期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向作物表型分析的大豆植株叶片语义重建
1
作者
高月芳
肖冬冬
+4 位作者
傅汝佳
冼楚华
李桂清
黄琼
杨存义
《华中农业大学学报》
CAS
CSCD
北大核心
2023年第3期177-186,共10页
为解决三维扫描仪、多视图数据获取的三维点云因缺少语义信息导致难以从点云上判别植株器官部位问题,提出一种二维先验语义嵌入的大豆植株叶片三维语义建模方法:首先,基于Mask R-CNN模型对大豆叶片进行语义分割;然后,对分割结果和多视...
为解决三维扫描仪、多视图数据获取的三维点云因缺少语义信息导致难以从点云上判别植株器官部位问题,提出一种二维先验语义嵌入的大豆植株叶片三维语义建模方法:首先,基于Mask R-CNN模型对大豆叶片进行语义分割;然后,对分割结果和多视图数据进行立体重建融合学习,实现大豆植株叶片二维语义到三维叶片点云迁移,获得植株叶片点云语义信息,进而建立植株叶片三维语义模型。通过多组盆栽大豆植株试验对该模型进行验证,提取叶长和叶宽与人工实测数据进行对比分析,叶长和叶宽均方误差分别为2.53和1.52 mm,决定系数分别为0.97和0.89。结果表明,该方法能够便捷、精准地构建植株叶片三维语义模型。
展开更多
关键词
语义分割
植株三维建模
深度网络
模
型
点云语义重
建
作物表型分析
在线阅读
下载PDF
职称材料
基于Kinect V3深度传感器的田间植株点云配准方法
被引量：
9
2
作者
李修华
魏鹏
+3 位作者
何嘉西
李民赞
张木清
温标堂
《农业工程学报》
EI
CAS
CSCD
北大核心
2021年第21期45-52,共8页
准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种...
准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法(Random Sample Consensus,RANSAC)结合点云减法的概念从下采样后的点云中实现多标定球的自动提取,弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵,实现点云的自动配准。不同场景下各作物的配准结果表明,各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在5.8~17.4 mm之间,平均点位误差在13.1~28.9 mm之间,与手动配准的商用同类软件LiDAR360的配准结果相当,但配准过程的自动化程度明显提高,效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准,为田间植物表型参数的提取提供了低成本的可行方案。
展开更多
关键词
自动化
传感器
点云
植株三维建模
点匹配
RANSAC
KINECT
在线阅读
下载PDF
职称材料
题名
面向作物表型分析的大豆植株叶片语义重建
1
作者
高月芳
肖冬冬
傅汝佳
冼楚华
李桂清
黄琼
杨存义
机构
华南农业大学数学与信息学院
华南理工大学计算机科学与工程学院
华南农业大学农学院
广州市智慧农业重点实验室
出处
《华中农业大学学报》
CAS
CSCD
北大核心
2023年第3期177-186,共10页
基金
广东省重点研发项目(2020B020220008)
广州市科技计划项目(201902010081)。
文摘
为解决三维扫描仪、多视图数据获取的三维点云因缺少语义信息导致难以从点云上判别植株器官部位问题,提出一种二维先验语义嵌入的大豆植株叶片三维语义建模方法:首先,基于Mask R-CNN模型对大豆叶片进行语义分割;然后,对分割结果和多视图数据进行立体重建融合学习,实现大豆植株叶片二维语义到三维叶片点云迁移,获得植株叶片点云语义信息,进而建立植株叶片三维语义模型。通过多组盆栽大豆植株试验对该模型进行验证,提取叶长和叶宽与人工实测数据进行对比分析,叶长和叶宽均方误差分别为2.53和1.52 mm,决定系数分别为0.97和0.89。结果表明,该方法能够便捷、精准地构建植株叶片三维语义模型。
关键词
语义分割
植株三维建模
深度网络
模
型
点云语义重
建
作物表型分析
Keywords
semantic segmentation
three-dimensional modeling of plant
deep network model
semantic reconstruction of point cloud
phenotype analysis of crop
分类号
S126 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
基于Kinect V3深度传感器的田间植株点云配准方法
被引量：
9
2
作者
李修华
魏鹏
何嘉西
李民赞
张木清
温标堂
机构
广西大学电气工程学院
广西甘蔗生物学重点实验室
中国农业大学现代精细农业系统集成研究教育部重点实验室
捷佳润科技集团股份有限公司
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2021年第21期45-52,共8页
基金
广西科技重大专项(桂科AA18118037、桂科2018-266-Z01)
国家自然科学基金项目(31760342)。
文摘
准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法(Random Sample Consensus,RANSAC)结合点云减法的概念从下采样后的点云中实现多标定球的自动提取,弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵,实现点云的自动配准。不同场景下各作物的配准结果表明,各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在5.8~17.4 mm之间,平均点位误差在13.1~28.9 mm之间,与手动配准的商用同类软件LiDAR360的配准结果相当,但配准过程的自动化程度明显提高,效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准,为田间植物表型参数的提取提供了低成本的可行方案。
关键词
自动化
传感器
点云
植株三维建模
点匹配
RANSAC
KINECT
Keywords
automation
sensors
point cloud
plant 3D modeling
point matching
RANSAC
Kinect
分类号
S24 [农业科学—农业电气化与自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向作物表型分析的大豆植株叶片语义重建
高月芳
肖冬冬
傅汝佳
冼楚华
李桂清
黄琼
杨存义
《华中农业大学学报》
CAS
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
2
基于Kinect V3深度传感器的田间植株点云配准方法
李修华
魏鹏
何嘉西
李民赞
张木清
温标堂
《农业工程学报》
EI
CAS
CSCD
北大核心
2021
9
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
