基于多源图像轮廓分割的三维草莓冠层形态重建算法

根据仪器测量的数据，植物的三维重建是植物数字研究的重要组成部分。通过建立植物的三维模型，不仅可以通过快速测量作物参数来研究植物在真实环境中的生长规律，还可以通过分析植物叶片分布特征来探索植物的局部视觉场景的空间结构。为了精确构建现场草莓植物的三维结构以进行进一步的植物空间结构研究，本文以高架栽培环境下的草莓植物为研究对象，提出了一种基于多源图像轮廓分割的三维草莓冠层形态重建算法。我们将主要算法分为三个部分：多源图像预处理、强度图像的粗分割和模型拟合。

为了充分利用彩色图像在彩色分割中的优势，我们将不同分辨率的彩色图像和强度图像进行配准和合并。本文使用改进的基于特征的草莓植物多源信息融合算法。通过使用基于特征的多源信息融合算法，提取和分析每个源图像的特征信息。然后选择不变特征点。通过检查特征点的相似性并添加适当的参数约束，获得配准信息。应用配准信息建立多源图像的映射关系。然后通过融合预处理后的图像，实现彩色图像和强度图的信息补充，最终得到待分割的强度图像。

计算要分割的强度图像的局部向量场的局部中心意味着计算每个像素的向量场。然后挑选出最大的局部像素。接下来，通过符号函数将每个像素的向量方向分为3类。通过应用给定的阈值对散射点集进行聚类，并通过局部控制点确定。最后，通过将参数和中心控制点应用于分割的强度图像的主动轮廓模型，得到叶片的粗分割图像。

为进一步处理提出了一种基于表面拟合的模型重建方法。将强度图像的分割轮廓视为边缘轮廓，并提取轮廓内部点云。使用区域标记方法标记属于原始深度点云数据的使用点云，并通过检查未标记点云的数量来判断是否完成提取。设计了基于点云的平面拟合选择机制，比较拟合后的表面和平面的最小均方偏差，并选择最佳拟合模型。所有最佳模型在坐标系中显示，并逐个着色。最后，完成了草莓三维模型的重建和显示。

为验证算法的有效性，本文以平均单叶长度和叶间距之间的距离差异为评估指标。实验结果表明，叶片数量的修正率为85.6%，单叶模型的修正率为88.4%，距离差异的修正率为82.4%。这些结果可以应用于现场草莓植物的空间位置测量。本研究为农业机器人在局部视觉场景中构建植物空间结构提供了一种新方法。