植物扫描与重建方法技术

本发明专利技术公开了一种植物扫描与重建方法，该方法包括：对植物进行整体扫描，获得植物的整体扫描数据；对植物的每个叶子进行单独扫描，获得每个叶子的点云数据；将每个叶子的点云数据重建为曲面模型，通过泊松重建算法得到茎杆的重建结果；将重建后的所有叶子和茎杆与植物的整体扫描数据对齐；将所有叶子对齐后的点云数据融合到一起，得到整棵植物模型。其中，对每个叶子的重建过程是完全自动的，不需要交互，这样就大大减少了用户工作量；对每个叶片单独扫描并重建的策略，即分治策略，可以提高扫描和重建精度。

【技术实现步骤摘要】

本专利技术涉及三维植物建模
，尤其涉及植物扫描与重建方法。
技术介绍
三维植物建模是一个重要且应用广泛的研究课题。游戏设计与开发中，场景中植物模型质量的高低，直接影响游戏的真实感和用户体验。在植物学领域，三维植物建模可以用于研究植物的生长和在不同物理环境下的行为。在农业上，三维植物模型有助于病虫害防治和施肥方法的研究。由于植物结构复杂，直接让美工来进行与实物相符的精确建模是困难的。通过三维扫描仪扫描植物的三维点云数据，并通过重建算法来获得真实的植物模型相比手工建模更为快捷可行。然而，由于植物叶片的相互遮挡，想获得植物的完整扫描数据是很困难的。并且，由于叶片是二维曲面，叶梗和茎秆是三维柱体，传统的曲面重建算法很难直接适用于这种情况。因此，要解决的问题为两个方面：1、如何获取植物完整的三维点云数据；2、如何快速精确地自动将获得的点云数据重建为曲面模型。植物的完整扫描与重建是一个很有挑战性的课题。来自日本的研究人员Takashi Ijiri提出了使用CT扫描设备来获取花的三维数据，并交互式地重建出曲面模型。但是CT扫描设备或者高精度激光扫描仪等十分昂贵，用它来扫描和重建植物模型的成本太高，一般用户难以承受。并且他们的重建方法不能很好地处理复杂的叶片相互之间的遮挡，因此需要大量的用户交互，并不便于使用。还有一些研究人员提出了从三维点云场景中提取树木的骨架来重建树木的方法。但是这种方法只用于粗糙地重建树枝和树干，没有很好的机制来处理缺失数据和噪声数据，并不能精确重建出植物叶片。
技术实现思路
本专利技术实施例提供一种植物扫描与重建方法，用以减少用户交互，提高扫描和重建精度，该方法包括：对植物进行整体扫描，获得植物的整体扫描数据；对植物的每个叶子进行单独扫描，获得每个叶子的点云数据；将每个叶子的点云数据重建为曲面模型，通过泊松重建算法得到茎杆的重建结果；将重建后的所有叶子和茎杆与植物的整体扫描数据对齐；将所有叶子对齐后的点云数据融合到一起，得到整棵植物模型；其中，将每个叶子的点云数据重建为曲面模型，包括：利用L1-中值算法提取叶子的骨架；沿着骨架对叶子的点云做垂直切片；根据点云切片的纵横比将切片分为叶片和叶柄两部分；采用基于曲率的二次距离极小化方法，对每个切片拟合一个NURBS(Non-Uniform Rational B-Splines，非统一有理B样条)曲线，叶片拟合一个非闭合曲线，叶柄拟合闭合曲线；优化求解所有NURBS控制点的最佳位置；连接叶子的所有切片形状，得到叶子的形状。一个实施例中，采用手持式结构光3D扫描仪，对植物进行整体扫描，以及，对植物的每个叶子进行单独扫描。一个实施例中，优化求解所有NURBS控制点的最佳位置，包括：通过BFGS算法极小化如下目标函数，得到NURBS控制点的最佳位置：f(x)＝Edata(x)+αEsmooth(x)+βEbound(x)+γEround(x)；其中，x为要求解的控制点位置；Edata为所有点云中的点到NURBS曲线最近距离的累加；Esmooth为不同NUBRS曲线上相同标识ID的控制点连成的曲线的不光滑度；Ebound为非闭合NURBS端点到叶片点云边界处的最近距离的累加，Eround为每个闭合NURBS曲线的周长面积比；α、β、γ为常数。一个实施例中，将重建后的所有叶子和茎杆与植物的整体扫描数据对齐，包括：为每个叶子或茎秆模型定义多对到植物点云的对应点，求出所述多对对应点定义的刚性变换，并以求出的刚性变换对每个叶片或茎秆进行变换；利用骨架驱动叶片和茎秆变形，进行非刚性配准；将控制对象由骨架变为用WLOP算法均匀采样的控制点，再次进行非刚性配准。一个实施例中，利用骨架驱动叶片和茎秆变形，进行非刚性配准，包括：优化求解骨架点旋转和平移变换。一个实施例中，优化求解骨架点旋转和平移变换，包括：采用BFGS算法极小化目标函数，以求得定义在骨架上的最佳变换，并将所述最佳变换应用到叶片和茎秆模型上，所述目标函数定义为变形后叶片到点云之间的距离+定义在骨架上的一个的拉普拉斯光滑算子。一个实施例中，将控制对象由骨架变为用WLOP算法均匀采样的控制点，再次进行非刚性配准，包括：将拉普拉斯光滑算子由骨架移到控制点相互连接成的网格上。一个实施例中，将所有叶子对齐后的点云数据融合到一起，包括：通过检测三角形相交求出两片相交叶子的相交轮廓，然后搜索出使轮廓长度下降最快的位移方向，并通过移动轮廓附近的控制点来驱动叶子变形。一个实施例中，将所有叶子对齐后的点云数据融合到一起，包括：如果植物有茎，将叶子骨架末端变形到与叶子骨架末端距离最近的茎上的点，并利用骨架的变形驱动叶子的变形来达到茎叶相连；若没有茎，自动检测叶柄的末端距其它叶柄的距离，若距离小于阈值，则利用骨架的变形驱动叶子的变形来达到叶子相连。本专利技术实施例中，对每个叶子单独扫描并重建，可以扫描到植物的每一处，克服了因为叶片相互遮挡扫描不到的难题，可以得到精确且完整的点云数据，从而获得良好的重建精度；其中对每个叶子的重建过程是完全自动的，不需要交互，这样大大减少了用户工作量。进一步的，采用手持式结构光3D扫描仪来完成植物扫描，相比使用CT扫描仪或高精度激光扫描仪的方案，将大幅降低成本。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本专利技术实施例中植物扫描与重建方法的流程图；图2为本专利技术实施例中叶子的重建过程示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。图1为本专利技术实施例中植物扫描与重建方法的流程图。如图1所示，本专利技术实施例中植物扫描与重建方法可以包括：步骤101、对植物进行整体扫描，获得植物的整体扫描数据；步骤102、对植物的每个叶子进行单独扫描，获得每个叶子的点云数据；步骤103、将每个叶子的点云数据重建为曲面模型，通过泊松重建算法得到茎杆的重建结果；步骤104、将重建后的所有叶子和茎杆与植物的整体扫描数据对齐；步骤105、将所有叶子对齐本文档来自技高网...

【技术保护点】
一种植物扫描与重建方法，其特征在于，包括：对植物进行整体扫描，获得植物的整体扫描数据；对植物的每个叶子进行单独扫描，获得每个叶子的点云数据；将每个叶子的点云数据重建为曲面模型，通过泊松重建算法得到茎杆的重建结果；将重建后的所有叶子和茎杆与植物的整体扫描数据对齐；将所有叶子对齐后的点云数据融合到一起，得到整棵植物模型；其中，将每个叶子的点云数据重建为曲面模型，包括：利用L1‑中值算法提取叶子的骨架；沿着骨架对叶子的点云做垂直切片；根据点云切片的纵横比将切片分为叶片和叶柄两部分；采用基于曲率的二次距离极小化方法，对每个切片拟合一个非统一有理B样条NURBS曲线，叶片拟合一个非闭合曲线，叶柄拟合闭合曲线；优化求解所有NURBS控制点的最佳位置；连接叶子的所有切片形状，得到叶子的形状。

【技术特征摘要】
1.一种植物扫描与重建方法，其特征在于，包括：
对植物进行整体扫描，获得植物的整体扫描数据；
对植物的每个叶子进行单独扫描，获得每个叶子的点云数据；
将每个叶子的点云数据重建为曲面模型，通过泊松重建算法得到茎杆的重建结果；
将重建后的所有叶子和茎杆与植物的整体扫描数据对齐；
将所有叶子对齐后的点云数据融合到一起，得到整棵植物模型；
其中，将每个叶子的点云数据重建为曲面模型，包括：
利用L1-中值算法提取叶子的骨架；
沿着骨架对叶子的点云做垂直切片；
根据点云切片的纵横比将切片分为叶片和叶柄两部分；
采用基于曲率的二次距离极小化方法，对每个切片拟合一个非统一有理B样条NURBS
曲线，叶片拟合一个非闭合曲线，叶柄拟合闭合曲线；
优化求解所有NURBS控制点的最佳位置；
连接叶子的所有切片形状，得到叶子的形状。
2.如权利要求1所述的方法，其特征在于，采用手持式结构光3D扫描仪，对植物进
行整体扫描，以及，对植物的每个叶子进行单独扫描。
3.如权利要求1所述的方法，其特征在于，优化求解所有NURBS控制点的最佳位置，
包括：
通过BFGS算法极小化如下目标函数，得到NURBS控制点的最佳位置：
f(x)＝Edata(x)+αEsmooth(x)+βEbound(x)+γEround(x)；
其中，x为要求解的控制点位置；Edata为所有点云中的点到NURBS曲线最近距离的
累加；Esmooth为不同NUBRS曲线上相同标识ID的控制点连成的曲线的不光滑度；Ebound为
非闭合NURBS端点到叶片点云边界处的最近距离的累加，Eround为每个闭合NURBS曲线
的周长面积比；α、β、γ为常数。
4.如权利要求1所述的...

【专利技术属性】
技术研发人员：黄惠，尹康学，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44