摘要
作物表型是作物本身某一个或一组基因型与环境互作效应所产生的可被观察到的外在性状，获取作物的点云可在三维尺度下监控作物生长过程中的颜色、器官和纹理等表型变化，进一步量化表型性状及其对应的基因型与环境互作效应对作物抗害、抗逆、质量和产量的影响。作物表型信息的提取是基因组学和优良育种进一步发展的基础，是智慧农业的重要内容。目前在作物三维点云处理及参数提取方面，仍然存在数据获取需要破坏性取样、点云数据量繁杂、参数提取受噪声影响大以及相对重要的表型参数难以获取等障碍。针对上述问题，本文借助Point Cloud Library(PCL)开发库，以田间原位玉米植株为研究对象，采用固定式田间表型平台获取三维点云，避免了植株的破坏性取样，研究了三维点云处理及参数提取方法，包括玉米植株点云下采样、去噪平滑等预处理算法，提取了玉米植株的株高与叶倾角，完成叶片分割并计数。其主要研究工作和研究成果包括以下几个方面。 （1）建立了基于多传感器的田间原位玉米表型数据获取平台。采用三维激光雷达和深度相机两种三维扫描设备进行生育期玉米植株的点云数据获取，在实验开展前通过引入固定尺寸的实体标定球和棋盘格相机标定法对三维激光雷达和深度相机分别进行标定，对两种采集设备获取的点云采用符合PCL点云库标准的PCD格式进行数据标准化处理。 （2）研究了玉米群体点云数据的预处理与优化算法。在点云数据的优化存储方面，对获取的点云通过多维树的邻域搜索建立点云内部拓扑关系，建立方向包围盒确定玉米群体点云边界。在点云的滤波去噪方面，采用组合算法去除作物内部冗余点和外部离群点。在保持点云轮廓形状基本不变的情况下，利用体素格点法大幅降低点云数量，为后续的各种操作节省大量计算资源。使用统计滤波算法去除空间离群点，并利用方向包围盒验证滤波结果，实验证明本文方法滤波效果较好。在作物主体点云与田间复杂场景的切割方面，引入罗德里格旋转算法改进传统的随机采样一致性算法，校正坐标系并进行土壤面拟合与去除，完成土壤面与作物主体点云的分割，为后期表型参数计算提供基础。 （3）研究了单株玉米点云的表型参数提取。采用基于多维树邻域搜索结合欧式聚类对玉米叶片进行聚类分割并计数，通过基于关键点选择的叶片骨架提取算法得到叶片骨架进而计算叶倾角，并给出了基于最高点投影的玉米单株株高计算方法。将预处理后的点云经过参数提取算法计算表型参数，对提取株高和叶倾角的系统测量值和人工实测值进行线性拟合，均具有较高的相关性，相对误差较小。
NETL