植物表型分析：基于多视角立体视觉的三维点云分割方法

这篇论文主要讲述了植物表型分析的重要性以及现有的方法和技术。

植物表型是指一组生物特征，反映了基因型和环境之间的相互作用。植物表型分析是对植物的生长、发育、耐受性、抗性、结构、生理、生态、产量等复杂特征进行全面评估的过程。分析植物表型通常包括叶特征、茎特征、果实特征和根形态。

传统的 '手动测量' 方法不适用于高通量的表型分析任务，因此需要开发快速和非破坏性的技术。目前，光探测与测距（LiDAR）技术、结构光和飞行时间传感器等非接触技术被广泛应用于植物的三维重建。

多视角立体视觉方法可以通过捕捉不同视角的图像和匹配特征点来重建完整的三维模型，避免了单视角成像的遮挡问题。Santos 等人 [8] 对植物数字化进行了综述，表明 '结构光' 方法（MVS 的重要方法之一）可用于植物的表型分析。随后，Klodt 和 Cremers [31] 评估了 MVS 重建对大麦的准确性。Pound 等人 [32] 使用表面估计和边界优化对水稻和小麦进行了精确的网格重建。Johann 等人 [33] 在器官级别对番茄植株进行了分割。此外，Wang 等人 [34] 对植物表型分析中的三维激光扫描、MVS 重建和三维数字化估计的精度和准确性进行了比较。

对于植物的三维点云进行有效的分割和特征分析是数字化和自动化植物表型分析的关键。然而，目前大部分基于点云的叶片分割方法并不适用于密集的植被，而且现有方法在自动化、准确性和实时性方面存在问题。因此，需要开发更好的方法来解决这些困难。

论文中提出了一种基于多视角立体视觉的植物三维点云分割方法。该方法首先通过 MVS 获取植物的三维点云，然后进行茎移除处理，获得无茎的密集点云。之后，使用基于多种特征的区域生长算法对冠层中的单个叶片进行分割。最后，利用面片超分割和最小包围矩形方法提取每个叶片的叶面积、长度、宽度和倾斜角等表型特征。

总之，这篇论文介绍了一种新颖的植物表型分析方法，该方法可用于快速、准确地提取植物的表型特征，具有广阔的应用前景。