孙茜 郑书河

摘要 概述了双目视觉技术与基于双目视觉的三维重建方法，介绍了基于双目视觉的三维重建技术的发展历程，分析了近几年基于双目视觉的三维重建方法在重构植物三维模型中的应用进展，提出了一种基于双目视觉技术的茶梢冠层三维重构的方法。该方法具有成本低廉、易于实现、受光照影响小、实时性好等优点，适合在自然环境中对果实、植物冠层等进行三维重建，可为果蔬采摘、植物生长状况监测、树木修剪等领域的研究提供有益参考。

关键词 双目视觉;三维重建;植物可视化;茶梢冠层

中图分类号 S126  文献标识码 A

文章编号 0517-6611（2021）24-0011-07

doi：10.3969/j.issn.0517-6611.2021.24.003

Method of Plant 3D Reconstruction Based on Binocular Vision and Its Application

SUN Qian，ZHENG Shu-he （College of Mechanical and Electrical Engineering，Fujian Agriculture and Forestry University，Fuzhou，Fujian 350002）

Abstract Introduced the binocular vision technology，the 3D reconstruction method and the historical development of the 3D reconstruction technology based on binocular vision.We also analyzed the application progress of 3D reconstruction method in reconstructing 3D model of plants，proposed a method of 3D reconstruction of tea canopy based on binocular vision technology，and pointed out the future development trend of this method.This method has the advantages of low cost，easy implementation，less affected by illumination，and better real-time performance.It’s suitable for the 3D reconstruction of fruits and plant canopy in the natural environment，it provided a useful reference for research in the fields of fruit and vegetable picking，plant growth monitoring，and tree pruning.

Key words Binocular vision;3D reconstruction;Plant visualization;Tea crown layer

基金项目 茶园全程机械化作业关键技术研究（K1520005A05）;福建省自然科学基金（2017J01423）。

作者簡介 孙茜（1996—），女，黑龙江绥化人，硕士研究生，研究方向：茶树冠层三维重建技术。*通信作者，教授，博士生导师，从事智能农业装备研究。

收稿日期 2021-07-14

智慧农业的研究和应用日益蓬勃发展，逐步成为全球农业发展的大趋势，植物的可视化研究也逐渐成为研究热点[1-2]。植物可视化是将植物学、计算机图形学、仿真、传感器等专业知识结合在一起，使植物的形态结构在计算机上逼真重现的技术[3-4]。通过植物可视化技术，可以实现在计算机上模拟植物的生长过程[5-7]、重建植物单个器官的三维模型[5-7]、植物冠层生理生态功能仿真计算[8-10]、植物的表型分析[11]等操作。植物可视化的实现依赖于植物三维重建技术，是进行植物生长过程模拟的前提[12]，是植物冠层生理生态功能仿真计算的关键，在植物表型分析中扮演着至关重要的角色，对实现植物虚拟仿真分析、决策及应用，推广智慧农业具有十分重要的意义[13]。

双目立体视觉技术模拟人眼获取相同点产生的视差从而进行目标三维重建，获取三维图像[14-15]。与三维数字化仪等获取植物点云信息的方式相比，双目立体视觉技术成本更低、数据处理更少、实时性更好[16];与Kinect等获取深度图像方式相比，双目立体视觉技术对硬件、成本要求更低，不易受到光照的影响[17-18];与基于模型的三维重建技术相比，双目立体视觉技术计算复杂度更小，系统实时性更高[19];与基于多视角图像三维重建技术相比，双目立体视觉的设备和模型更简单易实现，更适合户外场景的重建。

1 双目视觉技术概述

1.1 双目视觉系统简介

双目立体视觉是机器视觉的一个重要分支，它模仿人的视觉原理获取图像的深度信息，将二维图像转换为三维图像，使机器具有感知三维空间的能力[20]。双目视觉系统分为两种[21]：一种是平行式光轴双目视觉系统[22]，另一种是汇聚式光轴双目视觉系统[23]，其中平行式光轴双目视觉系统是双目视觉系统在理想状态下的一种形式，而在实际的工作中由于安装误差等因素，使用的双目视觉系统为汇聚式光轴双目视觉系统（图1）。

双目立体视觉是利用视差原理的一种机器视觉方法，该方法利用三角测量原理进行三维信息的获取，基本原理如图2所示。

基于双目视觉的三维重建方法大致可以分为5个步骤，分别是图像采集、双目相机标定、图像矫正、立体匹配和三维重建[24-25]。

①图像采集：图像采集是采用两台相同的相机左右平行放置，同时获取同一个场景中的目标物体图像。在采集图像后需要对图像进行预处理，为后续工作做准备。

②双目相机标定[26]：双目相机标定是为了获取相机的内参和外参系数，有了相机的内外参数可以对相机拍摄的图像进行校正，并对畸变进行优化，得到畸变相对较小的图像，为立体匹配提供约束条件，为三维重建提供所需的相机参数。

③图像矫正：在实际的双目立体视觉系统中，无法保证两相机的绝对平行，以及相机的本身存在一定的畸变，所以要对采集的图像进行校正。双目校正主要利用极线约束，使两张图像的同一特征点处在同一水平直线上，这样在特征匹配时只需要在极线上进行搜索匹配，而不是搜索整个二维图像，大大减少了匹配的计算量。

④立体匹配[27]：立体匹配就是将左右两张图像上的特征点对应匹配起来。根据优化理论方法的不同可以分为局部匹配和全局匹配。立体匹配是对物体进行三维重建中至关重要的一步，立体匹配结果的好坏决定着三维重建的结果是否精准。

⑤三维重建[28]：双目视觉方法中的三维重建是采用三角测量原理计算获取的立体匹配图像的深度值，从而可以得到稠密的三维空间点云，随后，再对获取的三维空间点云进行网格化和差值计算，进而可以得到物体的三维结构模型。

1.2 双目立体视觉技术发展历程

在19世纪30年代，Wheatstone[29]论证了人具有立体视觉，成为了双目立体视觉的开端。从20世纪50年代开始，就不断有科研人员提出双目视觉的相关原理。Aschenbrenner[30]提出了随机立体图原理，该原理假设两幅图像上的随机点一一对应，将任意一个随机点在两个图像中的位移进行编码表示，即可得到该点的深度，此过程叫做立体匹配。Julesz等[31-33]的研究中也得出了类似的结论，对同一场景的左右两幅图像进行特征点提取，完成两幅图像视差的计算。

20世纪60年代，麻省理工学院Roberts在对简单规则的多面体三维结构进行研究后认为，三维物体可以简单地用二维的形状组合来表示，利用计算机实现二维图像的立体匹配[34]。随着研究的深入，研究的范围逐渐扩大，立体匹配方法得到了持续的完善。

20世纪70年代，麻省理工学院Marr和Poggio提出了一种计算视觉理论[35]，该理论通过3种限制条件，完成随机点立体视图的融合。Marr提出的D.Marr计算视觉理论框架，极大地推动了立体视觉技术的发展，使得立体视觉成为计算机视觉中一个很重要的分支。在该理论被提出后不久，Grimson[36]对該算法进行了进一步的推导，证明其能够应用于自然环境中的图像的匹配。

自此，在计算机视觉领域，涌现了大量的基于D.Marr计算视觉理论的新的立体视觉方法，使立体视觉技术得到快速的发展，并在航天测绘、机器人视觉、军事运用、医学成像和工业检测等领域得到广泛应用[37]。

ASADA等[38]

设计了一款立体视觉伺服系统，利用双目立体视觉系统预测物体的运动方向从而实现自适应跟踪。Fang等[39]设计了一款智能车辆系统，该系统采用了传感器融合方法，电磁波探测和双目立体视觉叠加对道路信息进行识别，实现道路信息的三维重建，可以较为精确地测量出车辆高速移动时的距离信息。上海交通大学的自主机器人实验室设计了6款月球漫游机器人[40]，它们全部采用双目视觉系统来实现导航和避障功能。阮晓东等[41]提出了一种基于立体视觉的多自由度机器装置姿态的测量方法，该方法算法简单，计算量小，可以准确测量机器装置的自由度特征点坐标。高庆吉等[42]采用了异构双目活动视觉系统实现全自主足球机器人导航，该系统由固定摄像机和可以水平旋转的摄像机组成，可以通过两台相机的协调来对目标进行多视角捕捉和数据融合，以提高测量精度。2013年成功发射的嫦娥三号月球车利用双目视觉技术进行导航，共安装了3对立体相机，分别用来实现导航、避障等不同的功能[43]。

2 基于双目立体视觉的植物三维重建方法研究进展

近年来，随着基于双目视觉的三维重建技术在工业、航空航天等领域的日益成熟，国内外对基于双目视觉的三维重建技术在植物领域的应用研究热度很高，该技术针对研究对象搭建合适的双目立体视觉系统获取研究对象的左右两幅图像，然后在进行相机标定后，利用图像处理技术和立体匹配技术获取研究对象的三维信息，对其进行三维重建。目前国内外对于基于双目立体视觉的植物三维重建技术的研究主要集中在果蔬的定位采摘、植株的表型分析和对植株的部分器官进行三维重建3个方面。

2.1 果蔬的定位采摘

刘妤等[44]提出了一种基于双目视觉的户外柑橘空间定位法，该方法采用汇聚式光轴双目视觉系统采集柑橘的左右图像（图3），结合LAB和HSV色彩空间对柑橘区域进行提取筛选（图4），确定柑橘的中心点，完成中心点的匹配（图5），再利用双目立体视觉的视差原理，获取柑橘的三维坐标信息，确定柑橘的遮挡关系，并按照深度值对柑橘进行排序（图6）。将该方法与人工测量值进行对比，误差为6.38 mm，可以满足柑橘采摘机器人作业的精度要求。

此外，还有许多的国内外学者利用双目视觉技术对果蔬进行定位，为采摘提供机器视觉基础。王磊等[45]开发了一种基于嵌入式ARM的苹果采摘双目视觉系统。该系统结合CMOS双目摄像头和ARM cotexA9四核处理器开发一款专用的采摘机器人视觉处理模块，经过目标提取、立体匹配等操作，并对BM、SGBM和AD Census 3种算法进行对比，发现ADCensus算法的误差最小，在2.4 m内可以对采摘目标进

行精确测距并实时显示，可以满足采摘机器人的快速定位要求。周云成等[46]提出了一种基于自监督学习的番茄植株图像深度估计模型，该模型可以根据双目相机输入的图像对植株进行深度估计。试验结果表明，该模型对植株进行深度估计的相对误差可以控制在2.5 cm内，可以为农业机械的视觉模块提供一定的理论依据。Jafari等[47]采用平行式光轴双目视觉系统采集樱桃树图像，用ABLM和ABGM两种匹配算法分别对樱桃树图像进行立体匹配，得到视差图后发现ABGM算法更好，并且在自然条件下是具有鲁棒性的。

通过双目视觉技术中立体匹配得到的视差图获取的植物深度信息误差较小，实时性较高，可以为果蔬采摘机器人快速定位提供技术支持和理论依据。

2.2 植株的表型分析 Nugroho等[48]提出了基于深度感知的立体相机植物高度监控系统（图7），使用平行式光轴双目视觉系统获取植物图像，对植物进行三维重建，根据获得的植株三维模型对植株的高度进行测量。与人工测量结果进行对比，试验结果表明，测量莴苣误差最大为5.56 cm，决定系数大于0.7，可以进行植株的高测量，但是仍需要进行改进，将误差最小化。

殷悦等[49]建立了基于双目立体视觉的植物虚拟生长模型的人机交互系统，该系统利用双目相机对拟南芥的图像进行采集，使用MATLAB、OpenCV和OpenGL完成拟南芥的三维重建，获取拟南芥的表型参数。与真实值进行线性拟合对比，叶片长度的相关系数为0.940 4，叶片宽度的相关系数为0.974 0，茎秆长度的相关系数为0.986 2，误差均在±5%内，该系统对拟南芥进行三维重建具有一定的可靠性。杨鹏树等[50]开展了作物苗期农田障碍物三维信息检测方法的研究，提出了一种基于双目视觉特征的障碍物检测算法。首先利用图像分割算法去除天空和作物苗背景，提取障碍物的边缘，确定障碍物的目标区域，然后通过重心特征点立体匹配获取视差图，结合相机标定参数进行三维重建，最后计算障碍物的距离、宽度和高度等三维信息。与实际测量值对比，结果表明：障碍物三维信息的平均相对误差分别为4.70%、5.79%和1.78%，可以较好地满足田间障碍物检测的需求。ZOYMAK1[51]建立了双目立体视觉系统，基于LabVIEW编程语言对作物和杂草进行三维重建，提取作物和杂草的三维信息，对作物和杂草进行区分。将立体视觉的结果与物理测量结果进行比较，作物和杂草的相关系数r分别为0.981和0.989，试验结果表明该系统能够测量深度信息，为区分作物和杂草提供理论依据。Bao等[52]开发了一种高通量的基于现场的机器人表型分析系统，该方法结合了最新的立体匹配算法，对高粱进行三维重建后，提取植株表型信息，如：植株高度、植株宽度、植株表面积、茎直径等。

使用双目视觉技术对植物进行表型分析，提取植株的表型参数的结果显示，该方法可以对植株的表型参数进行提取，且误差较小，但是植物的表型分析需要的精度较高，对于此方向的应用应当继续改进优化。

2.3 植株部分器官的三维重建 Hanz等[53]根据玫瑰花丛修剪规则使用双目立体视觉系统对玫瑰花枝干进行三维重建，重建流程见图8。该方法首先使用全卷积分割网络（FSCN）对左侧图像进行分割，然后根据视差方法计算植物图像的深度，结合分割图像和视差图像计算玫瑰花的骨架和分支结构，最后进行三维重建。该方法在室内和室外不同的环境下进行试验，对各个步骤进行了评估，与实际数据和取得较好结果的二维图骨架分割方法进行了比较（图9），该方法的分割准确度提高了1.26%，视差图像的误差从0.252 7降到了0.086 9，整体重建与地面的距离与真实值的误差仅为0.859 0 cm，表明该方法的稳定性较好，三维重建的准确度较高。

殷小舟等[54]利用双目立体视觉系统对非洲菊等花卉进行三维重建，采用Delaunay三角部分重建了花卉的曲面模型，该方法较好地还原了花卉的真实面目，具有快速、无损等特点，其不足之处在于必须采集花卉顶部的图像，花卉的侧面以及花卉的花蕊部分重建效果不甚理想。贺磊盈等[55]以无叶山核桃树为研究对象，根据果实自适应振动收获方式的需要，研究了一种利用双目视觉技术基于双轮廓同步跟踪的果树枝干三维重建方法，该方法结合了阈值分割算法和轮廓跟踪技术对果树的枝干进行提取，细化后得到枝干骨架并用二叉树进行描述，然后根据拓扑结构、极线约束及形状的相似性匹配得到双视图中树枝骨架对应关系，最后对山核桃树枝干进行三维重建。试验结果表明，使用该方法重建的三维枝干与真实枝干在视觉上很接近，估测的枝干半径与实测的半径间相对误差小于9%，该方法可以为果实的自适应振动收获提供技术参考。Dandrifosse等[56]提出了基于立体视觉成像小麦冠层的方案，该方案使用双目立体视觉系统采集小麦冠层的图像，使用MATLAB立体相机校准器对立体视觉系统进行校准后，采用SVM分类集对图像进行分割，然后利用LAI和MTA算法生成每个图像的三维点云，最后利用Delaunay三角剖分法将三维点云转换为三维网络，完成三维重建。

对植物进行三维重建完成植株的可视化，需要较高的重建精度，可以将植物的模型完整清晰地重构出来，但是目前的研究结果不够理想，需要继续优化拍摄角度，提高算法精度。

3 一种基于双目视觉的茶梢冠层三维重构方法

茶起源于中国[57]，茶产业一直是中国农业经济的重要产业[58-59]，同時也是传播中华文化的重要途径。智慧茶园是智慧农业的一部分，可以更好地帮助茶农管理茶园，同时以可视化的方式将茶园的数据信息传输到网络上对茶叶的品质、产量进行分析，为消费者提供品质保障。茶梢冠层的三维重构可以为茶园可视化提供一定的技术支持和理论依据。

实现茶园可视化需要满足任何时间在茶园的任意地点都可以对有代表性的茶梢冠层序列进行三维重构的要求，这就需要选用的三维重建技术具有成本低、天气影响小、速度快等优点。而基于双目视觉的三维重建技术就可以满足上述要求，只要在茶园内摆放好足够数量的双目视觉系统，就可以对茶梢冠层进行三维重构，输出茶梢冠层的表型信息，让用户直观地观察到茶梢的生长情况，同时也可以为茶树的修剪采摘定位提供一定的依据，具体的技术路线如图10所示。

4 小结

基于双目视觉的三维重建方法具有成本低廉、易实现、受光照影响较小、实时性较好等优点，更适合在室外的自然环境中对果实、植物冠层等进行三维重建，可以广泛地应用于果蔬定位采摘、植物生长状况监测，树木修剪等领域。基于双目视觉的茶梢冠层三维重构方法不受天气影响，可以随时为用户提供茶梢冠层生长的三维模型，为智慧茶园的早日实现提供一定的理论参考。

参考文献

[1] 赵春江，陆声链，郭新宇，等.数字植物研究进展：植物形态结构三维数字化[J].中国农业科学，2015，48（17）：3415-3428.

[2] 赵春江.智慧农业发展现状及战略目标研究[J].智慧农业，2019，1（1）：1-7.

[3] 刘丹，诸叶平，刘海龙，等.植物三维可视化研究进展[J].中国农业科技导报，2015，17（1）：23-31.

[4] 周静静，郭新宇，吴升，等.基于多视角图像的植物三维重建研究进展[J].中国农业科技导报，2019，21（2）：9-18.

[5] PRUSINKIEWICZ P，LINDENMAYER A.Developmental models of herbaceous plants[M]//PRUSINKIEWICZ P，LINDENMAYER A.The Algorithmic beauty of plants.New York：Springer，1990.

[6] BRADBURY R.Fractal modelling：Growth and form in biology[J].Journal of experimental marine biology & ecology，1995，185（1）：131-132.

[7] 赵星，DE REFFYE PHILIPPE，熊范纶，等.虚拟植物生长的双尺度自动机模型[J].计算机学报，2001，24（6）：608-615.

[8] CHELLE M，ANDRIEU B.The nested radiosity model for the distribution of light within plant canopies[J].Ecological modelling，1998，111（1）：75-91.

[9] DA SILVA D，BOUDON F，GODIN C，et al.Multiscale framework for modeling and analyzing light interception by trees[J].SIAM journal on multiscale modeling & simulation，2008，7（2）：910-933.

[10] DRAGONI D，LAKSO A N，PICCIONI R M.Transpiration of apple trees in a humid climate using heat pulse sap flow gauges calibrated with whole-canopy gas exchange chambers[J].Agricultural & forest meteorology，2005，130（1/2）：85-94.

[11] 黄伟.基于植物生长过程仿真的虚拟植物建模研究[D].重庆：重庆大学，2011.

[12] 胡鹏程，郭焱，李保国，等.基于多视角立体视觉的植株三维重建与精度评估[J].农业工程学报，2015，31（11）：209-214.

[13] 刘刚，司永胜，冯娟.农林作物三维重建方法研究进展[J].农业机械学报，2014，45（6）：38-46.

[14] 赵晨园，李文新，张庆熙.双目视觉的立体匹配算法研究进展[J].计算机科学与探索，2020，14（7）：1104-1113.

[15] 黄鹏程，江剑宇，杨波.双目立体视觉的研究现状及进展[J].光学仪器，2018，40（4）：81-86.

[16] 温维亮，郭新宇，赵春江，等.基于三维数字化的玉米株型参数提取方法研究[J].中国农业科学，2018，51（6）：1034-1044.

[17] 方志力，温维亮，郭新宇，等.基于Kinect的三维玉米植株骨架提取[J].系统仿真学报，2017，29（3）：524-530.

[18] 余秀丽，王丹丹，牛磊磊，等.Kinect在现代农业信息领域中的应用与研究进展[J].农机化研究，2015，37（11）：216-221.

[19] 赵元棣，温维亮，郭新宇，等.基于参数化的玉米叶片三维模型主脉提取[J].农业机械学报，2012，43（4）：183-187.

[20] 朱袁旭.基于多视角图片的三维重建算法实现[D].南京：东南大学，2019.

[21] 郑太雄，黄帅，李永福，等.基于视觉的三维重建关键技术研究综述[J].自动化学报，2020，46（4）：631-652.

[22] ZOU X J，ZOU H X，LU J.Virtual manipulator-based binocular stereo vision positioning system and errors modelling[J].Machine vision and applications，2012，23（1）：43-63.

[23] 李占賢，许哲.双目视觉的成像模型分析[J].机械工程与自动化，2014（4）：191-192.

[24] 张文明，刘彬，李海滨.基于双目视觉的三维重建中特征点提取及匹配算法的研究[J].光学技术，2008，34（2）：181-185.

[25] BRUNO F，BIANCO G，MUZZUPAPPA M，et al.Experimentation of structured light and stereo vision for underwater 3D reconstruction[J].ISPRS journal of photogrammetry and remote sensing，2011，66（4）：508-518.

[26] SMISEK J，JANCOSEK M，PAJDLA T.3D with kinect[C]//2011 IEEE International Conference on Computer Vision Workshops（Conference Paper）.Barcelona，Spain：IEEE，2011：1154-1160.

[27] HIRSCHMULLER H，SCHARSTEIN D.Evaluation of stereo matching costs on images with radiometric differences[J].IEEE transactions on pattern analysis and machine intelligence，2009，31（9）：1582-1599.

[28] 黄林超.基于双目立体视觉的三维重建技术研究[D].广州：华南理工大学，2019.

[29] WHEATSTONE C.Contributions to the physiology of vision.Part the first.On some remarkable，and hitherto unobserved，phenomena of binocular vision[J].Philosophical transactions of the royal society of London，2009，128：371-394.

[30] SHIPLEY T.The first random-dot texture stereogram[J].Vision research，1971，11（12）：1491-1492.

[31] JULESZ B，MILLER J E.Automatic stereoscopic presentation of functions of two variables[J].Bell system technical journal，1962，41（2）：663-676.

[32] WRIGHT W D.Foundations of cyclopean perception[J].Journal of modern optics，1972，19（6）：550.

[33] JULESZ B.Towards the automation of binocular depth perception[J].Communications of the ACM，1962，5（6）：439-444.

[34] ZHI Q，COOPERSTOCK J R.Toward dynamic image mosaic generation with robustness to parallax[J].

IEEE transactions on image processing，2012，21（1）：366-378.

[35] MARR D，NISHIHARA H K.Representation and recognition of the spatial organization of three-dimensional shapes[J].Proceedings of the royal society of london，1978，200（1140）：269-294.

[36] GRIMSON W  W L.A computer implementation of a theory of human stereo vision[J].Philosophical transactions of the royal society B：Biological sciences，1981，292（1058）：217-253.

[37] CAO H，WANG R W，WEN X B，et al.A novel recognition algorithm in 3D point clouds based for on local spherical harmonics[C]//2019 IEEE International Conference on Mechatronics and Automation（ICMA）.Tianjin，China：IEEE，2019：1041-1046.

[38] ASADA M，TANAKA T，HOSODA K.Adaptive binocular visual servoing for independently moving target tracking[C]//Proceedings of the 2000 IEEE International Conference on Robotics & Automation.San Francisco，CA，USA：IEEE，2000.

[39] FANG Y，MASAKI I，HORN B.Depth-based target segmentation for intelligent vehicles：Fusion of radar and binocular stereo[J].IEEE transactions on intelligent transportation systems，2002，3（3）：196-202.

[40] 魏菊錦.基于双目视觉的三维重建方法研究[D].沈阳：沈阳工业大学，2016.

[41] 阮晓东，李世伦，诸葛良，等.用立体视觉测量多自由度机械装置姿态的研究[J].中国机械工程，2000，11（5）：571-573.

[42] 高慶吉，洪炳熔，阮玉峰.基于异构双目视觉的全自主足球机器人导航[J].哈尔滨工业大学学报，2003，35（9）：1029-1032，1088.

[43] 王保丰，周建亮，唐歌实，等.嫦娥三号巡视器视觉定位方法[J].中国科学：信息科学，2014，44（4）：452-460.

[44] 刘妤，刘洒，杨长辉，等.基于双目立体视觉的重叠柑橘空间定位[J].中国农业科技导报，2020，22（9）：104-112.

[45] 王磊，李会容，周科，等.嵌入式ARM的果蔬采摘双目视觉系统与算法设计[J].光电子·激光，2020，31（1）：71-80.

[46] 周云成，许童羽，邓寒冰，等.基于自监督学习的番茄植株图像深度估计方法[J].农业工程学报，2019，35（24）：173-182.

[47] JAFARI MALEKABADI A，KHOJASTEHPOUR M，EMADI B.Disparity map computation of tree using stereo vision system and effects of canopy shapes and foliage density[J].Computers and electronics in agriculture，2019，156：627-644.

[48] NUGROHO A P，FADILAH M A N，WIRATMOKO A，et al.Implementation of crop growth monitoring system based on depth perception using stereo camera in plant factory[J].IOP conference series earth and environmental science，2020，542（1）：1-9.

[49] 殷悦，张慧春，郑加强.基于双目立体视觉的植物三维重建系统[J].中国农机化学报，2021，42（3）：129-135.

[50] 杨鹏树，刘卉，王晓翠，等.基于双目视觉的作物苗期障碍物三维信息检测方法[J].农机化研究，2021，43（4）：11-16.

[51] ZOYMAK1 B.Determination of plant height for crop and weed discrimination by using stereo vision system[J].Journal of tekirdag agricultural faculty，2020，17（1）：97-107.

[52] BAO Y，TANG L，BREITZMAN M W，et al.Field-based robotic phenotyping of sorghum plant architecture using stereo vision[J].Journal of field robotics，2019，36（2）：397-415.

[53] CUEVAS-VELASQUEZ H，GALLEGO A J，FISHER R B.Segmentation and 3D reconstruction of rose plants from stereoscopic images[J].Computers and electronics in agriculture，2020，171：1-29.

[54] 殷小舟，淮永建，黄冬辉.基于双目立体视觉的花卉三维重建[J].扬州大学学报（农业与生命科学版），2012，33（3）：91-94.

[55] 贺磊盈，武传宇，杜小强.基于双轮廓同步跟踪的果树枝干提取及三维重建[J].农业工程学报，2014，30（7）：182-189.

[56] DANDRIFOSSE S，BOUVRY A，LEEMANS V，et al.Imaging wheat canopy through stereo vision：Overcoming the challenges of the laboratory to field transition for morphological features extraction[J].Frontiers in plant science，2020，11：1-15.

[57] 王伟羊.基于计算机视觉的采茶机导航技术研究[D].杭州：浙江工业大学，2016.

[58] 郑琼娥，雷国铨.三产融合与茶产业转型升级：问题、驱动力与路径[J].学术交流，2019（5）：114-123.

[59] 刘珈妮，刘少群，孙彬妹，等.茶产业科技扶贫模式与经验浅析[J].福建茶叶，2020，42（6）：115-116.