玉米是世界上年產(chǎn)量最高的主糧。玉米的表型參數(shù)跟其生物量和產(chǎn)量有著密切的關(guān)系,因此,準(zhǔn)確測(cè)量玉米的表型參數(shù)變得尤為重要。傳統(tǒng)的玉米表型參數(shù)測(cè)量方法存在主觀性強(qiáng)、勞動(dòng)強(qiáng)度大、有損等問(wèn)題。本文采用前期研制的小車(chē)在戶外采集不同視角下的玉米植株二維圖像（采集間隔大約為5～6cm）,基于運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)（Sf M）算法重建玉米植株模型,運(yùn)用直通濾波、圓柱擬合和條件歐氏聚類算法自動(dòng)分割出單株、莖稈和葉片點(diǎn)云;基于距離最值遍歷、三角面片化等算法實(shí)現(xiàn)株高、莖粗、葉面積等11個(gè)性狀的準(zhǔn)確、無(wú)損測(cè)量。主要研究?jī)?nèi)容和結(jié)果如下:（1）以80株抽穗期的盆栽玉米為研究對(duì)象,基于Sf M重建了玉米植株的三維模型,并提取了株高、莖粗、三維葉面積和二維投影面積等性狀,與人工測(cè)量值相比較,株高、莖粗、葉面積的決定系數(shù)（R~2）分別為0.970、0.842、0.901,平均絕對(duì)百分比誤差（MAPE）分別為3.163%、4.760%、19.102%,均方根誤差（RMSE）分別為3.557cm、1.540mm、48.163cm~2。將得到的80株玉米人工分類為低地上部生物量玉米和高地上部生物量玉米兩類,通過(guò)SPSS軟件將單株的株高、... 

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 植物三維重建技術(shù)概述
        1.2.2 運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法研究狀況
    1.3 主要研究?jī)?nèi)容和技術(shù)路線
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 技術(shù)路線
    1.4 本章小結(jié)
第二章 實(shí)驗(yàn)材料與圖像采集系統(tǒng)
    2.1 實(shí)驗(yàn)材料
    2.2 圖像采集系統(tǒng)
        2.2.1 玉米圖像獲取系統(tǒng)
        2.2.2 三維重建與點(diǎn)云處理軟件
    2.3 本章小結(jié)
第三章 基于運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)(SfM)的三維重建
    3.1 運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法重建原理和流程
        3.1.1 運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法重建原理
        3.1.2 運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法重建流程
    3.2 三維模型可視化
    3.3 運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)三維重建影響因素
    3.4 全生育期玉米植株重建
    3.5 田間玉米三維重建
    3.6 本章小結(jié)
第四章 玉米點(diǎn)云預(yù)處理與特征分割
    4.1 扣取目標(biāo)點(diǎn)云
    4.2 點(diǎn)云數(shù)據(jù)下采樣和降噪
    4.3 點(diǎn)云坐標(biāo)比例校正
    4.4 點(diǎn)云坐標(biāo)轉(zhuǎn)換校正
    4.5 分割盆沿平面
    4.6 玉米植株三維點(diǎn)云分割
    4.7 本章小結(jié)
第五章 玉米植株三維性狀提取方法研究
    5.1 玉米株高的計(jì)算
    5.2 玉米單株最小包圍盒體積的計(jì)算
    5.3 玉米莖粗的計(jì)算
    5.4 葉片數(shù)的計(jì)算
    5.5 葉周長(zhǎng)和葉面積的計(jì)算
    5.6 單片葉最小包圍盒體積的計(jì)算
    5.7 玉米葉投影面積、寬度和長(zhǎng)度計(jì)算
    5.8 葉夾角的計(jì)算
    5.9 本章小結(jié)
第六章 玉米三維表型性狀分析
    6.1 80株抽穗期玉米表型性狀分析
        6.1.1 性狀參數(shù)測(cè)量結(jié)果與分析
        6.1.2 單株性狀參數(shù)顯著性分析
    6.2 25個(gè)玉米品種全生育期表型性狀分析
    6.3 24株田間玉米表型性狀分析
    6.4 本章小結(jié)
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
附錄:攻讀碩士期間發(fā)表的論文和專利
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于SfM的針葉林無(wú)人機(jī)影像樹(shù)冠分割算法[J]. 楊全月,董澤宇,馬振宇,吳悠,崔琪,盧昊.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020(06)
[2]Deep neural network algorithm for estimating maize biomass based on simulated Sentinel 2A vegetation indices and leaf area index[J]. Xiuliang Jin,Zhenhai Li,Haikuan Feng,Zhibin Ren,Shaokun Li.  The Crop Journal. 2020(01)
[3]基于非接觸式方法的三維重建技術(shù)綜述[J]. 陳華禎,張昂,馬曉倩.  電子世界. 2020(03)
[4]三農(nóng)筆記之二：饑餓地球與主糧作物[J]. 姜鵬.  北京規(guī)劃建設(shè). 2020(01)
[5]點(diǎn)云數(shù)據(jù)濾波算法研究[J]. 焦晨,王寶鋒,易耀華.  國(guó)外電子測(cè)量技術(shù). 2019(11)
[6]基于光學(xué)相機(jī)的植物表型測(cè)量系統(tǒng)與時(shí)序生長(zhǎng)模型研究[J]. 張慧春,王國(guó)蘇,邊黎明,鄭加強(qiáng),周宏平.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(10)
[7]玉米加工及產(chǎn)業(yè)化發(fā)展文獻(xiàn)綜述[J]. 劉瑤,郭麗華.  北方經(jīng)貿(mào). 2019(08)
[8]北疆寒旱區(qū)不同水分處理對(duì)膜下滴灌青貯玉米植株生長(zhǎng)與產(chǎn)量的影響[J]. 加孜拉,白云崗,曹彪.  中國(guó)農(nóng)學(xué)通報(bào). 2019(16)
[9]基于多視角圖像的植物三維重建研究進(jìn)展[J]. 周靜靜,郭新宇,吳升,杜建軍,趙春江.  中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào). 2019(02)
[10]基于鄰域平均法的點(diǎn)云去噪算法研究[J]. 吳玉泉,李沛鴻,楊倩.  江西理工大學(xué)學(xué)報(bào). 2019(01)

碩士論文
[1]基于結(jié)構(gòu)光成像的棉花幼苗形態(tài)特征測(cè)量研究[D]. 李曜辰.華中農(nóng)業(yè)大學(xué) 2019
[2]基于磁導(dǎo)引的履帶式小車(chē)作物圖像自動(dòng)采集系統(tǒng)研究[D]. 王康.華中農(nóng)業(yè)大學(xué) 2019
[3]LiDAR點(diǎn)云中實(shí)時(shí)平面檢測(cè)算法研究與實(shí)現(xiàn)[D]. 蘭軍.北方工業(yè)大學(xué) 2019
[4]基于無(wú)人機(jī)遙感的玉米表型信息提取技術(shù)研究[D]. 張琪.東北農(nóng)業(yè)大學(xué) 2017
[5]多視影像密集匹配點(diǎn)云分類與測(cè)圖應(yīng)用研究[D]. 郭志勇.中國(guó)地質(zhì)大學(xué)(北京) 2017
[6]基于有序圖像的三維重建技術(shù)研究[D]. 孟超.哈爾濱工業(yè)大學(xué) 2013



本文編號(hào)：3726568