基于三维点云的群体樱桃树冠层去噪和配准方法

作者：**; 尹一涵; 郑智源; 李云涵; 梁树乐^*; 靳晨

来源：农业机械学报, 2022, 53(S2): 188-196.

• 群体樱桃树
• 三维结构
• 点云去噪
• 点云配准

樱桃树的栽培密度影响其冠层的光照分布，通过研究群体樱桃树的三维结构，可分析不同栽植密度下温室甜樱桃树冠层光照分布规律，指导樱桃树的科学种植，进而提高甜樱桃产量和品质。高质量的点云数据是构建群体樱桃树三维结构的基础，而点云去噪和点云配准是点云数据预处理的关键环节。本文提出一种基于三维点云的群体樱桃树去噪和配准方法，搭建群体樱桃树三维信息采集平台，使用2台固定的DK深度相机获取群体樱桃树彩色点云数据；提出基于颜色区域生长的二分类方法，设置颜色阈值分割点云并进行二分类处理，可有效去除彩色点云数据中的异常无效点，并设置点云离散度和RGB值，作为点云去噪评价标准；结合人工标记法和双相机位姿矩阵，提出基于颜色特征改进的ICP方法，解决传统ICP配准算法多依赖初始位姿且配准速度较慢的问题。该方法通过对点云粗配准，得到较好的初始位姿，使用SIFT算法提取颜色特征点，将颜色特征与ICP算法结合进行点云精配准，然后使用PCL中随机采样一致性算法，去除错误匹配点，有效减少配准时间，提高配准精度。以夏季和冬季的群体樱桃树20组点云数据为实验对象，对比分析ICP算法、NDT算法、SAC-IA算法和本文配准方法的配准精度和配准时间，结果表明，本文配准方法平均耗时分别为5.01、4.30 s,均方根误差分别为2.316、2.100 cm,有效减少了配准时间和配准误差，验证了本文算法的有效性和普适性。

• 单位
  中国农业机械化科学研究院; 中国农业大学; 中国农业大学烟台研究院