基于LIDAR数据的3D玉米植物结构程序生成
计算机视觉与模式识别
2025-06-27 v1 机器学习
摘要
本研究引入一种稳健的框架，用于从LiDAR点云数据生成3D玉米（Zea mays）植株的程序化模型，作为传统田间表型鉴定的可扩展替代方案。该框架利用非均匀有理B样条曲面（NURBS）对玉米植物的叶片进行建模，将粒子群优化（PSO）用于表面的初始近似，以及可微分编程框架用于精确细化以适配点云数据。在第一个优化阶段，PSO通过优化其控制点生成近似NURBS曲面，将曲面与LiDAR数据对齐，提供细化的可靠起点。在第二个阶段，利用NURBS-Diff可微分编程框架增强初始拟合的准确性，通过细化曲面几何结构并捕获复杂叶片细节。我们的结果表明，尽管PSO建立了稳健的初始拟合，但将可微分NURBS与之集成显著提高了重建曲面的整体质量和保真度。这种层次化优化策略 enables 对不同基因型的玉米叶片进行准确的3D重建，促进后续复杂表型特征（如叶序）的提取。我们在不同基因型的田间生长玉米植物上演示了该方法。所有代码均为开源，以 democratize 这些表型鉴定方法。
引用
@article{arxiv.2501.13963,
title = {Procedural Generation of 3D Maize Plant Architecture from LIDAR Data},
author = {Mozhgan Hadadi and Mehdi Saraeian and Jackson Godbersen and Talukder Jubery and Yawei Li and Lakshmi Attigala and Aditya Balu and Soumik Sarkar and Patrick S. Schnable and Adarsh Krishnamurthy and Baskar Ganapathysubramanian},
journal= {arXiv preprint arXiv:2501.13963},
year = {2025}
}