基于自适应数据采集与NeREF辐射定标的UGV植物表型系统生成高质量三维多光谱点云
图像与视频处理
2023-12-04 v2 计算机视觉与模式识别
机器学习
定量方法
摘要
三维与多光谱成像数据的融合在高通量植物表型分析中具有巨大潜力，可同时获取结构、生化及生理性状，这对农业决策支持与育种家筛选最优基因型至关重要。然而，不同植物冠层结构的三维数据完整性不足，以及复杂光照效应导致的多光谱图像质量低下，构成了重大挑战，尤其在近景成像尺度下。为此，本研究提出一种自适应数据采集与辐射定标的新方法，以生成高质量植物三维多光谱点云（3DMPCs）。基于配备多传感器机械臂的UGV植物表型系统，提出一种高效的下一最佳视角（NBV）规划方法以实现自适应数据采集。采用NeREF预测半球参考的DN值以进行辐射定标。在NBV规划中，关节速度为1.55 rad/s时单株植物平均总耗时约62.8 s，较无规划平均减少18.0%。全株数据完整性较固定视角单独采集平均提升23.6%。与ASD测量相比，由3DMPCs不同感兴趣区域获得的反射率光谱RMSE为0.08，较未经三维辐射定标的单帧多光谱图像结果平均降低58.93%。三维定标后的植物3DMPCs提升了PLSR对叶绿素含量的预测精度，R2平均提高0.07，RMSE平均降低21.25%。本方法为自然光照下生成高质量植物3DMPCs提供了新视角，可实现植物形态与生理参数的更精确分析。
引用
@article{arxiv.2305.06777,
title = {Generating high-quality 3DMPCs by adaptive data acquisition and NeREF-based radiometric calibration with UGV plant phenotyping system},
author = {Pengyao Xie and Zhihong Ma and Ruiming Du and Xin Yang and Haiyan Cen},
journal= {arXiv preprint arXiv:2305.06777},
year = {2023}
}