[发明专利]一种作物群体最适研究尺度检测方法及装置

说明书

本发明提供了一种作物群体最适研究尺度检测方法及装置，方法包括：获取目标作物群体的三维点云数据C；对获取的三维点云数据C进行均匀重采样，得到采样后的三维点云数据统计采样后的三维点云数据在各个预设体素内的数据点数量，并根据采样后的三维点云数据在各个预设体素内的数据点数量确定最适行数和每行的最适植株数，并由最适行数和每行的最适植株数确定目标作物群体的最适研究尺度范围。本发明通过三维数据获取装置获得的具有遮挡关系的作物群体三维点云，能够获取作物群体的最适研究尺度范围，进而对于提高作物群体试验小区的使用效率、在保证计算精度的前提下提高作物群体光分布模拟的计算效率等具有重要作用。

技术领域

本发明涉及农业技术领域，具体涉及一种作物群体最适研究尺度检测方法及装置。

背景技术

作物群体作为履行光合作用和物质生产职能的组织体系，其形态结构对光截获能力、冠层光合效率以及作物产量均具有重要影响。同时，群体结构也体现了作物品种的遗传特性及其对环境的适应程度，在遗传和环境因素的影响下，作物群体形态结构具有时空变异性，到目前为止，作物群体形态特征一直是人类认识、分析和评价作物的最基本方式。

在作物栽培与育种研究中，种植多大范围的作物群体能反映作物的群体特征是一个重要的问题，也就是保证作物中心区域部分具有典型的群体特征，避免边际效应。例如在某新品种不同密度的玉米群体光截获能力研究中，拟测量群体中心区域不同高度的光合有效辐射分布情况来表征该品种的光截获能力，群体种植范围太小会减少周边植株对光的遮挡使得测量结果不具有代表性；群体种植范围太大会显著增加投入和实验工作量。这种情况在虚拟的作物群体光截获实验中同样存在，虚拟作物群体构建范围太小无法表征周边群体对中间植株光的遮挡、虚拟作物群体构建范围太大会大幅增加几何模型面元数量而降低作物冠层光分布计算的效率。

实际研究中有两种解决方案，一种是通过尽可能的扩大种植范围来保证中心部分作物植株的群体特征；另外一种是有限种植范围使得中心区域植株的边际效应尽可能小，降低投入和实验工作量。这两种方案的实际问题是无法找到最适合尺度的作物群体种植密度，在保证种植区域最小的前提下保证种植区域中心植株具有典型群体特征。

发明内容

针对现有技术中的缺陷，本发明提供了一种作物群体最适研究尺度检测方法及装置，本发明能够获取作物群体的最适研究尺度范围。

具体地，本发明提供了以下技术方案：

第一方面，本发明提供了一种作物群体最适研究尺度检测方法，包括：

在目标作物群体中的预设指定位置获取目标作物群体的三维点云数据C；所述三维点云数据C所处的三维坐标系的中心为所述预设指定位置，所述三维点云数据C所处的三维坐标系的Z轴表示作物高度方向、X轴表示作物行向方向、Y轴表示垂直于作物行向方向的株向方向；

对获取的三维点云数据C进行均匀重采样，得到采样后的三维点云数据

统计采样后的三维点云数据在各个预设体素内的数据点数量，并根据采样后的三维点云数据在各个预设体素内的数据点数量确定最适行数和每行的最适植株数，并由最适行数和每行的最适植株数确定目标作物群体的最适研究尺度范围；

其中，所述各个预设体素为将采样后的三维点云数据所处的三维坐标系进行空间划分后得到的多个相互独立的长方体空间。

进一步地，所述对获取的三维点云数据C进行均匀重采样，得到采样后的三维点云数据具体包括：

设置重采样距离参数L和阈值个数参数Q；

将点云空间剖分成长宽高都为L的立方体，若三维点云数据C落入某个立方体的点的个数大于或等于Q，则将该立方体的中心点作为该立方体空间内的重采样点，对三维点云数据C经过这样的均匀重采样后，得到采样后的三维点云数据