当前位置：首页>农业>东北农业大学苏中滨团队基于多视角图像的水稻幼苗三维重建与表型提取方法

东北农业大学苏中滨团队基于多视角图像的水稻幼苗三维重建与表型提取方法

2026-06-06 01:22:29

针对幼苗的三维重建技术可为植物生长监测、高通量植物表型分析及精准农业提供关键技术支持。然而，基于多视角图像的重建方法因依赖图像配准与特征匹配，易受相似纹理及视角差异的影响，导致匹配错误和关键结构信息丢失，进而造成模型局部缺失和精度下降。因此，准确地特征提取与匹配是提高三维重建精度的一项关键技术。

2025年9月，plant phenomics在线发表了东北农业大学苏中滨团队题为Three-Dimensional Reconstruction of Densely Planted Rice Seedlings Based on Multi-View Images 的研究论文。

本研究提出了一种基于“camera to rice seedlings” 模式的新型 3D 重建平台，适用于水稻秧苗等苗期植物，这些植物具有密集种植、体型小的特点, 此外，本文对三维重建流程中图像特征点提取与匹配过程进行了优化，采用SuperPoint进行特征点提取，LightGlue进行特征匹配，试验结果表明，所提方法在点云完整度，重投影误差方面均表现最优。在表型精度验证方面，利用重建所得三维模型对稻苗进行株高、冠层投影面积及植株体积等参数的测量，并与实测参考值进行对比分析。结果显示：株高相关性分析结果为R² = 0.989，RMSE = 4.54 mm，rRMSE = 3.88%；冠层投影面积相关性为R² = 0.991，RMSE = 18.29 cm²，rRMSE = 1.75%；植株体积相关性为R² = 0.984，RMSE = 486.7 cm³，rRMSE = 2.18%。整体结果验证了本方法在秧苗尺度下具备良好的三维重建精度与表型提取稳定性，为苗期作物的数字化监测提供了技术支撑。

本文创新点如下：

1. 提出了一种适用于小尺寸茎且被密集种植的幼苗的新型三维重建方法。该方法结合了改进的运动恢复结构算法（SuperPoint & LightGlue-SFM），显著提升了重建精度与鲁棒性。

2. 构建了一个“相机到水稻秧苗”模式平台，有效避免相机或平台抖动对采集图像质量的影响，为植物生长监测与表型研究提供了可靠支持。

3. 提出了一种针对复杂植物三维点云的去噪及尺度恢复方法。该方法基于DeeplabV3+实现图像分割，采用两阶段重建策略以去除背景噪声，并结合点云滤色处理、基于统计学的异常值检测剔除及基于先验信息的尺度校准算法，以实现点云数据的去噪和比例恢复，从而获取干净且具备真实尺度的植物点云。

该研究由东北农业大学苏中滨教授团队完成。东北农业大学硕士生张志刚为该论文第一作者，东北农业大学博士生王莉薇为共同第一作者，苏中滨教授，高睿副教授为该论文通讯作者。东北农业大学硕士生任玮琪、刘少文、徐浩然、杨玉博参与了研究工作。研究得到了黑龙江省现代农业省实验室项目、黑龙江省优秀青年教师基础研究支持计划的资助。