基于移动Kinect的低成本植物三维结构表型分析

摘要

表型分析对于理解植物基因型与环境之间的关系非常重要,开发高效且成本低的相关技术是精准农业等领域的一项典型需求.其中,代表性的RGB-D设备Kinect已用于植物表型分析,但其应用潜力尚未被充分挖掘.本文首先梳理比较了Kinect表征三维结构的三种原理方式,即点云基于深度图像(DI)生成,通过运动恢复结构(SfM)从彩色图像获得,以及合并DI和SfM点云生成融合数据(MD),并以FARO X330激光扫描仪获取的基准数据评估三种方式的性能.以植物玉簪为例的分析结果表明,对叶面积的估算DI点云的准确度最高,对叶片圆形度和偏心率的反演MD点云表现最佳,对叶倾角的反演SfM点云的性能最好.三种方式的结果差异源于它们表征不同结构的表现不同,对于叶面积的反演,SfM表征叶片相对不完整,而MD重建叶片的边缘存在不平滑的现象,导致两者精度不足;对于表征叶片的几何特征,通过合并DI和SfM数据生成的MD点云实现了信息增强的效果,使得其表现优于DI和SfM点云;叶倾角对深度测量的准确性更敏感,由于Kinect测量深度过程中通常存在误差,导致DI和MD点云反演精度偏低,而SfM点云仅通过彩色图像生成,因此其表现出反演叶倾角的最佳性能.性能比较与原因分析表明,三种方式对不同的结构特征有不同的适用空间,它们的集成有助于提升Kinect用于植物表型分析的整体性能,由此形成一种基于Kinect的移动表型高效分析技术;此外,提出的叶片几何描绘(LGD)模型可较好拟合叶片轮廓,有助于恢复部分被遮挡叶片的几何形态.提出了一种基于Kinect的低成本但高效的移动型三维植物结构表型分析技术,这对于促进作物监控、农业增产等有基础技术意义.