基于Kinect V3深度传感器的田间植株点云配准方法

来源：农业工程学报杂志2021年第21期北京时间：

作者：李修华,魏鹏,何嘉西,李民赞,张木清,温标堂,

摘要：准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准，该研究提出了一种基于多标定球的田间植株点云自动配准方法，并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法（Random Sample Consensus, RANSAC）结合点云减法的概念从下采样后的点云中实现多标定球的自动提取，弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵，实现点云的自动配准。不同场景下各作物的配准结果表明，各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在5.8～17.4 mm之间，平均点位误差在13.1～28.9 mm之间，与手动配准的商用同类软件LiDAR360的配准结果相当，但配准过程的自动化程度明显提高，效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准，为田间植物表型参数的提取提供了低成本的可行方案。

关键词：自动化, 传感器, 点云, 植株三维建模, 点匹配, RANSAC, Kinect