基于 NeRF 的静止摄像机点云重建方法用于农业应用
计算机视觉与模式识别
2025-04-16 v2
摘要
本文提出了一种基于 NeRF 的点云 (PCD) 重建框架，专为室内高通量植物表型设计算。传统的基于 NeRF 的重建方法需要摄像机围绕静止物体移动，但在高通量环境中不实用，因为物体在传送带上或旋转 pedestal 上快速成像。这一局限性促使我们开发了一种使用单台静止摄像机捕获物体在 pedestal 上旋转时的图像的 NeRF 基于 PCD 重建变体。我们的工作流程包括基于 COLMAP 的姿态估计、一种简便的姿态变换以模拟相机运动，以及随后的标准 NeRF 训练。通过定义的兴趣区域 (ROI) 可排除无关场景数据，从而生成高分辨率点云 (1000 万点)。实验结果表明，重建质量优异，经过精度-召回分析后，所有评估的植物物体 F 分数接近 100.00。尽管静止摄像机 setup 下姿态估计仍计算密集，但总体训练和重建时间具有竞争力，验证了该方法在实际高通量室内表型应用中的可行性。我们的发现表明，使用静止摄像机可实现高质量的 NeRF 基于 3D 重建，无需复杂的相机运动或昂贵的成像设备。这一方法在使用高成本且脆弱的仪器（如高光谱相机）进行 3D 植物表型时尤为有益。未来工作将致力于优化姿态估计技术，进一步简化该方法，以便无缝集成到自动化的高通量 3D 表型管道中。
引用
@article{arxiv.2503.21958,
title = {SC-NeRF: NeRF-based Point Cloud Reconstruction using a Stationary Camera for Agricultural Applications},
author = {Kibon Ku and Talukder Z Jubery and Elijah Rodriguez and Aditya Balu and Soumik Sarkar and Adarsh Krishnamurthy and Baskar Ganapathysubramanian},
journal= {arXiv preprint arXiv:2503.21958},
year = {2025}
}