基于视觉技术的无损农作物形态测量法：SFM与MVS在三维建模中的应用

本文主要探讨了基于视觉技术的农作物三维重建及形态测量方法，由方益杭、唐瑶、林承达和翟瑞芳四位作者共同研究。他们在研究中指出，当前测量农作物形态特征参数的主要方式是二维的，这往往会带来一定程度的农作物损伤，因此，他们提出了一个非接触式的方法来精确地测量农作物的形态特征，以满足精准农业的需求。 首先，研究人员利用智能手机拍摄农作物的多角度照片，通过Structure from Motion (SFM) 和 Multi-View Stereo (MVS) 技术将这些照片转化为植物的三维数字模型。SFM技术通过图像匹配和重建算法，从多个视角的图片中恢复出物体的三维空间结构，而MVS则进一步提高了三维重建的精度和细节，尤其是在复杂场景中。 接着，他们采用非均匀有理B样条(NURBS)曲面拟合技术对植物叶片进行三维建模，这样不仅可以获得叶片的精细几何形状，还能计算其表面积。在三维模型中，他们能够精确测量主茎的高度、分支长度，以及主茎与分支之间的夹角。这种无损检测方法避免了传统测量方式可能对农作物造成的损害。 通过与人工观测数据进行对比，作者验证了这种方法的有效性，结果显示，对于自然状态下的农作物，他们的方法在测量主茎高、分支长、主茎与分支夹角和叶片面积时，误差精度控制在1%、5%、4%和9%以内，表明这种方法能够满足实际农业生产中的高精度需求。 这项研究不仅提升了农作物形态参数的测量精度，还展示了计算机视觉技术在农业领域的潜在应用，特别是在减少对农作物破坏的同时，为精准农业提供了有力的数据支持。文章的发表是在中国科技论文在线，并获得了高等学校博士学科点专项科研基金的支持，作者方益杭专注于作物识别与三维建模的研究，而翟瑞芳副教授则是计算机视觉及应用、摄影测量和农业信息化方面的专家。 关键词：精准农业、SFM、MVS、形态测量、三维农作物，揭示了这篇论文的核心研究内容和重要性，为农业生产中的作物监测和管理提供了新的可能性。