[发明专利]一种基于三维点云图像的马尾松部分表型参数自动测量方法

说明书

本发明公开了一种基于三维点云图像的马尾松部分表型参数自动测量方法。采集不同视角下的马尾松植株的三维点云图像；预处理获得马三维点云；进行配准获得融合点云；提取最小生成树和主茎的骨架点，进而获取主茎点云和叶片点云；根据最小生成树、主茎点云和叶片点云处理获得主茎长度、马尾松地径、平均叶长和叶片数量。本发明方法能够自动识别三维点云图像中马尾松植株，并完成主径长度、地径、平均叶片长度、叶片长度的策略，提高了检测效率，实现高精度、高效率的作物表型数据采集，达到快速、低成本的作物表型参数准确和无损检测。

技术领域

本发明属于三维点云图像领域的马尾松表型参数无损及自动化检测方法，尤其是涉及了一种基于三维点云图像的马尾松部分表型参数自动测量方法。

背景技术

马尾松又叫青松、山松、枞松等，在我国秦岭淮河以南有一定的分布，马尾松不仅是工农业生产上的重要用材，同时它也是在药用上价值很高的植物。目前，按照种质资源选种选苗是提升马尾松产业的重要手段，通过分析基因型和表型之间的关系，迅速地培育出高产、抗逆的马尾松品种。然而，对马尾松的快速表型分析手段(如株高、地径、叶面积等快速无损测量)仍然是遗传学的瓶颈，传统的表型分析方法往往是耗时的、劳动密集型的，而且容易出现人为错误。因此开发全自动收集作物表型数据的技术是非常重要的，尤其是具有更高的准确性和效率的视觉表型技术至关重要。

尽管二维(2D)图像已被广泛用于基于图像的表型技术，但在三维空间对植物进行分析具有更强的稳定性和准确性。除了定性描述外，三维成像可以测量更多的特征及更多的性状，比如用于三维树冠的重建，LAI估算，植物高度、体积、生物量、茎直径、叶面积等植物性状的测量。对于马尾松，经过查阅国内外资料，尚无系统性的三维表型方案。马尾松在三维表型测量中，由于针状叶子和分蘖所造成的遮挡，往往导致需要提出更高要求的方法。为了获取高质量、可重复的表型数据集，需要通过手动方式来选择合适的采集区域，然后使用分析软件标准化数据来提高数据的可靠性，它仍需要具有一定生物和技术背景的人员进行操作。因此，人工测量的规模和通量一般较小，而且操作者必须遵循标准化的流程来完成采集任务，现有技术中缺少了一套马尾松的快速表型方案，对主径长度等参数完成测量。

发明内容

针对于背景技术中存在的问题，本发明的目的在于提供了一种基于三维点云图像的马尾松部分表型参数自动测量方法，能够自动识别三维点云图像中马尾松植株，并完成主径长度、地径、平均叶片长度、叶片长度数字化表型评价指标的计算和实现分级，提高了检测效率，配合成像等外观检测方法，为油茶表型组学的应用奠定技术基础。

本发明采用的技术方案是包括以下步骤：

1)采集马尾松植株的三维点云图像，采集过程中对马尾松植株进行旋转，每次旋转记录一个三维点云图像，每个马尾松植株进行N次旋转记录N个三维点云图像；

2)对每个三维点云图像进行预处理，获得马尾松植株本身的三维点云；

3)对N个预处理后的三维点云进行配准，获得融合点云；

4)提取备选点最小生成树和主茎的骨架点，进而获取主茎点云和叶片点云；

5)根据备选点最小生成树、主茎点云和叶片点云处理获得主茎长度H、马尾松地径、平均叶长和叶片数量。

在方法中，将马尾松植株放置在花盆的土壤中，花盆放置在桌面上，且土壤刚好溢出花盆，土壤上表面和花盆上表面平齐。

所述步骤2)预处理具体为：

2.1)对三维点云图像使用直通滤波的方法去除背景；

2.2)对去除背景后的三维点云图像使用RANSAC(Random Sample Consensus，随机抽样一致)平面拟合的方法检测桌面平面，再使用平面分割的方法将桌面平面去除；