基于移动Kinect的低成本植物三维结构表型分析

发布时间：2021-09-29 12:35

　　表型分析对于理解植物基因型与环境之间的关系非常重要,开发高效且成本低的相关技术是精准农业等领域的一项典型需求。其中,代表性的RGB-D设备Kinect已用于植物表型分析,但其应用潜力尚未被充分挖掘。本文首先梳理比较了Kinect表征三维结构的三种原理方式,即点云基于深度图像（DI）生成,通过运动恢复结构（SfM）从彩色图像获得,以及合并DI和SfM点云生成融合数据（MD）,并以FARO X330激光扫描仪获取的基准数据评估三种方式的性能。以植物玉簪为例的分析结果表明,对叶面积的估算DI点云的准确度最高,对叶片圆形度和偏心率的反演MD点云表现最佳,对叶倾角的反演SfM点云的性能最好。三种方式的结果差异源于它们表征不同结构的表现不同,对于叶面积的反演, SfM表征叶片相对不完整,而MD重建叶片的边缘存在不平滑的现象,导致两者精度不足;对于表征叶片的几何特征,通过合并DI和SfM数据生成的MD点云实现了信息增强的效果,使得其表现优于DI和SfM点云;叶倾角对深度测量的准确性更敏感,由于Kinect测量深度过程中通常存在误差,导致DI和MD点云反演精度偏低,而SfM点云仅通过彩色图像生成,因此... 

【文章来源】：光谱学与光谱分析. 2020,40(08)北大核心EISCICSCD

【文章页数】：6 页

【部分图文】：

Kinect传感器, 由红外发射器(i), RGB相机(ii) 和红外相机(iii)组成

实验于2015年4月进行, 用于实验的植物种类是在北京大学校园内生长的玉簪(Hosta plantaginea), 其分布广泛并且具有大而扁平的叶子。 Kinect传感器被安装在可移动的框架上, 并用绳子固定在地面上方1.2 m处, 如图2所示。 实验共获取了两组图像, 第一组为对于每株植物的分辨率为640×480像素的静态彩色和深度图像。 为采集第二组图像, 将框架沿着植物行列以约0.03 m·s-1的速度向前移动约3 m, 获取了分辨率为1 280×960像素的66幅彩色图像。为评估以DI, SfM和MD三种方式生成的点云反演植物三维结构参数的准确性, 使用FARO X330激光扫描仪测量试验区以提供基准数据。 该扫描仪发射波段为1 550 nm的红外脉冲, 每秒可获取超过122 000个点, 在10 m距离处误差约为2 mm。

对于叶面积的估计, 基于DI点云的结果优于SfM点云,甚至优于MD点云的结果, 表现为具有最高的R2(分别为0.71, 0.16和0.62)和最低的RMSE, 如图4所示。 这一结果与图3的直观解译相一致, 即SfM以相对不完整的方式表征植物叶片, 而MD重建叶片的边缘具有不平滑现象, 导致叶面积反演精度的降低。对于叶片圆形度和偏心率的反演, 基于MD点云的结果表现出比DI和SfM点云更好的性能, 其R2最高(对于圆形度分别为0.79, 0.52和0.13, 对于偏心率分别为0.76,0.40和0.21)并且RMSE最低, 如图5和图6所示。 这些结果表明, 对于表征叶片几何的任务, 基于MD的策略可以通过合并DI和SfM点云来实现信息增强的效果。


本文编号：3413717