3D 边界框：用于叶片分割和表型分析的自动算法

本文主要讲述了作者们在三维边界框方面的贡献，可以总结为以下四个方面：

他们成功地通过一个专为去除茎和背景点设计的过程，将纯叶部分与非叶部分（茎和背景点）分离开来。这个过程包括DoN阈值化和叶点填充回。
他们设计了一个自动的单叶片分割算法，能够分离重叠的叶片。利用曲率特征来去除重叠的叶片边缘。然后基于多特征区域生长，将两种装饰植物的冠层点云准确地分割成单独的叶片。
他们提出了一种基于面片过分割和Delaunay三角剖分的准确叶面积估计算法，用于预分割的冠层点云。与其他两种叶面积计算方法相比，所提出的方法在准确性上表现出色，分别达到了马兰竹麻和斑叶花叶片平均面积准确率的96.8%和97.8%。他们还进行了叶面积估计的参数调整，并找到了最佳的参数配置。
最后，他们使用主成分分析（PCA）为每个分割的叶片生成三维最小边界框，以快速提取表型信息，如叶片长度、宽度和倾斜角度。实验结果显示，马兰竹麻的叶片长度和宽度的平均误差都小于4.0%，斑叶花的误差都不超过4.7%。两种植物物种计算得出的叶片倾斜角度的平均误差分别为2.9°和3.0°。