CN117315002B - 待测物体三维表型测量方法、系统及装置 - Google Patents
待测物体三维表型测量方法、系统及装置 Download PDFInfo
- Publication number
- CN117315002B CN117315002B CN202311598872.8A CN202311598872A CN117315002B CN 117315002 B CN117315002 B CN 117315002B CN 202311598872 A CN202311598872 A CN 202311598872A CN 117315002 B CN117315002 B CN 117315002B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- measured
- detected
- actual
- dimensional
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000014509 gene expression Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 13
- 238000000926 separation method Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000012850 discrimination method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 241000209140 Triticum Species 0.000 description 5
- 235000021307 Triticum Nutrition 0.000 description 4
- 240000008042 Zea mays Species 0.000 description 4
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 4
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 4
- 235000005822 corn Nutrition 0.000 description 4
- 238000004141 dimensional analysis Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 240000007594 Oryza sativa Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 240000003768 Solanum lycopersicum Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001057636 Dracaena deremensis Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种待测物体三维表型测量方法、系统及装置，方法包括：通过三维全貌重建得到待测物体的原始点云，经预处理后得到初始点云；根据待测物体的颜色分布及初始点云颜色特征，基于颜色判别法去除噪声，得到去噪点云；基于去噪点云倾斜角度及基部方位，计算方向轴角度并沿方向轴进行旋转，得到转正点云；拟合得到外接立方体，计算外接立方体的宽度及外接立方体高度，同时采用表面估计法计算待测物体表面积及待测物体体积；进而通过尺度转换得到待测物体的真实表型数据。本方法解决了传统测量方法中主观性强、效率低、破坏性强的问题，满足研究人员对待测物体表型参数的测量需求，对进一步的研究具有重要意义。
Description
技术领域
本发明涉及三维解析技术领域，尤其涉及一种待测物体三维表型测量方法、系统及装置。
背景技术
现有技术中，三维应用主要集中在三维建模，三维解析任务多用于视觉SLAM应用领域，在相关文献中基于三维点云的番茄植株茎叶分割与表型特征提取方法，通过手动去除点云噪声，进行曲面重建与骨架提取，进而计算番茄面积、夹角等参数；基于三维数字化的小麦植株表型参数提取方法，通过在小麦表面进行特殊标记，对小麦进行破坏性分解，手动对茎、叶进行分割，进而分析小麦表型信息；对玉米三维表型的研究，基于单株玉米茎秆近似圆柱体、茎叶对比度明显且茎叶交织程度低的特征，利用骨架提取技术对玉米株型进行分析，得到玉米茎、叶表型参数。在现有方法中，利用特征进行三维解析应用以玉米居多，其他方法需要手动交互对农作物点云进行预处理后，再进行表型分析。
发明内容
本发明针对现有技术中的缺点，提供了一种物体三维表型测量方法、系统及装置。
为了解决上述问题，本发明通过下述技术方案得以解决：
一种待测物体三维表型测量方法，包括以下步骤：
基于待测物体全视角图像，通过三维全貌重建得到原始点云，对原始点云进行预处理得到初始点云；
基于待测物体颜色分布特征，对初始点云颜色进行判别以去除噪声点云，进而去除孤立点云得到去噪点云；
计算所述去噪点云的倾斜角度，基于倾斜角度进行旋转，得到第一点云，并得到待测物体基部方位，基于基部方位进行旋转得到转正点云；
根据外接立方体得到待测物体点云宽度及待测物体点云高度；
对所述转正点云进行表面重建，得到点云重建信息，根据点云重建信息得到待测物体点云表面积及待测物体点云体积；
基于待测物体点云长度与待测物体实际长度的对应关系，将待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行转换，得到待测物体实际表型信息，即待测物体实际宽度、待测物体实际高度、待测物体实际表面积及待测物体实际体积。
作为一种可实施方式，所述基于待测物体全视角图像，通过三维全貌重建得到原始点云，对原始点云进行预处理得到初始点云，包括以下步骤：
采集待测物体全视角图像，根据多视图三维建模算法，重建得到包含颜色、位置信息的原始点云；
基于原始点云的位置信息，预处理删除其中不符合待测物体生长特征的点云，得到初始点云。
作为一种可实施方式，所述基于待测物体颜色分布特征，对初始点云颜色进行判别以去除噪声点云，进而去除孤立点云得到去噪点云，包括以下步骤：
将待测物体颜色分布特性作为先验信息，设定颜色聚类数量，基于颜色信息对初始点云进行聚类，得到聚类点云；
计算所述聚类点云中各个聚类点云块的密度，按照密度大小对聚类点云块进行排序；
分析排序后各聚类点云块密度、颜色分布区间，滤除判定为噪声的聚类点云块，得到初步去噪点云；
消除初步去噪点云中的孤立点云，得到去噪点云。
作为一种可实施方式，所述对初始点云颜色进行判别以去除噪声点云，包括以下步骤：
对初始点云进行分析，具体表达式如下所示：
其中，表示初始点云中某一点/>通道的分离值，/>表示初始点云中某一点/>通道的分离值，/>表示初始点云中某一点/>通道的分离值，/>表示超绿色指标，/>表示超红色指标，/>表示超红超绿差分指数；
分析超红超绿差分指数及对应聚类点云块密度，满足下述条件则判定为噪声点，具体表达式如下所示：
其中，为对应聚类点云块密度，/>为密度阈值。
作为一种可实施方式，所述计算所述去噪点云的倾斜角度，基于倾斜角度进行旋转，得到第一点云，并得到待测物体基部方位，基于基部方位进行旋转得到转正点云，包括以下步骤：
经计算得到去噪点云倾斜角度，根据倾斜角度旋转去噪点云，得到第一点云；
计算得到待测物体基部方位，根据待测物体基部方位得到各方向轴角度，基于各方向轴角度旋转得到转正点云。
作为一种可实施方式，所述计算所述去噪点云的倾斜角度，包括以下步骤：
对去噪点云进行横坐标分量、纵坐标分量、竖坐标分量分解，并求解协方差矩阵；
计算协方差矩阵的特征值及特征向量，基于特征向量构建特征矩阵，所述特征向量即为待测物体点云的倾斜角度。
作为一种可实施方式，所述得到待测物体基部方位，包括以下步骤：
将所述第一点云沿横轴、纵轴及竖轴的轴面进行均匀切片；
计算各切片圆度与拟合圆半径，得到横轴点云切片圆度及点云拟合半径、纵轴点云切片圆度及点云拟合半径、竖轴点云切片圆度及点云拟合半径；
根据点云切片圆度及点云拟合半径变化趋势得到第一点云基部方向，其中，包括第一点云各方向轴角度。
作为一种可实施方式，所述根据外接立方体得到待测物体点云宽度及待测物体点云高度，包括以下步骤：
计算拟合所得外接立方体顶点坐标，得到外接立方体沿各方向轴距离；
根据各方向轴距离，通过计算得出待测物体点云宽度及待测物体点云高度。
作为一种可实施方式，所述对所述转正点云进行表面重建，得到点云重建信息，根据点云重建信息得到待测物体点云表面积及待测物体点云体积，包括以下步骤：
采用三角化算法构建转正点云三角网格，遍历计算三角网格中三角形位置信息，计算得出各三角形面积，具体表达式如下所示：
其中，表示三角网格中第/>个三角形面积，/>分别表示三角网格中第/>个三角形的三条边；
结合各三角形面积计算得到整个三角网格表面积及三角网格体积，具体表达式如下所示：
其中，表示三角网格表面积，/>表示三角网格体积，/>表示三角网格中三角形总数量，/>表示第/>个三角形与原点之间的距离，所述三角网格表面积即为待测物体点云表面积，所述三角网格体积即为待测物体点云体积。
作为一种可实施方式，所述基于待测物体点云长度与待测物体实际长度的对应关系，将待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行转换，得到待测物体实际表型信息，即待测物体实际宽度、待测物体实际高度、待测物体实际表面积及待测物体实际体积，包括以下步骤：
计算得到三维测量比例尺，所述三维测量比例尺为待测物体点云长度与待测物体实际长度的对应关系；
对所述待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行变换得到实际待测物体宽度、实际待测物体高度、实际待测物体表面积及实际待测物体体积，具体表达式如下所示：
其中，表示待测物体点云宽度，/>表示待测物体点云高度，/>表示实际待测物体宽度，/>表示实际待测物体高度，/>表示实际待测物体表面积，/>表示实际待测物体体积，/>表示三维测量比例尺。
一种待测物体三维表型测量系统，包括点云获取模块、点云去噪模块、点云转正模块、点云拟合模块、表面重建模块及尺度转换模块；
所述点云获取模块，基于待测物体全视角图像，通过三维全貌重建得到原始点云，对原始点云进行预处理得到初始点云；
所述点云去噪模块，基于待测物体颜色分布特征，对初始点云颜色进行判别以去除噪声点云，进而去除孤立点云得到去噪点云；
所述点云转正模块，计算所述去噪点云的倾斜角度，基于倾斜角度进行旋转，得到第一点云，并得到待测物体基部方位，基于基部方位进行旋转得到转正点云；
所述点云拟合模块，根据外接立方体得到待测物体点云宽度及待测物体点云高度；
所述表面重建模块，对所述转正点云进行表面重建，得到点云重建信息，根据点云重建信息得到待测物体点云表面积及待测物体点云体积；
所述尺度转换模块，基于待测物体点云长度与待测物体实际长度的对应关系，将待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行转换，得到待测物体实际表型信息，即待测物体实际宽度、待测物体实际高度、待测物体实际表面积及待测物体实际体积。
作为一种可实施方式，所述点云去噪模块，被设置为：
对初始点云进行分析，具体表达式如下所示：
其中，表示初始点云中某一点/>通道的分离值，/>表示初始点云中某一点/>通道的分离值，/>表示初始点云中某一点/>通道的分离值，/>表示超绿色指标，/>表示超红色指标，/>表示超红超绿差分指数；
分析超红超绿差分指数及对应聚类点云块密度，满足下述条件则判定为噪声点，具体表达式如下所示：
其中，为对应聚类点云块密度，/>为密度阈值。
作为一种可实施方式，所述点云转正模块，被设置为：
对去噪点云进行横坐标分量、纵坐标分量、竖坐标分量分解，并求解协方差矩阵；
计算协方差矩阵的特征值及特征向量，基于特征向量构建特征矩阵，所述特征向量即为点云的倾斜角度。
作为一种可实施方式，所述点云转正模块，被设置为：
将所述第一点云沿横轴、纵轴及竖轴的轴面进行均匀切片；
计算各切片圆度与拟合圆半径，得到横轴点云切片圆度及点云拟合半径、纵轴点云切片圆度及点云拟合半径、竖轴点云切片圆度及点云拟合半径；
根据点云切片圆度及点云拟合半径变化趋势得到第一点云基部方向，其中，包括第一点云各方向轴角度。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下所述的方法：
基于待测物体全视角图像，通过三维全貌重建得到原始点云，对原始点云进行预处理得到初始点云；
基于待测物体颜色分布特征，对初始点云颜色进行判别以去除噪声点云，进而去除孤立点云得到去噪点云；
计算所述去噪点云的倾斜角度，基于倾斜角度进行旋转，得到第一点云，并得到待测物体基部方位，基于基部方位进行旋转得到转正点云；
根据外接立方体得到待测物体点云宽度及待测物体点云高度；
对所述转正点云进行表面重建，得到点云重建信息，根据点云重建信息得到待测物体点云表面积及待测物体点云体积；
基于待测物体点云长度与待测物体实际长度的对应关系，将待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行转换，得到待测物体实际表型信息，即待测物体实际宽度、待测物体实际高度、待测物体实际表面积及待测物体实际体积。
一种待测物体三维表型测量装置，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下所述的方法：
基于待测物体全视角图像，通过三维全貌重建得到原始点云，对原始点云进行预处理得到初始点云；
基于待测物体颜色分布特征，对初始点云颜色进行判别以去除噪声点云，进而去除孤立点云得到去噪点云；
计算所述去噪点云的倾斜角度，基于倾斜角度进行旋转，得到第一点云，并得到待测物体基部方位，基于基部方位进行旋转得到转正点云；
根据外接立方体得到待测物体点云宽度及待测物体点云高度；
对所述转正点云进行表面重建，得到点云重建信息，根据点云重建信息得到待测物体点云表面积及待测物体点云体积；
基于待测物体点云长度与待测物体实际长度的对应关系，将待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行转换，得到待测物体实际表型信息，即待测物体实际宽度、待测物体实际高度、待测物体实际表面积及待测物体实际体积。
本发明由于采用了以上技术方案，具有显著的技术效果：
通过本发明解决了三维表型分析中需要手动对点云进行预处理的问题，而且不需要对待测物体进行破坏性分解，实现物体的三维表型测量，对后续研究人员的分析具有重要意义。
实现了自动获取待测物体三维表型参数的方法，过程中不需要人工参与，满足对待测物体外观参数研究的需求。
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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明方法的流程示意图；
图2是本发明系统的整体示意图；
图3是本发明三维重建系统架构示意图；
图4是初始点云示意图；
图5是去噪点云示意图；
图6是转正点云示意图；
图7是拟合外接立方体示意图；
图8是待测物体表面重建示意图；
图9是待测物体基底-叶尖与叶尖-基底切片形态变化曲线示意图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例1：
一种待测物体三维表型测量方法，如图1所示，包括以下步骤：
S100：基于待测物体全视角图像，通过三维全貌重建得到原始点云，对原始点云进行预处理得到初始点云；
S200：基于待测物体颜色分布特征，对初始点云颜色进行判别以去除噪声点云，进而去除孤立点云得到去噪点云；
S300：计算所述去噪点云的倾斜角度，基于倾斜角度进行旋转，得到第一点云，并得到待测物体基部方位，基于基部方位进行旋转得到转正点云；
S400：根据外接立方体得到待测物体点云宽度及待测物体点云高度；
S500：对所述转正点云进行表面重建，得到点云重建信息，根据点云重建信息得到待测物体点云表面积及待测物体点云体积；
S600：基于待测物体点云长度与待测物体实际长度的对应关系，将待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行转换，得到待测物体实际表型信息，即待测物体实际宽度、待测物体实际高度、待测物体实际表面积及待测物体实际体积。
通过本发明的方法解决了三维解析任务中需要手动交互的问题，同时不需要对农作物进行破坏性分解，实现准确、高效的三维表型测量，方便研究人员进行农作物的外观研究。
在步骤S100中，基于待测物体全视角图像，通过三维全貌重建得到原始点云，对原始点云进行预处理得到初始点云，包括以下步骤：
S110：三维重建系统如图3所示，其中，301为物体，在本实施例中待测物体为水稻盆栽，302为转台，用于采集全视角图像，303为矩形标定物，304为图像采集装置，305为服务器；当然，在其他实施例中，其他物体也可以，比如小麦等其他农作物，或者静物或者其他物体；
S120：固定图像采集装置304，通过转台302转动带动水稻盆栽301旋转，采集得到水稻全视角图像；
S130：通过三维全貌重建得到原始点云，将无穷点滤除得到初始点云如图4所示，具体表达式如下所示：
其中，为/>中任一点，/>为该点横坐标，/>为该点纵坐标，/>为该点竖坐标，/>、/>、/>为该点在RGB图像空间的各个通道分离值。
在步骤S200中，基于待测物体颜色分布特征，对初始点云颜色进行判别以去除噪声点云，进而去除孤立点云得到去噪点云，包括以下步骤：
S210：根据待测物体颜色分布特性将聚类数量设为5，对/>进行基于颜色的Kmeans聚类得到聚类点云/>，其中/>为第/>类聚类点云块，具体步骤如下所示：
Step1：输入初始点云，聚类数/>；
Step2：随机选择个中心点，根据/>颜色数据，将每个点分配到最近的中心点；
Step3：重新计算每一类包含的点到该类中心点距离的平均值，分配每个点到最近的中心点；
Step4：重复步骤Step3，直到所有的点不再被重新分配或是达到最大的迭代次数（本实施例中最大迭代次数设置为120）；
Step5：输出聚类点云。
S220：根据点云具有连续性与稠密性，而噪声则比较离散，对聚类点云块进行密度计算与排序，具体步骤如下所示：
输入聚类点云，邻域搜索半径/>，初始化空密度列表/>；
for index=0 to size
从中取第index个点集/>
初始化pointSum=0,distanceSum=0
for i=0 to size
for j=0 to size
pointSum++
其中，为点集/>在半径/>内点集；
根据对/>进行降序排序后，得到排序后密度/>及排序后聚类点云，排序后内部点云性质不变。
S230：基于ExG-ExR颜色判别法去除噪声点云，将不符合颜色区间且密度较小的点云块进行滤除，得到去噪点云，具体步骤如下所示：
输入初始点云、排序后聚类点云/>；
for i=0 to size
取点在RGB图像空间的各个通道分离值/>、/>、/>
if<0
if
end if
end if
end for
输出初步去噪后点云。
Step240：对初步去噪后点云进行统计滤波，得到去噪点云如图5所示。
在步骤S300中，计算所述去噪点云的倾斜角度，基于倾斜角度进行旋转，得到第一点云，并得到待测物体基部方位，基于基部方位进行旋转得到转正点云，包括以下步骤：
S310：根据PCA算法计算点云主方向角度进行初步旋转，具体步骤如下所示：
Step1：对进行X、Y、Z分量分解并求解协方差矩阵；
Step2：求解协方差矩阵的特征值与特征向量，并将特征向量构建为特征矩阵；
Step3：所述特征向量即为点云主方向，将沿主方向进行旋转，得到第一点云/>。
S320：对分别沿X、Y、Z轴切片并计算切片密度，根据密度变化判断待测物体基部方位，通过各轴旋转角度再次旋转得到转正点云/>，以沿X轴切片即平行于YOZ的平面进行切片为例，其中X轴表示横轴、Y轴表示纵轴、Z轴表示竖轴，具体步骤如下所示：
Step1：根据查找X方向的最小值/>和最大值/>；
Step2：以1毫米点云距离为步长沿X方向进行切片，切片数；
Step3：创建点云列表，其中/>存放区间内的点云，/>存放/>区间内的点云；
Step4：计算中各点云列表对应圆度，放至点云圆度列表/>，计算/>中各点云列表对应半径，放至外接圆半径列表/>；
for i=0 to size
从中取出第/>个点集/>，将/>各点映射到YOZ平面，即各点X坐标置为0得到二维点集/>；
其中为圆度，/>为最小外接圆半径，/>为点集曲面面积；
=/>
=/>
end for
Step5：计算沿X方向的切片形态分布，具体步骤如下所示：
输入圆度列表、半径列表/>及初始化空列表/>；
归一化得到/>；
对于点云列表中每一个点，计算形态分布具体表达式如下所示：
根据上述过程，分别沿X、Y、Z轴的切片可得到切片形态分布列表、/>、/>。
S330：分别对、/>、/>进行曲线拟合，若拟合曲线趋势符合图9中的(a)示图，则沿对应轴方向所垂直的平面逆时针旋转90°，若符合图9中的(b)示图，则沿对应轴方向所垂直的平面顺时针旋转90°，得到转正点云/>，如图6所示。
其中，根据待测物体形态分布特点，当所沿轴是基部到顶部方向时，在基部邻域内切片形态数值较稳定且远高于远离基部邻域的形态数值，否则切片形态数值不符合该分布规律，据此可判断基部方位，根据基部方位得到沿各方向轴旋转角度，经旋转得到转正点云如图7所示。
在步骤S400中，根据外接立方体得到待测物体点云宽度及待测物体点云高度，包括以下步骤：
S410：遍历转正点云中各点的X、Y、Z轴的坐标，得到最大值、/>、/>及最小值/>、/>、/>；
S420：通过拟合得到外接立方体，其中最远对角顶点坐标为、；
S430：计算所述外接立方体沿各轴长度，记作、/>、/>，进而得到待测物体宽度、待测物体高度，具体表达式如下所示：
其中，表示待测物体点云宽度，/>表示待测物体点云高度。
在步骤S500中，对所述转正点云进行表面重建，得到点云重建信息，根据点云重建信息得到待测物体点云表面积及待测物体点云体积，包括以下步骤：
对转正点云进行三角曲面重建如图8所示，根据三角化数据计算表面积、体积，具体步骤如下所示：
Step1：采用delaunay三角化算法构建的三角网格/>，其中三角形个数为n；
Step2：遍历中每一个三角形，根据三角形顶点坐标计算得到三角形的边长，根据海伦公式计算三角形面积；
Step3：将所得三角形面积相加，即可得到整个三角网格模型的面积area；
所述海伦公式具体表达式如下所示：
其中，为/>中第/>个三角形，/>、/>、/>分别为第/>个三角形三条边的长度；
Step4：遍历中每个三角形与原点之间的距离/>，将三角形面积/>与距离/>相乘，得到乘积/>；
Step5：将所得所有乘积进行相加，即可得到整个三角网络模型的体积。
在步骤S600中，基于待测物体点云长度与待测物体实际长度的对应关系，将待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行转换，得到待测物体实际表型信息，即待测物体实际宽度、待测物体实际高度、待测物体实际表面积及待测物体实际体积，包括以下步骤：
计算得到三维测量比例尺，即待测物体点云长度与待测物体实际长度的对应关系，通过尺度因子进行转换得到待测物体实际表型信息，具体表达式如下所示：
其中，表示实际待测物体宽度，/>表示实际待测物体高度，/>表示实际待测物体表面积，/>表示实际待测物体体积，/>表示三维测量比例尺。
实施例2：
一种待测物体三维表型测量系统，如图2所示，包括点云获取模块100、点云去噪模块200、点云转正模块300、点云拟合模块400、表面重建模块500及尺度转换模块600；
所述点云获取模块100，基于待测物体全视角图像，通过三维全貌重建得到原始点云，对原始点云进行预处理得到初始点云；
所述点云去噪模块200，基于待测物体颜色分布特征，对初始点云颜色进行判别以去除噪声点云，进而去除孤立点云得到去噪点云；
所述点云转正模块300，计算所述去噪点云的倾斜角度，基于倾斜角度进行旋转，得到第一点云，并得到待测物体基部方位，基于基部方位进行旋转得到转正点云；
所述点云拟合模块400，根据外接立方体得到待测物体点云宽度及待测物体点云高度；
所述表面重建模块500，对所述转正点云进行表面重建，得到点云重建信息，根据点云重建信息得到待测物体点云表面积及待测物体点云体积；
所述尺度转换模块600，基于待测物体点云长度与待测物体实际长度的对应关系，将待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行转换，得到待测物体实际表型信息，即待测物体实际宽度、待测物体实际高度、待测物体实际表面积及待测物体实际体积。
在不脱离本发明的精神和范围的情况下做出的各种变化和变型,所有等同的技术方案也属于本发明的范畴。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同、相似的部分互相参见即可。
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、装置、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的方法、终端设备(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终端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终端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终端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终端设备上，使得在计算机或其他可编程终端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终端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。
需要说明的是：
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (16)
1.一种待测物体三维表型测量方法，其特征在于，包括以下步骤：
基于待测物体全视角图像，通过三维全貌重建得到原始点云，对原始点云进行预处理得到初始点云；
基于待测物体颜色分布特征，对初始点云颜色进行判别以去除噪声点云，进而去除孤立点云得到去噪点云；
计算所述去噪点云的倾斜角度，基于倾斜角度进行旋转，得到第一点云，并得到待测物体基部方位，基于基部方位进行旋转得到转正点云；
根据外接立方体得到待测物体点云宽度及待测物体点云高度；
对所述转正点云进行表面重建，得到点云重建信息，根据点云重建信息得到待测物体点云表面积及待测物体点云体积；
基于待测物体点云长度与待测物体实际长度的对应关系，将待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行转换，得到待测物体实际表型信息，即待测物体实际宽度、待测物体实际高度、待测物体实际表面积及待测物体实际体积。
2.根据权利要求1所述的一种待测物体三维表型测量方法，其特征在于，基于待测物体全视角图像，通过三维全貌重建得到原始点云，对原始点云进行预处理得到初始点云，包括以下步骤：
采集待测物体全视角图像，根据多视图三维建模算法，重建得到包含颜色、位置信息的原始点云；
基于原始点云的位置信息，预处理删除其中不符合待测物体生长特征的点云，得到初始点云。
3.根据权利要求1所述的一种待测物体三维表型测量方法，其特征在于，基于待测物体颜色分布特征，对初始点云颜色进行判别以去除噪声点云，进而去除孤立点云得到去噪点云，包括以下步骤：
将待测物体颜色分布特性作为先验信息，设定颜色聚类数量，基于颜色信息对初始点云进行聚类，得到聚类点云；
计算所述聚类点云中各个聚类点云块的密度，按照密度大小对聚类点云块进行排序；
分析排序后各聚类点云块密度、颜色分布区间，滤除判定为噪声的聚类点云块，得到初步去噪点云；
消除初步去噪点云中的孤立点云，得到去噪点云。
4.根据权利要求3所述的一种待测物体三维表型测量方法，其特征在于，所述对初始点云颜色进行判别以去除噪声点云，包括以下步骤：
对初始点云进行分析，具体表达式如下所示：
其中，表示初始点云中某一点/>通道的分离值，/>表示初始点云中某一点/>通道的分离值，/>表示初始点云中某一点/>通道的分离值，/>表示超绿色指标，/>表示超红色指标，/>表示超红超绿差分指数；
分析超红超绿差分指数及对应聚类点云块密度，满足下述条件则判定为噪声点，具体表达式如下所示：
其中，为对应聚类点云块密度，/>为密度阈值。
5.根据权利要求1所述的一种待测物体三维表型测量方法，其特征在于，计算所述去噪点云的倾斜角度，基于倾斜角度进行旋转，得到第一点云，并得到待测物体基部方位，基于基部方位进行旋转得到转正点云，包括以下步骤：
经计算得到去噪点云倾斜角度，根据倾斜角度旋转去噪点云，得到第一点云；
计算得到待测物体基部方位，根据待测物体基部方位得到各方向轴角度，基于各方向轴角度旋转得到转正点云。
6.根据权利要求5所述的一种待测物体三维表型测量方法，其特征在于，所述计算所述去噪点云的倾斜角度，包括以下步骤：
对去噪点云进行横坐标分量、纵坐标分量、竖坐标分量分解，并求解协方差矩阵；
计算协方差矩阵的特征值及特征向量，基于特征向量构建特征矩阵，所述特征向量即为待测物体点云的倾斜角度。
7.根据权利要求5所述的一种待测物体三维表型测量方法，其特征在于，所述得到待测物体基部方位，包括以下步骤：
将所述第一点云沿横轴、纵轴及竖轴的轴面进行均匀切片；
计算各切片圆度与拟合圆半径，得到横轴点云切片圆度及点云拟合半径、纵轴点云切片圆度及点云拟合半径、竖轴点云切片圆度及点云拟合半径；
根据点云切片圆度及点云拟合半径变化趋势得到第一点云基部方向，其中，包括第一点云各方向轴角度。
8.根据权利要求1所述的一种待测物体三维表型测量方法，其特征在于，根据外接立方体得到待测物体点云宽度及待测物体点云高度，包括以下步骤：
计算拟合所得外接立方体顶点坐标，得到外接立方体沿各方向轴距离；
根据各方向轴距离，通过计算得出待测物体点云宽度及待测物体点云高度。
9.根据权利要求1所述的一种待测物体三维表型测量方法，其特征在于，对所述转正点云进行表面重建，得到点云重建信息，根据点云重建信息得到待测物体点云表面积及待测物体点云体积，包括以下步骤：
采用三角化算法构建转正点云三角网格，遍历计算三角网格中三角形位置信息，计算得出各三角形面积，具体表达式如下所示：
其中，表示三角网格中第/>个三角形面积，/>分别表示三角网格中第/>个三角形的三条边；
结合各三角形面积计算得到整个三角网格表面积及三角网格体积，具体表达式如下所示：
其中，表示三角网格表面积，/>表示三角网格体积，/>表示三角网格中三角形总数量，/>表示第/>个三角形与原点之间的距离，所述三角网格表面积即为待测物体点云表面积，所述三角网格体积即为待测物体点云体积。
10.根据权利要求1所述的一种待测物体三维表型测量方法，其特征在于，基于待测物体点云长度与待测物体实际长度的对应关系，将待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行转换，得到待测物体实际表型信息，即待测物体实际宽度、待测物体实际高度、待测物体实际表面积及待测物体实际体积，包括以下步骤：
计算得到三维测量比例尺，所述三维测量比例尺为待测物体点云长度与待测物体实际长度的对应关系；
对所述待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行变换得到实际待测物体宽度、实际待测物体高度、实际待测物体表面积及实际待测物体体积，具体表达式如下所示：
其中，表示待测物体点云宽度，/>表示待测物体点云高度，/>表示实际待测物体宽度，/>表示实际待测物体高度，/>表示实际待测物体表面积，/>表示实际待测物体体积，/>表示三维测量比例尺。
11.一种待测物体三维表型测量系统，其特征在于，包括点云获取模块、点云去噪模块、点云转正模块、点云拟合模块、表面重建模块及尺度转换模块；
所述点云获取模块，基于待测物体全视角图像，通过三维全貌重建得到原始点云，对原始点云进行预处理得到初始点云；
所述点云去噪模块，基于待测物体颜色分布特征，对初始点云颜色进行判别以去除噪声点云，进而去除孤立点云得到去噪点云；
所述点云转正模块，计算所述去噪点云的倾斜角度，基于倾斜角度进行旋转，得到第一点云，并得到待测物体基部方位，基于基部方位进行旋转得到转正点云；
所述点云拟合模块，根据外接立方体得到待测物体点云宽度及待测物体点云高度；
所述表面重建模块，对所述转正点云进行表面重建，得到点云重建信息，根据点云重建信息得到待测物体点云表面积及待测物体点云体积；
所述尺度转换模块，基于待测物体点云长度与待测物体实际长度的对应关系，将待测物体点云宽度、待测物体点云高度、待测物体点云表面积及待测物体点云体积进行转换，得到待测物体实际表型信息，即待测物体实际宽度、待测物体实际高度、待测物体实际表面积及待测物体实际体积。
12.根据权利要求11所述的一种待测物体三维表型测量系统，其特征在于，所述点云去噪模块，被设置为：
对初始点云进行分析，具体表达式如下所示：
其中，表示初始点云中某一点/>通道的分离值，/>表示初始点云中某一点/>通道的分离值，/>表示初始点云中某一点/>通道的分离值，/>表示超绿色指标，/>表示超红色指标，/>表示超红超绿差分指数；
分析超红超绿差分指数及对应聚类点云块密度，满足下述条件则判定为噪声点，具体表达式如下所示：
其中，为对应聚类点云块密度，/>为密度阈值。
13.根据权利要求11所述的一种待测物体三维表型测量系统，其特征在于，所述点云转正模块，被设置为：
对去噪点云进行横坐标分量、纵坐标分量、竖坐标分量分解，并求解协方差矩阵；
计算协方差矩阵的特征值及特征向量，基于特征向量构建特征矩阵，所述特征向量即为待测物体点云的倾斜角度。
14.根据权利要求11所述的一种待测物体三维表型测量系统，其特征在于，所述点云转正模块，被设置为：
将所述第一点云沿横轴、纵轴及竖轴的轴面进行均匀切片；
计算各切片圆度与拟合圆半径，得到横轴点云切片圆度及点云拟合半径、纵轴点云切片圆度及点云拟合半径、竖轴点云切片圆度及点云拟合半径；
根据点云切片圆度及点云拟合半径变化趋势得到第一点云基部方向，其中，包括第一点云各方向轴角度。
15.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至10任意一项所述的方法。
16.一种待测物体三维表型测量装置，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至10任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311598872.8A CN117315002B (zh) | 2023-11-28 | 2023-11-28 | 待测物体三维表型测量方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311598872.8A CN117315002B (zh) | 2023-11-28 | 2023-11-28 | 待测物体三维表型测量方法、系统及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117315002A CN117315002A (zh) | 2023-12-29 |
| CN117315002B true CN117315002B (zh) | 2024-01-26 |
Family
ID=89250237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311598872.8A Active CN117315002B (zh) | 2023-11-28 | 2023-11-28 | 待测物体三维表型测量方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117315002B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111724433A (zh) * | 2020-06-24 | 2020-09-29 | 广西师范大学 | 一种基于多目视觉的作物表型参数提取方法及系统 |
| CN112036407A (zh) * | 2020-07-30 | 2020-12-04 | 北京农业信息技术研究中心 | 一种植物群体三维表型原位获取方法及装置 |
| WO2023179719A1 (zh) * | 2022-03-23 | 2023-09-28 | 安翰科技(武汉)股份有限公司 | 医疗设备、胃部三维模型重建方法及其装置 |
-
2023
- 2023-11-28 CN CN202311598872.8A patent/CN117315002B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111724433A (zh) * | 2020-06-24 | 2020-09-29 | 广西师范大学 | 一种基于多目视觉的作物表型参数提取方法及系统 |
| CN112036407A (zh) * | 2020-07-30 | 2020-12-04 | 北京农业信息技术研究中心 | 一种植物群体三维表型原位获取方法及装置 |
| WO2023179719A1 (zh) * | 2022-03-23 | 2023-09-28 | 安翰科技(武汉)股份有限公司 | 医疗设备、胃部三维模型重建方法及其装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于RGB-D相机的多视角机械零件三维重建;信寄遥;陈成军;李东年;;计算技术与自动化(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117315002A (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021000719A1 (zh) | 一种基于三维点云的小曲率薄壁零件机器人加工边界提取方法 | |
| CN111724433B (zh) | 一种基于多目视觉的作物表型参数提取方法及系统 | |
| CN106529469B (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
| CN111340723B (zh) | 一种地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法 | |
| CN109146948B (zh) | 基于视觉的作物长势表型参数量化与产量相关性分析方法 | |
| Li et al. | A leaf segmentation and phenotypic feature extraction framework for multiview stereo plant point clouds | |
| CN111932688A (zh) | 一种基于三维点云的室内平面要素提取方法、系统及设备 | |
| CN106504277B (zh) | 一种改进的icp点云自动配准方法 | |
| CN110111430B (zh) | 一种从三维点云中提取二次曲面的方法 | |
| CN111667529A (zh) | 一种植物点云叶片分割与表型特征测量方法 | |
| CN111598780B (zh) | 一种适用于机载LiDAR点云的地形自适应插值滤波方法 | |
| CN112435239A (zh) | 基于MRE-PointNet和自编码器模型的绿萝叶片外形参数估测方法 | |
| Ando et al. | Robust surface reconstruction of plant leaves from 3D point clouds | |
| CN112233249A (zh) | 基于密集点云的b样条曲面拟合方法及装置 | |
| CN115937151B (zh) | 一种作物叶片卷曲程度的判定方法 | |
| CN113177897A (zh) | 一种无序3d点云的快速无损滤波方法 | |
| CN117408913B (zh) | 待测物体点云去噪方法、系统及装置 | |
| CN116523898A (zh) | 一种基于三维点云的烟草表型性状提取方法 | |
| CN112348802A (zh) | 植物叶倾角测量方法及装置 | |
| CN113780144A (zh) | 一种基于3d点云的作物株数及茎宽自动提取方法 | |
| Zhu et al. | 3D reconstruction of plant leaves for high-throughput phenotyping | |
| CN115410036A (zh) | 一种高压架空输电线路关键要素激光点云自动分类方法 | |
| Wang et al. | DFSP: A fast and automatic distance field-based stem-leaf segmentation pipeline for point cloud of maize shoot | |
| CN114898118A (zh) | 基于多源点云的输电线路房屋拆迁量自动统计方法及系统 | |
| CN117315049B (zh) | 三维全貌测量的比例尺标定方法、系统及装置 |
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 |