蘋果是我國重要的經(jīng)濟(jì)作物,我國是世界上的蘋果生產(chǎn)和消費大國,但是蘋果的優(yōu)產(chǎn)率和出口率低。蘋果生長過程中所反映出的形態(tài)信息以及相關(guān)生理生化指標(biāo),是支撐果樹培育相關(guān)研究不可缺少的重要信息,蘋果樹生長過程數(shù)字化與可視化表達(dá)技術(shù)對科學(xué)精準(zhǔn)的田間管理具有重要的理論意義和應(yīng)用價值。但是目前關(guān)于果樹數(shù)字化的研究仍存在一些問題,主要有:高精度的點云掃描設(shè)備價格昂貴,樹點云數(shù)據(jù)難以無損完整獲取;重構(gòu)出的樹模型精度不高,植物學(xué)特性低;生長過程模擬的研究大都使用基于規(guī)則的方法,偏重于視覺效果,真實感較低,對光照等環(huán)境因素的交互研究較少。基于此,本文以陜西省種植較為廣泛的‘陜富6號’蘋果樹為研究對象,采用理論分析、可視化模擬和實驗研究相結(jié)合的技術(shù)路線,開展了基于點云數(shù)據(jù)的蘋果樹三維重構(gòu)、冠層光照分布預(yù)測和一個生長周期內(nèi)的生長過程模擬研究,本文主要工作如下:(1)針對果樹點云數(shù)據(jù)難以無損、完整獲取的問題,構(gòu)建了樹木點云數(shù)據(jù)獲取和預(yù)處理方案。使用微軟公司出品的消費級三維激光掃描儀Kinect V2.0,結(jié)合掃描設(shè)備配套的SDK,對Kinect V2.0進(jìn)行二次開發(fā),獲取掃描對象的深度數(shù)據(jù)和顏色數(shù)據(jù),同時將深度信息和顏色信息進(jìn)行一一映射,為后期蘋果果實定位提供數(shù)據(jù)支撐。獲取點云數(shù)據(jù)時,為了保證掃描對象的數(shù)據(jù)完整度和減少冗余數(shù)據(jù)的產(chǎn)生,使用正反雙面掃描策略。針對原始點云數(shù)據(jù)含有大量地面噪聲和離群噪聲的問題,根據(jù)噪聲點云的分布規(guī)律,本文使用直通濾波和統(tǒng)計濾波的方法進(jìn)行去噪處理;使用人工標(biāo)記的初始配準(zhǔn)方法結(jié)合IRLS-ICP的精配準(zhǔn)方法將正反雙面點云進(jìn)行拼接,人工標(biāo)記法可以使兩片待配準(zhǔn)點云有較好的初始位姿,IRLS-ICP算法可以保證配準(zhǔn)的精度,配準(zhǔn)誤差小于3.25cm。配準(zhǔn)后的點云數(shù)據(jù)使用體素化下采樣的方法進(jìn)行精簡,體素化方法可以在保留形狀特征的基礎(chǔ)上減少冗余點云。點云數(shù)據(jù)獲取和預(yù)處理為樹模型的三維重構(gòu)研究提供了原始數(shù)據(jù)。(2)以預(yù)處理后的點云數(shù)據(jù)為基礎(chǔ),基于骨架信息的重構(gòu)策略,提出了角度約束-空間殖民算法獲取樹木骨架點信息。在骨架信息基礎(chǔ)上,使用廣義圓柱體重構(gòu)樹木枝干模型。最后基于葉序規(guī)則添加樹葉模型,同時,提出了一種基于單幅圖像的葉片模型便捷重構(gòu)方法。樹重構(gòu)試驗表明:角度約束-空間殖民算法可以獲取連續(xù)的骨架信息,重構(gòu)方法具有較好的普適性和魯棒性,在高斯噪聲標(biāo)準(zhǔn)差小于0.02或者精簡率小于70%時,對重構(gòu)結(jié)果影響較小。重構(gòu)后的三維模型與初始三維點云吻合度高,能夠展現(xiàn)樹的拓?fù)浣Y(jié)構(gòu)關(guān)系,重構(gòu)誤差在7.5%以內(nèi)。(3)以重構(gòu)出的樹木三維模型和獲取到的RGB-D點云數(shù)據(jù)為基礎(chǔ),提出了一種基于隨機(jī)森林回歸算法的冠層光照預(yù)測模型。將蘋果樹三維模型置于虛擬場景中,在豎直方向上使用“切片法”將冠層模型每隔10cm分層劃分,使用POV-Ray渲染器逐層渲染陰影,獲得陰影圖,同時使用光照度計,自頂向下每隔10cm實測光照強度數(shù)據(jù),構(gòu)建以每層陰影圖灰度特征和每層點云HSI顏色特征為輸入、以相對光照強度為輸出的隨機(jī)森林網(wǎng)絡(luò),將此作為蘋果樹冠層光照分布預(yù)測模型。試驗結(jié)果表明,該方法能夠較為準(zhǔn)確的預(yù)測冠層內(nèi)的光照分布情況,樣本預(yù)測值與實際值的平均決定系數(shù)R~2為0.853,平均MAPE為27.1%。(4)基于虛擬器官理論,將蘋果樹一個生長周期分解為枝條生長模擬、花期模擬、葉片生長模擬和果實膨大模擬。在馬爾可夫模型基礎(chǔ)上,提出了點云邊界約束-可逆半馬爾可夫鏈模型,對枝條生長過程進(jìn)行模擬;使用平面雙向形變算法對花期進(jìn)行模擬;使用距離約束的異速生長理論對葉片的生長進(jìn)行模擬;使用游標(biāo)卡尺連續(xù)測量蘋果果實的縱徑和橫徑,擬合出蘋果果實S型生長曲線,使用3D Morphing技術(shù)對果實膨大過程進(jìn)行模擬,同時,改進(jìn)經(jīng)典的Faster Rcnn算法,提出了基于三特征的非極大值抑制算法,提高了蘋果果實的識別率,識別準(zhǔn)確率由84.1%提高至91.3%,基于深度信息與顏色信息一一映射的關(guān)系,定位果實的三維坐標(biāo)。最后,基于懸臂梁力學(xué)模型,對生長過程中果實墜枝進(jìn)行了模擬。
【學(xué)位單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2019
【中圖分類】：S661.1;TP391.41
【部分圖文】：

第一章 緒論 長模擬方法能夠很好地控制植物生長的可視化過程，并真實地模擬現(xiàn)實世界中各種形態(tài)的植物及其生長環(huán)境，圖 1-1 展示了幾種 L 系統(tǒng)生成的植物模型。Honda(1971)建立了熱帶樹分枝幾何模型，首次實現(xiàn)了樹結(jié)構(gòu)計算機(jī)模擬，Hackett(1972)首次進(jìn)行了根系二維分枝模擬研究，F(xiàn)ournier 等(1999)依據(jù) L-系統(tǒng)和計算機(jī)圖形學(xué)實現(xiàn)了對玉米生長發(fā)育過程的三維結(jié)構(gòu)模擬，對玉米生長過程進(jìn)行了研究(劉剛等 2014)。

(a)源圖 (b)運動恢復(fù) (c)重建可見枝條 (d)重建遮擋枝條 (e)重建結(jié)果 (a)Source image (b)SFM (c)Visible branches (d)Occluded branches (e)3D model 圖 1-2 基于多幅圖像的樹建模(Tan 等 2007) Fig. 1-2 Tree modeling based on multiple images(Tan et al. 2007) Tan 的算法雖然可以重建出較高精度的樹木模型，但是需要的圖片數(shù)量較多，增加了用戶采集圖像的任務(wù)。針對這個問題，胡少軍等(2014)提出基于稀疏圖像的樹三維重建方法。與其他算法不同的是，在圖片采集時，先采集 2 幅相差 90°的樹木初始圖像，然后再采集 90°之間的插值圖像 4-7 幅。隨后，采用半自動化的方式在初始圖像中獲取枝干投影位置，通過插值圖像完善枝條信息，逐個尋找各個枝條在其他插值圖像中的匹配樹枝，最后使用透視矯正生成樹的三維模型，如圖 1-3所示。此方法可以減少輸入圖片的數(shù)量，但是很多操作依賴交互式完成，對用戶的要求較高并且處理耗時較長，對于樹葉稠密的大型樹木，重建難度較大。

第一章 緒論 Zeng 等(2006)在多幅圖像的基礎(chǔ)上提出了基于單幅圖像的樹重建算法。首先算法通過對圖像信息細(xì)化，分類等獲取枝條的二維結(jié)構(gòu)，之后使用分枝旋轉(zhuǎn)的方法將二維信息轉(zhuǎn)換到三維實現(xiàn)樹木的三維重建，但是此方法的精度不高。Tan 等(2008)在其研究團(tuán)隊前期的成果上提出了經(jīng)典的基于單幅圖像的樹重建算法。該方法需要用戶勾勒出樹冠的輪廓以及主要枝條，是一種交互式-草圖式的建模方法。此方法中作者引入了樹枝庫的概念，算法將用戶勾勒出的枝條信息轉(zhuǎn)化到三維空間內(nèi)，建立樹枝庫�；诮⒑玫臉渲�，選擇合適的樹枝分枝結(jié)構(gòu)適配圖像中的樹冠輪廓，直至適配完整個樹冠。建模效果如圖 1-4所示。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王雯;任小玲;陳逍遙;;一種改進(jìn)的區(qū)域增長彩色3D點云分割算法[J];國外電子測量技術(shù);2018年11期

2 陳華臻;高健;;面向反光工件點云缺陷的點云增強算法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2019年07期

3 馬東嶺;王曉坤;李廣云;;一種基于高度差異的點云數(shù)據(jù)分類方法[J];測繪通報;2018年06期

4 楊澤鑫;程效軍;丁瓊;程小龍;;面向室內(nèi)場景點云的對象重建[J];測繪通報;2017年06期

5 翁福洲;黃鶴;;快速點云定向數(shù)學(xué)模型實際精度分析[J];北京測繪;2017年04期

6 琚俏俏;王令文;;基于自適應(yīng)切片的點云壓縮算法[J];工程勘察;2017年09期

7 許寧;鐘友玲;;地面三維激光掃描點云重建技術(shù)研究[J];數(shù)碼世界;2017年08期

8 龔書林;;三維激光點云處理軟件的若干關(guān)鍵技術(shù)[J];測繪通報;2014年06期

9 徐守乾;朱延娟;;稀疏點云的曲面重構(gòu)[J];中國制造業(yè)信息化;2011年03期

10 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點云數(shù)據(jù)融合算法[J];西安交通大學(xué)學(xué)報;2009年05期

相關(guān)會議論文 前10條

1 牛雪娟;劉景泰;孫雷;;基于小波變換的柵格點云多分辨率分析[A];第二十七屆中國控制會議論文集[C];2008年

2 楊雪春;;反求工程建模中點云切片技術(shù)研究[A];全國先進(jìn)制造技術(shù)高層論壇暨第八屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2009年

3 趙小祥;劉寶武;;車載點云中建筑物快速提取方法[A];地理信息與人工智能論壇暨江蘇省測繪地理信息學(xué)會2017年學(xué)術(shù)年會論文集[C];2017年

4 張舒;謝艾伶;白志輝;王響雷;;三維激光掃描點云粗差剔除方法研究[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

5 解輝;張愛武;孟憲剛;;機(jī)載激光點云快速繪制方法[A];第二十五屆全國空間探測學(xué)術(shù)研討會摘要集[C];2012年

6 李文濤;韋群;楊海龍;;基于圖像的點云生成和預(yù)處理[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

7 吳新橋;王昊;楊家慧;;面向電網(wǎng)巡檢的點云高精度配準(zhǔn)算法研究[A];生態(tài)互聯(lián) 數(shù)字電力——2019電力行業(yè)信息化年會論文集[C];2019年

8 童艷麗;施昆;李志杰;;機(jī)載激光點云與影像的融合與分類技術(shù)研究[A];云南省測繪地理信息學(xué)會2016年學(xué)術(shù)年會論文集[C];2016年

9 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2009年

10 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 本報記者 楊靜;私企的天空有點云[N];山西經(jīng)濟(jì)日報;2001年

2 記者 張瑩瑩;指點云嶺 激揚文字[N];云南政協(xié)報;2012年

3 商報記者 張緒旺;盤點云計算：概念眾多 能力存疑[N];北京商報;2011年

4 記者 王力中 通訊員 沈惠芳;世界頂尖點云掃描設(shè)備技術(shù)入駐德清[N];湖州日報;2015年

5 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

6 VAR記者 張林才　郭宏遠(yuǎn) 彭敏;點云成金[N];電腦商報;2011年

7 高衛(wèi)松　蔡列飛;武大師生兩論文獲美國攝影測量與遙感學(xué)會獎[N];中國測繪報;2014年

8 記者 祝桂峰 通訊員 張榮;構(gòu)建“智慧廣州”又添新技術(shù)[N];中國礦業(yè)報;2012年

9 張立本 彭桂輝;航測局四項科研成果通過鑒定[N];中煤地質(zhì)報;2014年

10 本報記者 李樹

本文編號：2830633