一种三维作物点云的鲁棒性重构方法技术

本发明专利技术涉及一种三维作物点云的鲁棒性重构方法，在该方法特别在噪声干扰的环境下，配准效果得到明显提升。本发明专利技术首先输入待配准的点云深度图数据，然后采用基于势函数的方法进行启发式的迭代搜索，求解全局的配准最优变换，根据求解得到的最优变换矩阵将原始数据进行旋转和平移操作，得到基于点云重构的三维模型，最后将得到的三维模型用来作为参数提取的样本，采用不同的度量方式进行各种性状参数的提取，并与事先人工采集的批量真实的作物基准性状数据进行对比，计算两者之间的误差百分比，尽可能降低标准误差，本发明专利技术可以对主要经济作物的果实以及植株进行真实3D构建，用于对作物生长发育情况进行观测，具有较好的实用性。

A robust reconstruction method for three dimensional crop point clouds

The present invention relates to a robust reconstruction method of a three dimensional crop point cloud. In this method, the registration effect is obviously improved in the environment of noise interference. The present invention first input point cloud depth map data to be registered, and then using the iterative heuristic method of potential function based on the search for global optimal transform, registration, according to the optimal transform matrix obtained the original data for rotational and translational operation, 3D model based on point cloud reconstruction, 3D model will be finally is used for the parameter extraction of samples, extracted by different ways to measure various characteristics parameters, and compared with the prior manual collection of real benchmark data batch crop traits, calculate the percentage error between the two, reduce the standard error as much as possible, the invention of the main economic crops of fruit and plant real 3D construction for, to observe the growth and development of crops, has good practicability.

【技术实现步骤摘要】
一种三维作物点云的鲁棒性重构方法
本专利技术涉及三维点云配准问题，具体地指一种三维作物点云的鲁棒性重构方法，属于三维视觉领域。
技术介绍
随着生物技术的飞速发展和应用，未来我们将面临更复杂的知识发现任务。图像技术的发展有效提高了果实、叶片以及植株形态等表型数据的精度(precision)和通量(throughput)。建立植物果实的三维可视化模型对分析植物的生长规律具有重要的理论意义，依据果实的三维数字化模型可以进行植物的品种鉴定，生长跟踪，产量评价，形状参数测量等。在三维外形测量中，想获取物体的完整表面三维数据，必须将多次测量的深度图(RGBD)数据配准到同一个世界坐标系中。目前，对于植物果实的三维点云配准技术主要有两种：1、依靠硬件设备进行全方位的立体拍摄，像旋转台等，或者在拟建模的物体周围添加易于识别的标志点，通过分析标志点的相对位置确定各帧图像之间的平移以及旋转因子，还原出最终的模型。这类技术降低了后期数据处理的难度，却增加了数据采集阶段的工作，而且比较依赖于测量和设备的准确性。2、通过提取视图中的特征关键点，度量特征点的相似度进行数据融合。这类方法也被广泛的应用到三维重构场本文档来自技高网...

【技术保护点】
一种三维作物点云的鲁棒性重构方法，其特征在于，该方法包括如下步骤：步骤1，输入待配准的点云深度图数据，包括颜色RGB三通道数值以及空间坐标(X,Y,Z)，根据输入的点云数据首先进行滤波操作，利用直通滤波器去除离群点，利用体素滤波器进行抽稀处理减少冗余点，利用半径滤波器与统计滤波器对噪声点进行处理，多种滤波器相互结合，达到数据预处理的目的；然后，采用遗传算法，设置初始30次迭代，每代50个个体，迭代误差δ设置为0.0001，进行粗配准得到点云初始位姿；步骤2，采用基于势函数的方法进行启发式的迭代搜索，求解全局的配准最优变换，根据求解得到的最优变换矩阵将原始数据进行旋转和平移操作，得到基于点云重构...

【技术特征摘要】
1.一种三维作物点云的鲁棒性重构方法，其特征在于，该方法包括如下步骤：步骤1，输入待配准的点云深度图数据，包括颜色RGB三通道数值以及空间坐标(X,Y,Z)，根据输入的点云数据首先进行滤波操作，利用直通滤波器去除离群点，利用体素滤波器进行抽稀处理减少冗余点，利用半径滤波器与统计滤波器对噪声点进行处理，多种滤波器相互结合，达到数据预处理的目的；然后，采用遗传算法，设置初始30次迭代，每代50个个体，迭代误差δ设置为0.0001，进行粗配准得到点云初始位姿；步骤2，采用基于势函数的方法进行启发式的迭代搜索，求解全局的配准最优变换，根据求解得到的最优变换矩阵将原始数据进行旋转和平移操作，得到基于点云重构的三维模型，详细过程如下所示，首先采用最小包围盒原理，遍历Pt中的点，判断点是否在Qt的最小包围盒中；将在彼此包围盒中的点集命名为Pk，Qk；从初始点云Pk中选取N个关键点，记为Pk’，对于参考点云Qk建立kd-tree；将Pk’中一个点Pi与点云Qk进行匹配，利用基于势函数方法寻找最临近点Qi：min||Pi-Qi||2*weight(Pi，Qi)其中wieght(Pi,Qi)为匹配权重，得到匹配点对的个数n；根据匹配点对(Pi，Qi)，计算相对应的变换矩阵R，T，更新Pk’，Pk’＝R*Pk’+T，得到匹配代价

【专利技术属性】
技术研发人员：熊盛武，王晓东，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42