(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210997343.4 (22)申请日 2022.08.19 (71)申请人 深圳大学 地址 518060 广东省深圳市南 山区南海大 道3688号 (72)发明人 彭业萍　许啸寅　杨明斌　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 吴志益　温宏梅 (51)Int.Cl. G06T 17/00(2006.01) G06T 5/00(2006.01) (54)发明名称 一种植株三维重建方法、 终端及存 储介质 (57)摘要 本发明公开了一种植株三维重 建方法、 终端 及存储介质， 方法包括： 获取双目采集平台采集 的植株多视角图像， 对采集的植株多视角图像进 行预处理； 根据视觉三维重建方法将双目视觉应 用于运动恢复结构中， 利用处理后的植株多视角 图像重建温室植株三维点云； 分析温室植株三维 点云的噪声分布规律， 融合点云滤波算法对温室 植株三维点 云进行滤波处理， 得到滤波后的点云 模型； 根据点云 处理技术 从滤波后的点云模型中 提取目标植株的结构特征参数， 以实现目标植株 的无接触测量。 本发明通过双目视觉图像序列的 特征点提取与匹配， 构造植株的三维模型， 实现 植株物理结构参数提取， 为植株的生长状态可视 化监测及育种栽培技 术提升提供有效依据。 权利要求书2页 说明书19页 附图6页 CN 115375842 A 2022.11.22 CN 115375842 A 1.一种植株三维重建方法， 其特 征在于， 包括： 获取双目采集平台采集的植株多视角图像， 对采集的植株多视角图像进行预处理， 得 到处理后的植株多视角图像； 根据视觉三维重建方法将双目视觉应用于运动恢 复结构中， 利用所述处理后的植株多 视角图像重建温室植株三维点云； 分析所述温室植株三维点云的噪声分布规律， 融合点云滤波算法对所述温室植株三维 点云进行 滤波处理， 得到滤波后的点云模型； 根据点云处理技术从所述滤波后的点云模型中提取目标植株的结构特征参数， 以实现 所述目标植株的无接触测量。 2.根据权利要求1所述的植株三维重建方法， 其特征在于， 所述获取双目采集平台采集 的植株多视角图像， 包括： 通过双目相机对放置在平台托盘上的植株进行图像采集， 并通过控制台控制图像数据 的存储参数和相机的拍摄模式； 通过所述控制台控制所述双目相机的旋转参数， 以角速度模式或角度模式进行旋转拍 摄， 得到所述 植株多视角图像。 3.根据权利要求2所述的植株三维重建方法， 其特征在于， 对采集的植株多视角图像进 行预处理， 包括： 获取所述双目相机中各相机的内参数和畸变系数； 确定所述双目相机的相对旋转矩阵和相对平 移向量； 根据各相机的内参数和畸变系数、 所述相对旋转矩阵和所述相对平移向量对所述双目 相机进行 标定， 得到标定结果； 根据所述标定结果对采集的植株多视角图像进行畸变矫正、 基线校准以及计算像素点 空间坐标处 理， 得到所述处 理后的植株多视角图像。 4.根据权利要求3所述的植株三维重建方法， 其特征在于， 所述根据标定结果对采集的 植株多视角图像进行畸变矫 正、 基线校准以及计算像素点空间坐标处 理， 包括： 确定所述双目相机的像素点深度误差； 根据理论 误模型建立 误匹配视 差与所述像素点深度误差之间的关系； 根据所述关系和所述标定结果确定实际深度误差值； 根据所述实际深度误差值对采集的植株多视角图像进行畸变矫正、 基线校准以及计算 像素点空间坐标处 理。 5.根据权利要求1所述的植株三维重建方法， 其特征在于， 所述根据视觉三维重建方法 将双目视觉应用于运动恢复结构中， 利用所述处理后的植株多视角图像重 建温室植株三 维 点云， 包括： 采用SIFT特征点提取算法提取所述多视角图像中的图像特征， 并进行图像匹配， 得到 特征点的匹配关系； 基于所述特征点的匹配关系 估计出双目图像的姿态情况， 得到相邻图像对之间的空间 关系； 利用半全局立体匹配方法， 对左右图像进行视差 图的构建， 结合相机标定参数计算每 个像素点的空间坐标， 形成植物的局部点云；权　利　要　求　书 1/2 页 2 CN 115375842 A 2根据图像位姿参数将所有局部点云变换至世界坐标系中， 构建具有真实尺度的整体植 株的三维点云。 6.根据权利要求5所述的植株三维重建方法， 其特征在于， 所述采用SIFT特征点提取算 法提取所述多视角图像中的图像特征， 并进 行图像匹配， 得到特征点的匹配关系， 之前还包 括： 对树叶图像进行超绿特征的提取， 基于预设算法遍历每个像素进行计算， 得到超绿特 征图； 利用阈值分割方法对所述超绿特征图进行分割， 在图像中计算前景区域与背景区域间 的类间方差， 根据所述类间方差对应的阈值确定分割阈值； 根据所述分割阈值对所述树叶图像进行分割， 去 除所述树叶图像中的背景部分， 保留 温室植株的主体部分。 7.根据权利要求1所述的植株三维重建方法， 其特征在于， 所述分析所述温室植株三维 点云的噪声分布规律， 融合点云滤波算法对所述温室植株三维点云进行滤波处理， 得到滤 波后的点云模型， 包括： 将所述温室植株三维点云输入至统计滤波器中； 设置邻域搜索点数量与标准差的倍数； 对所述温室植株三维点云中的每 个查询点计算对应的邻域平均距离； 计算全局平均距离的平均值和标准差， 并得到距离区间阈值； 判断查询点邻域内的平均距离是否在所述距离区间阈值内； 若是， 则保留所述 查询点， 剔除偏离主体 较远的离群点； 利用点云半径滤波的方法对主体点云附近的无关点进行剔除， 得到所述滤波后的点云 模型。 8.根据权利要求1所述的植株三维重建方法， 其特征在于， 所述根据点云处理技术从所 述滤波后的点云模型中提取目标植株的结构特征参数， 以实现所述目标植株的无接触测 量， 包括： 通过体素滤波的方法对输入的温室植株三维点云构建一个三维的体素栅格， 计算每个 小体素栅格内部所有三维点的重心， 通过 所述重心替换对应栅格内的点； 获取所述温室植株三维点云在垂直方向上的植株 高度， 并获取在水平方向上的冠层宽 度； 采取标记截取、 圆柱拟合的方法提取 所述温室植株三维点云的多处茎 干的胸径； 采用构建包围盒的方法提取 所述温室植株三维点云叶片的生理长度与宽度； 存储及输出 所述温室植株三维点云的植株的结构特 征参数。 9.一种终端， 其特征在于， 包括： 处理器以及存储器， 所述存储器存储有植株三维重建 程序， 所述植株三维重建程序被所述处理器执行时用于实现如权利要求1 ‑8中任意一项所 述的植株三维重建方法的操作。 10.一种存储介质， 其特征在于， 所述存储介质为计算机可读存储介质， 所述存储介质 存储有植株三 维重建程序， 所述植株三维重 建程序被处理器执行时用于实现如权利要求 1‑ 8中任意一项所述的植株三维重建方法的操作。权　利　要　求　书 2/2 页 3 CN 115375842 A 3