植物形态伴随着植物生长过程而发生变化,植物的三维重建对研究植物形态对植物生物量估测、植物病害虫害、基因型表达等有着很重要的意义。目前三维重建方法重建出的三维点云多包含植物的形态、颜色等特征,无法反应植物营养状况(如叶绿...植物形态伴随着植物生长过程而发生变化,植物的三维重建对研究植物形态对植物生物量估测、植物病害虫害、基因型表达等有着很重要的意义。目前三维重建方法重建出的三维点云多包含植物的形态、颜色等特征,无法反应植物营养状况(如叶绿素含量)、病虫害胁迫等原因造成有机质空间三维分布改变,同时以往手段都需要专门仪器,携带和作业都受到很大限制。多光谱图像能够反应有机质含量等化学值的分布,在近地面遥感、农产品质量无损检测等发面取得了广泛的应用。该文通过采集31张4叶龄油菜的多光谱图像,使用运动恢复结构算法(structure from motion)方法对其进行空间三维重建,得到油菜的三维点云,并对点云中噪声点进行滤除。以控制点和控制长度对所得模型进行评价,得到长度最大偏差在0.1023 cm,RMSE=0.052599,证明该方法重建所得模型具有较好的空间均匀性与准确性,最后计算NDVI指数空间分布。证明所得模型对将来研究植物营养与病虫害胁迫空间分布有着重要意义。展开更多
针对传统的玉米植株性状测量方法存在主观性强、劳动强度大、有损伤等问题,提出了基于运动恢复结构(Structure from motion,SfM)的户外玉米植株三维重建方法,并提取了株高、单株最小包围盒体积、茎粗、叶面积、叶片数、叶夹角等11个性...针对传统的玉米植株性状测量方法存在主观性强、劳动强度大、有损伤等问题,提出了基于运动恢复结构(Structure from motion,SfM)的户外玉米植株三维重建方法,并提取了株高、单株最小包围盒体积、茎粗、叶面积、叶片数、叶夹角等11个性状参数。采用前期研制的小车,在户外采集不同视角下的玉米植株图像(采集间距为5~6 cm),基于SfM算法获取玉米植株三维点云;运用直通滤波、圆柱拟合和条件欧氏聚类算法自动分割单株、茎秆和叶片等点云数据,基于距离最值遍历、三角面片化等算法实现株高、茎粗、叶面积等11个性状的准确、无损测量。结果表明,与人工测量值相比,测得的株高、茎粗和叶面积的平均绝对百分比误差分别为3.163%、4.760%和19.102%,均方根误差分别为3.557 cm、1.540 mm、48.163 cm2,决定系数分别为0.970、0.842、0.901。研究表明,本文方法适用于作物表型户外测量,为表型研究提供了一种新的作物表型户外测量方法,同时还证明,株高和单株最小包围盒体积可以显著区分低地上部生物量玉米植株和高地上部生物量玉米植株。展开更多
多视图运动恢复结构(Structure from Motion,SFM)是三维重建中相机姿态估计的一种最常用的方法。传统SFM采用增量方式处理图片,算法的时间复杂度是O(n4),当图片数量较多时,重建时间很长。此外,由于图片噪声影响,漂移误差将随着图片数量...多视图运动恢复结构(Structure from Motion,SFM)是三维重建中相机姿态估计的一种最常用的方法。传统SFM采用增量方式处理图片,算法的时间复杂度是O(n4),当图片数量较多时,重建时间很长。此外,由于图片噪声影响,漂移误差将随着图片数量增加不断累加,影响最终的重建质量。添加集束调整(Bundle Adjustment,BA)可以优化重建结果,但是需要花费更长的时间。在现有增量式算法的基础上,提出基于分段式序列图片集的方法,将序列图片集按照相似度划分为小集合,对每个小集合进行并行计算,减少误差累积量和重建时间,最后再用BA进行全局优化。实验结果表明,该方法能在保持一定精度的前提下,有效减少重建时间。展开更多
三维重建是利用目标物体的二维投影恢复其三维模型的技术,近年来获取高精度的三维模型受到越来越多的关注,而基于运动恢复结构(Structure From Motion,SFM)的三维重建是目前的热点研究方向。文章首先介绍了常用的三维重建方法和基于SFM...三维重建是利用目标物体的二维投影恢复其三维模型的技术,近年来获取高精度的三维模型受到越来越多的关注,而基于运动恢复结构(Structure From Motion,SFM)的三维重建是目前的热点研究方向。文章首先介绍了常用的三维重建方法和基于SFM三维重建的发展现状;其次介绍了基于SFM重建中的2个主要内容,包括摄像机标定和光束平差法;然后介绍了基于SFM三维重建技术的原理及方法;最后介绍了基于SFM的三维重建在不同领域的应用,同时提供了该技术在三维人体重建及人体测量方面的研究思路,为服装个性化定制和服装企业团体定制提供参考。展开更多
运动恢复结构(structure from motion,SFM)是一种可自动恢复相机运动和场景结构的三维重建技术,其获取的稀疏点云数据直接决定模型重建质量。为提高无人机巡检中输电线路倾斜影像三维重建模型精度,提出一种基于改进SFM的输电线路倾斜影...运动恢复结构(structure from motion,SFM)是一种可自动恢复相机运动和场景结构的三维重建技术,其获取的稀疏点云数据直接决定模型重建质量。为提高无人机巡检中输电线路倾斜影像三维重建模型精度,提出一种基于改进SFM的输电线路倾斜影像重建方法。首先介绍增量式、全局式、混合式3种传统SFM算法的原理、流程和特点,在此基础上提出分层混合式改进SFM算法。以输电场景为研究对象,分别采用增量式、全局式、混合式SFM算法和所提出的改进SFM算法进行建模验证,结果表明:与传统SFM算法相比,采用分层混合式改进SFM算法时无人机挂载相机的旋转误差均值最大减小10.6%,平移误差均值最大减小17.9%。基于改进SFM的输电线路倾斜影像重建方法,能明显改善输电线路倾斜影像数据的三维重建质量,可为无人机高效、经济地完成输电线路巡检提供技术支撑。展开更多
运动恢复结构算法(structure from motion, SfM)是一种通过计算图像匹配关系,恢复出相机位姿和目标三维结构的重建算法。提出一种基于赋权视角连接图的增量式运动恢复结构算法。首先建立基于图像对立体匹配质量的赋权连接图,量化了图像...运动恢复结构算法(structure from motion, SfM)是一种通过计算图像匹配关系,恢复出相机位姿和目标三维结构的重建算法。提出一种基于赋权视角连接图的增量式运动恢复结构算法。首先建立基于图像对立体匹配质量的赋权连接图,量化了图像两两之间的匹配关系;其次在赋权连接图中边的权重的基础上,搜索度数感知的最佳初始种子对;最后根据已重建顶点的连通性构建下一张最佳图像候选集,设计了基于顶点度数与特征点分布的下一张最佳图像评价算法。在公开数据集上实验结果显示,本文算法在重建质量、相机校准率和点云生成数量的表现优于现有先进的运动恢复结构算法,相比基准对比算法,本文算法在不同数据集上平均重建耗时至少降低了19%,点云生成速率至少提升了21%。展开更多
文摘植物形态伴随着植物生长过程而发生变化,植物的三维重建对研究植物形态对植物生物量估测、植物病害虫害、基因型表达等有着很重要的意义。目前三维重建方法重建出的三维点云多包含植物的形态、颜色等特征,无法反应植物营养状况(如叶绿素含量)、病虫害胁迫等原因造成有机质空间三维分布改变,同时以往手段都需要专门仪器,携带和作业都受到很大限制。多光谱图像能够反应有机质含量等化学值的分布,在近地面遥感、农产品质量无损检测等发面取得了广泛的应用。该文通过采集31张4叶龄油菜的多光谱图像,使用运动恢复结构算法(structure from motion)方法对其进行空间三维重建,得到油菜的三维点云,并对点云中噪声点进行滤除。以控制点和控制长度对所得模型进行评价,得到长度最大偏差在0.1023 cm,RMSE=0.052599,证明该方法重建所得模型具有较好的空间均匀性与准确性,最后计算NDVI指数空间分布。证明所得模型对将来研究植物营养与病虫害胁迫空间分布有着重要意义。
文摘多视图运动恢复结构(Structure from Motion,SFM)是三维重建中相机姿态估计的一种最常用的方法。传统SFM采用增量方式处理图片,算法的时间复杂度是O(n4),当图片数量较多时,重建时间很长。此外,由于图片噪声影响,漂移误差将随着图片数量增加不断累加,影响最终的重建质量。添加集束调整(Bundle Adjustment,BA)可以优化重建结果,但是需要花费更长的时间。在现有增量式算法的基础上,提出基于分段式序列图片集的方法,将序列图片集按照相似度划分为小集合,对每个小集合进行并行计算,减少误差累积量和重建时间,最后再用BA进行全局优化。实验结果表明,该方法能在保持一定精度的前提下,有效减少重建时间。
文摘三维重建是利用目标物体的二维投影恢复其三维模型的技术,近年来获取高精度的三维模型受到越来越多的关注,而基于运动恢复结构(Structure From Motion,SFM)的三维重建是目前的热点研究方向。文章首先介绍了常用的三维重建方法和基于SFM三维重建的发展现状;其次介绍了基于SFM重建中的2个主要内容,包括摄像机标定和光束平差法;然后介绍了基于SFM三维重建技术的原理及方法;最后介绍了基于SFM的三维重建在不同领域的应用,同时提供了该技术在三维人体重建及人体测量方面的研究思路,为服装个性化定制和服装企业团体定制提供参考。
文摘运动目标传统检测方法只考虑图像的亮度或纹理等某一种特性,受特异值影响较大,对噪声比较敏感,鲁棒性也不够好,而且背景恢复精度不高。针对以上局限性,提出一种融合结构相似度(structural similarity,SSIM)全参考模型和鲁棒主成分分析(robust principal component analysis,RPCA)的运动目标检测方法。此方法综合考虑图像的亮度、对比度和结构三种特性,不采用传统的背景减除法,而是把图像像素点的结构相似度作为度量来实现运动对象与背景的分离。实验结果表明,此方法准确率可达0.95,且F度量较传统运动目标检测算法平均提升0.15,总体上比传统方法更具优势。
文摘运动恢复结构(structure from motion,SFM)是一种可自动恢复相机运动和场景结构的三维重建技术,其获取的稀疏点云数据直接决定模型重建质量。为提高无人机巡检中输电线路倾斜影像三维重建模型精度,提出一种基于改进SFM的输电线路倾斜影像重建方法。首先介绍增量式、全局式、混合式3种传统SFM算法的原理、流程和特点,在此基础上提出分层混合式改进SFM算法。以输电场景为研究对象,分别采用增量式、全局式、混合式SFM算法和所提出的改进SFM算法进行建模验证,结果表明:与传统SFM算法相比,采用分层混合式改进SFM算法时无人机挂载相机的旋转误差均值最大减小10.6%,平移误差均值最大减小17.9%。基于改进SFM的输电线路倾斜影像重建方法,能明显改善输电线路倾斜影像数据的三维重建质量,可为无人机高效、经济地完成输电线路巡检提供技术支撑。
文摘运动恢复结构算法(structure from motion, SfM)是一种通过计算图像匹配关系,恢复出相机位姿和目标三维结构的重建算法。提出一种基于赋权视角连接图的增量式运动恢复结构算法。首先建立基于图像对立体匹配质量的赋权连接图,量化了图像两两之间的匹配关系;其次在赋权连接图中边的权重的基础上,搜索度数感知的最佳初始种子对;最后根据已重建顶点的连通性构建下一张最佳图像候选集,设计了基于顶点度数与特征点分布的下一张最佳图像评价算法。在公开数据集上实验结果显示,本文算法在重建质量、相机校准率和点云生成数量的表现优于现有先进的运动恢复结构算法,相比基准对比算法,本文算法在不同数据集上平均重建耗时至少降低了19%,点云生成速率至少提升了21%。
