一种基于三维重建的果树骨架提取方法

专利2026-10-02  3


本发明属于三维重建,具体而言,涉及一种三维重建的果树骨架提取方法。


背景技术:

1、修剪是果实生产管理过程中一项常年性的操作,对于产出高质量优质果实至关重要。目前果树修剪需要大量人工,劳动强度大,修剪成本高,依赖人工经验,尚未形成智能化解决方案。为降低劳动成本,提高修剪效率,国内外专家学者开展了智慧化修剪相关技术研究发现,利用先进技术对单棵果树的三维模型进行实时建模和测量,估计其三维空间结构信息,准确识别初级枝条的分布,是智能修剪过程的重要先导阶段。

2、研究人员已经开展了大量基于高精度传感器、l系统和基于多视图图像的果树三维重建研究。高精度传感器用于直接获得果树的三维点云模型,如激光扫描仪、深度传感器以及结构光。但农业应用环境中存在点云数据量大、重建目标类型多样、作业环境复杂以及相关传感器易受干扰等因素,制约着相关研究的实际落地应用。

3、随着计算机视觉及人工智能技术的发展,重建过程中遇到的点云数据配准效率低、三维重建模型质量差以及对硬件配置要求较高等诸多问题得到了极大的改善。获取多角度点云数据,基于特征点配准点云族以实现高精度三维重建,具有低成本、高效率以及高精度等优势。其中,特征点提取算法主要有sift(尺度不变特征转换scale-invariantfeature transform)、surf(加速稳健特征speeded up robust features)、fast(加速段测试的特征features from accelerated segment test)和orb(定向 fast 和旋转 brief)等,可用于寻找对象的关键特征点并进行匹配,映射空间点云位置及相机位置估计;相邻点云配准相关算法有束平差及icp(迭代最近点算法iterative closest point)等,可用于相邻点云配准。在实际的植物三维重建中,wang等构建基于kinect传感器的多视觉采集系统,以大豆不同生育期为研究对象,从3个视点获取大豆全方位点云数据,提高了重建效率,rmse(均方根误差root mean square error)为3.3mm。zhang k等基于玉米植株多角度点云,提出一种锥面拟合算法进,通过拟合花盆壁的局部点云得到粗配准中点云的拟合,全角配准耗时2.57 s,配准平均距离误差为32.1 mm。果树修剪对三维重建的精度要求较高,否则影响实际修剪效果甚至修剪失败。zhu t等使用三个深度传感器构建数据采集平台,利用iss-icp算法快速提取代表番茄冠层结构的特征点集,采用基于体素网格下采样的3d-ndt(正态分布变换算法3d normal distributions transform)算法对点进行精确匹配,最终得到较为完整的番茄冠层点云模型,所提算法的平均配准误差为0.0214。

4、综上所述,专家学者对三维重建及骨架提取进行了大量研究,取得了一定进展。但是还存在诸如大多研究仍利用多传感器或固定机位进行目标点云数据的提取,成本较高,重建效率较低,实际应用推广可行性低等问题。


技术实现思路

1、本发明提供了一种基于三维重建的果树骨架模型的构建方法,通过提供一种基于三维重建的果树骨架模型手段,达到建立高精度果树三维模型和骨架模型的效果,为果树智能化修剪提供有效数据和技术支持;

2、为解决上述技术问题,本发明采用的技术方案为:

3、一种基于三维重建的果树骨架模型的构建方法,结合ransac和iwoa算法完善三维模型并记录空间位置;利用delaunay三角剖分算法及dijkstra最短路径算法计算果树mst;采用kd-tree数据结构进行空间近邻搜索,枝干快速分割;使用levenberg marquardt算法及圆柱拟合获得饱满的果树骨架模型,以建立高精度果树三维模型和骨架模型。包括以下步骤:

4、s1、使用果树骨架构建平台采集果树点云初始数据与预处理;

5、s2、对果树点云数据进行粗配准并得到对应的变换矩阵;

6、s3、对果树点云进行精配准并根据变换矩阵拼接构建完整的果树点云三维模型;

7、s4、在完整果树点云数据选取果树骨架点云数据;

8、s5、拟合果树骨架点云数据得到果树几何圆柱骨架模型。

9、优选的,所述的一种基于果树三维重建模型的骨架提取方法,其特征在于,在步骤s1中,果树骨架构建平台设备包括深度相机和计算机;首先标定深度相机的内外参数并将提取的深度图像与rgb图像进行映射校准;其次,将深度相机围绕果树一圈依次提取果树多个角度的初始果树点云数据,其中,每两个相邻拍摄点都应有一定的重叠区域;最后,对初始点云数据进行降噪、滤波以及提取;

10、优选的,所述的一种基于果树三维重建模型的骨架提取方法,其特征在于,在步骤s2中,首先,在点云数据中选取特定点并提取相邻点块关键点,计算其fpfh(快速点特征直方图算法fast point feature histogram),根据优化的ransac(随机采样一致算法randomsample consensus)和iwoa(改进鲸鱼优化算法improved whale optimizationalgorithm)算法寻找对应关键点并实现自动粗配准,计算出其粗配准变换矩阵;其次,根据3d-ndt算法实现果树点云的精配准;

11、优选的,所述的一种基于果树三维重建模型的骨架提取方法,其特征在于,在步骤s3中,在得到粗配准点云变换矩阵后,通过pseudo-huber损失函数作为粗配准性能好坏的判断依据,获得最优相邻点云块变换矩阵;然后对相邻点云块依次寻找关键点及计算最优变换矩阵,获得多个变换矩阵,对相邻点云块进行变换配准,得到完整的果树点云模型;

12、优选的,所述的一种基于果树三维重建模型的骨架提取方法,其特征在于,在步骤s4中,首先基于初始点云数据进行滤波及粗精配准得到初始果树三维模型,对其进行delaunay三角剖分并提取mst(最小生成树minimum spanning tree),可以提取缺失区域或不完整的分支,并确保对数据质量较差输入点云的鲁棒性;得到三角剖分图后,对所有边进行加权处理,以欧几里得空间中定义的边的长度为加权值,使用dijkstra最短路径算法从三角剖分计算mst;通过预先确定和集中主要分支点,可以提高骨架的质量,给顶点和边赋权值,并基于此值去除小的噪声成分;最后,通过迭代检查相邻顶点之间的邻近性并合并相邻顶点来重建轻量级的果树骨架;

13、优选的,所述的一种基于果树三维重建模型的骨架提取方法,其特征在于,在步骤s5中,基于优化方法得到的精确分支几何,采用kd-tree数据结构进行空间近邻搜索,枝干快速分割,采用levenberg marquardt算法求解非线性最小二乘问题得到后续分支半径,根据相应的杆点,拟合出一个圆柱体来近似分支的几何形状。

14、本发明基于三维重建提出了一种关于果树骨架拟合模型的方法,能够有效地提取果树点云中具有代表性和区分性的特征点,并利用相邻两片点云建立点对应关系,从而完成精确的果树三维重建模型建立,提高拼接的精度和效率,同时提出的果树骨架提取方法效果良好,可为智慧农业提供参考。


技术特征:

1.一种基于三维重建的果树骨架模型的构建方法,其特征在于结合ransac和iwoa算法完善三维模型并记录空间位置;利用delaunay三角剖分算法及dijkstra最短路径算法计算果树mst;采用kd-tree数据结构进行空间近邻搜索,枝干快速分割;使用levenbergmarquardt算法及圆柱拟合获得饱满的果树骨架模型,以建立高精度果树三维模型和骨架模型。

2.根据权利要求1所述的一种基于果树三维重建模型的骨架提取方法,其特征在于,包括如下步骤:

3.根据权利要求2所述的一种基于果树三维重建模型的骨架提取方法,其特征在于,在步骤s1中,果树骨架构建平台设备包括深度相机和计算机;首先标定深度相机的内外参数并将提取的深度图像与rgb图像进行映射校准;其次,将深度相机围绕果树一圈依次提取果树多个角度的初始果树点云数据,其中,每两个相邻拍摄点都应有一定的重叠区域;最后,对初始点云数据进行降噪、滤波以及提取。

4.根据权利要求2所述的一种基于果树三维重建模型的骨架提取方法,其特征在于,在步骤s2中,首先,在点云数据中选取特定点并提取相邻点块关键点,计算其fpfh,根据优化的ransac和iwoa算法寻找对应关键点并实现自动粗配准,计算出其粗配准变换矩阵;其次,根据3d-ndt算法实现果树点云的精配准。

5.根据权利要求2所述的一种基于果树三维重建模型的骨架提取方法,其特征在于,在步骤s3中,在得到粗配准点云变换矩阵后,通过pseudo-huber损失函数作为粗配准性能好坏的判断依据,获得最优相邻点云块变换矩阵;然后对相邻点云块依次寻找关键点及计算最优变换矩阵,获得多个变换矩阵,对相邻点云块进行变换配准,得到完整的果树点云模型。

6.根据权利要求2所述的一种基于果树三维重建模型的骨架提取方法,其特征在于,在步骤s4中,首先基于初始点云数据进行滤波及粗精配准得到初始果树三维模型,对其进行delaunay三角剖分并提取mst,可以提取缺失区域或不完整的分支,并确保对数据质量较差输入点云的鲁棒性;得到三角剖分图后,对所有边进行加权处理,以欧几里得空间中定义的边的长度为加权值,使用dijkstra最短路径算法从三角剖分计算mst;通过预先确定和集中主要分支点,可以提高骨架的质量,给顶点和边赋权值,并基于此值去除小的噪声成分;最后,通过迭代检查相邻顶点之间的邻近性并合并相邻顶点来重建轻量级的果树骨架。

7.根据权利要求2所述的一种基于果树三维重建模型的骨架提取方法,其特征在于,在步骤s5中,基于优化方法得到的精确分支几何,采用kd-tree数据结构进行空间近邻搜索,枝干快速分割,采用levenberg marquardt算法求解非线性最小二乘问题得到后续分支半径,根据相应的杆点,拟合出一个圆柱体来近似分支的几何形状。


技术总结
本发明公开了一种基于三维重建模型的果树骨架模型构建方法,其中方法包括以下步骤:Kinect V2相机标定采集平台采用Kinect v2传感器以及其他传感器采集果树在关键生长时期的全范围点云;通过点云预处理操作提取目标点云,提取其结构不变特征;结合RANSAC和IWOA算法完善三维模型并记录空间位置;利用Delaunay三角剖分算法及Dijkstra最短路径算法计算果树MST;采用Kd‑tree数据结构进行空间近邻搜索,枝干快速分割;使用Levenberg Marquardt算法及圆柱拟合获得饱满的果树骨架模型;本发明能够基于低成本设备获得较高精度的果树三维重建模型和骨架模型,有效降低了硬件成本。

技术研发人员:李晓娟,刘博,付伟华,梁治,刘莹,任栋宇
受保护的技术使用者:新疆大学
技术研发日:
技术公布日:2024/7/25
转载请注明原文地址: https://bbs.8miu.com/read-445753.html

最新回复(0)