CN104748677B - 采用三维激光扫描方式测量植株形态的方法 - Google Patents
采用三维激光扫描方式测量植株形态的方法 Download PDFInfo
- Publication number
- CN104748677B CN104748677B CN201510077260.3A CN201510077260A CN104748677B CN 104748677 B CN104748677 B CN 104748677B CN 201510077260 A CN201510077260 A CN 201510077260A CN 104748677 B CN104748677 B CN 104748677B
- Authority
- CN
- China
- Prior art keywords
- plant
- blade
- stalk
- laser scanning
- measured
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000005259 measurement Methods 0.000 claims abstract description 68
- 230000001788 irregular Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 16
- 241000196324 Embryophyta Species 0.000 claims description 122
- 240000008042 Zea mays Species 0.000 claims description 23
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims description 23
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims description 21
- 235000005822 corn Nutrition 0.000 claims description 21
- 210000003462 vein Anatomy 0.000 claims description 14
- 210000001367 artery Anatomy 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 12
- 230000029553 photosynthesis Effects 0.000 claims description 9
- 238000010672 photosynthesis Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 239000007787 solid Substances 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000000877 morphologic effect Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 241000894006 Bacteria Species 0.000 description 26
- 238000005516 engineering process Methods 0.000 description 11
- 238000005452 bending Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008635 plant growth Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000012010 growth Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 235000016709 nutrition Nutrition 0.000 description 5
- 241000233866 Fungi Species 0.000 description 4
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 238000007665 sagging Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000035764 nutrition Effects 0.000 description 3
- 230000000149 penetrating effect Effects 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 240000006394 Sorghum bicolor Species 0.000 description 2
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 2
- 244000062793 Sorghum vulgare Species 0.000 description 2
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000000338 in vitro Methods 0.000 description 2
- 235000009973 maize Nutrition 0.000 description 2
- 235000019713 millet Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005068 transpiration Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010023126 Jaundice Diseases 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005087 leaf formation Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- VUZPPFZMUPKLLV-UHFFFAOYSA-N methane;hydrate Chemical compound C.O VUZPPFZMUPKLLV-UHFFFAOYSA-N 0.000 description 1
- 235000015816 nutrient absorption Nutrition 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种采用三维激光扫描方式测量植株形态的方法,包括如下步骤:步骤一:采用三维激光扫描方式获取所述植株的点云数据,并导入到三维图形软件中;步骤二:对点云数据处理得到所述植株的不规则三角网模型;步骤三:转换坐标系,使Z轴与所述植株的茎秆竖直方向同向;步骤四:在三维图形软件中对所述植株的不规则三角网模型进行处理,获取植株形态参数。本发明具有如下有益效果:可对植株形态进行无接触测量,减少人为影响,实现对植株的原位动态的监测,具有高精度的特点;可以方便地获得茎秆的横截面面积、叶片的曲率半径、叶片角度等人工方法难以获取的形态指标;获取的数据均为数字格式,方便保存和随时查看,实现植物数字化。
Description
技术领域
本发明涉及植株形态参数的测量方法,具体涉及一种采用三维激光扫描方式测量植株形态的方法。
背景技术
在农学、生物学等领域,植物的外在形态结构是其内在生理生化反应的表达,因而其三维形态结构一直是植物学研究的重要内容之一。玉米作为我国三大农作物之一,其三维形态结构的研究有重要现实意义。传统量测上人工采用卷尺、量角器等工具来获取其三维形态结构信息,不仅工作量大、精度低而且测量因子单一、测量过程复杂并容易扰动植物生长,有时还需在离体条件下测定,对植物生长造成影响,测定结果受人为因素干扰较多。
随着测绘科学与计算机可视化技术的发展,植物的三维形态虚拟建模逐渐兴起,同时促使“数字植物”的研究成为热点。通过“数字植物”手段将植物三维形态结构信息数量化,可以更加细微和深入地研究植物生长及内在生理生化与外在影响因素的定量关系。三维激光扫描技术作为“数字植物”的一种重要数据采集手段,它可以快速获取三维模型点云信息,在植物模型重建和形态参数提取方面已经获得初步应用。
发明内容
针对现有技术存在的上述缺陷,本发明要解决的技术问题是,提供一种快速、高精度的无损监测手段来测量玉米等植株形态,以准确了解其生长情况。
为解决上述技术问题,本发明提供了一种采用三维激光扫描方式测量植株形态的方法,其特征在于,包括如下步骤:
步骤一:采用三维激光扫描方式获取所述植株的点云数据,并导入到三维图形软件中;
步骤二:对点云数据处理得到所述植株的不规则三角网模型;
步骤三:转换坐标系,使Z轴(竖直方向坐标轴)与所述植株的茎秆竖直方向同向;
步骤四:在三维图形软件中对所述植株的不规则三角网模型进行处理,获取植株形态参数。
作为优选,所述步骤四包括如下测量植株的叶片面积的步骤:
在所述不规则三角网模型上选取任意叶片,应用三维图形软件中的测量工具,即显示所选取叶片的面积。
作为优选,所述步骤四包括如下测量所有叶片的投影面积步骤:旋转所述不规则三角网模型到俯视视角,在非贯穿模式下选择全部叶片,应用“测量”工具,所测量出来的叶片面积就是全部叶片的投影面积。
作为优选,所述步骤四包括如下测量叶片有效光合作用面积的步骤:沿着光照方向的视角采用非贯通模式下选择目标叶片,应用“测量”工具,所测量出来的叶片面积就是目标叶片的有效光合作用面积。
作为优选,所述步骤四包括如下测量植株茎秆横截面的面积的步骤:建立垂直于所述植株茎秆的特征平面,通过“测量”工具测量此特征平面处的茎秆的横截面积。进一步地,还包括如下测量植株茎秆横截面的扁率步骤:通过三维图形软件中“曲线”工具中的“创建特征平面”选项截取茎秆,得到横截面的轮廓曲线;然后,勾选“显示”标签下的“边界框”选项,得到紧紧包围轮廓曲线的矩形边框,该矩形边框的长度和宽度即分别为该横截面的长轴、短轴长,利用公式扁率=(长轴-短轴)/长轴,计算扁率。
作为优选,所述步骤四包括如下测量植株的叶片角度的步骤:利用三维图形软件中利用“分析-点坐标”工具,分别在植株的三维叶片上沿主叶脉拾取叶枕部位的点、叶片基部挺直的部分的点、最高的点和叶尖上的点,分别得到每个的点的坐标信息,计算出叶片的参数值:
叶基角:叶片基部直挺部分中脉与茎秆朝上方向形成的夹角;
开张角:叶尖至叶枕的连线与茎秆的夹角;
披垂度:开张角减去叶基角;
叶片垂高:叶片最高点到叶枕的高差。
作为优选,所述步骤四包括如下测量植株的叶片曲率半径的步骤:沿着叶片主叶脉每隔一段距离进行参考点采样,然后以采样的参考点进行圆-多段线拟合,产生表现叶片主脉空间曲线,采用“曲线分析”工具,查看参考点处的曲率半径。
作为优选,将所述不规则三角网模型在“曲线”工具下按曲率提取曲线,得到与叶面密合的沿叶脉的空间曲线以及叶片的边界轮廓曲线;然后进行参数交换导入到三维图形软件中,选择“测量”工具测量叶片的长度和宽度。
作为优选,所述三维图形软件为Geomagic Studio与Autodesk Inventor,ProEngineer Wildfire,CATIA V5中的任意一种或多种的组合。
本发明的采用三维激光扫描方式测量植株形态的方法具有如下几个方面的有益效果:(1)本发明的三维激光扫描方法可以对植株形态进行无接触测量,减少人为影响,方便实现对植株的原位动态的监测,并具有高精度的特点。本实施例采用玉米为例进行说明,还可以对高粱、谷子等植株进行测量。
(2)本发明的三维激光扫描方法,可以方便地获得茎秆横截面积、叶片的曲率半径、叶片角度等现有技术的人工方法难以获取的形态指标,可以更细微深入地研究玉米和其它植物的三维形态结构。
(3)采用本发明的三维激光扫描方法获取的数据均为数字格式,方便保存和随时查看,实现植物数字化,通过三维激光扫描技术与计算机技术通信技术的无缝结合和集成,实现植株形态监测的自动化。
附图说明
图1为本发明采用三维激光扫描方式测量植株形态的方法所获取的植株的点云数据模型;
图2为图1的点云数据分离培养盆和土壤后的不规则三角网模型;
图3是对图2中的不规则三角网模型中的孔洞的示意图;
图4是对图2中的不规则三角网模型转换坐标系的示意图;
图5是在不规则三角网模型上测量叶片面积的示意图;
图6是在不规则三角网模型上测量茎秆横截面的面积的示意图;
图7四在不规则三角网模型上测量茎秆横截面的长轴与短轴的示意图;
图8是将不规则三角网模型在“曲线”工具下按曲率提取曲线,得到与叶面密合的沿叶脉的空间曲线以及叶片的边界轮廓曲线的示意图;
图9是披垂角(披垂度)大致相同的两个叶片的不同弯曲情况示意图;
图10为两组植株的叶片在上午测量时的曲率半径的对照图;
图11为两组植株的叶片在下午测量时的曲率半径的对照图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细描述,但不作为对本发明的限定。
在说明本发明之前,先简单介绍本发明采用的三维激光扫描技术。三维激光扫描技术是通过激光发射器不断地发射激光束,经过目标物体反射,被传感器接收后经过分析计算出被测物体精确的点位信息。经过这样不断重复地数据采集和处理过程获取逼近被测物体表面的高密度的三维点云。它的测距方法主要有脉冲法、相位法、三角法。脉冲法主要是通过测量激光束在激光发射器与被测物体之间的传播时间来计算物体的位置信息。相位法是用无线电波段的频率,对激光束进行幅度调制,通过测定调制光信号在被测距离上往返传播所产生的相位差,间接测定往返时间,并进一步计算出被测距离,相位法适合于中程测量。三角法是通过测量激光经过传播、反射后相位差来获取目标精确的点位,一般能够测量的最大距离小于脉冲法,但精度一般高于脉冲法。本实施例使用三角法,它的原理是是激光发射点和CCD接收点位于长度为的高精度基线两端,并与目标反射点构成一个空间平面三角形,借助三角形几何关系,求得目标的位置信息,在三种方法中测量的有效距离最小,但精度最高。通过激光扫描仪角度传感器可得到发射、入射光线与基线的夹角分别为γ、λ,激光扫描仪的轴向自旋转角度α,然后以激光发射点为坐标原点,基线方向为X轴正向,以平面内指向目标且垂直于X轴的方向线为Y轴建立测站坐标系,通过计算可得目标的三维坐标。
三维激光扫描测量技术可以自动、连续、快速地获取目标物体表面的三维坐标,以点云形式表现目标物体表面的几何特征。实现了由单点测量到面测量的飞跃,获取的信息也从点的空间位置信息延伸到目标物的纹理信息和色彩信息。三维激光扫描仪在记录激光点三维坐标和物体反射激光点的强度值;内置的数码相机可以方便、快速地获取外界物体真实的色彩信息,因此,点云信息包含三维坐标值、强度信息以及点的RGB(Red,Green,Blue)信息。最终由后处理软件对采集的点云数据和影像数据进行处理,转换成绝对坐标系中的空间坐标或模型,以多种格式输出满足空间信息数据库的数据源和不同应用的需要。
三维激光扫描***主要由扫描仪、带有配套软件的工作站、供电***组成。本实施例采用加拿大Creaform公司Handyscan系列的EXAscan 3D扫描仪,它是一种自定位手持扫描仪,精度可达0.04mm,扫描速度约50000点/秒,最高分辨率为0.05mm,景深为30cm。配套的数据采集软件为与其配套的VXelements,具有实时可视化和扫描结果增强功能。后期处理软件为Geomagic Studio,它是一款点云处理能力强大的逆向软件,具有交互处理扫描数据,建立精密的三维模型,基本测量等功能。
在以下的实施例中,采用三维激光扫描对盆栽玉米植株进行扫描为具体应用实例来说明三维激光扫描技术来实现对玉米形态监测,以及玉米三维形态的可视展现与可视计算的方法。当然,本发明的测量方法并不限于对盆栽玉米植株进行测量,同样也可以应用在对大田中自然生长的植株进行测量,只是不必分离培养盆。
下面详细说明采用三维激光扫描对盆栽玉米植株进行扫描的工作过程。
首先,通过数据线连接扫描仪与工作站,启动VXelements软件,由于,扫描仪每一次发射激光束采集的点位信息都是在仪器自身坐标系下,一个位置很难扫描完整的植株,因此,要围绕植株不断进行扫描。手持扫描仪每次扫描所在的位置称之为测站,围绕植株设置若干测站,测站尽量围绕植株均匀设置,其数量在3-7之间,测站数量可根据植物生长情况,进行调整。每个测站位置扫描的坐标系不同,需要通过参考点拼接起来。因而,在扫描准备的时候要通过在植株周围的固定位置粘贴反射片,仪器通过识别反射片来自动完成拼接。粘贴反射片的位置称为参考点
在扫描开始后,手持扫描仪围绕植株不断采集数据,并注意计算机上实时显示的点云模型信息,查漏补缺,防止数据缺失,并保证在每一测站至少有三个参考点可视。
按照对参考点的先后顺序扫描方式的不同,可分为两种方式进行扫描。
一种是全局控制法:先直接按照顺序逐个扫描全部参考点的信息,建立全局坐标系,形成整体控制,然后再按照顺序在每个测站逐步采集植株的位置信息,通过每一测站所扫描到的参考点而匹配到全局坐标系下面。
另一种方式是按照顺序分别在每个测站直接扫描植株,并且扫描这一测站所可视范围内的参考点,两个相邻测站保持至少三个公共参考点,通过参考点,每一测站的数据自动拼接到上一个坐标系下,直到扫描结束。这两种方法是三维扫描中所常用的,故不再赘述。
需要注意的是,仪器初次使用或者使用一段时间后要使用校正板进行校正。由于植物叶片柔弱易动,扫描数据容易分层,从扫描将要开始时要减少人员走动,以减少外界对叶片的扰动,来获取高质量的数据。如果是在室外进行测量,要选无风的天气进行。
通过上述扫描操作,获得植株的获取其原始的点云数据,其处理过程如下:
A、扫描数据处理
A1、点处理阶段
手持扫描仪获取的原始数据是数万个离散点的位置坐标和反射强度值,在建立三维模型前需要对点云数据进行初步处理。
将获得的植株点云数据以.igs格式导入Geomagic Studio中经着色后以方便观察。在扫描时,由于仪器本身和外界环境的原因,有多余项和噪音被同时采集,需要经过删除非连接项、去除孤点、减噪等前期处理获得如图1所示的目标点云数据;然后分离培养盆和土壤后就提取到完整的玉米植株的点云数据,如图2所示。
A2、多边形模型阶段
多边形模型是以相邻的数据点为顶点建立不规则三角形,形成不规则三角网模型(triangulation irregular net,TIN模型),对实体表面进行逼近的。请继续参考图2,对A1步骤处理后所得到的如图2所示的点云数据进行封装形成表现玉米植株形态的不规则三角网模型(TIN模型)。
对TIN模型进行完善处理:
(1)填充孔洞
扫描时会有部分数据缺失形成如图3所示的不同类型的孔洞,其中孔31为边界孔,孔32为岛屿孔,需要选择不同的“填充孔”命令进行填充,其实质就是利用孔洞周边数据分析变化趋势进而填补残缺部分的数据。
(2)转换坐标系
在扫描时,仪器会自动建立一个独立空间坐标系,Z轴与的茎秆竖直方向不同向,需要运用旋转矩阵将独立空间坐标系转换为以玉米最低端的中心为坐标原点,茎秆中心为Z轴的空间坐标系。首先选取茎秆数据进行圆柱特征模拟,出现贯穿茎秆的中心线,然后运用“对齐”命令以这条中心线为固定的Z轴进行坐标转换,就得到茎秆方向与Z轴一致的玉米模型,如图4所示。这时可以随意旋转模型从任何角度对植株进行观测。
B:植株形态特征参数的获取
在对扫描得到的数据经过上述处理后,得到适合获取植株形态特征参数的TIN模型。以下分别介绍植株的形态的各种特征参数的获取方法。
(1)叶片面积的测量
如图5所示,直接应用“工具—测量”模块对选取的任意叶片61进行面积测量,若是选取全部叶片可一次性计算所有叶片的总面积。
此外,还可以测量所有叶片的投影面积,方法是:旋转模型到俯视视角(此时Z轴垂直屏幕向外),在非贯穿模式下选择全部叶片测量出来的叶片面积就是投影面积,其实也就是叶片投影在屏幕上的面积(当然需要考虑比例尺的问题)。
沿着光照方向的视角采用非贯通模式下选择目标叶片可以进行有效光合作用面积的测量,这是传统方法难以实现的。在叶片卷曲时,尤其需要了解有效光合作用面积,当然在叶片未卷曲时,也可以测量有效光合作用面积。本实施例很方便、快捷地获取了有效光合作用面积,传统的办法很难实现。
(2)茎秆横截面积和扁率的测量
如图6所示,在距根部5cm高处建立垂直玉米茎秆10的特征平面g;通过GeomagicStudio软件中的“测量”工具,可测量此截面处的玉米茎秆的横截面积。如果希望获取玉米茎秆10在任何高度的茎秆横截面积和扁率,都可以采取这种方式进行。
通过Geomagic Studio软件中“曲线”工具中创建以特征平面g截取的茎秆的轮廓曲线,然后,勾选“显示”标签下的“边界框”选项,如图7所示,此时会显示一个紧紧包围轮廓曲线的矩形边框,这个边框表达着轮廓边界,此时显示的边框信息就是长轴与短轴的数值。长轴、短轴的差与长轴的比值即为扁率。
(3)叶片角度的测量
利用“分析-点坐标”工具,在植株的三维叶片上沿主叶脉拾取叶枕部位的点、叶片基部挺直的部分的点、最高的点和叶尖上的点,得到相应的每个点坐标信息,从而计算出叶片的以下参数值。
叶基角:叶片基部直挺部分中脉与茎秆朝上方向形成的夹角;开张角:叶尖至叶枕的连线与茎秆的夹角;披垂度:开张角减去叶基角;叶片垂高:叶片最高点到叶枕的高差,即其纵坐标的差。
详细地,叶基角和开张角是利用Geomagic Studio软件中利用“分析-点坐标”工具,分别在植株的三维叶片上沿主叶脉拾取叶枕部位的点、叶片基部挺直的部分的点、最高的点和叶尖上的点,分别得到每个的点的坐标信息,导出点文件,然后利用斜率公式计算,使用Excel电子表格进行计算是较为方便的方式。
(3)叶片曲率半径的测量
沿着叶片主叶脉每隔一段极小的距离(本实施例采用3mm)进行控制点采样,然后以采样的参考点进行圆-多段线拟合,产生表现叶片主脉的空间曲线,每个参考点处就有一个曲率半径,以所有参考点的曲率半径值的平均值为叶片曲率半径。
(5)叶片形态参数的测量
使用“曲线绘制”工具,按曲率提取曲线,绘制完成后转化为自由曲线,得到如图8所示的与叶面密合的沿叶脉的空间曲线和叶片的边界轮廓曲线,也就是图8中只是显示叶片的边界轮廓曲线以及沿叶脉的空间曲线。然后进行参数交换导入到与Geomagic Studio相配套的Soliworks软件或者Autodesk Inventor,ProEngineer Wildfire,CATIA V5等三维软件中,选择“工具-测量”进行叶片长度和宽度的测量,并以长与宽的比计算叶形值。本发明中,叶长是沿着叶子主叶脉生长的曲线量取的,更加准确。
测量目标叶片的最高点(也就是叶片上切线平行于地面的点)沿叶片到叶枕的长度,与叶片总长的比值就是下垂点比例。
以下结合上文描述简单说明,采用本实施例的方法在获取植株的形态参数时的优点。
在测量叶片面积方面:传统测量方法的主要有方格纸法、长宽系数,称重法等,存在工作量大、有时需要离体、对植株扰动较大的缺点,特别是当叶片卷曲时测量精度难以保证。
对于投影面积的测量,传统方法是先把植株投影到地面,然后计算投影面积,不仅繁琐而且误差较大,有时甚至无法实现。而本实施例通过三维激光扫描获得植株模型后,可以一键实现面积的测量。
当叶片卷曲时,在通过三维激光扫描技术建立模型后,沿着光照方向的视角采用非贯通模式下选择目标叶片可以进行有效光合作用面积的测量,这是传统方法难以实现的。
茎秆的横截面的测量:茎干的粗壮程度常用直径来表示,但是玉米的茎秆的横截面并不严格地呈圆状,而是类似椭圆状,它有一定的扁率,且在研究中发现在不同生长时期的扁率还有所不同。用手工测量不同植株茎秆直径时较难准确测量出最大直径(长轴)和最小直径(短轴)。而茎秆的截面积不受茎秆截面形状的影响,是比直径更准确地表示玉米茎秆的粗壮程度的参数。传统的使用卡尺测量直径的方法很难直接进行横截面积的测量,而本实施例采用三维激光扫描技术通过建立垂直茎秆的特征平面很容易地获取横截面的面积,同时获得横截面轮廓,方便进一步地细化研究。当然,对近似于椭圆的横截面,可方面地得到其长轴与短轴的数值,进一步计算出其扁率。
叶长和角度的测量:现有技术中一般使用卷尺和量角器等工具人工测量,由于特征部位确定的人为因素较大,可重复性差。本实施例可以通过数学分析定量确定相关指标的数值。
相比于现有技术,本实施例可以获取叶片的曲率半径,它可以准确地表示叶片的弯曲程度,曲率半径越小表示叶片越弯曲下垂。某一点的曲率半径表示此处的弯曲程度,平均曲率半径表示叶片的整体弯曲程度。
现有技术通过测出来的披垂度来表示叶片弯曲披垂程度,它的数学含义只表示了叶尖到叶枕的连线的角度关系,对叶片中间部分的弯曲情况不能体现出来。以下以图9中披垂度大致相同的两个叶片进行对比说明。
如图9所示,叶片102沿着主脉方向的每一段都保持有一定的弯曲程度,而叶片101在基部端的很大一段保持挺直而仅在靠近叶尖部分有较大程度的弯曲。两个叶片的披垂角大致相同,但是从整个叶片观察,叶片102总体较叶片101弯曲。这时披垂度就不能很好地表现叶片101和叶片102的中间不同弯曲状况,而叶片平均曲率半径包含了沿主脉方向每一段的弯曲信息,是整个叶片的弯曲情况的综合反映,就能很好的表达叶片101和叶片102的不同弯曲情况。
综合上文所述,使用本发明的采用三维激光扫描方式测量植株形态的方法的具有多方面的优点
(1)本发明的三维激光扫描方法可以对植株形态进行无接触测量,减少人为影响,方便实现对植株的原位动态的监测,并具有高精度的特点。本实施例采用玉米为例进行说明,还可以对高粱、谷子等禾本科植株进行测量,并可为其它类植株形态测量提供参考。
(2)本发明的三维激光扫描方法,可以方便地获得茎秆横截面积、叶片的曲率半径等现有技术的人工方法难以获取的形态指标,可以更细微深入地研究玉米和其它植物的三维形态结构。
(3)采用本发明的三维激光扫描方法获取的数据均为数字格式,方便保存和随时查看,实现植物数字化,通过三维激光扫描技术与计算机技术通信技术的无缝结合和集成,实现植株形态监测的自动化。
需要指出的是,本实施例虽然以Geomagic Studio结合Solidwork为例进行说明的,实际上,还可以采用Geomagic Studio、Cyclone结合Autodesk Inventor、ProEngineerWildfire或者CATIA V5等三维图形处理软件来代替本实施例所采用的软件,同样也可以实现参数的自动测量。本领域的技术人员,可以根据测量的实际情况进行选择合适的三维图形团结。
关于本发明的优点,需要补充指出的是,本发明通过利用三维激光扫描方法和已有的成熟的商业软件作为工具,实现了大规模地、简易地提取植株的各项参数,特别是叶片轮廓的参数,这是现有的测量技术所不能实现的。
本发明的三维激光扫描方法在植株对比试验中的应用
为了进一步说明使用本发明的三维激光扫描方法测量植株形态所具有的优点,下述实施例结合具体对比实验过程进行说明。
接种菌根能够促进植物生长与养分吸收,但在形态结构上人工量测方法无法比较出其形态结构的差异性变化,为了比较接种菌根对植物不同生长期形态的精细影响,在下文中,设接菌条件下生长的玉米为接菌组(用+M表示),不接菌条件下生长的玉米为对比组(用CK表示),分别在生长30天、45天、60天(三次均为晴朗天气)的上午8:00—9:00和下午的2:00-3:00对植株进行三维进行扫描的方法进行测量,获得点云数据,采取上文所述的数据处理过程和植株的参数提取过程,分别获得不同的形态数据。
(a)叶片面积
现有技术采用卷尺等工具准确测量叶片面积是非常困难的,而且还可能对叶片造成损伤,为了准确测量叶片面积,甚至需要将其离体处理,特别是当叶片卷曲时测量精度难以保证。而采用本发明的三维扫描的方法,实现对植株的叶片面积的无损测量,在获取植株的三维数据后,只需要在三维图形处理软件中选取“测量”工具即可快速取叶片的面积,能够对两种情况下生长的植株的叶片面积准确定量研究,非常准确方便,是现有技术中无法快速实现的。
表1中的活叶面积是仍能发挥正常生理功能的绿叶面积的总和,接菌组(+M)的活叶面积一直保持较大幅度的增加,而对照组(CK)的玉米在后期的生长中营养匮乏,下部的叶片枯萎发黄,在监测后期对照组的活叶面积增加幅度非常小。在30d时接菌组活叶面积就同比对照组增加1.41倍。在45d和60d时的差异性逐渐增大,达到差异显著水平,接菌组同比对照组增加1.98倍、3.62倍。说明接种菌根真菌可以缓解植物后期营养匮乏,使叶片持续保绿。
表1植株的活叶面积对比
(b)植株的茎秆参数
如表2并结合图7所示,茎秆横截面的面积表示茎秆粗壮程度,不同时期接菌组的茎秆横截面的面积都显著大于对照组,并且随着时间的增加差异性有增大趋势,在60d时接菌组达到对照组的124%。说明菌根在促进玉米茎秆增粗的作用明显。
如表2所示并结合图7理解植株的茎秆横截面的形状,扁率表示茎秆的扁圆程度,玉米的茎秆的横截面并不呈严格的圆形,它有一定的扁率且在不同生长时期的扁率有所不同。其中,接菌组的扁率先升后降,幅度变化较小。而对照组的扁率一直保持增加。不同时间中接菌组的扁率都大于同期对照组,但是都没达到显著性水平。这表明接种菌根可以在一定程度上影响茎秆的扁圆程度,可能与菌根吸收营养快,植物生长快,营养在植物组织中的分布不均匀所致。
如上所述,采用本发明的测量方法,可以准确获取茎秆的横截面的面积大小,以及其横截面的形状,并能获知其扁圆程度。而现有技术中,假设茎秆为圆形通过游标卡尺测量出来的直径来表示茎秆的粗壮程度,这显然是不够准确和客观的。利用本发明的测量方法可准确了解茎秆的横截面的形状、面积大小,从而可以准确了解不同的生长条件对其茎秆粗壮程度的影响。
表2植株的茎秆参数对比
(c)叶片角度参数
玉米叶片形成的各种角度不仅衡量着的单个叶片的挺直程度和伸展方向,也表征着群体叶片的空间分布情况,对于冠层的光照分布和植物抗逆性研究,叶片角度都是很重要的参考指标。如表3所示,叶片的三个角度(叶基角、披垂度和开张角)参数随着时间的变化呈现不同的而变化过程,叶基角随着时间变化先增后减,在第45d时达到最大值,在这个过程中,接菌组的变化幅度一直小于对照组,表明接菌处理能够在后期持续维持叶片挺直。对于披垂度,在30d-45d期间,两组的披垂度减小,接菌组减小的幅度大于对照组,在45d-60d时基本保持不变,与接菌植物的营养供应高于对照有关。开张角是叶基角和披垂角之和,两组的开张角在30d时基本保持相同,随后一直保持下降趋势,并且接菌组的下降幅度大于对照组,从而说明,接菌组的植物养分供应充足,叶片挺直较对照组好,因而表现出较小的开张角。
采用本发明的测量方法,叶基角、披垂度、开张角均可通过数学分析而定量确定相关指标的数值,具有准确性好、测量方便的优点,而且不会对植株的叶片造成扰动而影响测量精度,而现有人工量测技术中采取卷尺和量角器等工具测量叶片参数,由于确定特征部位的人为因素较大,可重复性以及准确性差,并需要对叶片造成扰动而影响测量精度。
表3叶片角度参数对比
(d)叶片大小和形状参数
叶片是植物进行光合作用和蒸腾作用的主要场所,叶片的大小和形状影响着碳水化合物的形成和积累。如表4所示,玉米生长到30d时叶片的平均面积、叶长、叶宽和叶片垂高已经表现出显著性差异,接菌组比对照组分别高84.7%、41.0%、33.7%、42.0%。生长到45d时,两个处理的平均叶面积、叶长、叶宽相比第30d时都有所增加,但是两个处理组的叶片垂高却呈现相反的趋势,对照组叶片垂高下降而接菌组叶片垂高却上升。叶片垂高是茎秆节间长度、叶片长度和挺直程度综合作用的结果,茎秆节间和叶片越长、叶片越挺直则相邻两个叶片的空隙越大,叶片的垂高越大。表明接种促进了植物的生长,叶片挺直程度增加。
表4叶片大小和形状参数对比
(e)叶片的曲率半径
叶片曲率半径表示叶片的弯曲程度,曲率半径越小表示叶片越弯曲下垂。随着生长时间的延长,叶片的主叶脉***,从外观上看叶片越坚挺。图10为两组植株的叶片在上午测量时的曲率半径的对照图(其中深色的代表接菌组,空白的代表对照组)。如图10所示,两组的叶片的曲率半径在上午测量时都随时间逐渐增大,接菌组增大的速度明显大于对照组。30d时,接菌组的曲率半径已经大于对照组,但是没达到显著水平。在45d时接菌组的曲率半径比照组增加了33.2%,达到著水平。到60d时两个处理间的差异加大,接菌组比对照组增加了46.5%。
图11为两组植株的叶片在下午测量时的曲率半径的对照图(其中深色的代表接菌组,空白的代表对照组)。晴朗天气下,植物叶片经过强光高温作用,蒸腾作用强烈,水分丧失较快,叶片疲软下垂。如图11所示,在下午测量时,接菌组的曲率半径随时间增大,而对照组的曲率半径基本维持不变。
采用本发明的测量方法,可以得出叶片的曲率半径,以精确地表示叶片的弯曲程度,曲率半径越小表示叶片越弯曲下垂。而传统人工量测方法测出来的披垂度表示叶片弯曲披垂程度,达不到这样的精确程度,披垂度的数学含义只表示了叶尖到叶枕的连线的角度关系,对叶片中间部分的弯曲情况体现不明显。
通过本实施例的具体应用可以清楚地看出,三维激光扫描技术在植物生长过程动态监测中不仅精度高,可以原位无损地监测,不会对植物产生人为扰动而且能够获取如茎秆横截面积、横截面形状,叶片面积、叶片曲率半径等常规方法难以获取的形态信息,在试验中获得较好的效果,能够精确地比较出接菌与否对植株生长状况的精细差异。而现有手工量测技术由于测量精度有限,不能够精确获得茎秆横截面积、横截面形状、叶片面积、叶片曲率半径的数据,难以对植株的生长状态进行细化的对比研究。
当然,以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.采用三维激光扫描方式测量植株形态的方法,其特征在于,包括如下步骤:
步骤一:保持植株处于原位,围绕植株设置若干测站,在测站上采用三维激光扫描方式获取所述植株的点云数据,并导入到三维图形软件中;
步骤二:对点云数据处理得到所述植株的不规则三角网模型,所述步骤二包括:
a1,对所述点云数据进行如下处理:删除非连接项、去除孤点和减噪;
a2,分离培养盆和土壤,以提取到完整的玉米植株的点云数据;
a3,以相邻的数据点为顶点建立不规则三角形,形成不规则三角网模型,以对实体表面进行逼近;以及
a4,对部分数据缺失形成的孔洞,利用孔洞周边数据分析变化趋势进而填所述孔洞;
步骤三:将独立空间坐标系转换为以玉米最低端的中心为坐标原点,茎秆中心为Z轴的空间坐标系,使Z轴与所述植株的茎秆竖直方向同向,所述步骤三包括:
b1,选取植株的茎秆数据进行圆柱特征模拟,出现贯穿茎秆的中心线,然后运用对齐命令以这条中心线为固定的Z轴进行坐标转换,得到茎秆方向与Z轴一致的植株模型;
步骤四:在三维图形软件中对所述植株的不规则三角网模型进行处理,获取植株形态参数,其中所述步骤四包括如下测量植株的叶片曲率半径的步骤:沿着叶片主叶脉每隔一段距离进行参考点采样,然后以采样的参考点进行圆-多段线拟合,产生表现叶片主脉空间曲线,采用“曲线分析”工具,查看参考点处的曲率半径。
2.如权利要求1所述的采用三维激光扫描方式测量植株形态的方法,其特征在于,所述步骤四包括如下测量植株的叶片面积的步骤:
在所述不规则三角网模型上选取任意叶片,应用三维图形软件中的测量工具,即显示所选取叶片的面积。
3.如权利要求1所述的采用三维激光扫描方式测量植株形态的方法,其特征在于,所述步骤四包括如下测量所有叶片的投影面积的步骤:
旋转所述不规则三角网模型到俯视视角,在非贯穿模式下选择全部叶片,应用“测量”工具,所测量出来的叶片面积就是全部叶片的投影面积。
4.如权利要求1所述的采用三维激光扫描方式测量植株形态的方法,其特征在于,所述步骤四包括如下测量叶片有效光合作用面积的步骤:沿着光照方向的视角采用非贯通模式下选择目标叶片,应用“测量”工具,所测量出来的叶片面积就是目标叶片的有效光合作用面积。
5.如权利要求1所述的采用三维激光扫描方式测量植株形态的方法,其特征在于,所述步骤四包括如下测量植株茎秆横截面的面积的步骤:
建立垂直于所述植株茎秆的特征平面,通过“测量”工具测量此特征平面处的茎秆的横截面积。
6.如权利要求5所述的采用三维激光扫描方式测量植株形态的方法,其特征在于,进一步还包括如下测量植株茎秆横截面的扁率步骤:
通过三维图形软件中“曲线”工具中的“创建特征平面”选项截取茎秆,得到横截面的轮廓曲线;
然后,勾选“显示”标签下的“边界框”选项,得到紧紧包围轮廓曲线的矩形边框,该矩形边框的长度和宽度即分别为该横截面的长轴、短轴长,利用公式扁率=(长轴-短轴)/长轴,计算扁率。
7.如权利要求1所述的采用三维激光扫描方式测量植株形态的方法,其特征在于,所述步骤四包括如下测量植株的叶片角度的步骤:
利用三维图形软件中利用“分析-点坐标”工具,分别在植株的三维叶片上沿主叶脉拾取叶枕部位的点、叶片基部挺直的部分的点、最高的点和叶尖上的点,分别得到每个的点的坐标信息,计算出叶片的参数值:
叶基角:叶片基部直挺部分中脉与茎秆朝上方向形成的夹角;
开张角:叶尖至叶枕的连线与茎秆的夹角;
披垂度:开张角减去叶基角;
叶片垂高:叶片最高点到叶枕的高差。
8.如权利要求1所述的采用三维激光扫描方式测量植株形态的方法,其特征在于,将所述不规则三角网模型在“曲线”工具下按曲率提取曲线,得到与叶面密合的沿叶脉的空间曲线以及叶片的边界轮廓曲线;然后进行参数交换导入到三维图形软件中,选择“测量”工具测量叶片的长度和宽度。
9.如权利要求1-8任一项所述的采用三维激光扫描方式测量植株形态的方法,其特征在于,所述三维图形软件为Geomagic Studio与Autodesk Inventor,ProEngineerWildfire,CATIA V5的任意组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510077260.3A CN104748677B (zh) | 2015-02-11 | 2015-02-13 | 采用三维激光扫描方式测量植株形态的方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2015100719550 | 2015-02-11 | ||
CN201510071955 | 2015-02-11 | ||
CN201510077260.3A CN104748677B (zh) | 2015-02-11 | 2015-02-13 | 采用三维激光扫描方式测量植株形态的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104748677A CN104748677A (zh) | 2015-07-01 |
CN104748677B true CN104748677B (zh) | 2017-10-31 |
Family
ID=53588724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510077260.3A Active CN104748677B (zh) | 2015-02-11 | 2015-02-13 | 采用三维激光扫描方式测量植株形态的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104748677B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105737737A (zh) * | 2016-05-12 | 2016-07-06 | 中国科学院植物研究所 | 室内作物表型检测*** |
CN105806266B (zh) * | 2016-05-24 | 2018-08-31 | 南京林业大学 | 基于激光扫描数据的树木冠层叶面积计算方法 |
CN106097372A (zh) * | 2016-06-23 | 2016-11-09 | 北京农业信息技术研究中心 | 基于图像处理的农作物植株水分胁迫表型检测方法 |
CN107677221B (zh) * | 2017-10-25 | 2024-03-19 | 贵州大学 | 一种植物叶片运动角度测量方法及装置 |
CN107860316B (zh) * | 2017-10-30 | 2019-10-08 | 重庆师范大学 | 玉米籽粒三维参数测量装置及其测量方法 |
CN108253894B (zh) * | 2018-02-06 | 2020-08-18 | 中原内配集团股份有限公司 | 一种气缸套表面凸起结构的检测方法 |
CN109798846A (zh) * | 2019-01-26 | 2019-05-24 | 西北工业大学 | 一种喷丸成形试件成形曲率半径测量方法 |
CN110398503A (zh) * | 2019-02-27 | 2019-11-01 | 广西壮族自治区农业科学院 | 一种基于几何形态透射测量的植物病虫害检验方法 |
CN110148146B (zh) * | 2019-05-24 | 2021-03-02 | 重庆大学 | 一种利用合成数据的植物叶片分割方法及*** |
CN110660126A (zh) * | 2019-09-23 | 2020-01-07 | 宁夏农林科学院枸杞工程技术研究所 | 基于三维点云扫描技术构建枸杞叶片表型组数据库的方法 |
CN111259321B (zh) * | 2020-01-15 | 2023-05-16 | 杭州电子科技大学 | 一种具有主脉的植物叶片的卷曲程度测定方法 |
CN111561870B (zh) * | 2020-05-29 | 2021-10-08 | 神华准格尔能源有限责任公司 | 获取室外植物表型数据的方法和*** |
CN112227154A (zh) * | 2020-10-19 | 2021-01-15 | 张新成 | 一种公路工程用水泥混凝土路面刻槽方法及装置 |
CN112231844B (zh) * | 2020-10-30 | 2024-05-28 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 零件模型的曲面离散方法、装置、设备及存储介质 |
CN112595243B (zh) * | 2020-12-02 | 2022-05-17 | 中国科学院空天信息创新研究院 | 一种适用于野外连续观测的植被株高自动测定方法及*** |
CN112837267B (zh) * | 2021-01-11 | 2023-12-26 | 浙江大学 | 一种预测转基因玉米抗药性的数字检测方法及*** |
CN112964183B (zh) * | 2021-03-12 | 2022-04-12 | 四川涪盛科技有限公司 | 弧高测量方法 |
CN117541924B (zh) * | 2023-11-16 | 2024-07-09 | 海南海柠科技有限公司 | 一种农作物生长状况的监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1576779A (zh) * | 2003-06-30 | 2005-02-09 | 韦尔豪泽公司 | 用于植物胚胎圆形顶部三维成像的方法和*** |
CN101294792A (zh) * | 2008-06-19 | 2008-10-29 | 上海交通大学 | 具有自动校准功能的植物形态参数视觉测量仪 |
US20100085353A1 (en) * | 2008-10-04 | 2010-04-08 | Microsoft Corporation | User-guided surface reconstruction |
CN103049932A (zh) * | 2012-12-20 | 2013-04-17 | 北京农业信息技术研究中心 | 一种基于径向基函数的植物三维形态虚拟建模方法 |
CN103065352A (zh) * | 2012-12-20 | 2013-04-24 | 北京农业信息技术研究中心 | 一种基于图像和扫描数据的植株三维重建方法 |
CN103279980A (zh) * | 2013-05-08 | 2013-09-04 | 西安理工大学 | 基于点云数据的树叶建模方法 |
CN104019761A (zh) * | 2014-04-15 | 2014-09-03 | 北京农业信息技术研究中心 | 一种玉米植株三维形态获取装置和方法 |
-
2015
- 2015-02-13 CN CN201510077260.3A patent/CN104748677B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1576779A (zh) * | 2003-06-30 | 2005-02-09 | 韦尔豪泽公司 | 用于植物胚胎圆形顶部三维成像的方法和*** |
CN101294792A (zh) * | 2008-06-19 | 2008-10-29 | 上海交通大学 | 具有自动校准功能的植物形态参数视觉测量仪 |
US20100085353A1 (en) * | 2008-10-04 | 2010-04-08 | Microsoft Corporation | User-guided surface reconstruction |
CN103049932A (zh) * | 2012-12-20 | 2013-04-17 | 北京农业信息技术研究中心 | 一种基于径向基函数的植物三维形态虚拟建模方法 |
CN103065352A (zh) * | 2012-12-20 | 2013-04-24 | 北京农业信息技术研究中心 | 一种基于图像和扫描数据的植株三维重建方法 |
CN103279980A (zh) * | 2013-05-08 | 2013-09-04 | 西安理工大学 | 基于点云数据的树叶建模方法 |
CN104019761A (zh) * | 2014-04-15 | 2014-09-03 | 北京农业信息技术研究中心 | 一种玉米植株三维形态获取装置和方法 |
Non-Patent Citations (5)
Title |
---|
3-D Modeling of Tomato Canopies Using a High-Resolution Portable Scanning Lidar For Extracting Structural Information;Fumiki Hosoi等;《Sensors》;20110115(第11期);2166-2174 * |
三维激光扫描技术在植物扫描中的应用分析;魏学礼等;《中国农学通报》;20101231;第26卷(第20期);373-377 * |
基于实测数据的植物建模研究进展;孙智慧等;《农机化研究》;20120331(第03期);18-24 * |
基于激光点云数据的复杂植物叶片重建方法;嵇俊等;《西北林学院学报》;20140512;第30卷(第5期);64-69 * |
植物三维信息获取方法的研究;何任涛;《中国优秀硕士学位论文全文数据库信息科技辑》;20110715(第07(2011)期);正文第33页第2-3段,第23页第1-3段,第36页第1、3段,第40页第1段,第41页第1段,第43页第2段,第51页倒数第3段,第52页第1段,第53页第3-5段,第58页第6段,第59-60页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104748677A (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104748677B (zh) | 采用三维激光扫描方式测量植株形态的方法 | |
CN105608293B (zh) | 融合光谱与纹理特征的森林地上生物量反演方法及*** | |
CN113885025A (zh) | 一种滑坡形变监测方法与可视化服务平台 | |
CN105761310B (zh) | 一种天空可视域数字地图的模拟分析及图像显示方法 | |
CN102163342A (zh) | 基于多尺度测量数据的果树形态结构三维重建方法 | |
CN105066877A (zh) | 基于智能终端镜头的树木测量方法 | |
CN103236043B (zh) | 一种植物器官点云修复方法 | |
CN104915982A (zh) | 树冠层光照分布预测模型构建方法及光照分布检测方法 | |
CN110109118B (zh) | 一种森林冠层生物量的预测方法 | |
CN112068153A (zh) | 一种基于地基激光雷达点云的冠层间隙率估算方法 | |
CN104236486B (zh) | 一种棉花叶面积指数快速无损测定方法 | |
Miao et al. | Measurement method of maize morphological parameters based on point cloud image conversion | |
CN113269825A (zh) | 基于地基激光雷达技术林木胸径值提取的方法 | |
CN105954207A (zh) | 一种枣树冠层叶绿素b含量的检测方法 | |
CN105823736A (zh) | 一种枣树冠层类胡萝卜素含量的检测方法 | |
CN204064241U (zh) | 一种非接触式复杂表面锥体信息采集装置 | |
Enuş et al. | Three-dimensional measurements of tree crown movement using an infrared time-of-flight camera | |
CN114187402A (zh) | 基于三维点云的烤烟三维模型构建方法 | |
CN213778886U (zh) | 一种新型树木着枝角测量仪器 | |
CN115994939A (zh) | 一种基于地面激光点云的树木叶面积估算方法 | |
CN115289999A (zh) | 一种三维激光扫描***的自校准方法 | |
CN107643048A (zh) | 基于点云数据的测树因子自动提取方法 | |
CN107505265A (zh) | 一种土壤含水量遥感监测方法 | |
CN112415537B (zh) | 一种利用三维点云数据刻画森林光合有效辐射分布的模型 | |
CN115223061A (zh) | 基于uav数据的桉树人工林短时间跨度生长量提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |