对所有M株植株，利用节间的概率密度分布函数分别生成M组节间长度与株高比例随机数，调节各植株的临时三维骨架的节间长度与株高比例；

分别利用叶鞘长度、叶长、叶宽、叶倾角、方位角与植株方位平面偏差的概率密度分布函数生成各植株的叶鞘长度、叶长、叶宽、叶倾角、方位角偏差参数随机数作用于各植株的临时植株三维骨架模板，以构建该植株的玉米植株骨架。

可选地，所述利用节间的概率密度分布函数生成一组节间长度与株高比例随机数，调节当前植株的临时三维骨架的节间长度与株高比例的步骤中，进一步包括：

当节间有高度而无叶片着生或者最后几个叶片都长在同一高度上时，通过松弛因子对实际节间高度进行松弛调节。

第二方面，本发明实施例提供了一种玉米群体三维重建装置，包括：

生长点坐标与植株方位平面角获取模块，用于从玉米群体所在俯视图像中获取玉米群体范围；并从所述玉米群体范围中获取玉米群体中每株玉米的二维生长点坐标与植株方位平面角；

分布函数获取模块，用于确定重建玉米的品种与生长期，并获取该品种及生长期的N个玉米植株的多个株型参数，并利用所获取的N组样本估计各株型参数的概率密度分布函数；

玉米植株骨架获取模块，用于综合利用每个株型参数的概率密度分布函数结合骨架模板，生成M株玉米植株骨架；

群体三维拓扑骨架结构获取模块，用于将所重建的M个玉米植株模板沿Z轴水平旋转所述植株方位平面角的角度，并平移至各植株对应的二维生长点后生成群体三维拓扑骨架结构；

玉米群体网格模型获取模块，用于从玉米器官三维模板资源库中选取相应品种相同生长期的玉米器官匹配所述群体三维拓扑骨架结构，以生成玉米群体网格模型。

可选地，本发明实施例提供的玉米群体三维重建装置还包括：

碰撞检测与碰撞响应模块，用于对所述玉米群体网格模型进行碰撞检测使得所有网格碰撞部分作出响应变形，以使所述玉米群体网格模型中无网格交叉。

可选地，所述分布函数获取模块包括：

植株三维骨架模板获取单元，用于从所述N个玉米植株中选取Ns个植株并获取所述Ns个植株的三维数字化数据作为植株三维骨架模板；

概率密度分布函数估计单元，用于构造每个株型参数的t统计量，然后根据该t统计量估计每个株型参数的概率密度分布函数。

可选地，所述玉米植株骨架获取模块包括：

临时植株三维骨架模板获取单元，用于分别利用株高与叶片数的概率密度分布函数生成M组株高与叶片数随机数作为拟重建的M株植株的株高与叶片数；从Ns个植株的植株三维骨架模板中为M个植株分别选取与每个植株的叶片数相同或者最为接近且与株高最为接近的植株三维骨架模板作为当前植株的临时植株三维骨架模板；

节间与株高调节单元，用于对所有M株植株，利用节间的概率密度分布函数分别生成M组节间长度与株高比例随机数，调节各植株的临时三维骨架的节间长度与株高比例；

玉米植株骨架构建单元，用于分别利用叶鞘长度、叶长、叶宽、叶倾角、方位角与植株方位平面偏差的概率密度分布函数生成各植株的叶鞘长度、叶长、叶宽、叶倾角、方位角偏差参数随机数作用于各植株的临时植株三维骨架模板，以构建该植株的玉米植株骨架。

由上述技术方案可知，本发明可以根据实测群体参数数据，构建玉米群体网格模型。所构建的玉米群体网格模型能反映出田间实际的缺苗断垄问题，植株方位平面、植株株行距均与田间一致；同时所构建的玉米群体网格模型通过实测统计的株型参数，可以反映出群体的品种特征和生长竞争关系，从而避免了群体内植株形态单一无法描述田间实际的生长情况的问题；另外，随着玉米群体网格模型的精度提高，为进一步的玉米群体光分布模拟、群体抗倒伏能力计算分析提供了可能。

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一简单的介绍，显而易见地，下面描述中的附图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。

图1为本发明一个实施例中一种玉米群体三维重建方法流程示意图；

图2为本发明一个实施例中基于图像提取的4行8株群体内各植株生长点与方位平面示意图；

图3为本发明一个实施例中群体三维拓扑骨架结构图；

图4为本发明一个实施例中群体重建可视化结果；

图5为本发明一个实施例中一种玉米群体三维重建装置框图。

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，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

第一方面，本发明提供了一种玉米群体三维重建方法，如图1所示，包括：

S1、从玉米群体所在俯视图像中获取玉米群体范围；并从所述玉米群体范围中获取玉米群体每株玉米的二维生长点坐标与植株方位平面角；

S2、确定重建玉米的品种与生长期，并获取该品种及生长期的N个玉米植株的多个株型参数，并利用所获取的N组样本估计各株型参数的概率密度分布函数；

S3、综合利用每个株型参数的概率密度分布函数结合骨架模板，生成M株玉米植株骨架；

S4、将所重建的M个玉米植株模板沿Z轴水平旋转所述植株方位平面角的角度，并平移至各植株对应的二维生长点后生成群体三维拓扑骨架结构；

S5、从玉米器官三维模板资源库中选取相应品种相同生长期的玉米器官匹配所述群体三维拓扑骨架结构，以生成玉米群体网格模型。

下面对本发明实施例提供的玉米群体三维重建方法作详细说明。

首先，介绍S1、从玉米群体所在俯视图像中获取玉米群体范围；并从所述玉米群体范围中获取玉米群体每株玉米的二维生长点坐标与植株方位平面角的步骤。

本发明一实施例中需要确定群体重建的玉米群体小区，并获取该小区内生长的玉米群体(玉米群体在六叶展期到封垄前期的时间段内)的俯视图像。在上述俯视图像中获取玉米群体范围。该玉米群体范围中要求植株无重叠部分且均为单株，并对各植株进行编号，记为P_i,i＝1,2,…,M，其中M为植株个数。

采用图像提取方法确定玉米群体范围内各目标植株的二维生长点坐标与每株玉米的植株方位平面角，记为θ_i,i＝1,2,…,M。结合图像分辨率换算成各个植株生长点的实际二维坐标，记为(x_i,y_i),i＝1,2,…,M。

其次，介绍S2、确定重建玉米的品种与生长期，并获取该品种及生长期的N个玉米植株的多个株型参数，并利用所获取的N组样本估计各株型参数的概率密度分布函数的步骤。

本发明实施例中，确定玉米群体范围中每个植株的玉米生长期，并且从该生长期选取N个玉米植株的多个株型参数。需要理解的是，植株N的数量越大，则所重建的玉米群体范围越具有代表性。但是该植株N的增大会增加测量的工作量，因此本领域技术人员可以根据具体的测量场景合理设置植株N的大小，本发明不作限定。

在N个玉米植株中选取Ns个植株。本发明实施例中，采用三维数字化仪获取该Ns个植株的三维数字化数据，包括株高、叶片数、各节间长度与株高比例、叶鞘长度、叶长、叶宽、叶倾角、方位角与植株方位平面偏差、雄穗分枝数与雄穗高度、雌穗数量、雌穗长度与生长叶位等。将上述三维数字化数据作为每个植株的植株三维骨架模板。需要说明的是，各个植株三维骨架模板均标准化为生长点为原点，植株方位平面角为0。本发明中还对各个株型参数构造t统计量，根据该t统计量估计各个株型参数的概率密度分布函数。

再次，介绍S3、综合利用每个株型参数的概率密度分布函数结合骨架模板，生成M株玉米植株骨架的步骤。

在上述各个株型参数的概率密度分布函数的基础上生成M个植株的玉米植株骨架，包括：

(1)利用株高与叶片数的概率密度分布函数生成株高与叶片数随机数，其中株高为Hi、叶片数为ni(包含t个不可见叶)。并从Ns个植株三维骨架模板中为M个植株选取与该叶片数相同或者相同或者最为接近且与株高最为接近的植株三维骨架模板作为当前植株的临时植株三维骨架模板。

需要说明的是，为M个植株确定临时植株三维骨架模板的过程中，当叶片数相同时，优选叶片数相同的模板，然后再从株高最为接近的模板中选择。当叶片数与株高都不同时，优先从叶片数最为接近的模板中选择。本发明实施例中，优先选择叶片数相同或者最为接近的模板。当然，当叶片数与株高数都不同时，也可以将叶片数与株高数设置相应的权重，然后根据叶片数差值与株高数差值的加权后的计算结果中选择最为接近的模板。当然，本领域技术人员可以根据具体的使用场景合理设置两者的权重系数，本发明不作限定。

(2)利用节间的概率密度分布函数生成一组节间长度与株高比例随机数，记为其中j＝1,2,…,n_i；根据节间长度与株高比例随机数调节当前植株的临时三维骨架的节间长度与株高比例。较优地，为了避免因叶片数量不一致出现最后的节间有高度而无叶片，或者最后几个叶片都长到一个高度上的情况，本发明实施例还通过设置松弛因子对实际节间高度进行松弛调节使各节间高度合理，松弛因子由节间高度学习得到。其中利用松弛因子β对节间高度进行松弛调节的具体方法：

以当前品种当前生长期的多个植株的节间长度与株高比例为样本，计算得到各节间长度与株高比值的均值与标准差。

遍历当前植株所有生成的节间长度，若某一节间长度与生成的株高的比值不在节间与株高比例均值95％的置信区间内，则调整当前节间长度至该范围内。调节的具体方法是保持其他节间的位置不变，若当前节间过短则伸长该节间长度，伸长长度为β1，同时缩短其相邻的下一个节间长度，缩短长度为β1；若当前节间过长则缩短该节间长度，缩短长度为β1，同时伸长其相邻节间长度，伸长长度为β1。其中，β1(本发明实施例中的松弛因子β)的取值设置为目标节间长度的1/10。

松弛后的两个节间长度与株高比值要求满足上述置信区间条件，若不满足可通过调整节间长度β1的长度继续迭代；若一直不满足条件则继续调整第三个相邻节间，直至满足条件。

需要说明的是，上述置信区间与松弛因子的大小可以根据具体的场景进行设置，本发明不作限定。

(3)然后，分别利用各个株型参数对应的概率密度分布函数生成各植株的叶鞘高度、叶长、叶宽、叶倾角或者方位角偏差参数随机数，并根据上述参数随机数作用于M个植株的临时植株三维骨架模板构建对应植株的玉米植株骨架。

第四，介绍S4、将所重建的M个玉米植株模板沿Z轴水平旋转所述植株方位平面角的角度，并平移至各植株对应的二维生长点后生成群体三维拓扑骨架结构的步骤。

对玉米群体小区中所有植株的玉米植株骨架沿Z轴水平旋转一定的角度，该角度为步骤S1中所获取每株玉米的植株方位平面角。

然后平移到每个植株的二维生长点坐标位置处。

所有植株完成上述操作后即可获取群体三维拓扑骨架结构。

最后，介绍S5、从玉米器官三维模板资源库中选取相应品种相同生长期的玉米器官匹配所述群体三维拓扑骨架结构，以生成玉米群体网格模型的步骤。

本发明实施例中，从玉米器官三给模板资源库中选取预构建品种玉米生长期的叶片、雌穗、节间和叶鞘等几何模板，通过骨架驱动的网格变形方法对上述构建的群体骨架匹配，从而构建玉米群体网格模型。

为了解决玉米群体网格模型中的网格交叉问题，较优地，本发明实施例还对玉米群体网格模型进行碰撞检测使得所有网格碰撞部分作出响应变形，以使该玉米群体网格模型中无网格交叉。

为验证本发明实施例提供的玉米群体三维重建方法的有效性，本发明一实施例中采用玉米冠层进行说明：

(1)本发明实施例中采用球机摄像头获取六叶展期京科968品种玉米群体的俯视图像。在该俯视图像中选取目标群体范围为4行8株共计32株的玉米群体作为重建目标，标记每个植株P_i,i＝1,2,…,M，其中M为植株个数。然后，提取各个模板的二维生长点坐标与每个植株的植株方位平面角，记为θ_i,i＝1,2,…,M，最后结合图像分辨率换算得到各个植株生长点的实际二维位置坐标，记为(x_i,y_i),i＝1,2,…,M。如图2所示，圆圈为植株二维生长点坐标，且斜线段为该植株的植株方位平面角。

(2)确定对该玉米群体的吐丝期开展群体玉米植株骨架工作，选取吐丝期玉米植株10个。本发明实施例采用三维数字化仪获取上述玉米植株10个的3株玉米的三维数字化数据且作为植株三维骨架模板，各植株三维骨架模板均标准化为生长点为原点，植株方位平面为0。测量这10株的析型参数包括株高、叶片数、各节间长度与株高比例、叶鞘长度、叶长、叶宽、叶倾角或者方位角与植株方位平面偏差、雄穗分枝数与雄穗高度、雌穗数量、雌穗长度与生长叶位等，然后对各个株型参数构造t统计量，进而估计各个株型参数的概率密度分布函数。

利用株高与叶片的概率密度分布函数生成株高与叶片随机数，其中株高为Hi，叶片数为ni(包含t个不可见叶)。从上述3个植株三维骨架模板中选取与该叶片数相同且与株高最为接近的植株作为当前植株(32株植株中的任意一个)的临时植株三维骨架模板。

利用节间的概率密度分布函数生成一组节间长度与株高比例随机数，记为其中j＝1,2,…,n_i，调节当前植株的临时三维骨架的节间长度与株高比例。并且还通过统计学习得到的松弛因子，对实际节间高度进行松弛调节使各节间高度合理。

由各个株型参数对应的概率密度分布函数生成各叶鞘高度、叶长、叶宽、叶倾角或者方位角偏差参数随机数，并根据株型参数作用于该植株的临时植株三维骨架模板构建32株植株的玉米植株骨架。

(3)对玉米群体小区内所有植株，将植株Pi的玉米植株骨架沿Z轴水平旋转对应玉米植株的植株方位平面角θ_i后，平移至该玉米植株的二维生长点坐标位置。所有植株完成上述操作后即生成了如图4所示的群体三维拓扑骨架结构。

(4)本发明中从玉米器官三维模板资源库中选取京科968吐丝期的叶片、雌穗、节间和叶鞘等几何模板，通过骨架驱动的网格变形方法对上述构建的群体三维拓扑骨架结构匹配，并构建玉米群体网格模型的。

(5)最后，本发明实施例采用基于AABB-OBB盒的玉米叶片碰撞检测方法检测玉米群体网格模型中的网格碰撞部分，并采用交互式调整骨架和骨架驱动的网格变形方法对所有网格碰撞部分做出响应变形，使群体网格模型中无网格交叉，从而得到如图4所示的玉米群体网格模型。

需要说明的是，本领域技术人员可以根据碰撞检测的需要合理选定检测检测方法，本发明不作限定。

第二方面，本发明实施例提供了一种玉米群体三维重建装置，如图5所示，包括：

第二方面，本发明实施例提供了一种玉米群体三维重建装置，包括：

生长点坐标与植株方位平面角获取模块，用于从玉米群体所在俯视图像中获取玉米群体范围；并从所述玉米群体范围中获取玉米群体中每株玉米的二维生长点坐标与植株方位平面角；

分布函数获取模块，用于确定重建玉米的品种与生长期，并获取该品种及生长期的N个玉米植株的多个株型参数，并利用所获取的N组样本估计各株型参数的概率密度分布函数；

玉米植株骨架获取模块，用于综合利用每个株型参数的概率密度分布函数结合骨架模板，生成M株玉米植株骨架；

群体三维拓扑骨架结构获取模块，用于将所重建的M个玉米植株模板沿Z轴水平旋转所述植株方位平面角的角度，并平移至各植株对应的二维生长点后生成群体三维拓扑骨架结构；

玉米群体网格模型获取模块，用于从玉米器官三维模板资源库中选取相应品种相同生长期的玉米器官匹配所述群体三维拓扑骨架结构，以生成玉米群体网格模型。

可选地，本发明实施例提供的玉米群体三维重建装置还包括：

碰撞检测与碰撞响应模块，用于对所述玉米群体网格模型进行碰撞检测使得所有网格碰撞部分作出响应变形，以使所述玉米群体网格模型中无网格交叉。

可选地，所述分布函数获取模块包括：

植株三维骨架模板获取单元，用于从所述N个玉米植株中选取Ns个植株并获取所述Ns个植株的三维数字化数据作为植株三维骨架模板；

概率密度分布函数估计单元，用于构造每个株型参数的t统计量，然后根据该t统计量估计每个株型参数的概率密度分布函数。

可选地，所述玉米植株骨架获取模块包括：

临时植株三维骨架模板获取单元，用于分别利用株高与叶片数的概率密度分布函数生成M组株高与叶片数随机数作为拟重建的M株植株的株高与叶片数；从Ns个植株的植株三维骨架模板中为M个植株分别选取与每个植株的叶片数相同或者最为接近且与株高最为接近的植株三维骨架模板作为当前植株的临时植株三维骨架模板；

节间与株高调节单元，用于对所有M株植株，利用节间的概率密度分布函数分别生成M组节间长度与株高比例随机数，调节各植株的临时三维骨架的节间长度与株高比例；

玉米植株骨架构建单元，用于分别利用叶鞘长度、叶长、叶宽、叶倾角、方位角与植株方位平面偏差的概率密度分布函数生成各植株的叶鞘长度、叶长、叶宽、叶倾角、方位角偏差参数随机数作用于各植株的临时植株三维骨架模板，以构建该植株的玉米植株骨架。

本发明提供的玉米群体三维重建装置基于上文所述的玉米群体三维重建方法实现，因而可以解决同样的技术问题，并取得相同的技术效果，在此不再一一赘述。

综上所述，本发明实施例提供的一种玉米群体三维重建方法及装置，采用目前广泛应用的田间监控摄像头和小飞机实测群体参数数据，构建玉米群体网格模型。本发明构建的模型具有植株方位平面、植株行距均与田间一致，且所构建的玉米群体网格模型能够反映出田间实际的缺苗断垄问题，同时能反映出群体的品种特征和生长竞争关系。本发明大幅提高了玉米群体网格模型的精度，为进一步的玉米群体光分布模拟、群体抗倒伏能力计算分析提供了高精度几何模型。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种玉米群体三维重建方法，其特征在于，包括：

从玉米群体所在俯视图像中获取玉米群体范围；并从所述玉米群体范围中获取玉米群体每株玉米的二维生长点坐标与植株方位平面角；

确定重建玉米的品种与生长期，并获取该品种及生长期的N个玉米植株的多个株型参数，并利用所获取的N组样本估计各株型参数的概率密度分布函数；

综合利用每个株型参数的概率密度分布函数结合骨架模板，生成M株玉米植株骨架；

将所重建的M个玉米植株模板沿Z轴水平旋转所述植株方位平面角的角度，并平移至各植株对应的二维生长点后生成群体三维拓扑骨架结构；

从玉米器官三维模板资源库中选取相应品种相同生长期的玉米器官匹配所述群体三维拓扑骨架结构，以生成玉米群体网格模型。

2.根据权利要求1所述的玉米群体三维重建方法，其特征在于，所述从玉米器官三维模板资源库中选取相应品种相同生长期的玉米器官匹配所述群体三维拓扑骨架结构，以生成玉米群体网格模型的步骤之后，包括：

对所述玉米群体网格模型进行碰撞检测使得所有网格碰撞部分作出响应变形，以使所述玉米群体网格模型中无网格交叉。

3.根据权利要求2所述的玉米群体三维重建方法，其特征在于，采用碰撞检测方法检测所述玉米群体网格模型的网格碰撞部分。

4.根据权利要求1-3任意一项所述的玉米群体三维重建方法，其特征在于，所述确定重建玉米的品种与生长期，并获取该品种及生长期的N个玉米植株的多个株型参数，并利用所获取的N组样本估计各株型参数的概率密度分布函数的步骤中，进一步包括：

从所述N个玉米植株中选取Ns个植株并获取所述Ns个植株的三维数字化数据作为植株三维骨架模板；

构造每个株型参数的t统计量，然后根据该t统计量估计每个株型参数的概率密度分布函数。

5.根据权利要求4任意一项所述的玉米群体三维重建方法，其特征在于，所述综合利用每个株型参数的概率密度分布函数结合骨架模板，生成M株玉米植株骨架的步骤中，进一步包括：

所述多个株型参数包括株高、叶片数、各节间长度与株高比例、叶鞘长度、叶长、叶宽、叶倾角、方位角与植株方位平面偏差、雄穗分枝数与雄穗高度、雌穗数量、雌穗长度与生长叶位；

分别利用株高与叶片数的概率密度分布函数生成M组株高与叶片数随机数作为拟重建的M株植株的株高与叶片数；从Ns个植株的植株三维骨架模板中为M个植株分别选取与每个植株的叶片数相同或者最为接近且与株高最为接近的植株三维骨架模板作为当前植株的临时植株三维骨架模板；

对所有M株植株，利用节间的概率密度分布函数分别生成M组节间长度与株高比例随机数，调节各植株的临时三维骨架的节间长度与株高比例；

分别利用叶鞘长度、叶长、叶宽、叶倾角、方位角与植株方位平面偏差的概率密度分布函数生成各植株的叶鞘长度、叶长、叶宽、叶倾角、方位角偏差参数随机数作用于各植株的临时植株三维骨架模板，以构建该植株的玉米植株骨架。

6.根据权利要求5所述的玉米群体三维重建方法，其特征在于，所述利用节间的概率密度分布函数生成一组节间长度与株高比例随机数，调节当前植株的临时三维骨架的节间长度与株高比例的步骤中，进一步包括：

当节间有高度而无叶片着生或者最后几个叶片都长在同一高度上时，通过松弛因子对实际节间高度进行松弛调节。

7.一种玉米群体三维重建装置，其特征在于，包括：

生长点坐标与植株方位平面角获取模块，用于从玉米群体所在俯视图像中获取玉米群体范围；并从所述玉米群体范围中获取玉米群体每株玉米的二维生长点坐标与植株方位平面角；

分布函数获取模块，用于确定重建玉米的品种与生长期，并获取该品种及生长期的N个玉米植株的多个株型参数，并利用所获取的N组样本估计各株型参数的概率密度分布函数；

玉米植株骨架获取模块，用于综合利用每个株型参数的概率密度分布函数结合骨架模板，生成M株玉米植株骨架；

群体三维拓扑骨架结构获取模块，用于将所重建的M个玉米植株模板沿Z轴水平旋转所述植株方位平面角的角度，并平移至各植株对应的二维生长点后生成群体三维拓扑骨架结构；

玉米群体网格模型获取模块，用于从玉米器官三维模板资源库中选取相应品种相同生长期的玉米器官匹配所述群体三维拓扑骨架结构，以生成玉米群体网格模型。

8.根据权利要求7所述的玉米群体三维重建装置，其特征在于，还包括：

碰撞检测与碰撞响应模块，用于对所述玉米群体网格模型进行碰撞检测使得所有网格碰撞部分作出响应变形，以使所述玉米群体网格模型中无网格交叉。

9.根据权利要求7所述的玉米群体三维重建装置，其特征在于，所述分布函数获取模块包括：

植株三维骨架模板获取单元，用于从所述N个玉米植株中选取Ns个植株并获取所述Ns个植株的三维数字化数据作为植株三维骨架模板；

概率密度分布函数估计单元，用于构造每个株型参数的t统计量，然后根据该t统计量估计每个株型参数的概率密度分布函数。

10.根据权利要求7所述的玉米群体三维重建装置，其特征在于，所述玉米植株骨架获取模块包括：

临时植株三维骨架模板获取单元，用于分别利用株高与叶片数的概率密度分布函数生成M组株高与叶片数随机数作为拟重建的M株植株的株高与叶片数；从Ns个植株的植株三维骨架模板中为M个植株分别选取与每个植株的叶片数相同或者最为接近且与株高最为接近的植株三维骨架模板作为当前植株的临时植株三维骨架模板；

节间与株高调节单元，用于对所有M株植株，利用节间的概率密度分布函数分别生成M组节间长度与株高比例随机数，调节各植株的临时三维骨架的节间长度与株高比例；

玉米植株骨架构建单元，用于分别利用叶鞘长度、叶长、叶宽、叶倾角、方位角与植株方位平面偏差的概率密度分布函数生成各植株的叶鞘长度、叶长、叶宽、叶倾角、方位角偏差参数随机数作用于各植株的临时植株三维骨架模板，以构建该植株的玉米植株骨架。