[发明专利]一种基于激光点云顾及茎秆形体和叶倾角的植株识别方法

说明书

本申请提供一种基于激光点云顾及茎秆形体和叶倾角的植株识别方法，包括：根据植株结构表型参数，识别植株的种类；根据植株的识别结果，分析植株的状态；基于植株的状态，监测植株的健康程度，具体包括：建立植株健康状况识别模型；基于植株的健康程度，预测植株的生长趋势；基于植株的生长趋势，设计植株初步生长干预策略，具体包括:建立植株经典造型库，对植株经典造型进行逆向工程，确定植株的造型方案，生成植株初步生长干预策略；根据植株的健康程度和植株初步生长干预策略，判断植株观赏性；基于植株观赏性，确定植株再生长干预策略。本申请对植株做适当的人工干预，有利于促进植株健康生长，通过植株造型的设计，增强观赏价值。

【技术领域】

本发明涉及信息技术领域，尤其涉及一种基于激光点云顾及茎秆形体和叶倾角的植株识别方法。

【背景技术】

大型花卉植株与植物园中，都培育着很多有价值，且珍贵的植株。这些植株具有自身的生长规律，但观赏价值也是一个需要去保护和判断的特征。三维激光扫描可瞬时高效地采集点云信息，在获取植株结构表型特征上具有独特的优势。使用激光扫描仪采集了植株的点云信息，数字化为三维模型以准确计算结构表型参数。在植株生长期，通过对植株进行三维激光建模，自动识别植株形态，监测其健康程度，预测其生长趋势。根据其生长趋势，对其进行初步生长干预，使其完成更好的造型方案设计要求。同时，对植株的观赏性做判断，最后根据判断结果进行再干预，采取一定的再干预措施，就能让植物园的大规模植株培育中，获得最有价值和经济效益最高的植株。

【发明内容】

本发明提供了一种基于激光点云顾及茎秆形体和叶倾角的植株识别方法，主要包括：

基于激光点云计算植株结构表型参数；根据植株结构表型参数，识别植株的种类；根据植株的识别结果，分析植株的状态；基于植株的状态，监测植株的健康程度；基于植株的健康程度，预测植株的生长趋势；基于植株的生长趋势，设计植株初步生长干预策略；根据植株的健康程度和植株初步生长干预策略，判断植株观赏性；基于植株观赏性，确定植株再生长干预策略；

进一步可选地，所述基于激光点云计算植株结构表型参数包括：

所述植株结构表型参数是指植株的叶倾角分布；通过三维激光扫描与高精度相机采集各个植株的高精度点云信息；然后对植株的点云信息进行预处理，再利用空间不规则三角网，得到植株茎秆枝叶的三维模型；最后通过所述三维模型中的每个三角面片进行格式解析，得到三角面片的法向量数据和顶点坐标数据；根据所述三角面片的法向量数据和所述顶点坐标数据，计算植株的叶倾角分布，则得到植株结构表型参数；包括：采集植株的高精度点云信息；建立植株茎秆枝叶的三维模型；计算植株的叶倾角分布；

所述采集植株的高精度点云信息，具体包括：

从植株的生长发育期开始，采集植株的高精度点云信息；所述采集植株的高精度点云信息，包括：通过三维激光扫描仪定时扫描植株的表面，接收植株的每一个点的反射信号；接着通过转换器，转换成能直接识别的数据信息，通过软件处理获取预设范围每一个点的三维坐标；然后通过高精度相机获取植株的彩色图像，并赋予每一个点在所述彩色图像中对应所述三维坐标的像素的RGB颜色信息；植株的所有被记录的点组成植株的点云，所有被记录的点带有的RGB颜色信息即为所述植株的高精度点云信息。

所述建立植株茎秆枝叶的三维模型，具体包括：

基于植株的点云信息建立植株茎秆枝叶的三维模型。首先通过预处理优化原始的点云信息；所述预处理包括点云拼接，点云去噪；所述点云拼接是对超过预设所述三维坐标的范围的点按照预设点对准后，进行点云信息的拼接；所述点云去噪是指通过平滑低通滤波对杂点信息进行滤除；所述杂点是指在每一个点的领域中，点云信息方差超过邻域点云信息平均方差第一预设阈值的点；然后通过随机点采样，在点云中得到预设数量的用于建模的点；最后利用空间不规则三角网构建以所述用于建模的点为顶点的TIN三角形，得到植株茎秆枝叶的三维模型。

所述计算植株的叶倾角分布，具体包括：