植物三維形態(tài)結(jié)構(gòu)是植物生長發(fā)育狀態(tài)的真實反映,能夠快速獲取數(shù)據(jù),進而精確構(gòu)建植物三維模型一直是植物學(xué)、計算機圖形學(xué)等領(lǐng)域的研究熱點。然而,植物是復(fù)雜的生命有機體,其形態(tài)結(jié)構(gòu)建模遠比工業(yè)機械零部件、建筑物等結(jié)構(gòu)建模困難,主要表現(xiàn)為其非剛性、動態(tài)生長、大小不一、結(jié)構(gòu)異同等特點,因此,實現(xiàn)植物從發(fā)芽、出苗、形態(tài)建成、成熟衰老的整個形態(tài)結(jié)構(gòu)過程的數(shù)據(jù)采集和建模需要大量、復(fù)雜、繁瑣的工作。如何以相對低成本的方式全面、準(zhǔn)確、無損和連續(xù)獲取植物形態(tài)結(jié)構(gòu)數(shù)據(jù),并以三維可視的方式分析研究農(nóng)作物的形態(tài)結(jié)構(gòu)和生長過程、進行表型測量是當(dāng)前數(shù)字植物、表型組學(xué)研究的關(guān)鍵環(huán)節(jié)。基于多視角圖像的三維重建方法通過拍攝多視角二維圖像序列,可以達到生成植物形態(tài)結(jié)構(gòu)致密點云和紋理數(shù)據(jù)。與其它三維重建方法對比,該方法具有設(shè)備成本低、數(shù)據(jù)獲取方便、使用靈活等優(yōu)點,獲取的點云三維信息不僅具有高密度,而且包含了圖像真彩色紋理等信息,具有較強的真實感。近年來該方法受到廣大研究人員的關(guān)注,成為植物三維建模研究的主要方法之一,然而基于多視角圖像技術(shù)對植物進行三維重建,受到環(huán)境、相機點位設(shè)計、采集頻率等因素的影響及點云合成后處理的制約,因此... 

【文章來源】：上海海洋大學(xué)上海市

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 引言
    1.1 研究目的與研究意義
    1.2 國內(nèi)外研究現(xiàn)狀及趨勢
        1.2.1 基于多視角圖像的植物三維重建研究現(xiàn)狀
        1.2.2 點云配準(zhǔn)和拼接技術(shù)研究現(xiàn)狀
    1.3 論文的主要研究內(nèi)容及結(jié)構(gòu)安排
    1.4 本章小結(jié)
第二章 基于多視角圖像的三維重建簡介
    2.1 攝像機標(biāo)定介紹
    2.2 運動恢復(fù)結(jié)構(gòu)算法介紹
        2.2.1 二視圖點云生成
        2.2.2 多視角點云融合
        2.2.3 光束法平差優(yōu)化
    2.3 MVS稠密點云重建
    2.4 常用的三維重建軟件工具
    2.5 本章小結(jié)
第三章 基于多視角圖像的玉米植株重建設(shè)計
    3.1 基于旋轉(zhuǎn)軌道方式的拔節(jié)前期玉米植株的重建
        3.1.1 數(shù)據(jù)獲取與處理
        3.1.2 重建結(jié)果與分析
            3.1.2.1 不同數(shù)據(jù)的點云重建結(jié)果
            3.1.2.2 重建點云精度評價
            3.1.2.3 表型參數(shù)提取及誤差分析
        3.1.3 結(jié)論與討論
    3.2 基于電動轉(zhuǎn)臺方式的不同時期玉米植株的重建
        3.2.1 數(shù)據(jù)獲取與處理
            3.2.1.1 多視角圖像獲取
            3.2.1.2 對原圖像進行EXG超綠分割法的處理
        3.2.2 重建結(jié)果與分析
            3.2.2.1 對原圖像序列重建
            3.2.2.2 對處理后圖像序列重建
            3.2.2.3 對拔節(jié)前期玉米植株重建
        3.2.3 結(jié)論與討論
    3.3 本章小結(jié)
第四章 基于SfM和 ICP算法的高大玉米植株重建
    4.1 材料與方法
        4.1.1 植株截斷處理與圖像獲取
        4.1.2 點云重建與拼接處理
    4.2 結(jié)果與分析
        4.2.1 截斷植株拼接結(jié)果
        4.2.2 點云重疊部分誤差分析
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 研究工作總結(jié)
    5.2 研究不足與展望
參考文獻
附錄 攻讀碩士學(xué)位期間的科研成果
致謝


【參考文獻】：
期刊論文
[1]基于地面激光雷達的田間花生冠層高度測量系統(tǒng)研制[J]. 程曼,蔡振江,Ning Wang,袁洪波.  農(nóng)業(yè)工程學(xué)報. 2019(01)
[2]V-SLAM中點云配準(zhǔn)算法改進及移動機器人實驗[J]. 胡章芳,漆保凌,羅元,張毅,譚術(shù)兵.  哈爾濱工業(yè)大學(xué)學(xué)報. 2019(01)
[3]禾本科作物節(jié)單位研究進展[J]. 王勇健,溫維亮,郭新宇.  中國農(nóng)業(yè)科技導(dǎo)報. 2019(02)
[4]基于SIFT圖像拼接算法的標(biāo)準(zhǔn)樣板測量技術(shù)[J]. 程紀(jì)榕,趙軍,蔡瀟雨,邵力.  微納電子技術(shù). 2019(01)
[5]基于模板特征點提取的立體視覺里程計實現(xiàn)方法[J]. 包川,劉桂華.  傳感器與微系統(tǒng). 2018(07)
[6]基于立體視覺的玉米雄穗三維信息提取[J]. 韓東,楊貴軍,楊浩,邱春霞,陳明杰,溫維亮,牛慶林,楊文攀.  農(nóng)業(yè)工程學(xué)報. 2018(11)
[7]一種單目相機標(biāo)定算法研究[J]. 赫美琳,高明慧,李爽,楊開偉.  數(shù)字通信世界. 2018(05)
[8]應(yīng)用Harris角點檢測進行圖像拼接的超長板材尺寸測量方法[J]. 潘屾,王克奇,侯弘毅,張怡卓.  東北林業(yè)大學(xué)學(xué)報. 2018(04)
[9]基于t分布函數(shù)的玉米群體三維模型構(gòu)建方法[J]. 溫維亮,趙春江,郭新宇,王勇健,杜建軍,于澤濤.  農(nóng)業(yè)工程學(xué)報. 2018(04)
[10]LiDAR不同強度校正法對樟子松葉面積指數(shù)估測的影響[J]. 尤號田,邢艷秋,彭濤,丁建華.  測繪學(xué)報. 2018(02)

碩士論文
[1]基于多視圖的非增量式三維重建關(guān)鍵技術(shù)的研究與應(yīng)用[D]. 楊靜.中國科學(xué)院大學(xué)(中國科學(xué)院沈陽計算技術(shù)研究所) 2018
[2]基于三維激光點云的移動機器人同步定位與構(gòu)圖算法研究[D]. 趙紹安.電子科技大學(xué) 2018
[3]基于雙目視覺的移動機器人室內(nèi)三維地圖構(gòu)建方法研究[D]. 周智.哈爾濱工業(yè)大學(xué) 2017
[4]基于點云處理的場景三維重建[D]. 吳曉慶.西南科技大學(xué) 2017
[5]文物圖像復(fù)原技術(shù)研究[D]. 扎西頓珠.西藏大學(xué) 2017
[6]面向移動機器人視覺導(dǎo)航的三維環(huán)境重建技術(shù)研究[D]. 黃麗.浙江理工大學(xué) 2017
[7]基于雙目視覺的運動恢復(fù)結(jié)構(gòu)[D]. 楊陽.電子科技大學(xué) 2016
[8]SIFT特征匹配算法研究與改進[D]. 肖健.重慶大學(xué) 2012
[9]基于植物生長過程仿真的虛擬植物建模研究[D]. 黃偉.重慶大學(xué) 2011



本文編號：3439568