一種玉米群體三維重建方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)圖形學(xué)技術(shù)領(lǐng)域，尤其涉及一種玉米群體三維重建方法。
【背景技術(shù)】
[0002] 農(nóng)業(yè)是中國(guó)國(guó)民經(jīng)濟(jì)的基礎(chǔ)。農(nóng)業(yè)信息化是本世紀(jì)農(nóng)業(yè)發(fā)展的重要標(biāo)志，也是農(nóng) 業(yè)現(xiàn)代化的重要組成部分。在農(nóng)業(yè)信息化實(shí)施過(guò)程中，農(nóng)業(yè)通過(guò)信息化可以獲得倍增效益。 信息業(yè)可以通過(guò)對(duì)農(nóng)業(yè)的信息軟硬件服務(wù)形成農(nóng)業(yè)信息產(chǎn)業(yè)，最終形成農(nóng)業(yè)與信息業(yè)雙贏 的良好局面?，F(xiàn)代農(nóng)業(yè)在農(nóng)業(yè)生產(chǎn)、流通等各個(gè)環(huán)節(jié)都離不開(kāi)信息服務(wù)，農(nóng)業(yè)信息已經(jīng)涉及 到了農(nóng)業(yè)生產(chǎn)、流通的方方面面，加之信息本身的增效作用，使得農(nóng)業(yè)信息服務(wù)的各環(huán)節(jié)都 會(huì)有效益產(chǎn)生。
[0003]隨著農(nóng)業(yè)信息化技術(shù)的快速發(fā)展，新興的虛擬現(xiàn)實(shí)技術(shù)在農(nóng)業(yè)領(lǐng)域也越來(lái)越多地 得到應(yīng)用，特別值得一提的是，虛擬農(nóng)業(yè)已經(jīng)成為我國(guó)農(nóng)業(yè)發(fā)展的一個(gè)重要趨勢(shì)，虛擬農(nóng)業(yè) 不但可以將農(nóng)業(yè)作物數(shù)字化，而且還能夠?yàn)榭蒲姓咛峁┓奖愕慕换バ圆僮髋c觀察等，對(duì)于 推動(dòng)農(nóng)業(yè)發(fā)展有著巨大的作用。
[0004] 近年來(lái)，隨著計(jì)算機(jī)硬件性能的不斷提高以及虛擬植物建模、景觀設(shè)計(jì)、游戲等領(lǐng) 域的研究不斷深入，獲得高度真實(shí)的植物造型成為可能和必需，同時(shí)，植物形態(tài)的多樣性也 吸引了諸多的研究者。為了開(kāi)展玉米品種抗倒伏能力、品種最優(yōu)密度設(shè)計(jì)實(shí)驗(yàn)，國(guó)內(nèi)外已開(kāi) 展了玉米群體幾何建模工作。
[0005] 例如，現(xiàn)有技術(shù)中文獻(xiàn)公開(kāi)了在玉米群體生長(zhǎng)包圍盒空間內(nèi)隨機(jī)生成幾何面元， 后來(lái)是利用所構(gòu)造的單株玉米幾何模型通過(guò)植株復(fù)制來(lái)生成玉米群體幾何模型；也有研究 者通過(guò)對(duì)玉米株型的數(shù)學(xué)描述實(shí)現(xiàn)玉米冠層的三維重建;還有文獻(xiàn)公開(kāi)了基于空間數(shù)據(jù)的 虛擬玉米群體生成系統(tǒng)，通過(guò)輸入實(shí)測(cè)的玉米冠層植株方位平面、株行距等參數(shù)，將復(fù)制的 標(biāo)準(zhǔn)化的玉米植株進(jìn)行平移和旋轉(zhuǎn)操作實(shí)現(xiàn)玉米群體的生成。
[0006] 但是上述玉米群體生成方法只是解決了玉米群體生成的有無(wú)問(wèn)題，無(wú)法描述田間 實(shí)際玉米冠層的情況，并且誤差非常大，無(wú)法反映出不同品種、不同栽培密度以及田間實(shí)際 的缺苗斷壟、群體間植株生長(zhǎng)的競(jìng)爭(zhēng)的群體特征。

【發(fā)明內(nèi)容】

[0007] 針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種玉米群體三維重建方法及裝置，以解決 現(xiàn)有技術(shù)中玉米群體生成方法無(wú)法描述玉米冠層情況的技術(shù)問(wèn)題。
[0008] 第一方面，本發(fā)明提供了 一種玉米群體三維重建方法，包括：
[0009] 從玉米群體所在俯視圖像中獲取玉米群體范圍；并從所述玉米群體范圍中獲取玉 米群體每株玉米的二維生長(zhǎng)點(diǎn)坐標(biāo)與植株方位平面角；
[0010] 確定重建玉米的品種與生長(zhǎng)期，并獲取該品種及生長(zhǎng)期的N個(gè)玉米植株的多個(gè)株 型參數(shù)，并利用所獲取的N組樣本估計(jì)各株型參數(shù)的概率密度分布函數(shù)；
[0011] 綜合利用每個(gè)株型參數(shù)的概率密度分布函數(shù)結(jié)合骨架模板，生成Μ株玉米植株骨 架；
[0012] 將所重建的Μ個(gè)玉米植株模板沿Z軸水平旋轉(zhuǎn)所述植株方位平面角的角度，并平移 至各植株對(duì)應(yīng)的二維生長(zhǎng)點(diǎn)后生成群體三維拓?fù)涔羌芙Y(jié)構(gòu)；
[0013] 從玉米器官三維模板資源庫(kù)中選取相應(yīng)品種相同生長(zhǎng)期的玉米器官匹配所述群 體三維拓?fù)涔羌芙Y(jié)構(gòu)，以生成玉米群體網(wǎng)格模型。
[0014] 可選地，所述從玉米器官三維模板資源庫(kù)中選取相應(yīng)品種相同生長(zhǎng)期的玉米器官 匹配所述群體三維拓?fù)涔羌芙Y(jié)構(gòu)，以生成玉米群體網(wǎng)格模型的步驟之后，包括：
[0015] 對(duì)所述玉米群體網(wǎng)格模型進(jìn)行碰撞檢測(cè)使得所有網(wǎng)格碰撞部分作出響應(yīng)變形，以 使所述玉米群體網(wǎng)格模型中無(wú)網(wǎng)格交叉。
[0016] 可選地，采用碰撞檢測(cè)方法檢測(cè)所述玉米群體網(wǎng)格模型的網(wǎng)格碰撞部分。
[0017] 可選地，所述確定重建玉米的品種與生長(zhǎng)期，并獲取該品種及生長(zhǎng)期的N個(gè)玉米植 株的多個(gè)株型參數(shù)，并利用所獲取的N組樣本估計(jì)各株型參數(shù)的概率密度分布函數(shù)的步驟 中，進(jìn)一步包括：
[0018] 從所述N個(gè)玉米植株中選取Ns個(gè)植株并獲取所述Ns個(gè)植株的三維數(shù)字化數(shù)據(jù)作為 植株三維骨架模板；
[0019] 構(gòu)造每個(gè)株型參數(shù)的t統(tǒng)計(jì)量，然后根據(jù)該t統(tǒng)計(jì)量估計(jì)每個(gè)株型參數(shù)的概率密度 分布函數(shù)。
[0020] 可選地，所述綜合利用每個(gè)株型參數(shù)的概率密度分布函數(shù)結(jié)合骨架模板，生成Μ株 玉米植株骨架的步驟中，進(jìn)一步包括：
[0021] 所述多個(gè)株型參數(shù)包括株高、葉片數(shù)、各節(jié)間長(zhǎng)度與株高比例、葉鞘長(zhǎng)度、葉長(zhǎng)、葉 寬、葉傾角、方位角與植株方位平面偏差、雄穗分枝數(shù)與雄穗高度、雌穗數(shù)量、雌穗長(zhǎng)度與生 長(zhǎng)葉位；
[0022] 分別利用株高與葉片數(shù)的概率密度分布函數(shù)生成Μ組株高與葉片數(shù)隨機(jī)數(shù)作為擬 重建的Μ株植株的株高與葉片數(shù);從Ns個(gè)植株的植株三維骨架模板中為Μ個(gè)植株分別選取與 每個(gè)植株的葉片數(shù)相同或者最為接近且與株高最為接近的植株三維骨架模板作為當(dāng)前植 株的臨時(shí)植株三維骨架模板；
[0023] 對(duì)所有Μ株植株，利用節(jié)間的概率密度分布函數(shù)分別生成Μ組節(jié)間長(zhǎng)度與株高比例 隨機(jī)數(shù)，調(diào)節(jié)各植株的臨時(shí)三維骨架的節(jié)間長(zhǎng)度與株高比例；
[0024] 分別利用葉鞘長(zhǎng)度、葉長(zhǎng)、葉寬、葉傾角、方位角與植株方位平面偏差的概率密度 分布函數(shù)生成各植株的葉鞘長(zhǎng)度、葉長(zhǎng)、葉寬、葉傾角、方位角偏差參數(shù)隨機(jī)數(shù)作用于各植 株的臨時(shí)植株三維骨架模板，以構(gòu)建該植株的玉米植株骨架。
[0025] 可選地，所述利用節(jié)間的概率密度分布函數(shù)生成一組節(jié)間長(zhǎng)度與株高比例隨機(jī) 數(shù)，調(diào)節(jié)當(dāng)前植株的臨時(shí)三維骨架的節(jié)間長(zhǎng)度與株高比例的步驟中，進(jìn)一步包括：
[0026] 當(dāng)節(jié)間有高度而無(wú)葉片著生或者最后幾個(gè)葉片都長(zhǎng)在同一高度上時(shí)，通過(guò)松弛因 子對(duì)實(shí)際節(jié)間高度進(jìn)行松弛調(diào)節(jié)。
[0027]第二方面，本發(fā)明實(shí)施例提供了一種玉米群體三維重建裝置，包括：
[0028]生長(zhǎng)點(diǎn)坐標(biāo)與植株方位平面角獲取模塊，用于從玉米群體所在俯視圖像中獲取玉 米群體范圍；并從所述玉米群體范圍中獲取玉米群體中每株玉米的二維生長(zhǎng)點(diǎn)坐標(biāo)與植株 方位平面角；
[0029] 分布函數(shù)獲取模塊，用于確定重建玉米的品種與生長(zhǎng)期，并獲取該品種及生長(zhǎng)期 的N個(gè)玉米植株的多個(gè)株型參數(shù)，并利用所獲取的N組樣本估計(jì)各株型參數(shù)的概率密度分布 函數(shù)；
[0030] 玉米植株骨架獲取模塊，用于綜合利用每個(gè)株型參數(shù)的概率密度分布函數(shù)結(jié)合骨 架模板，生成Μ株玉米植株骨架；
[0031] 群體三維拓?fù)涔羌芙Y(jié)構(gòu)獲取模塊，用于將所重建的Μ個(gè)玉米植株模板沿Ζ軸水平旋 轉(zhuǎn)所述植株方位平面角的角度，并平移至各植株對(duì)應(yīng)的二維生長(zhǎng)點(diǎn)后生成群體三維拓?fù)涔?架結(jié)構(gòu)；
[0032]玉米群體網(wǎng)格模型獲取模塊，用于從玉米器官三維模板資源庫(kù)中選取相應(yīng)品種相 同生長(zhǎng)期的玉米器官匹配所述群體三維拓?fù)涔羌芙Y(jié)構(gòu)，以生成玉米群體網(wǎng)格模型。
[0033]可選地，本發(fā)明實(shí)施例提供的玉米群體三維重建裝置還包括：
[0034] 碰撞檢測(cè)與碰撞響應(yīng)模塊，用于對(duì)所述玉米群體網(wǎng)格模型進(jìn)行碰撞檢測(cè)使得所有 網(wǎng)格碰撞部分作出響應(yīng)變形，以使所述玉米群體網(wǎng)格模型中無(wú)網(wǎng)格交叉。
[0035] 可選地，所述分布函數(shù)獲取模塊包括：
[0036]植株三維骨架模板獲取單元，用于從所述Ν個(gè)玉米植株中選取Ns個(gè)植株并獲取所 述Ns個(gè)植株的三維數(shù)字化數(shù)據(jù)作為植株三維骨架模板；
[0037]概率密度分布函數(shù)估計(jì)單元，用于構(gòu)造每個(gè)株型參數(shù)的t統(tǒng)計(jì)量，然后根據(jù)該t統(tǒng) 計(jì)量估計(jì)每個(gè)株型參數(shù)的概率密度分布函數(shù)。
[0038]可選地，所述玉米植株骨架獲取模塊包括：
[0039] 臨時(shí)植株三維骨架模板獲取單元，用于分別利用株高與葉片數(shù)的概率密度分布函 數(shù)生成Μ組株高與葉片數(shù)隨機(jī)數(shù)作為擬重建的Μ株植株的株高與葉片數(shù);從Ns個(gè)植株的植株 三維骨架模板中為Μ個(gè)植株分別選取與每個(gè)植株的葉片數(shù)相同或者最為接近且與株高最為 接近的植株三維骨架模板作為當(dāng)前