一种基于神经体渲染的作物几何感知与三维表型重建方法技术

本发明专利技术公开了一种基于神经体渲染的作物几何感知与三维表型重建方法,包括以下步骤：S1.对于目标作物，利用相机在不同高度下，通过环绕获取不同位角的作物图像；S2.对于采集到的图片进行特征点信息提取，并获取作物的稀疏点云、相机位姿集合和相机内参集合，然后根据作物的稀疏点云、相机位姿集合和相机内参集合，进行特征向量提取和编码；S3.基于编码得到的结果进行像素渲染和图像合成，完成作物的三维场景重建。本发明专利技术只需采用固定摄像头的方式，通过测量作物的多方位图像，完成作物几何感知与三维表型重建，部署容易，成本较低。成本较低。成本较低。

【技术实现步骤摘要】
一种基于神经体渲染的作物几何感知与三维表型重建方法


[0001]本专利技术涉及作物的集合感知和三维表型重建，特别是涉及一种基于神经体渲染的作物几何感知与三维表型重建方法。

技术介绍

[0002]植物表型分析是理解植物基因功能及环境效应的关键环节，对植物表型参数的分析与育种息息相关。目前，植株育种过程中的数据采集工作主要由人工完成，这些简单但繁琐的工作消耗了科研人员大量的时间和精力，且出错率高，影响科研进程。目前的植物检测方法多具有破坏性，在其生长过程中需要实际测量特征造成对植株不可逆的损伤，如何非破坏性获取植物表型数据，进而分析表型信息，得到实时可视化检测植物表型结果，对于持续性进行植株育种研究意义重大。
[0003]农林作物的三维重建对于研究其生物学特性、冠层光照分布以及农业机器人应用等都具有重要的作用。对植株进行三维重建，植株三维模型的建立及研究，将为后续植株生长发育过程三维动态模拟模型研究打下扎实基础。同时，通过建立该植株的三维可视化模型，也将为植株的理想株型筛选，高产、高效、抗倒伏设计与优化等提供技术依据。该方式下构建的植株形态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经体渲染的作物几何感知与三维表型重建方法，其特征在于：包括以下步骤：S1.对于目标作物，利用相机在不同高度下，通过环绕获取不同位角的作物图像；S2.对于采集到的图片进行特征点信息提取，并获取作物的稀疏点云、相机位姿集合和相机内参集合，然后根据作物的稀疏点云、相机位姿集合和相机内参集合，进行特征向量提取和编码；S3.基于编码得到的结果进行像素渲染和图像合成，完成作物的三维场景重建。2.根据权利要求1所述的一种基于神经体渲染的作物几何感知与三维表型重建方法，其特征在于：所述步骤S1中获取作物图像的方式如下：设目标作物的距离地面高度为H，首向按照预先设定的分段数n对其进行划分，每个分段数的长度为l＝H/n，则需要在距离地面高度为0，l，2l，3l,
…
，nL的高度上分别进行图像采集；在每一个高度上进行图像采集的过程包括：在当前高度下，环绕目标作物进行拍摄，相机在环绕过程中，每转动设定角度拍摄一张图像，直到在当前高度下拍摄的图像数目达到设定值。3.根据权利要求2所述的一种基于神经体渲染的作物几何感知与三维表型重建方法，其特征在于：所述设定角度的取值范围为10～15度。4.根据权利要求1所述的一种基于神经体渲染的作物几何感知与三维表型重建方法，其特征在于：所述步骤S2包括：S201.对于采集到的图片进行特征点信息提取：针对每一张图片，采用SuperPoint算法提取出图片的特征点，并输出每一个特征点的位置p和描述子d；其中，位置p中包含特征点的位置信息及置信度信息，描述子d中包含当前特征点及其周围特征点的像素信息，其中D表示特征维度；S202.将获取到的所有图片特征点p和描述子d利用colmap算法,得到作物的稀疏点云、相机位姿集合和相机内参集合；所述相机位姿集合中包含每一张图片拍摄时的相机位姿，相机内参集合中包含每一张图片拍摄时的相机内参；稀疏点云记为相机位姿记为(Ri,ti)，相机内参记为{Ci}；S203.根据作物的稀疏点云、相机位姿集合和相机内参集合，进行特征向量提取和编码：A1、将作物图片分辨率分成L个等级的分辨率，每个等级的分辨率为一层，利用等比级数具体求出从最小分辨率N
min
到最大分辨率N
max
之间的每层分辨率；N
l
为第l层的分辨率，b为中间参数；l＝1,2,
…
L对于任一张采集到的图片，将其分别转换到每一层分辨率下，得到L张图片；对每一张采集到的图片均完成转换后，总共得到L类不同分辨率的图片；A2、...

【专利技术属性】
技术研发人员：刘慧，陈骏扬，张代科，何义会，贺航飞，
申请(专利权)人：四川农业大学，
类型：发明
国别省市：