基于双目立体视觉3D点云评估油菜叶片分割精度

基于双目立体视觉3D点云评估油菜叶片分割精度

随着农业现代化进程的推进，精准农业技术在作物表型分析中的应用日益广泛。其中，3D点云技术因其高精度和非接触性特点，在植物表型研究中展现出巨大潜力。本文以油菜叶片为研究对象，探讨了基于双目立体视觉的3D点云分割技术在不同生长阶段的应用效果，为油菜叶面积等表型参数的精准提取提供了新的技术途径。

点云分割技术在高精度植物表型分析领域已有很大发展，但在复杂环境下仍面临挑战。本试验以油菜叶片为研究对象，利用双目立体视觉技术获取油菜苗期和抽薹期叶片的三维点云图像。为了更好地处理三维点云数据和提取油菜表型参数，基于高度对点云进行了渲染着色。作者根据点云噪声的来源和分类选择去噪方法：对于地面点云，结合平面拟合和直通滤波进行去噪；统计滤波用于去噪过程中产生的异常值。

图1. 实际扫描过程。（a）智能表型分析平台；（b）侧边摄像头；（c）数据流图

图2.点云晕染。（a）点云横截面；（b）3D视图

图3.直通滤波效果图。（a）油菜地块原始点云图像；（b）去噪后的油菜点云图像

图4.统计滤波去噪结果

图5.在曲率值为0.5(a)、1.0(b)和1.5(c)情况下，基于区域生长算法的单株分割结果

结果表明，结合平面拟合和直通滤波能够有效去除地面点云噪声，统计滤波成功去除了扫描过程中产生的异常噪声点。在油菜苗期，基于区域生长算法，当法向角阈值设置为5.0/180.0* M_PI，曲率阈值设置为1.5时，可避免欠分割和过分割问题，实现了油菜幼苗叶片的完整分割；在抽薹期，LCCP聚类方法适用于叶片分割，且该方法有助于提高后续点云表型参数（如油菜叶面积）提取的精度和油菜的三维重建。

图6.沪油039叶面积精度评估

图7.使用区域生长算法(a)和LCCP算法(b)对抽薹阶段叶片分割结果

图8.叶片点云重叠。(a)红色圆圈突出显示重叠区域；(b)此重叠区域的放大视图

本研究结合双目立体视觉技术、滤波算法和分割算法对幼苗和抽薹阶段叶片点云图像进行分割，本方法在油菜早期发育阶段取得了预期结果，为后续提取叶面积等表型参数提供了可行性。未来研究旨在确定一种通用的叶片分割算法，从而简化叶片分割过程。

来源
Zhang L, Shi S, Zain M, Sun B, Han D, Sun C. Evaluation of Rapeseed Leave Segmentation Accuracy Using Binocular Stereo Vision 3D Point Clouds. Agronomy. 2025; 15(1):245. https://doi.org/10.3390/agronomy15010245