记者从华南农业大学获悉，国家精准农业航空施药技术国际联合研究中心教授兰玉彬团队提出了一种基于深度相机和深度学习点云补全的植物三维重建方法。近日，相关成果发表于Plant Phenomics。

该研究流程分为两个阶段。在第一阶段，研究人员采用深度相机获取了菜心植株的点云数据，并建立了验证集，其中包括不同形状的叶片，以及模拟的不完整叶片，用于评估点云补全方法的效果。随后，使用MeshLab软件对这些点云数据进行了可视化分析。实验结果表明，点云补全方法能够成功地将不同形状、不同弯曲程度以及不同缺失比例的菜心叶片点云补全，无论这些点云数据是通过MVS-SFM算法获得还是通过Azure Kinect采集的。

该研究方法还表现出对目标点云的结构关系具有有效学习能力，因此在点云补全的完整性方面表现出强大的潜力。此外，还对不同遮挡情况下的补全效果进行了比较，结果显示在遮挡区域集中时，补全效果更佳，而在遮挡区域分散时，补全效果较差。

在第二阶段，研究人员针对完整植株的点云数据进行了三维重建，并与MVS-SFM算法的结果进行了对比。实验结果表明，所提出的方法在提高植物点云数据的完整性方面取得了显著的效果，尤其在存在多重遮挡或高缺失比例的情况下，本文的方法表现出更均匀的完整性。进一步进行了点云数据的精度分析，得到了具体的距离分布，结果显示，两种方法生成的点云具有较高的相似性。最后，研究团队对叶子面积提取的效果进行了评估，具体的评估结果表明研究方法在叶子面积估计方面的有效性。

论文共同通讯作者、国家精准农业航空施药技术国际联合研究中心副教授黎源鸿表示，该方法通过利用深度学习点云补全技术对RGB-D相机所获取的遮挡条件下的不完整叶片点云进行补全以完成植物三维重建，不仅解决了训练数据不足的问题，还使得模型能够有效地处理使用Azure Kinect捕获的点云数据。

相关论文信息：https://doi.org/10.34133/plantphenomics.0117