植物模型生成方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种植物模型生成方法、装置、计算机设备和存储介质。所述方法包括：获取目标植物对应的植物图像以及第一点云数据；通过叶片分割模型对所述植物图像进行分割处理，得到叶片分割结果，根据所述叶片分割结果确定待剪切的目标叶片；对所述目标植物的所述目标叶片进行剪切处理，获取剪切后的目标植物对应的第二点云数据；根据所述第一点云数据和所述第二点云数据确定所述目标叶片对应的叶片模型，根据所述叶片模型生成所述目标植物对应的目标植物模型。采用本方法能够有效的提高生成的植物模型的准确性和完整性。

【技术实现步骤摘要】
植物模型生成方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种植物模型生成方法、装置、计算机设备和存储介质。
技术介绍
三维植物建模是计算机图形学里一个重要且应用广泛的研究课题。例如在游戏开发中，游戏场景中植物模型质量的高低会影响游戏的真实感。在植物学领域，植物模型可以用于研究植物的生长和在不同环境下的行为，有助于病虫害防治和农作物施肥等研究。在传统方式中，一般是通过扫描设备扫描植物的深度信息，直接根据深度信息重建生成植物模型。但是，由于叶片之间的遮挡关系，无法准确得到植物叶片的形状或分布信息，从而导致生成的植物模型的准确性和完整性较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够有效提高植物模型生成的准确性和完整性的植物模型生成方法、装置、计算机设备和存储介质。一种植物模型生成方法，所述方法包括：获取目标植物对应的植物图像以及第一点云数据；通过叶片分割模型对所述植物图像进行分割处理，得到叶片分割结果，根据所述叶片分割结果确定待剪切的目标叶片；对所述目标植物的所述目标叶片进行剪切处理，获取剪切后的目标植物对应的第二点云数据；根据所述第一点云数据和所述第二点云数据确定所述目标叶片对应的叶片模型，根据所述叶片模型生成所述目标植物对应的目标植物模型。在其中一个实施例中，所述根据所述叶片分割结果确定待剪切的目标叶片包括：根据所述叶片分割结果确定所述目标植物的多张叶片各自对应的置信度；根据所述置信度从所述目标植物的多张叶片中筛选候选叶片；从所述候选叶片中选取满足选取条件的候选叶片作为目标叶片，所述选取条件包括置信度大于置信度阈值或者置信度的排序在预设排序之前的至少一个。在其中一个实施例中，所述植物图像以及所述第一点云数据是以第一角度作为观测视角获取的，所述方法还包括：当从所述目标植物的多张叶片中未筛选出候选叶片时，调整所述目标植物对应的观测视角，得到第二角度；重复获取所述目标植物在所述第二角度下的植物图像以及第一点云数据。在其中一个实施例中，所述通过叶片分割模型对所述植物图像进行分割处理，得到叶片分割结果包括：生成叶片分割请求，所述叶片分割请求携带所述植物图像；向服务器发送所述叶片分割请求，以使得所述服务器响应于所述叶片分割请求，确定所述目标植物对应的植物类型，调用预训练的与所述植物类型对应的叶片分割模型，将所述植物图像输入至所述叶片分割模型，得到所述叶片分割模型对所述植物图像进行分割处理后输出的叶片分割结果；接收所述服务器发送的所述叶片分割结果。在其中一个实施例中，所述根据所述第一点云数据和所述第二点云数据确定所述目标叶片对应的叶片模型之后，所述方法还包括：确定所述叶片模型对应的所述目标叶片在所述目标植物中的叶片位置；重复获取剪切后的目标植物对应的植物图像以及第一点云数据，直到确定所述目标植物的多张叶片各自对应的叶片模型；所述根据所述叶片模型生成所述目标植物对应的目标植物模型包括：根据所述叶片位置组合所述多张叶片各自对应的叶片模型，得到目标植物模型。在其中一个实施例中，所述根据所述第一点云数据和所述第二点云数据确定所述目标叶片对应的叶片模型包括：将所述第一点云数据与所述第二点云数据进行比对，得到差异点云数据；确定所述目标植物对应的植物类型，获取所述植物类型所对应的标准叶片模型；根据所述差异点云数据对所述标准叶片模型进行修正，得到所述目标叶片对应的目标叶片模型。在其中一个实施例中，所述叶片分割模型根据训练数据进行预训练得到，所述训练数据的生成步骤包括：确定虚拟植物对应的虚拟植物模型；根据多个观测视角和所述虚拟植物模型渲染得到多张对应的训练图像；根据所述观测视角确定所述虚拟植物模型对应的待剪切的虚拟叶片，根据所述虚拟叶片确定所述训练图像对应的标注信息，得到包括所述训练图像和所述标注信息的训练数据。一种植物模型生成装置，所述装置包括：图像获取模块，用于获取目标植物对应的植物图像以及第一点云数据；叶片分割模块，用于通过叶片分割模型对所述植物图像进行分割处理，得到叶片分割结果，根据所述叶片分割结果确定待剪切的目标叶片；对所述目标植物的所述目标叶片进行剪切处理，获取剪切后的目标植物对应的第二点云数据；模型生成模块，用于根据所述第一点云数据和所述第二点云数据确定所述目标叶片对应的叶片模型，根据所述叶片模型生成所述目标植物对应的目标植物模型。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述植物模型生成方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述植物模型生成方法的步骤。上述植物模型生成方法、装置、计算机设备和存储介质，获取目标植物对应的植物图像以及第一点云数据后，通过叶片分割模型对植物图像进行分割处理，得到叶片分割结果，根据叶片分割结果确定待剪切的目标叶片，对目标植物的目标叶片进行剪切处理，获取剪切后的目标植物对应的第二点云数据，根据第一点云数据和第二点云数据确定目标叶片对应的叶片模型，根据叶片模型生成目标植物对应的目标植物模型。通过确定待剪切的目标叶片，对目标叶片进行剪切处理，由此能够获取更加准确、完整的目标植物的第二点云数据，根据第一点云数据和第二点云数据确定的叶片模型生成目标植物模型，有效的提高了生成的植物模型的准确性和完整性。附图说明图1为一个实施例中植物模型生成方法的应用环境图；图2为一个实施例中植物模型生成方法的流程示意图；图3(a)为一个实施例中第一点云数据的示意图；图3(b)为一个实施例中第二点云数据的示意图；图3(c)为一个实施例中差异点云数据的示意图；图4为一个实施例中植物模型生成的流程示意图；图5为一个实施例中训练数据的生成步骤的流程示意图；图6(a)为一个实施例中绿萝对应的模拟示意图；图6(b)为一个实施例鸭脚木对应的模拟示意图；图6(c)为一个实施例中红烛的模拟示意图；图7为一个实施例中植物模型生成装置的结构框图；图8为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的植物模型生成方法，可以应用于如图1所示的应用环境中。其中，终端104可以通过网络与数据采集设备102和服务器106进行通信。终端104获取数据采集设备102采集的目标植物对应的植物图像以及第一点云数据。终端104向服务器106发送叶片分割请求，叶片分割请求携带植物图像，以使得服务器106通过叶片分割模型对植物图像进行分割处理，得到叶本文档来自技高网...

【技术保护点】
1.一种植物模型生成方法，所述方法包括：/n获取目标植物对应的植物图像以及第一点云数据；/n通过叶片分割模型对所述植物图像进行分割处理，得到叶片分割结果，根据所述叶片分割结果确定待剪切的目标叶片；/n对所述目标植物的所述目标叶片进行剪切处理，获取剪切后的目标植物对应的第二点云数据；/n根据所述第一点云数据和所述第二点云数据确定所述目标叶片对应的叶片模型，根据所述叶片模型生成所述目标植物对应的目标植物模型。/n

【技术特征摘要】
1.一种植物模型生成方法，所述方法包括：
获取目标植物对应的植物图像以及第一点云数据；
通过叶片分割模型对所述植物图像进行分割处理，得到叶片分割结果，根据所述叶片分割结果确定待剪切的目标叶片；
对所述目标植物的所述目标叶片进行剪切处理，获取剪切后的目标植物对应的第二点云数据；
根据所述第一点云数据和所述第二点云数据确定所述目标叶片对应的叶片模型，根据所述叶片模型生成所述目标植物对应的目标植物模型。


2.根据权利要求1所述的方法，其特征在于，所述根据所述叶片分割结果确定待剪切的目标叶片包括：
根据所述叶片分割结果确定所述目标植物的多张叶片各自对应的置信度；
根据所述置信度从所述目标植物的多张叶片中筛选候选叶片；
从所述候选叶片中选取满足选取条件的候选叶片作为目标叶片，所述选取条件包括置信度大于置信度阈值或者置信度的排序在预设排序之前的至少一个。


3.根据权利要求2所述的方法，其特征在于，所述植物图像以及所述第一点云数据是以第一角度作为观测视角获取的，所述方法还包括：
当从所述目标植物的多张叶片中未筛选出候选叶片时，调整所述目标植物对应的观测视角，得到第二角度；
重复获取所述目标植物在所述第二角度下的植物图像以及第一点云数据。


4.根据权利要求1所述的方法，其特征在于，所述通过叶片分割模型对所述植物图像进行分割处理，得到叶片分割结果包括：
生成叶片分割请求，所述叶片分割请求携带所述植物图像；
向服务器发送所述叶片分割请求，以使得所述服务器响应于所述叶片分割请求，确定所述目标植物对应的植物类型，调用预训练的与所述植物类型对应的叶片分割模型，将所述植物图像输入至所述叶片分割模型，得到所述叶片分割模型对所述植物图像进行分割处理后输出的叶片分割结果；
接收所述服务器发送的所述叶片分割结果。


5.根据权利要求1所述的方法，其特征在于，所述根据所述第一点云数据和所述第二点云数据确定所述目标叶片对应的叶片模型之后，所述方法还包括：
确定所述叶片模型对应的所述目标叶片在所述目标植物中的叶片位置；
重...

【专利技术属性】
技术研发人员：郑倩，黄惠，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44