一种面向植物点云的无重叠叶片分割方法

自动叶片分割，以及建立在其上的识别与分类方法，能够为植物生长状态提供即时监测以保障产量。尽管三维植物点云包含丰富的表型特征，植物叶片通常以簇状分布，且在冠层中有时严重重叠。因此，出于植物表型目的，从高度密集的植物冠层三维点云中自动分割每片独立叶片仍是一项巨大挑战。本工作中，我们提出一种利用三维滤波与面元区域生长的无重叠单叶分割方法。为分离具有不同重叠情形的叶片，我们开发了一种新的三维联合滤波算子，其集成了基于半径的离群点滤波器（RBOF）与表面边界滤波器（SBF）以辅助分离被遮挡的叶片。通过引入面元过分割与基于面元的区域生长，分割中的噪声被抑制，且已标记的叶片中心可分别扩展至其整片叶片。我们的方法可作用于由三类三维成像平台生成的点云，并适用于不同种类的植物。实验中，其对绿萝（Epipremnum aureum）获得 97% 的点级覆盖率，对龟背竹（Monstera deliciosa）为 99%，对孔雀竹芋（Calathea makoyana）为 99%，对尼泊尔常春藤（Hedera nepalensis）样本植物为 87%。在叶片级别，我们的方法分别达到平均召回率 100.00%、精确率 99.33% 以及平均 F 值 99.66%。所提方法还可促进每片单叶的自动性状估计（如叶面积、长度和宽度），有望成为植物研究与农业工程的高效工具。