CN107369206A - 一种玉米群体三维模型构建方法及系统 - Google Patents
一种玉米群体三维模型构建方法及系统 Download PDFInfo
- Publication number
- CN107369206A CN107369206A CN201710429471.8A CN201710429471A CN107369206A CN 107369206 A CN107369206 A CN 107369206A CN 201710429471 A CN201710429471 A CN 201710429471A CN 107369206 A CN107369206 A CN 107369206A
- Authority
- CN
- China
- Prior art keywords
- plant
- maize population
- target
- population
- maize
- 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
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供了一种玉米群体三维模型构建方法及系统,方法包括确定玉米群体测量样本;根据玉米群体测量样本的植株尺度数据,生成植株尺度的t分布函数,并根据植株尺度的t分布函数获取目标玉米群体的植株尺度参数;根据玉米群体测量样本中各植株内各节单位的形态数据,以及目标玉米群体的植株尺度参数;生成目标玉米群体的各植株内各节单位的形态参数的t分布函数,并获取目标玉米群体中各植株内各节单位的形态参数;建立目标玉米群体的玉米群体网格几何模型。本发明能够仅通过少量样本的测量,即生成可靠的玉米群体三维模型,提高了能够反映品种特征的玉米群体三维模型的建模准确性及建模的效率。
Description
技术领域
本发明涉及农业信息技术领域,具体涉及一种玉米群体三维模型构建方法。
背景技术
作物群体是履行光合作用和物质生产职能的组织体系,其形态结构对光截获能力、冠层光合效率以及作物产量均具有重要影响。同时,群体结构也体现了作物品种的遗传特性及其对环境的适应程度,在遗传和环境因素的影响下,作物群体形态结构具有时空变异性。玉米是我国最重要的粮食作物之一,增产潜力巨大。快速构建玉米群体三维模型对于玉米的结构功能分析、玉米品种评价和提高生产力具有重要意义。植物三维建模是计算机图形学领域具有挑战的问题之一,构建高真实感的植物器官和单株几何模型已具有一定的难度,玉米群体形态结构复杂,群体间存在大量的遮挡、交叉,因此,玉米群体三维模型构建是非常有挑战性的工作。
目前的已有技术手段包括:(1)单株复制的方法:在构建玉米单株模型后,通过复制该单株并指定各植株在群体中的生长位置,实现玉米群体几何模型的构建,但这种方法所构建的玉米群体几何模型较为机械,真实感低,且无法反映群体中植株的多样性和品种特征;(2)交互式建模方法:通过人工交互式设计的方法,对预建模的玉米群体的群体参数,以及群体内各植株的株型参数进行调整,实现玉米群体的几何建模,但这种方法需要进行大量的人工交互,工作量大,效率低,且因人工交互也无法反映玉米的品种特征;(3)三维数字化的方法:三维数字化测量设备和技术发展迅速,如美国Polhemus公司的FastRAK三维数据采集跟踪系统的测量范围可以超过5m,精度可达到±1mm,采用该设备能够实现对自然状态下植物空间形态结构精确、连续的测定,并进一步基于实测数据构建植物群体骨架结构三维模型,但玉米田间三维结构原位数字化测量对环境条件要求高,如晴天、无风等,且需要人工辅助传感器的移动,操作复杂繁琐费时费力,不适于对玉米群体的连续测量;(4)利用3D扫描的方法:研究者针对植物线形骨架形态特征,利用所获取点云数据的三维空间临近关系计算并重构植物骨架结构,但这种方法多应用于单株尺度的骨架重建;由于植物群体内的各植株及器官相互遮挡交错复杂,基于点云的植物群体骨架提取研究也无法很好地解决群体内部杂乱结构的特征提取问题。
此外,玉米群体形态结构因品种、环境条件、管理栽培措施等的差异形态结构差异显著,即使品种相同、外在因素极其相似,也很难找出形态结构完全相同玉米群体。因此,完全1:1重建玉米群体几何模型意义不大,构建能够反映因品种、环境条件和栽培管理措施带来的形态差异的玉米群体即可满足玉米群体结构解析的需求。
已有玉米群体三维建模方法主要可总结为两大类:
(1)基于交互式设计的方法:如单株复制和交互式建模的方法,其主要存在着所构建玉米群体真实感低、难以反映玉米品种特征的问题。
(2)基于实测数据的玉米群体三维重建:玉米群体结构复杂,进行玉米群体原位数据获取工作量大、效率低,利用三维点云进行群体结构特征提取技术难度大。
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模型构建方法,能够仅通过少量样本的测量,即生成可靠的玉米群体三维模型,提高了能够反映品种特征的玉米群体三维模型的建模准确性及建模的效率。
为解决上述技术问题,本发明提供以下技术方案:
一方面,本发明提供了一种玉米群体三维模型构建方法,所述方法包括:
确定玉米群体测量样本;
根据所述玉米群体测量样本的植株尺度数据,生成植株尺度的t分布函数,并根据所述植株尺度的t分布函数获取所述目标玉米群体的植株尺度参数;
根据玉米群体测量样本中各植株内各节单位的形态数据,以及所述目标玉米群体的植株尺度参数;生成所述目标玉米群体的各植株内各节单位的形态参数的t分布函数,并根据所述各植株内各节单位的形态参数的t分布函数获取所述目标玉米群体中各植株内各节单位的形态参数;
以及,根据所述玉米群体尺度参数、植株尺度参数和各植株内各节单位的形态参数,建立所述目标玉米群体的玉米群体网格几何模型。
进一步地,所述确定玉米群体测量样本,包括:
在目标区域中选定目标小区,从所述目标小区中选取M个植株进行测量;
以及,测量得到M个植株的植株尺度和节单位尺度数据。
进一步地,所述方法还包括:
构建所植株的数量为N的生成小区,并确定N个植株的水平生长位置坐标和植株方位平面。
进一步地,所述根据所述玉米群体测量样本的植株尺度数据,生成植株尺度的t分布函数,并根据所述植株尺度的t分布函数获取所述目标玉米群体的植株尺度参数,包括:
根据所述玉米群体测量样本中的M个植株的株高数据、叶片数数据和首叶叶序数据,分别生成所述目标玉米群体的株高、叶片数和首叶叶序的t分布函数;
以及,根据所述株高、叶片数和首叶叶序的t分布函数分别获取所述目标玉米群体的株高参数、叶片数参数和首叶叶序参数。
进一步地,所述根据玉米群体测量样本中各植株内各节单位的形态数据,以及所述目标玉米群体的植株尺度参数;生成所述目标玉米群体的各植株内各节单位的形态参数的t分布函数,并根据所述各植株内各节单位的形态参数的t分布函数获取所述目标玉米群体中各植株内各节单位的形态参数,包括:
获取所述玉米群体测量样本中的M个植株内各节单位的形态数据,其中,所述各植株内各节单位的形态数据包括:叶片的叶长数据、叶倾角数据、叶片着生高度数据和叶片方位角偏离角数据;
根据所述玉米群体测量样本中的M个植株内各节单位的形态数据,以及,所述目标玉米群体的株高参数、叶片数参数和首叶叶序参数,分别生成所述目标玉米群体的节单位的叶长、叶倾角、叶片着生高度和叶片方位角偏离角的t分布函数;
以及,根据所述目标玉米群体的节单位的叶长、叶倾角、叶片着生高度和叶片方位角偏离角的t分布函数,获取所述目标玉米群体中节单位的叶长参数、叶倾角参数、叶片着生高度参数和叶片方位角偏离角参数。
进一步地,所述根据所述玉米群体尺度参数、植株尺度参数和各植株内各节单位的形态参数,建立所述目标玉米群体的玉米群体网格几何模型,包括:
根据所述玉米群体尺度参数、植株尺度参数和各植株内各节单位的形态参数,生成各植株的三维骨架结构;
在所述三维骨架结构中将各植株旋转至其对应的植株方位平面角,并将各植株的生长点平移至其对应的水平坐标上,得到玉米群体骨架几何模型;
以及,根据所述目标玉米群体中玉米品种的叶片网格几何模板,基于骨架驱动的几何变形方法和所述玉米群体骨架几何模型,生成目标玉米群体的玉米群体网格几何模型。
进一步地,所述方法还包括:
根据碰撞监测方法,对所述目标玉米群体的玉米群体三维模型进行调整交叉玉米叶片的位置的处理。
另一方面,本发明还提供了一种玉米群体三维模型构建系统,所述系统包括:
玉米群体测量样本获取模块,用于确定玉米群体测量样本;
植株尺度参数获取模块,用于根据所述玉米群体测量样本的植株尺度数据,生成植株尺度的t分布函数,并根据所述植株尺度的t分布函数获取所述目标玉米群体的植株尺度参数;
节单位的形态参数获取模块,用于根据玉米群体测量样本中各植株内各节单位的形态数据,以及所述目标玉米群体的植株尺度参数,生成所述目标玉米群体的各植株内各节单位的形态参数的t分布函数,并根据所述各植株内各节单位的形态参数的t分布函数获取所述目标玉米群体中各植株内各节单位的形态参数;
玉米群体网格几何模型建立模块,用于根据所述玉米群体尺度参数、植株尺度参数和各植株内各节单位的形态参数,建立所述目标玉米群体的玉米群体网格几何模型。
进一步地,所述玉米群体测量样本获取模块包括:
目标小区选定单元,用于在目标区域中选定目标小区,从所述目标小区中选取M个植株进行测量;
数据测量单元,用于测量得到M个植株的植株尺度和节单位尺度数据。
进一步地,所述系统还包括:
生成小区构建模块,用于构建所植株的数量为N的生成小区,并确定N个植株的水平生长位置坐标和植株方位平面。
由上述技术方案可知,本发明所述的一种玉米群体三维模型构建方法及系统,方法包括确定玉米群体测量样本;根据玉米群体测量样本的植株尺度数据,生成植株尺度的t分布函数,并根据植株尺度的t分布函数获取目标玉米群体的植株尺度参数;根据玉米群体测量样本中各植株内各节单位的形态数据,以及目标玉米群体的植株尺度参数;生成目标玉米群体的各植株内各节单位的形态参数的t分布函数,并获取目标玉米群体中各植株内各节单位的形态参数;建立目标玉米群体的玉米群体网格几何模型。本发明综合利用株型参数的统计分布函数、玉米器官几何模板等方法,实现玉米群体几何模型的快速生成,且所生成的玉米群体能够反映出品种特征;能够仅通过少量样本的测量,即生成可靠的玉米群体三维模型,提高了能够反映品种特征的玉米群体三维模型的建模准确性及建模的效率。
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是本发明的一种玉米群体三维模型构建方法的流程示意图;
图2是本发明的玉米群体三维模型构建方法中步骤200的流程示意图;
图3是本发明的玉米群体三维模型构建方法中步骤300的流程示意图;
图4是本发明的玉米群体三维模型构建方法中步骤400的流程示意图;
图5是总体均值的概率密度分布函数的示意图;
图6是玉米群体骨架可视化模型示意图;
图7是玉米群体网格几何模型侧视图;
图8是玉米群体网格几何模型俯视图;
图9是本发明的一种玉米群体三维模型构建系统的结构示意图。
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,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、完整的描述,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。
本发明的实施例一提供了一种玉米群体三维模型构建方法的具体实施方式,参见图1,所述构建方法具体包括如下内容:
步骤100:确定玉米群体测量样本。
在本步骤中,在目标区域中选定目标小区,从所述目标小区中选取M个植株进行测量;以及,通过实测测量得到M个植株的植株尺度和节单位尺度数据;以及,通过给定输入参数构建所植株的数量为N的生成小区,并确定N个植株的水平生长位置坐标和植株方位平面。其中,所述植株尺度数据包括:株高数据、叶片数数据和首叶叶序数据;所述各植株内各节单位的形态数据包括:叶片的叶长数据、叶倾角数据、叶片着生高度数据和叶片方位角偏离角数据;所述植株参数包括株高、叶片数、各叶片的叶倾角、方位角、叶片着生高度、叶片长度和叶片宽度。
步骤200:根据所述玉米群体测量样本的植株尺度数据,生成植株尺度的t分布函数,并根据所述植株尺度的t分布函数获取所述目标玉米群体的植株尺度参数。
在本步骤中,根据所述叶片的叶长数据、叶倾角数据、叶片着生高度数据和叶片方位角偏离角数据,分别生成所述目标玉米群体的叶片的叶长、叶倾角、叶片着生高度和叶片方位角偏离角的t分布函数,并根据所述植株尺度的t分布函数获取所述目标玉米群体的植株尺度参数。
步骤300:根据玉米群体测量样本中各植株内各节单位的形态数据,以及所述目标玉米群体的植株尺度参数;生成所述目标玉米群体的各植株内各节单位的形态参数的t分布函数,并根据所述各植株内各节单位的形态参数的t分布函数获取所述目标玉米群体中各植株内各节单位的形态参数。
在本步骤中,根据所述叶片的叶长数据、叶倾角数据、叶片着生高度数据和叶片方位角偏离角数据,分别生成所述目标玉米群体的叶片的叶长、叶倾角、叶片着生高度和叶片方位角偏离角的t分布函数。
步骤400:根据所述玉米群体尺度参数、植株尺度参数和各植株内各节单位的形态参数,建立所述目标玉米群体的玉米群体网格几何模型。
在本步骤中,利用上述方法得到N个植株的株型参数(包括各植株上各叶片的形态参数)后,在此基础上生成各植株的三维骨架结构,并将各植株旋转至其对应的植株方位平面角,并将各植株的生长点平移至其对应的水平坐标,得到玉米群体骨架几何模型;并利用该目标品种的叶片网格几何模板,结合骨架驱动的几何变形方法及玉米群体骨架几何模型,生成玉米群体网格几何模型,所述玉米群体网格几何模型即为玉米群体三维模型。
从上述描述可知,本发明的实施例仅需通过测量少量样本株型参数,构造各株型参数t分布概率密度分布函数,在此约束下生成预构建群体的各植株的株型参数,进而生成可靠的玉米群体三维模型,提高了能够反映品种特征的玉米群体三维模型的建模准确性及建模的效率。
本发明的实施例二提供了上述玉米群体三维模型构建方法中步骤200的具体实施方式,参见图2,所述步骤200具体包括如下内容:
步骤201:根据所述玉米群体测量样本中的M个植株的株高数据、叶片数数据和首叶叶序数据,分别生成所述目标玉米群体的株高、叶片数和首叶叶序的t分布函数。
步骤202:根据所述株高、叶片数和首叶叶序的t分布函数分别获取所述目标玉米群体的株高参数、叶片数参数和首叶叶序参数。
从上述描述可知,本发明的实施例能够根据所述目标玉米群体的t分布函数,准确获取所述目标玉米群体中植株尺度参数。
本发明的实施例三提供了上述玉米群体三维模型构建方法中步骤300的具体实施方式,参见图3,所述步骤300具体包括如下内容:
步骤301:获取所述玉米群体测量样本中的M个植株内各节单位的形态数据。
在本步骤中,所述各植株内各节单位的形态数据包括:叶片的叶长数据、叶倾角数据、叶片着生高度数据和叶片方位角偏离角数据。
步骤302:根据所述玉米群体测量样本中的M个植株内各节单位的形态数据,以及,所述目标玉米群体的株高参数、叶片数参数和首叶叶序参数,分别生成所述目标玉米群体的节单位的叶长、叶倾角、叶片着生高度和叶片方位角偏离角的t分布函数。
在本步骤中,具体包括:
(1)根据所述叶片样本数据中的叶片着生高度及所述目标玉米群体的t分布函数,确定N个植株的叶位着生高度与植株高度的比值随机数。
(2)根据所述叶片样本数据中的叶长、叶倾角及所述目标玉米群体的t分布函数,生成各叶位的叶长和叶倾角的概率密度分布函数,并根据所述叶长和叶倾角的概率密度分布函数生成N个植株的叶长和叶倾角参数。
步骤303:根据所述目标玉米群体的节单位的叶长、叶倾角、叶片着生高度和叶片方位角偏离角的t分布函数,获取所述目标玉米群体中节单位的叶长参数、叶倾角参数、叶片着生高度参数和叶片方位角偏离角参数。
本发明的实施例四提供了上述玉米群体三维模型构建方法中步骤400的具体实施方式,参见图4,所述步骤400具体包括如下内容:
步骤401:根据所述玉米群体尺度参数、植株尺度参数和各植株内各节单位的形态参数,生成各植株的三维骨架结构。
步骤402:在所述三维骨架结构中将各植株旋转至其对应的植株方位平面角,并将各植株的生长点平移至其对应的水平坐标上,得到玉米群体骨架几何模型。
步骤403:根据所述目标玉米群体中玉米标品种的叶片网格几何模板,基于骨架驱动的几何变形方法和所述玉米群体骨架几何模型,生成目标玉米群体的玉米群体网格几何模型。
步骤404:根据碰撞监测方法,对所述目标玉米群体的玉米群体三维模型进行调整交叉玉米叶片的位置的处理。
从上述描述可知,本发明的实施例仅需通过测量少量样本株型参数,构造各株型参数t分布概率密度分布函数,在此约束下生成预构建群体的各植株的株型参数,进而生成可靠的玉米群体三维模型,提高了能够反映品种特征的玉米群体三维模型的建模准确性及建模的效率。
为进一步的说明本方案,本发明还提供一种玉米群体三维模型构建方法的应用实例,具体包括如下内容:
5.1某玉米群体株型参数获取
从拟建模的玉米群体中,选取N个植株作为测量目标对象,测量这N个植株的株高、叶片数、各叶片的叶倾角、方位角、叶片着生高度、叶长和叶宽。这些测量值作为样本值。
5.2基于株型参数的t分布函数构建
以株高的t分布函数构建为例,设包含N个样本植株,各植株株高分别记为Xi,i=1,2,…,N,样本均值为样本方差为设株高的总体均值为μ,则有即服从自由度为N-1的t分布,为了估计株高总体均值μ在95%置信区间内的概率密度分布函数,查询t分布分位数表,记在N-1自由度下的95%双侧分位数为α,可得到在区间内产生随机数,记为t,进一步利用自由度为n-1的t分布概率密度函数生成随机株高:
其中
5.3玉米群体及群体内各植株尺度参数生成
(1)确定拟构建的玉米群体内植株的数量N和水平生长位置坐标(xi,yi):如果为均匀分布则需要确定群体的行数和每行植株的个数,并利用株距和行距生成各植株的生长位置;如果非均匀分布则需要确定每个植株的生长位置。
(2)植株尺度参数生成——株高Hi:利用样本的株高数据和5.2中的方法构建株高的概率密度分布函数,并利用该函数约束生成N个植株的株高。
(3)植株尺度参数生成——叶片数Ni:利用各样本植株的叶片数和5.2中的方法构建叶片数的概率密度分布函数,并利用该函数约束生成N个植株的叶片数,所生成的植株叶片数为整数,以四舍五入的形式确定。
(4)植株尺度参数生成——首叶叶序Fi:利用各样本植株的首叶叶序和5.2中的方法构建首叶叶序的概率密度分布函数,并利用该函数约束生成N个植株的首叶叶序,所生成的植株首叶叶序为整数,以四舍五入的形式确定。
(5)植株方位平面确定:通过交互式或实测输入N个植株的植株方位平面角。
5.4各植株内各叶片的株型参数生成
包括各叶片的叶长、叶倾角、叶片着生高度、方位角偏离植株方位平面角的生成,以其中生成第j(Fi≤j≤Ni)个节的叶片着生高度为例说明:
(1)样本数据确定。首先确定样本数据,采用各样本植株中第j个叶位的叶片着生高度与该植株株高的比值作为样本数据,由于样本植株中首叶叶序与叶片总数不等,记样本数量为则
若则采用自由度为的t分布生成各株型随机数;
若则不生成概率密度分布函数,直接将样本参数作为生成的随机数;
若则查找与j最近的叶位样本按照叶位差缩放作为当前叶位的样本,设与j最近的叶位为jNear,则比例系数为
(2)利用样本和5.2中的方法,生成N植株第j个叶位着生高度与植株高度的比值随机数,记为则当前叶片的叶位着生高度
(3)叶长、叶倾角可直接以各样本植株中第j个叶位的叶长也叶倾角为样本数据,结合5.2的方法构造各叶位叶长和叶倾角的概率密度分布函数并生成N植株第j个叶位的叶长也叶倾角。
(4)叶片方位角的生成不能直接以叶片方位角为样本,需要首先计算各样本植株的方位平面,并计算各叶片与植株方位平面的偏离角为样本构造概率密度分布函数,并在此基础上生成N个植株第j个叶片的叶片方位角偏离角。若已知某植株各叶片的方位角为αj,j=1,2,…n,αj∈[0,2π),计算各叶片方位角偏差的方法如下:
基于各叶位方位角偏差样本数据构建各叶位的方位角偏差t分布函数,并生成植株i上叶位j的方位角偏差,记为则对应植株叶片的方位角其中αi为植株方位平面角,jmod2为取余数,即由此来反映玉米植株相邻叶片夹角在130度~180度之间的特征。
5.5玉米群体骨架模型构建及后处理
(1)利用上述方法得到N个植株的株型参数(包括各植株上各叶片的形态参数)后,在此基础上生成各植株的三维骨架结构,并将各植株旋转至其对应的植株方位平面角,并将各植株的生长点平移至其对应的水平坐标(xi,yi),得到玉米群体骨架几何模型。
(2)利用该目标品种的叶片网格几何模板,结合骨架驱动的几何变形方法,结合5.5(1)中所生成的玉米群体骨架几何模型,生成玉米群体网格几何模型。
(3)后处理:对上述生成的网格几何模型,通过碰撞监测方法调整交叉玉米叶片的位置,提高玉米群体网格模型的真实感。
在一种具体举例中,以京科968品种,密度为4000株/亩的吐丝期玉米群体为例,获取了3行×3株,共9株小区内的株高数据,分别为2531.3、2614.3、2461.4、2646.7、2823.6、2607.8、2715.8、2442.0、2680.0,单位为mm。利用上述方法,求得样本均值为2613.7,样本标准差为122.2,总体均值的置信区间为(2519.7,2707.6),总体均值的概率密度分布函数如图5所示:
且对应的玉米群体骨架可视化模型如图6所示,宽行距90cm、窄行距45cm、株距为18cm的4行8株、共32株。
生成的32株玉米群体网格模型的侧视图如图7所示,以及,俯视图如图8所示。
从上述描述可知,本发明的应用实例通过测量少量样本株型参数,构造各株型参数t分布概率密度分布函数,在此约束下生成预构建群体的各植株的株型参数,进而生成玉米群体三维模型;在生成株型参数时,首先是生成植株尺度的株型参数,包括株高、叶片数及首叶叶序;在此基础上生成各植株上各叶位的形态参数,包括叶长、叶倾角、叶片着生高度、叶片方位角偏离植株方位平面角。通过测量少量目标玉米群体的植株株型参数,构建各株型参数的概率密度分布函数,在此约束下生成能够反映当前玉米品种特征的株型参数,进而生成玉米群体三维模型。
与已有方法相比,本方法通过获取少量的株型参数,构建能够反映品种特征的玉米群体三维模型,同时建模效率显著提高。
本发明的实施例五提供了上述玉米群体三维模型构建系统的具体实施方式,参见图9,所述系统具体包括如下内容
玉米群体测量样获取模块10,用于玉米群体测量样本。
所述玉米群体测量样本获取模块10包括:
目标小区选定单元,用于在目标区域中选定目标小区,从所述目标小区中选取M个植株进行测量;
数据测量单元,用于测量得到M个植株的植株尺度和节单位尺度数据。
植株尺度参数获取模块20,用于根据所述玉米群体测量样本的植株尺度数据,生成植株尺度的t分布函数,并根据所述植株尺度的t分布函数获取所述目标玉米群体的植株尺度参数。
节单位的形态参数获取模块30,用于根据玉米群体测量样本中各植株内各节单位的形态数据,以及所述目标玉米群体的植株尺度参数,生成所述目标玉米群体的各植株内各节单位的形态参数的t分布函数,并根据所述各植株内各节单位的形态参数的t分布函数获取所述目标玉米群体中各植株内各节单位的形态参数。
玉米群体网格几何模型建立模块40,用于根据所述玉米群体尺度参数、植株尺度参数和各植株内各节单位的形态参数,建立所述目标玉米群体的玉米群体网格几何模型。
所述系统还包括:
生成小区构建模块,用于构建所植株的数量为N的生成小区,并确定N个植株的水平生长位置坐标和植株方位平面。
从上述描述可知,本发明的实施例仅需通过测量少量样本株型参数,构造各株型参数t分布概率密度分布函数,在此约束下生成预构建群体的各植株的株型参数,进而生成可靠的玉米群体三维模型,提高了能够反映品种特征的玉米群体三维模型的建模准确性及建模的效率。
以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述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,或者对其中部分技术特征进行等同替换;而这些修改或替换,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精神和范围。
Claims (10)
1.一种玉米群体三维模型构建方法,其特征在于,所述方法包括:
确定玉米群体测量样本;
根据所述玉米群体测量样本的植株尺度数据,生成植株尺度的t分布函数,并根据所述植株尺度的t分布函数获取所述目标玉米群体的植株尺度参数;
根据玉米群体测量样本中各植株内各节单位的形态数据,以及所述目标玉米群体的植株尺度参数;生成所述目标玉米群体的各植株内各节单位的形态参数的t分布函数,并根据所述各植株内各节单位的形态参数的t分布函数获取所述目标玉米群体中各植株内各节单位的形态参数;
以及,根据所述玉米群体尺度参数、植株尺度参数和各植株内各节单位的形态参数,建立所述目标玉米群体的玉米群体网格几何模型。
2.根据权利要求1所述的方法,其特征在于,所述确定玉米群体测量样本,包括:
在目标区域中选定目标小区,从所述目标小区中选取M个植株进行测量;
以及,测量得到M个植株的植株尺度和节单位尺度数据。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
构建所植株的数量为N的生成小区,并确定N个植株的水平生长位置坐标和植株方位平面。
4.根据权利要求2所述的方法,其特征在于,所述根据所述玉米群体测量样本的植株尺度数据,生成植株尺度的t分布函数,并根据所述植株尺度的t分布函数获取所述目标玉米群体的植株尺度参数,包括:
根据所述玉米群体测量样本中的M个植株的株高数据、叶片数数据和首叶叶序数据,分别生成所述目标玉米群体的株高、叶片数和首叶叶序的t分布函数;
以及,根据所述株高、叶片数和首叶叶序的t分布函数分别获取所述目标玉米群体的株高参数、叶片数参数和首叶叶序参数。
5.根据权利要求1所述的方法,其特征在于,所述根据玉米群体测量样本中各植株内各节单位的形态数据,以及所述目标玉米群体的植株尺度参数;生成所述目标玉米群体的各植株内各节单位的形态参数的t分布函数,并根据所述各植株内各节单位的形态参数的t分布函数获取所述目标玉米群体中各植株内各节单位的形态参数,包括:
获取所述玉米群体测量样本中的M个植株内各节单位的形态数据,其中,所述各植株内各节单位的形态数据包括:叶片的叶长数据、叶倾角数据、叶片着生高度数据和叶片方位角偏离角数据;
根据所述玉米群体测量样本中的M个植株内各节单位的形态数据,以及,所述目标玉米群体的株高参数、叶片数参数和首叶叶序参数,分别生成所述目标玉米群体的节单位的叶长、叶倾角、叶片着生高度和叶片方位角偏离角的t分布函数;
以及,根据所述目标玉米群体的节单位的叶长、叶倾角、叶片着生高度和叶片方位角偏离角的t分布函数,获取所述目标玉米群体中节单位的叶长参数、叶倾角参数、叶片着生高度参数和叶片方位角偏离角参数。
6.根据权利要求1所述的方法,其特征在于,所述根据所述玉米群体尺度参数、植株尺度参数和各植株内各节单位的形态参数,建立所述目标玉米群体的玉米群体网格几何模型,包括:
根据所述玉米群体尺度参数、植株尺度参数和各植株内各节单位的形态参数,生成各植株的三维骨架结构;
在所述三维骨架结构中将各植株旋转至其对应的植株方位平面角,并将各植株的生长点平移至其对应的水平坐标上,得到玉米群体骨架几何模型;
以及,根据所述目标玉米群体中玉米品种的叶片网格几何模板,基于骨架驱动的几何变形方法和所述玉米群体骨架几何模型,生成目标玉米群体的玉米群体网格几何模型。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
根据碰撞监测方法,对所述目标玉米群体的玉米群体三维模型进行调整交叉玉米叶片的位置的处理。
8.一种玉米群体三维模型构建系统,其特征在于,所述系统包括:
玉米群体测量样本获取模块,用于确定玉米群体测量样本;
植株尺度参数获取模块,用于根据所述玉米群体测量样本的植株尺度数据,生成植株尺度的t分布函数,并根据所述植株尺度的t分布函数获取所述目标玉米群体的植株尺度参数;
节单位的形态参数获取模块,用于根据玉米群体测量样本中各植株内各节单位的形态数据,以及所述目标玉米群体的植株尺度参数,生成所述目标玉米群体的各植株内各节单位的形态参数的t分布函数,并根据所述各植株内各节单位的形态参数的t分布函数获取所述目标玉米群体中各植株内各节单位的形态参数;
玉米群体网格几何模型建立模块,用于根据所述玉米群体尺度参数、植株尺度参数和各植株内各节单位的形态参数,建立所述目标玉米群体的玉米群体网格几何模型。
9.根据权利要求8所述的系统,其特征在于,所述玉米群体测量样本获取模块包括:
目标小区选定单元,用于在目标区域中选定目标小区,从所述目标小区中选取M个植株进行测量;
数据测量单元,用于测量得到M个植株的植株尺度和节单位尺度数据。
10.根据权利要求7所述的系统,其特征在于,所述系统还包括:
生成小区构建模块,用于构建所植株的数量为N的生成小区,并确定N个植株的水平生长位置坐标和植株方位平面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710429471.8A CN107369206B (zh) | 2017-06-08 | 2017-06-08 | 一种玉米群体三维模型构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710429471.8A CN107369206B (zh) | 2017-06-08 | 2017-06-08 | 一种玉米群体三维模型构建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107369206A true CN107369206A (zh) | 2017-11-21 |
CN107369206B CN107369206B (zh) | 2020-09-22 |
Family
ID=60306332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710429471.8A Active CN107369206B (zh) | 2017-06-08 | 2017-06-08 | 一种玉米群体三维模型构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107369206B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034462A (zh) * | 2018-07-09 | 2018-12-18 | 北京农业信息技术研究中心 | 玉米群体种植结构优化方法及装置 |
CN111583328A (zh) * | 2020-05-06 | 2020-08-25 | 南京农业大学 | 基于几何模型的绿萝叶片外部表型参数的三维估测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008108059A (ja) * | 2006-10-25 | 2008-05-08 | Hitachi Ltd | 既存プラントの3dモデル作成方法 |
CN102903145A (zh) * | 2012-08-31 | 2013-01-30 | 北京农业信息技术研究中心 | 植物群体形态结构三维重建方法 |
CN103065352A (zh) * | 2012-12-20 | 2013-04-24 | 北京农业信息技术研究中心 | 一种基于图像和扫描数据的植株三维重建方法 |
CN105590341A (zh) * | 2015-12-18 | 2016-05-18 | 北京农业信息技术研究中心 | 一种玉米群体三维重建方法及装置 |
WO2016100856A1 (en) * | 2014-12-18 | 2016-06-23 | Advanced Polymer Technology Ab | Cellulose nanofibrillar bionik for 3d bioprinting for cell culturing, tissue engineering and regenerative medicine applications |
-
2017
- 2017-06-08 CN CN201710429471.8A patent/CN107369206B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008108059A (ja) * | 2006-10-25 | 2008-05-08 | Hitachi Ltd | 既存プラントの3dモデル作成方法 |
CN102903145A (zh) * | 2012-08-31 | 2013-01-30 | 北京农业信息技术研究中心 | 植物群体形态结构三维重建方法 |
CN103065352A (zh) * | 2012-12-20 | 2013-04-24 | 北京农业信息技术研究中心 | 一种基于图像和扫描数据的植株三维重建方法 |
WO2016100856A1 (en) * | 2014-12-18 | 2016-06-23 | Advanced Polymer Technology Ab | Cellulose nanofibrillar bionik for 3d bioprinting for cell culturing, tissue engineering and regenerative medicine applications |
CN105590341A (zh) * | 2015-12-18 | 2016-05-18 | 北京农业信息技术研究中心 | 一种玉米群体三维重建方法及装置 |
Non-Patent Citations (3)
Title |
---|
SHENGLIAN LU 等: "Reconstruction of Tree Structure from Multi-scale Measurement Data", 《IEEE》 * |
TINGTING QIAN 等: "Computational Experiments of Light Distribution and Photosynthesis in Cucumber (Cucumis sativus L.) Canopy", 《 2012 IEEE 4TH INTERNATIONAL SYMPOSIUM ON PLANT GROWTH MODELING, SIMULATION, VISUALIZATION AND APPLICATIONS》 * |
赵春江 等: "数字植物研究进展:植物形态结构三维数字化", 《中国农业科学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034462A (zh) * | 2018-07-09 | 2018-12-18 | 北京农业信息技术研究中心 | 玉米群体种植结构优化方法及装置 |
CN109034462B (zh) * | 2018-07-09 | 2020-10-27 | 北京农业信息技术研究中心 | 玉米群体种植结构优化方法及装置 |
CN111583328A (zh) * | 2020-05-06 | 2020-08-25 | 南京农业大学 | 基于几何模型的绿萝叶片外部表型参数的三维估测方法 |
CN111583328B (zh) * | 2020-05-06 | 2021-10-22 | 南京农业大学 | 基于几何模型的绿萝叶片外部表型参数的三维估测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107369206B (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516388A (zh) | 基于调和映射的曲面离散点云模型环切刀轨生成方法 | |
CN104537191B (zh) | 一种三维钢筋模型示意图的绘制方法 | |
CN106845399B (zh) | 一种使用分层聚类方式从LiDAR点云中提取单木信息的方法 | |
CN108595858A (zh) | 基于bim的轻量化深度处理工作方法 | |
CN101650836B (zh) | 三维植物器官几何曲面自适应网格化方法及系统 | |
CN107169258B (zh) | 一种多源气象信息数据同化方法及其在降雨预报中的应用 | |
CN105787933A (zh) | 基于多视角点云配准的岸线三维重建装置及方法 | |
CN102903145B (zh) | 植物群体形态结构三维重建方法 | |
CN103020342A (zh) | 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法 | |
CN102314546A (zh) | 基于虚拟植物的植物生长生物量变化估算方法 | |
CN108428017A (zh) | 基于核极限学习机分位数回归的风电功率区间预测方法 | |
CN105590341B (zh) | 一种玉米群体三维重建方法及装置 | |
CN103236043B (zh) | 一种植物器官点云修复方法 | |
CN107403233B (zh) | 一种玉米株型优化方法及系统 | |
CN106931883A (zh) | 一种基于激光点云数据的树干材积获取方法 | |
Wen et al. | Estimating canopy gap fraction and diffuse light interception in 3D maize canopy using hierarchical hemispheres | |
CN114117702A (zh) | 基于点云的输电线路自动化逆向建模方法 | |
CN107369206A (zh) | 一种玉米群体三维模型构建方法及系统 | |
CN103049932B (zh) | 一种基于径向基函数的植物三维形态虚拟建模方法 | |
CN109191519A (zh) | 一种树木树干体积估算模型构建方法、体积估算方法及系统 | |
CN105719344A (zh) | 一种三维土地利用现状数据模型的生成方法 | |
CN102930596B (zh) | 一种藤蔓类植物的三维模型建立方法 | |
CN109034462B (zh) | 玉米群体种植结构优化方法及装置 | |
CN103337092A (zh) | 果树枝干骨架提取方法 | |
Liu et al. | Estimation model of canopy stratification porosity based on morphological characteristics: A case study of cotton |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |