孫 婷，張琳琳，宋懷波

?

基于序列圖像的植株三維重建試驗(yàn)與分析

孫 婷，張琳琳，宋懷波

(西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院，陜西楊凌 712100)

如何在保證精度的前提下實(shí)現(xiàn)更為高效、快捷以及廉價(jià)的植株三維重建是智慧農(nóng)業(yè)領(lǐng)域研究的重要課題。本研究從實(shí)用的植株三維重建角度出發(fā)，利用3DSOM軟件開展了植株的三維重建方法研究，搭建了一套植株序列圖像獲取系統(tǒng)，可以精確地獲得植株的360°視角的序列圖像，為后期進(jìn)行植株的三維重建奠定了基礎(chǔ)。本試驗(yàn)以圣女果植株和樹木植株為研究對(duì)象，分別利用8、16、32、64、80、96幅序列圖像和20、40、60、80幅序列圖像開展了植株的三維重建試驗(yàn)與對(duì)比測(cè)試。試驗(yàn)結(jié)果表明，對(duì)于樹木植株，由于其枝干較多且不同角度的枝干間存在重疊，重建圖像會(huì)丟失部分枝干細(xì)節(jié)信息，而對(duì)于小型植株如圣女果植株的重建效果較好；測(cè)試結(jié)果表明，最少利用16幅序列圖像即可重建圣女果植株，最少利用20幅序列圖像即可重建樹木植株；圣女果植株的重建時(shí)間在14分鐘以內(nèi)，樹木植株的重建時(shí)間在18分鐘以內(nèi)，且隨著序列圖像數(shù)量的增加，重建時(shí)間增長(zhǎng)緩慢，表明重建用序列圖像的數(shù)目對(duì)重建時(shí)間影響較小。為進(jìn)一步驗(yàn)證該方法的三維重建精度，對(duì)圣女果植株的枝干選取了5個(gè)截段進(jìn)行了實(shí)際測(cè)量，其重建誤差在0.05%-2.36%之間；同時(shí)選取樹木4個(gè)截段進(jìn)行了實(shí)際測(cè)量，其重建誤差在0.11%-2.67%之間，重建精度滿足植株三維測(cè)量、樹形修剪等的要求。

三維重建；植株；序列圖像；精度分析；3DSOM

0 引言

植物形態(tài)的三維可視化是智慧農(nóng)業(yè)研究領(lǐng)域面臨的一項(xiàng)技術(shù)難題。目前，植物的形態(tài)特征信息主要靠目測(cè)等人工測(cè)量方式獲取。人工測(cè)量方式存在速度慢、強(qiáng)度大、主觀性強(qiáng)和誤差大等缺陷。通過使用計(jì)算機(jī)視覺技術(shù)對(duì)植物三維形態(tài)進(jìn)行可視化研究，能夠有效避免這些問題[1]。植物的形態(tài)結(jié)構(gòu)是進(jìn)行植物生長(zhǎng)規(guī)律探尋的關(guān)鍵，對(duì)植株的三維重建尤為重要?；趫D像的建模技術(shù)是當(dāng)今計(jì)算機(jī)視覺領(lǐng)域的一個(gè)研究熱點(diǎn)，與傳統(tǒng)的基于圖形的建模技術(shù)相比具有易操作、高效等特點(diǎn)[2]。通過三維重建得到植株形態(tài)以及其空間分布情況，可為研究人員對(duì)作物生長(zhǎng)分析、病蟲害防護(hù)等研究提供高精度的數(shù)據(jù)支撐。

國(guó)內(nèi)外眾多學(xué)者已經(jīng)開展了目標(biāo)的三維重建工作，Marr等提出了基于雙目立體視覺的三維重建方法，利用2幅有視差的平面圖像提取目標(biāo)的三維信息，奠定了雙目視覺發(fā)展的理論基礎(chǔ)[3]。三維重建技術(shù)作為計(jì)算機(jī)圖形學(xué)的重要分支，在諸多領(lǐng)域取得了較好的應(yīng)用[4-6]。在醫(yī)學(xué)方面，三維重建技術(shù)常被用到腦組織、心血管等疾病的治療[7]。付淼進(jìn)行了醫(yī)學(xué)圖像三維重建及應(yīng)用的研究[8]。江貴平等進(jìn)行了基于MRI數(shù)據(jù)的人體器官三維重建方法研究[9]。王志堅(jiān)等對(duì)數(shù)字化三維重建技術(shù)在產(chǎn)科疾病診治中的應(yīng)用進(jìn)行了研究[10]。盧慕峻等人在泌尿外科領(lǐng)域應(yīng)用了CT三維重建成像技術(shù)[11]。在軍事方面，劉彬等利用無(wú)人機(jī)拍攝的遙感影像來(lái)構(gòu)建三維戰(zhàn)場(chǎng)[12]。張明使用MATLAB和VRML對(duì)軍事等高線地圖進(jìn)行了三維重建系統(tǒng)的研究[13]。張?jiān)蠢秒p目立體視覺進(jìn)行了戰(zhàn)車的三維重建系統(tǒng)設(shè)計(jì)[14]。在農(nóng)業(yè)方面，果樹的三維重建對(duì)于自動(dòng)采摘機(jī)械化[15]、果樹的機(jī)械剪枝[16]和果樹冠層光照研究等都有重要作用[17]。辛龍嬌等探尋了溫室環(huán)境中的番茄快速重建方法[18]。劉剛等對(duì)農(nóng)林作物三維重建方法進(jìn)行了研究[19]。劉睿等利用地基激光雷達(dá)數(shù)據(jù)對(duì)單株玉米進(jìn)行了三維重建[20]。

本研究通過對(duì)目標(biāo)植株的拍攝和序列圖像的預(yù)處理，借助3DSOM軟件，分別選擇圣女果植株和樹木植株為研究對(duì)象，利用不同數(shù)量序列圖像對(duì)其進(jìn)行三維重建工作，并對(duì)其重建精度進(jìn)行評(píng)估，以期為植株的三維重建提供更好的借鑒。

1 3DSOM圖像獲取平臺(tái)

1.1 圖像獲取可行性分析

本次作為研究對(duì)象的圣女果植株高54 cm，兩枝干最遠(yuǎn)點(diǎn)間距22 cm。旋轉(zhuǎn)展臺(tái)的直徑為37.08 cm，植株下方有細(xì)長(zhǎng)的莖稈部分，小于旋轉(zhuǎn)展臺(tái)的直徑。用于固定植株的花盆直徑小于旋轉(zhuǎn)展臺(tái)直徑，圣女果植株、花盆的質(zhì)量小于展臺(tái)最大載重100 kg。

試驗(yàn)用樹木植株高約163 cm，枝干上兩點(diǎn)間最寬距離90 cm，不會(huì)影響展臺(tái)旋轉(zhuǎn)的精度，其總量同樣滿足展臺(tái)載重要求。因此，利用該設(shè)備進(jìn)行圣女果及樹木植株序列圖像獲取平臺(tái)的搭建是可行的。圖1為圣女果植株和樹木植株固定在旋轉(zhuǎn)展臺(tái)上的實(shí)物圖。

(a)圣女果植株 (b)樹木植株

1.2 實(shí)際工作臺(tái)搭建

本研究所搭建的植株序列圖像獲取工作臺(tái)如圖2所示，主要由背景、校準(zhǔn)墊、旋轉(zhuǎn)平臺(tái)、相機(jī)和三腳架構(gòu)成。其中背景為白色打印紙和白色墻壁；校準(zhǔn)墊由15組（每組4個(gè)）有規(guī)律的徑跡點(diǎn)組成，用于判定目標(biāo)圖像的高度、角度和距離信息；旋轉(zhuǎn)展臺(tái)可以精確地控制每幅圖像的拍攝角度，借助遙控器便能精準(zhǔn)的控制該轉(zhuǎn)臺(tái)每一次旋轉(zhuǎn)的角度，并能精確到0.1度；相機(jī)在拍攝時(shí)要保證其設(shè)置不發(fā)生改變，本研究所使用的為尼康D90數(shù)碼相機(jī)；三腳架起著固定相機(jī)的作用。

拍攝時(shí)相機(jī)距離圣女果植株的水平距離為1.45 m，選取20°俯角和30°俯角（可以拍攝到植株全景）分別拍攝48幅序列圖像，相機(jī)距離地面的距離分別為1.30 m和1.65 m；拍攝時(shí)相機(jī)距離樹木植株的水平距離為4.13 m，20°俯角和30°俯角時(shí)相機(jī)距離地面的距離分別為1.98 m和2.24 m。

(a)圣女果植株 (b)樹木植株

2 基于序列圖像與3DSOM的植株三維重建

2.1 試驗(yàn)材料

（1）試驗(yàn)樣品

為了探究不同序列圖像下植株三維重建的效率和精度，以3.75°為間隔，分別獲取圣女果植株和樹木植株的360°序列圖像共96幅，隨機(jī)選取8、16、32、64、80和96幅圣女果植株序列圖像分別重復(fù)進(jìn)行10次試驗(yàn)；對(duì)于樹木植株，隨機(jī)選取20、40、60和80幅樹木植株序列圖像分別重復(fù)進(jìn)行10次試驗(yàn)。所用時(shí)間、所測(cè)距離均取平均值，重建結(jié)果取最優(yōu)。由于8幅圣女果植株序列圖像不能重建其三 維模型，故沒有給出重建信息；由于20幅樹木植株序列圖像所包含的圖像信息過少，在進(jìn)行樹木植株 的三維重建時(shí)僅能重建出其大體的輪廓，效果較差，故沒有進(jìn)行具體分析。

（2）試驗(yàn)軟件及硬件

所有試驗(yàn)均在2.3 GHz處理器、8 G內(nèi)存的Lenovo Ideapad 310S的計(jì)算機(jī)上完成，試驗(yàn)環(huán)境為3DSOM Pro V4.0。

2.2 圣女果樹重建

本次試驗(yàn)對(duì)象為圣女果植株，分別用8、16、32、64、80和96幅圖像對(duì)目標(biāo)進(jìn)行了三維重建，并分別對(duì)其進(jìn)行了重建計(jì)時(shí)。圖3為拍攝的96幅圣女果植株序列圖像示例。圖4為在16、32、64、80和96幅圖像下的重建模型。

由圖4可以發(fā)現(xiàn)，當(dāng)采用32、64和80幅序列圖像進(jìn)行重建時(shí)，其中一條枝干出現(xiàn)了斷層，當(dāng)將重建圖像提高到96幅時(shí)斷層消失，與16幅序列圖像重建結(jié)果類似。由圖4（圓圈標(biāo)注部分）可見，圣女果植株的部分細(xì)節(jié)沒有在重建中得到體現(xiàn)，可見3DSOM對(duì)輪廓細(xì)小區(qū)域的重建能力有待提高。

表1為不同序列圖像下樹木植株的重建耗時(shí)，由表1可知，在16、32、64、80和96幅序列圖像下，隨著序列圖像數(shù)量的增多，3DSOM處理的時(shí)間逐漸增加但處理時(shí)間均在14分鐘以內(nèi)，滿足植株三維重建的實(shí)時(shí)性要求。

2.3 樹木植株重建

分別選用20、40、60和80幅序列圖像對(duì)目標(biāo)進(jìn)行了重建。圖5為拍攝的樹木植株序列圖像示例，圖6為在40、60和80幅圖像下的重建模型與原圖同一角度下的對(duì)比。

由圖6可以發(fā)現(xiàn)，60和80幅序列圖像時(shí)，樹木植株的重建結(jié)果中樹木根部區(qū)域未得到較好重建，而將重建序列圖像減少到40幅時(shí)可以實(shí)現(xiàn)植株根部的重建，這是由于圖像過多時(shí)，重復(fù)信息過多而難以重建導(dǎo)致的。同時(shí)可以發(fā)現(xiàn)，由于樹木植株的枝干較多，生長(zhǎng)緊密，不同角度的枝干之間存在相互遮擋，導(dǎo)致重建結(jié)果中枝干的部分細(xì)節(jié)信息丟失。表明3DSOM對(duì)生長(zhǎng)較密的大型樹木植株的重建能力有待提高。

圖3 部分圣女果植株重建序列圖像

(a)原圖 (b)16幅重建結(jié)果 (c) 32幅重建結(jié)果 (d)64幅重建結(jié)果 (e)80幅重建結(jié)果 (f) 96幅重建結(jié)果

表1 不同數(shù)量序列圖像下3DSOM重建時(shí)間統(tǒng)計(jì)

Tab.1 Time consumption of different image sequences by using 3DSOM software

不同數(shù)量序列圖像重建過程的時(shí)間統(tǒng)計(jì)如表2所示，由表2可以看出，樹木植株的重建時(shí)間隨著序列圖像的增加而增加，與圣女果植株重建結(jié)果類似，在利用80幅序列圖像進(jìn)行重建時(shí)，耗時(shí)也在18分鐘之內(nèi)，滿足重建的實(shí)時(shí)性要求。

圖5 部分樹木植株序列圖像

(a)原圖 (b)40幅序列圖像重建 (c) 60幅序列圖像重建 (d)80幅序列圖像重建

表2 樹木植株重建計(jì)時(shí)

Tab.2 Time consumption of different image sequences by using 3DSOM software

3 數(shù)據(jù)對(duì)比分析

3.1 概述

為了更好地探究植株的重建效果，本研究分別從定性和定量?jī)蓚€(gè)方面進(jìn)行了分析。3DSOM能夠?qū)⒛Ｐ洼敵鲋疗渌S編輯軟件中，借助其他軟件即可測(cè)量重建模型上任意兩點(diǎn)的距離。3DSOM對(duì)植株的重建效果可用表示，其計(jì)算公式如式（1）所示。

×100% （1）

其中，是距離誤差，該值的大小直接反映了3DSOM重建的效果，值越小說明目標(biāo)的重建精度越高。是實(shí)際測(cè)量的植株長(zhǎng)度，是在三維編輯軟件中獲得的3DSOM重建植株的長(zhǎng)度。

植株實(shí)際長(zhǎng)度的測(cè)量工具為游標(biāo)卡尺，重建模型距離的測(cè)量工具為3DSOM自帶直尺工具，能夠直接測(cè)得重建模型上兩點(diǎn)的距離，精度為0.01米。

3.2 圣女果樹數(shù)據(jù)及其分析

由于莖稈部分較直，也方便軟件的直接測(cè)量，故在圣女果植株的莖稈部分選取5個(gè)部分來(lái)進(jìn)行測(cè)量，因?yàn)榍o稈部分較直，也方便軟件的直接測(cè)量。為了方便數(shù)據(jù)統(tǒng)計(jì)及敘述，將需要測(cè)量的截段用字母進(jìn)行標(biāo)識(shí)。圖7為圣女果植株測(cè)量截段及對(duì)應(yīng)標(biāo)識(shí)圖。

圖7 圣女果植株測(cè)量截段

表3為不同圖像數(shù)量下，計(jì)算3DSOM原圣女果植株實(shí)際距離和枝干各截段的誤差表。

由表3所提供的數(shù)據(jù)來(lái)看，不同圖像數(shù)量的不同截?cái)嗟腅rror percentage最高不超過2.36%，最低為0.05%，平均值是0.84%，其精度符合預(yù)期要求。由于在測(cè)量時(shí)難免會(huì)出現(xiàn)誤差，所以實(shí)際的失誤率應(yīng)該比表格中的數(shù)據(jù)低。而且隨著圖像數(shù)量的增多，其Error percentage的值并沒有明顯的增多或者減少，因此可以認(rèn)為在保證3DSOM能夠完整的獲得原圣女果植株360度信息的前提下，其原圣女果植株的重建效果與圖像數(shù)量沒有直接關(guān)系。

表3 圣女果植株枝干各截段實(shí)際距離、重建距離和重建誤差（以AB為參考點(diǎn)）

Tab.3 Results of the real length, reconstructed length and reconstruction error of Cherry tomato (AB as reference)

3.3 大樹數(shù)據(jù)及其分析

在對(duì)樹木植株進(jìn)行測(cè)量時(shí)，分別選取較直的兩段主干和兩段從干進(jìn)行測(cè)量，并用字母進(jìn)行標(biāo)識(shí)。選取較直的部分，將其分段表示。圖8為重建樹木植株測(cè)量截段及其標(biāo)識(shí)。不同序列圖像數(shù)量下計(jì)算得到的3DSOM樹木植株截段距離及數(shù)據(jù)分析如表4所示。

由表4所提供的數(shù)據(jù)來(lái)看，不同序列圖像數(shù)量、不同截?cái)嗟闹亟ㄕ`差最高不超過2.67%，最低為0.11%，平均值為1.32%。3DSOM重建的精度符合要求，而且其重建精度與圖像數(shù)量并沒有直接關(guān)系。但值得注意的是，當(dāng)樹木植株圖像數(shù)量為60和80幅時(shí)，重建模型不能重建出植株的根部區(qū)域，丟失大量信息，而40幅序列圖像能夠準(zhǔn)確的重建出植株的根部細(xì)節(jié)。再次證明了3DSOM的重建精度與圖像數(shù)量沒有直接關(guān)系，而且隨著3DSOM處理信息量的增加，還有可能出現(xiàn)錯(cuò)誤的重建結(jié)果。

圖8 樹木植株測(cè)量截段及其標(biāo)識(shí)

表4 樹木植株各截段實(shí)際距離、重建距離和重建誤差（AB為參考點(diǎn)）

Tab.4 Results of the real length, reconstructed length and reconstruction error of Tree plant (AB as reference)

4 結(jié)論

通過以上對(duì)圣女果植株和樹木植株在不同數(shù)量序列圖像下進(jìn)行三維重建結(jié)果的對(duì)比，得出以下結(jié)論：

（1）3DSOM對(duì)生長(zhǎng)較密，重疊部分較多的樹木植株的重建效果遠(yuǎn)低于枝干分布稀疏的圣女果植株。表明3DSOM具有較好的實(shí)時(shí)性，基本滿足植株實(shí)時(shí)性三維重建的要求。

（2）在保證3DSOM能夠完整獲取目標(biāo)植株360°信息的前提下，原植株的重建效果和精度與植株序列圖像數(shù)量沒有直接關(guān)系。序列圖像數(shù)量過少時(shí)，會(huì)導(dǎo)致提供的信息量太少，而無(wú)法進(jìn)行重建；序列圖像數(shù)量過多時(shí)，會(huì)使重復(fù)信息增多，可能導(dǎo)致重建出錯(cuò)。

（3）對(duì)于不同的植株，重建時(shí)要選擇合適數(shù)量的植株序列圖像才能準(zhǔn)確且不丟失信息的重建出高精度的三維模型。圣女果植株最少需要16幅植株序列圖像才能重建出三維模型，而樹木植株至少需要20幅植株序列圖像才能重建出三維模型。

（4）3DSOM對(duì)目標(biāo)植株中輪廓比較細(xì)小的部分和生長(zhǎng)較密枝干的重建效果較差，需要進(jìn)一步研究。

[1] 雷欣. 植物三維重建中深度圖像配準(zhǔn)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 西北農(nóng)林科技大學(xué), 2016.

[2] 殷小舟. 基于圖像的花卉植物三維重建技術(shù)研究[D]. 北京林業(yè)大學(xué), 2013.

[3] 隋婧, 金偉其. 雙目立體視覺技術(shù)的實(shí)現(xiàn)及其進(jìn)展[J]. 計(jì)算機(jī)應(yīng)用, 2004, 10(1): 4-6.

[4] 王春莉, 梁立波, 王寶玉. 計(jì)算機(jī)三維重建技術(shù)發(fā)展與應(yīng)用[J]. 沈陽(yáng)大學(xué)學(xué)報(bào), 2003, 15(2): 20-26.

[5] G. Hu, Q. Peng, A. Forrest. Robust mesh smoothing[J]. Journal of Computer Science and Technology, 2004, 19(4): 521-528.

[6] B. Alexandra, L. Denis, J. Luc. Three-dimensional reconstruction of the bony structures involved in the articular complex of the human shoulder using shaped-based interpolation and contour- based extrapolation[C]. Proceedings of the 4thInterpolation Conference on 3D Digital Imaging and Modeling. Banff, Canada, 2003: 1061-1072.

[7] 孫正. 心血管三維運(yùn)動(dòng)場(chǎng)的重建方法及驗(yàn)證[J]. 中國(guó)醫(yī)學(xué)影像藝術(shù), 2007, 23(8): 1248-1252.

[8] 付淼. 醫(yī)學(xué)圖像三維重建及應(yīng)用[J]. 中國(guó)醫(yī)學(xué)工程, 2013, 9: 189-190.

[9] 江貴平, 張煜, 陳武凡, 等. 基于MRI數(shù)據(jù)的人體器官三維重建[J]. 南方醫(yī)科大學(xué)學(xué)報(bào), 2005, 25(1): 15-17.

[10] 王志堅(jiān), 何艷紅, 鐘梅. 數(shù)字化三維重建技術(shù)在產(chǎn)科疾病診治中的應(yīng)用[J].中國(guó)實(shí)用婦科與產(chǎn)科雜志, 2012, 1: 19-22.

[11] 盧慕峻, 王忠, 董國(guó)勤, 等. CT三維重建成像技術(shù)在泌尿外科領(lǐng)域的應(yīng)用[C]. 全球華人泌尿外科學(xué)術(shù)會(huì)議. 2005.

[12] 劉彬, 陳向?qū)? 郭連朋. 基于無(wú)人機(jī)遙感影像的三維戰(zhàn)場(chǎng)構(gòu)建技術(shù)研究[J]. 系統(tǒng)仿真學(xué)報(bào), 2015, 27(6): 1268-1273.

[13] 張明. 基于MATLAB和VRML的軍事等高線地圖三維重建系統(tǒng)的研究和實(shí)現(xiàn)[D]. 山東大學(xué), 2007.

[14] 張?jiān)? 基于雙目立體視覺的戰(zhàn)車三維重建系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].中國(guó)科學(xué)院大學(xué), 2014.

[15] L. He, X. Du, G. Qiu, et al. 3D reconstruction of Chinese hickory trees for mechanical harvest[C]. ASAE Annual Meeting, ASABE Paper 12-1340678, 2012.

[16] Adhikari B, Karkee M. 3D reconstruction of apple trees for mechanical pruning[C], 2011 ASAE Annual Meeting, ASABE Paper 1111613, 2011.

[17] 王菲. 高紡錘形蘋果樹分形維數(shù)及三維數(shù)字化建模和 STAR值的研究[D]. 楊凌: 西北農(nóng)林科技大學(xué), 2012.

[18] 辛龍嬌, 徐立鴻, 李大威, 等. 基于參數(shù)L-系統(tǒng)的溫室番茄植株的三維重建[J]. 現(xiàn)代農(nóng)業(yè)科技, 2014, 3: 340-343.

[19] 劉剛, 司永勝, 馮娟. 農(nóng)林作物三維重建方法研究進(jìn)展[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2014, 45(6): 38-46.

[20] 劉睿, 劉婷, 董潤(rùn)茹, 等. 基于地基激光雷達(dá)數(shù)據(jù)的單株玉米三維建模[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2014, 3: 196-201.

3D Reconstruction of Plants Based on Image Sequences

SUN Ting, ZHANG Lin-lin, SONG Huai-bo

(College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling, Shanxi 712100, China)

How to achieve more efficient, fast, and inexpensive 3D reconstruction of plant under the premise of accuracy is an important issue in the field of intelligent agriculture research. In this study, for the practical 3D reconstruction of plants, 3DSOM software was used and the sequence images were taken by the image capturing system we have built, it can accurately obtain the plants’ 360 degrees sequence images. In this research, Cherry Tomatoes plant and Tree plant were selected as the research objects, and 8, 16, 32, 64, 80, and 96 sequence images of Cherry Tomatoes plant, 20, 40, 60and 80 sequence images of Tree plant were selected to test the performance of 3D reconstruction results respectively. The results showed that the Tree plants lost too many details of branches during the reconstruction process, because it has too many overlap stems and branches, too many details of branches. However, some small plant such as the Cherry Tomatoes plant, its reconstruction result was much better. The results also showed that the Cherry Tomatoes plants could be reconstructed by using no less than 16 sequence images, and no less than 20 sequence images for Tree plants. The reconstruction of the Cherry Tomatoes plant could be realized within 14 minutes, and within 18 minutes for Trees plant. Moreover, with the increase of the number of image sequences, the reconstruction time increase slowly, which showed that the number of reconstructed images has a little influence on the reconstruction time. In order to further verify the accuracy of 3D reconstruction, 5 points from Cherry Tomatoes plant and 4 points from Tree plant were selected, respectively,and the results showed that the reconstruction error was between 0.05% and 2.36% for Cherry Tomatoes plant, 0.11% and 2.67% for Tree plants, which showed that the reconstruction accuracy met the requirements of measuring the three-dimensional plant, pruning tree and so on.

3D Reconstruction; Plant; Sequence image; Accuracy analysis; 3DSOM

TN911.72

A

10.3969/j.issn.1003-6970.2017.04.002

863計(jì)劃資助項(xiàng)目（2013AA10230402）；陜西省農(nóng)業(yè)科技創(chuàng)新與攻關(guān)項(xiàng)目（2016NY-157）；中央高校基本科研業(yè)務(wù)經(jīng)費(fèi)（2452016077）

孫婷(1995--)，女，陜西銅川人，主要研究方向?yàn)橛?jì)算機(jī)圖形學(xué)；張琳琳(1996--)，女，河南尉氏人，主要研究方向?yàn)橛?jì)算機(jī)圖形學(xué)。

宋懷波(1980-)，男，山東濟(jì)寧人，博士，副教授，研究方向?yàn)橹悄芑瘷z測(cè)與技術(shù)。

本文著錄格式：孫婷，張琳琳，宋懷波. 基于序列圖像的植株三維重建試驗(yàn)與分析[J]. 軟件，2017，38（4）：06-11