基于改进三维高斯泼溅的马铃薯植株三维重建与表型测量OA

为实现对马铃薯植株进行高精度三维重建与非接触式表型测量,解决传统建模方法在复杂自然环境下三维建模精度不足、弱纹理区域重建不清晰及光照变化导致颜色不稳定等问题。提出了一种基于改进三维高斯泼溅的马铃薯植株三维重建与表型测量方法,通过消费级智能手机多视角采集马铃薯植株数据集,在原始3DGS框架上进行改进,首先引入基于体素划分与视角可见性的点云初始化增强策略,使高斯体素在叶片边缘、重叠枝条等复杂结构区域分布更密集均匀,减少建模盲区;其次建立结合局部平面假设的深度与法线联合优化模块,强化几何边缘表达能力,改善叶缘与枝茎结构的重建质量;最后提出基于体素曝光因子的颜色归一化机制,显著降低光照差异对重建质量的影响。试验结果表明,该方法在马铃薯植株数据集上PSNR较原始3DGS提高2.75%,SSIM提升2.42%,LPIPS降低6.57%,改进后的方法在三维重建质量上相较原模型,表现出了更高的图像保真度和几何结构精度。在表型测量方面,株高与茎粗的r^(2)均超过0.90,RMSE分别为0.52 cm和0.02 cm,显现出较高的测量精度;叶长与叶宽的r^(2)分别为0.859和0.858,RMSE分别为0.31 cm和0.24 cm,叶片由于自然卷曲在测量上存在一定误差,但整体保持较高一致性。该研究表明,改进的3DGS方法能够实现对复杂自然环境下马铃薯植株的高精度重建和主要表型参数的精准测量,为农作物表型分析与智慧农业精准监测提供了新思路与技术支持。