陈龙,王浩云,季呈明,孙云晓,徐焕良

(南京农业大学人工智能学院,江苏 南京 210095)

点云数据反映一个物体的空间结构,近年来对点云数据研究比较广泛的是对物体进行三维建模。刘刚等[1]提出一种基于深度信息分割聚类的草莓冠层结构形态三维重建算法,三维重建出具有颜色信息的草莓冠层结构形态;Yamamoto等[2]使用Kinect与旋转台获取苹果各个角度的点云数据,然后通过点云配准及贴皮建立苹果果实三维模型;徐胜勇等[3]使用Kinect传感器获取不同角度的角果期油菜分枝点云数据,使用基于KD-tree搜索的最近点迭代算法实现点云配准,进行油菜枝的三维重建。

点云数据除了在三维建模研究项目上发展比较迅速之外,也逐渐应用于物体的表型参数预测的研究。王浩云等[4]通过3D-CNN建立苹果高光谱图像与苹果糖度、硬度、含水量的多任务学习模型,提出一种苹果高光谱多品质参数同时检测方法;郭彩玲等[5]提出一种获取苹果树冠层参数的方法KD-trees-ICP,用于高精度配准苹果树冠层三维点云数据,获取较为精准的苹果树冠层几何参数;Su等[6]利用深度图像和彩色图像相结合的方法构建马铃薯的3D模型,预测马铃薯的长度、宽度、厚度和体积参数,预测平均绝对误差均小于2.4 mm;Pamornnak等[7]通过Kinect相机获取油棕果的RGB信息和深度信息,将深度信息映射到彩色图像中获得油棕果的2.5D模型,然后使用体积积分法估测油棕果的相对体积并进行分级。

上述方法是将点云数据转化为规则的三维体素网格或图像集合,然而这会使数据大量增加并忽略数据本身之间的关联性。……