基于新型点云补全模型的作物复杂动态种植物林结构三维重建：以油菜为例
计算机视觉与模式识别
2025-08-04 v2
摘要
对完整植物林结构的定量描述是准确评估作物光合作用和产量表现、指导型态设计的关键。尽管已开发出各种感知技术用于单个植物和植物林的三维（3D）重建，但由于复杂植物林结构之间的严重遮挡，这些技术仍未能获得准确的植物林结构描述。我们提出了一种用于油菜作物复杂动态种植物林结构三维重建的有效方法，基于新型点云补全模型。开发了用于自动标注训练数据集的完整点云生成框架，通过区分林内表面点和遮挡点来实现。随后设计了作物种植物林点云补全网络（CP-PCN），其包含多分辨率动态图卷积编码器（MRDG）和点层级解码器（PPD），用于预测遮挡点。为进一步提升特征提取，提出了动态图卷积特征提取器（DGCFE）模块，以捕获整个油菜生长过程中结构变化。结果表明，CP-PCN 在四个生长阶段的切姆费距离（CD）值为 3.35 cm -4.51 cm，优于基于 Transformer 的最新方法（PoinTr）。消融研究确认了 MRDG 和 DGCFE 模块的有效性。此外，验证实验表明，基于 CP-PCN 计算的硕果效率指数相较于使用不完整点云的方法，使油菜产量预测整体准确率提高了 11.2%。CP-PCN 流程有望扩展至其他作物，显著推动了田间种植物林结构的定量分析。
引用
@article{arxiv.2506.18292,
title = {Three-dimentional reconstruction of complex, dynamic population canopy architecture for crops with a novel point cloud completion model: A case study in Brassica napus rapeseed},
author = {Ziyue Guo and Xin Yang and Yutao Shen and Yang Zhu and Lixi Jiang and Haiyan Cen},
journal= {arXiv preprint arXiv:2506.18292},
year = {2025}
}