关键词:
三维重建
机电一体化
标定
植物表型
摘要:
植株表型参数是作物品种选育中判断品种优劣的重要依据。目前,植株表型测量大多依靠人工完成,效率低,误差大,且易对植株本身造成破坏。由于植株形态多变,交叠遮挡,基于二维图像分析的表型测量也难以反映完整的植株表型信息,易造成信息失真。因此,搭建植株表型3D识别装置,建立高精度、自动化、全生长周期的植株表型无损测量方法,是还原植株生长过程,高效获取植株表型参数,加速作物品种选育的重要基础。本文首先针对农学科研人员的工作场景,搭建全生长周期监测平台,实现植株育种过程环境参数与植株参数的收集。开发全生长周期表型3D识别自动化装置,实现植株选育过程全量信息收集,实现高效、自动化的品种选育模式,降低农学科研人员工作强度,提升实验效率。本文针对植株三维重建进行了研究,建立适合于设备的植株三维点云高精重建方法。使用深度相机采集多视角点云,经过标定、滤波、采样、拼接与二次滤波,从多视角点云中融合近百个植株三维点云模型,为后续研究提供基础。本文对植株表型参数测量问题进行了研究,提出点云数据提取方法,通过与真实值的回归分析,构建一系列植株三维表型参数无损测量方法:植株高度、宽度、投影面积、动态活性测量方法、基于叶尖点检测的植株宽度与叶片数量测量方法、基于DBSCAN的植株叶片数量测量方法等,实现较高精度、较快速度的植株几何信息提取。此外,本文对植株参数与环境因素的关联规律进行了研究,以水分和光照为例,以基于三维点云的测量方法为工具,以小白菜和罗勒作为实验对象,从农学实验方法出发,研究水分和光照对植株生长的影响,论证设备在农学科研中的有效性与可靠性。综上所述,本文针对植株三维重建测量设备缺乏、高精度三维模型获取困难和植株点云器官分割困难的难点,设计了植株表型3D识别装置,实现绿叶菜等小型植株快速、精确、完整点云获取与拼接,实现基于三维点云的多种关键植株参数测量。本文提出的植株生长监测方法与表型参数测量方法对于作物品种选育相关农学研究具有重要意义。