该小型作物表型自动重建平台属于植物表型领域。在目前主流的点云获取技术中，基于激光雷达所获取的点云缺失大量的色彩信息且设备昂贵，以及深度摄像头相机拍摄的多视角图像实时重建获取的作物点云稠密度不够，很难用于生产实际。针对现存技术的不足，该成果设计并构建了一款低成本、高精度作物表型点云自动重建系统，实现从获取作物多视角图像到生成作物稠密点云一部自动化完成。该成果采用RGB相机、智能电动转盘及USB-TTL红外信号收发模块协同工作自动获取多视角图像。通过serial串口通信库连接USB-TTL红外信号收发模块、通过Opencv库连接RGB相机，编写代码发送遥控信号智能控制电动转盘旋转，同步控制摄像头自动获取图像并存储。利用循环体控制文件输入输出流，实现对作物多视角图像的批量去背景，处理由于环境光干扰导致的图像背景颜色不均匀、存在色差等问题。针对每张图像，通过分水岭算法，以图像左上角像素点为种子点，对整张图像根据阈值进行泛填充以去除背景干扰。本成果通过尺度不变特征变换算法提取多视角图像特征点，采用K-近邻算法匹配多视角图像之间的特征点，使用增量式运动恢复结构生成作物稀疏点云；以“特征提取-特征匹配-运动恢复结构与优化-图像去畸变-结果输出”的顺序进行作物稀疏三维点云重建。根据极线几何约束原理，采用基于深度图融合的MVS算法对作物进行稠密三维点云重建，设计“深度图计算-深度图融合-物体表面抽取”的过程进行作物稠密三维点云重建。该成果研发的表型系统，具有操作简单、成本低廉、自动化程度高、获取点云方便、重建模型精度高、易于市场化等优势，可落地应用于植物表型分析、果实自动分拣、种子资源调查、品种鉴定、考种等智慧农业领域，在智慧表型平台市场具有极大的应用前景、良好的推广应用价值及社会经济效益。基于三维点云的果实表型高通量无损监测与精准数字化获得2020年度陕西高等学校科学技术奖励二等奖。

联系人：杨会君    联系电话：029-87082848