文章提出了一种基于旋转成像平台的作物根系三维重构方法,用于实现高通量、低成本的作物根系表型特征采集。首先利用基于多视图立体视觉的运动恢复结构(Structure from Motion with Multi View Stereo,SFM-MVS)算法将一组图像生成根系...文章提出了一种基于旋转成像平台的作物根系三维重构方法,用于实现高通量、低成本的作物根系表型特征采集。首先利用基于多视图立体视觉的运动恢复结构(Structure from Motion with Multi View Stereo,SFM-MVS)算法将一组图像生成根系稠密点云,其次采用Dijkstra最小生成树算法实现对根系骨架的初始化,再次经过简化和平滑处理后提取出根系三维骨架模型,最后通过圆柱体拟合算法和蒙皮渲染技术实现作物根系的三维重构。结果表明,由该方法构建的作物根系三维模型可以较好地体现作物根系表型特征,与手工测量值对比相对误差在5%以内。展开更多
文摘文章提出了一种基于旋转成像平台的作物根系三维重构方法,用于实现高通量、低成本的作物根系表型特征采集。首先利用基于多视图立体视觉的运动恢复结构(Structure from Motion with Multi View Stereo,SFM-MVS)算法将一组图像生成根系稠密点云,其次采用Dijkstra最小生成树算法实现对根系骨架的初始化,再次经过简化和平滑处理后提取出根系三维骨架模型,最后通过圆柱体拟合算法和蒙皮渲染技术实现作物根系的三维重构。结果表明,由该方法构建的作物根系三维模型可以较好地体现作物根系表型特征,与手工测量值对比相对误差在5%以内。
