面向农业应用的基于点云的叶片表面重建方法综述与评估
计算机视觉与模式识别
2026-04-07 v1 机器人学
摘要
从三维点云中精确重建叶片表面对于表型分析等农业应用至关重要。然而，现实世界的植物数据（即不规则的三维点云）通常很复杂，难以精确重建植物器官。目前已有多种表面重建方法被提出，包括参数化方法、基于三角剖分的方法、隐式方法和基于学习的方法，但它们用于叶片表面重建的相对性能仍未被充分理解。在这项工作中，我们对九种具有代表性的叶片表面重建方法进行了比较研究。我们在三个公开数据集上评估了这些方法：LAST-STRAW、Pheno4D 和 Crops3D——这些数据集涵盖了不同的物种、传感器和感知环境，从干净的高分辨率室内扫描到嘈杂的低分辨率田间环境。分析揭示了不同方法在表面积估计精度、平滑度、对噪声和缺失数据的鲁棒性以及计算成本之间的权衡。这些因素影响着农业应用中机器人硬件的成本和约束。我们的结果表明，每种方法根据应用和资源约束展现出独特的优势。这些发现为资源受限的机器人平台选择表面重建技术提供了实践指导。
引用
@article{arxiv.2604.03328,
title = {Review and Evaluation of Point-Cloud based Leaf Surface Reconstruction Methods for Agricultural Applications},
author = {Arif Ahmed and Parikshit Maini},
journal= {arXiv preprint arXiv:2604.03328},
year = {2026}
}