基于Kinect相机的油麦菜自动化三维点云重建

郑立华 王露寒 王敏娟 冀荣华

(中国农业大学现代精细农业系统集成研究教育部重点实验室， 北京 100083)

0 引言

利用计算机视觉技术对植物进行快速三维重建，获取植株的形态结构，并进行表型参数无损测量，可以客观反映植物生长状况[1-2]和关键性状[3-5]，为揭示植物生命科学规律、提高分子育种研究水平、发展精确农业管理模式提供科学依据[6-10]。

由于植物生长的复杂性和随机性，其三维模型的构建更为困难[11]。目前，基于温室或室外自然光照条件下的农作物三维点云重构技术日趋成熟，在农业领域的应用也愈加广泛和深入[12-17]。张慧春等[18]通过光学相机采集拟南芥植株的二维图像序列，利用运动中恢复结构 (Structure from motion, SfM) 算法生成了三维点云；梁秀英等[19]采集不同视角下的玉米植株图像，并利用基于SfM算法的Visual SfM软件获取玉米植株三维点云。以上研究侧重于植物表型参数提取，利用匹配算法从时间系列的二维图像中推算三维信息，并未针对植物三维点云进行自动化配准方法研究。郭彩玲等[20]利用地面三维激光扫描仪获取苹果树冠层三维点云，结合标靶球辅助进行配准，该方法保证了一定的配准精度，但存在数据采集设备成本过高的问题。

以Microsoft Kinect 2.0为代表的消费级深度相机具有性价比高、性能稳定等优点，利用该设备更容易获得高质量的三维图像。三维成像也已成为低成本农业应用中传感器设计、三维重建和表型分析[21]最具潜力的数据获取解决方案。……