基于PCL的植物三维信息获取方法的研究

摘要

研究植物三维信息的获取可以用于监控作物生长过程中的动态数据，为研究植物生长机理提出新的手段与思路，是发展精细农业的重要内容。目前，对于植物三维模型的研究处于起步阶段，对于植物点云模型的深入研究并不多，与植物生理信息结合的较少。
　　本文借助Point Cloud Library(PCL)开发库，对于植物点云模型进行深入研究，主要研究工作和研究成果包括以下几个方面。
　　(1)针对实验室内三维扫描仪无法通过修改参数减小误差的情况，介绍了一种基于标准平板的误差分析方法，并根据分析结果提出两种误差补偿算法，最后对误差补偿算法的效果进行了评估。
　　(2)针对植物叶片中存在的病斑提取问题，提出了基于颜色信息的区域生长算法，实现了对植物叶片病斑的区域分割，并取得了较好的效果。同时讨论了该算法中各个参数对分割结果的影响。最后对算法的分割效果进行评估。
　　(3)由于高光谱数据在研究植物生理、病斑检测等问题中的作用巨大，提出了一种将高光谱数据与植物点云模型相结合的算法。对比常用的图像匹配算法，分析了不同算法对最终结果的影响。
　　通过本研究，实现了高光谱数据与点云模型的相结合，可以为解决病斑检测、成分分析等问题提供了一个新的思路。

目录

声明

致谢

摘要

图目录

表目录

第1章 绪论

1．1 研究背景及目标

1．2 国内外研究现状

1．2．1 结构光三维重建技术的误差分析

1．2．2 点云分割技术

1．2．3 多来源图像配准与拼接技术

1．3 本文的研究内容

1．4 论文结构

第2章 植物三维信息获取平台

2．1 结构光三维扫描系统

2．2 开发库Point Cloud Library

2．2．1 PCL的功能模块

2．2．2 PCL支持的点类型

2．2．3 PCL支持的文件格式

2．3 1stOpt数据处理软件

2．4 Geomagic Studio点云处理软件

2．5 本章小结

第3章 结构光扫描系统的误差分析与误差补偿

3．1 引言

3．2 结构光三维扫描系统的误差分析

3．2．1 误差的来源与表征

3．2．2 带误差的平面方程推导

3．2．3 标准平板的拟合模型选择

3．2．4 标准平板的拟合

3．3 结构光三维扫描系统的误差补偿算法

3．3．1 基于Z轴垂直投影的误差补偿算法

3．3．2 基于原点中心投影的误差补偿算法

3．4 误差补偿算法的效果评估

3．4．1 效果评估方法

3．4．2 两种补偿算法对标准块的效果

3．4．3 两种补偿算法对植物的效果

3．5 本章小结

第4章基于颜色的植物叶片点云病斑分割

4．1 引言

4．2 算法设计

4．2．1 基于K-D tree和Octree的邻域获取

4．2．2 颜色空间与颜色相似度理论

4．2．3 基于颜色的区域生长算法

4．2．4 分割算法描述

4．3 算法实现

4．3．1 原始实验数据及预处理

4．3．2 参数设置

4．3．3 实验结果

4．4 结果分析

4．4．1 颜色闽值的影响

4．4．2 距离阈值的影响

4．4．3 区域最小点个数的影响

4．4．4 融合阈值的影响

4．5 算法评价

4．6 本章小结

第5章 带有高光谱信息的植物点云模型的获取

5．1 引言

5．2 高光谱图像采集系统

5．3 常见的图像特征检测与匹配方法

5．3．1 SIFT算法

5．3．2 SURF匹配

5．4 植物点云模型的二维投影

5．5 投影图像与高光谱图像的配准

5．5．1 SURF匹配结果

5．5．2 SIFT匹配结果

5．5．3 算法比较与分析

5．6 本章小结

第6章 总结与展望

6．1 总结

6．2 不足与展望

参考文献