基于Kinect的玉米植株三维骨架提取算法研究-计算机科学与技术专业论文.docxVIP

上海海洋大学硕士学位论文 答辩委员会成员名单 姓名 工作单位 职称 备注 陈明 上海海洋大学 教授 主席 吴华瑞 国家农业信息化工 程技术研究中心 研究员 委员 李振波 中国农业大学 副教授 委员 杨信廷 国家农业信息化工 程技术研究中心 研究员 委员 杜建军 国家农业信息化工 程技术研究中心 副研究员 委员 李明 国家农业信息化工 程技术研究中心 副研究员 秘书 答辩地点 北京农科大厦 A305 答辩日期 2015.6.6 基于 Kinect 的玉米植株三维骨架提取算法研究 摘 要 线性骨架是物体形态特征的重要体现，是物体几何形态的一种重要描述，线 性骨架与物体有着相同或相似的拓扑结构。近年来，随着信息技术的发展，关于 物体三维线性骨架获取的研究也越来越多，大田农作物的三维骨架提取研究正是 在这一大的背景下兴起的。玉米植株的三维线性骨架包含了植株生长过程的许多 重要参数，如株高、叶长、叶倾角、叶方位角等，这些参数对后续研究玉米的三 维重建、生长过程模拟、受力形变过程模拟、产量预测等有着非常重要的作用。 常规获取玉米植株线性骨架方式主要包括：人工测量、基于图像的骨架提取、利 用三维数字化仪及利用三维扫描仪获取等方式，获取的过程工作量大、效率低， 且由于需较多的人工参与易造成人为误差。如何使用一种普适性的手段进行玉米 植株三维骨架的快速提取，成为数字植物研究中一个重要问题。 Kinect 是一款低成本的体感摄像机，其内部算法能够自动完成人体骨架的匹配与行 为识别，由于玉米植株与人体存在显著差异，该算法并不适用于玉米植株的骨架 提取。Kinect 具有能够根据不同光斑识别目标物点的深度值的能力，因此，可将其 获取的深度数据转换为点云数据。与常规三维扫描仪相比，Kinect 具有较为明显的 价格优势；同时其所获取的由深度数据转换而来的点云数据，经预处理基本能够 满足玉米植株骨架提取的要求。鉴于 Kinect 的以上特性，本文提出了基于 Kinect 的玉米植株三维线性骨架提取方法，主要包括以下几方面： （1）根据玉米植株的生长特性，选取九叶展时期的玉米植株，将其移载到实 验盆放置在空旷的实验环境中，并保证玉米植株在 Kinect 的适当的视野范围内。 基于开源框架 OpenNI 构建深度数据获取程序并利用其转换深度数据为点云数据， 最后存储为 PCD 点云文件。 （2）与市场上主流的三维扫描仪相比，Kinect 分辨率较低，在数据的精度与数 据完整性方面具有明显不足，且由 Kinect 直接获取的点云数据包含了大量无效的 背景数据和冗余数据。为了更好地对数据做后续处理，同时又不显著的增加计算 量，采用了基于空间分布的阈值分割方法对目标点云的前景与背景进行分割，并 去除周围的冗余数据，并基于Ｋ-邻近点的思想对点云进行初步去噪，实现对原始 I 点云的预处理。 （3）基于 Kinect 的单帧预处理点云数据，提出了一种玉米植株三维线性骨架 提取方法，首先按照点云的垂直高度进行分层，然后对分层后的点云再用二次循 环迭代的方法对每个点云层进行聚类，并求取每个聚类后子类的中心点，即可获 得玉米植株的骨架点，最后，对于获取的玉米植株骨架点，使用二次Ｂ样条曲线 方法进行插值拟合,可以获得更具真实形态的玉米植株骨架线。实验结果表明，本 文采用的方法能够较为准确获取玉米植株的三维线性骨架。 （4）为了将本文提出的方法应用于玉米植株数据获取，更好的服务玉米实验， 基于所提的算法及实验方案，在 Qt、Unity3D 平台下实现了基于 Kinect 的玉米植 株骨架提取系统。该系统具有数据获取、点云数据处理、玉米植株骨架提取及骨 架分析的功能，系统具有交互操作便捷、界面友好等特点。 本文基于 Kinect 的深度数据，提出了一种新的玉米植株骨架提取方法，首次 的实现了基于 Kinect 的玉米植株骨架提取。该方法不仅有效的弥补了基于图像提 取方法中深度值较难估算的缺陷，同时相对于基于高精度三维扫描仪获取点云的 方法，该方法具有廉价、快速、简便的特点。但受制于 Kinect 分辨率较低特性， 本文提出的方法在算法的精度方面存在着一定的不足，比如对于存在严重遮挡的 叶片，本方法提取效果较差，有待进一步提高。 通过本课题的研究，不仅为玉米植株骨架获取提供了一种新的途径，而且也 扩展了深度数据在数字植物领域的进一步应用。随着算法的不断改进及新一代 Kinect 设备分辨率的提高，该方法能够应用于基于 Kinect 进行骨骼驱动的植物动 画模拟、提高基于实测数据的玉米植株三维重建等领域。 关键词：三维点云，玉米骨架，分层聚类，二次 B 样条曲线，Kinect II Research on Three-dimensional Skeleton Extraction A