基于多时相点云数据的作物表型参数获取及动态量化方法研究

基于多时相点云数据的作物表型参数获取及动态量化方法研究

论文摘要

植物物种的基因组测序揭示了其遗传信息,而植物的表型研究揭示了基因组和环境的相互作用对植物性状的影响。建立基因与植物性状关系过程中表型分析和基因型分析同样重要。植物特征能够通过相关表型分析来确定,然而当前许多植物表型研究需要大量的人工参与,并且只在植株某个特定生长阶段开展而无法实现植物连续生长变化的研究,分析流程及结果评估存在不足。同时,为了应对快速增长的世界人口和全球环境变化带来的挑战,需要通过基因和表型分析来选育更适应有限的资源环境和土壤条件的作物品种,来提高作物的产量和质量。因此,实现作物表型参数高效、准确、无损的测量和对作物持续生长变化及表型参数动态量化研究是作物表型研究和育种中亟待解决的问题,也是作物表型组学研究和现代农业发展的趋势。随着农作物表型组学和表型技术的发展,三维激光扫描技术也逐渐引起了高通量表型测量研究人员的关注与兴趣。因此,本文以油菜和棉花为研究对象,采用三维激光扫描技术获取油菜和棉花植株的多时相点云数据,实现作物植株主干提取、叶片分割及相关表型参数测量,完成作物相邻时期点云数据对齐、叶片器官对应关系建立及表型参数动态量化。本文所开展的研究内容包括:(1)点云数据采集:比较基于多幅影像重建和三维激光扫描技术采集的油菜点云,在后期研究中采用三维激光扫描技术获取油菜和棉花植株的多时相原始点云数据并对点云数据进行预处理;(2)作物器官分割:(1)主干提取,蕾薹期油菜和棉花植株主干趋于笔直,故采用RANSAC算法结合直线模型实现作物植株主干提取;(2)叶片分割,苗期油菜未长出主干,植株呈莲座状,使用基于凹凸性的方法对苗期油菜点云进行叶片分割,对蕾薹期油菜和棉花植株主干提取后的点云使用欧式聚类算法完成叶片聚类;(3)多时相点云数据对齐及叶片对应关系建立:使用采样一致性初始配准算法完成同一株作物相邻时期点云对齐,在对齐基础上建立了相邻时期作物叶片器官的对应关系;(4)表型参数量化包括:(1)株高,根据点云计算的株高与人工测量结果相对误差均不超过2.5%;(2)叶片数目,作物叶片分割后统计叶片数量与人工统计的叶片数量一致;(3)叶片长度和宽度,点云计算的作物叶片长度、宽度与人工测量的叶片长度和宽度相关性较高,相关性均超过0.99;(4)叶片面积,对封装的叶片计算三角网格面积之和即可得到叶片的面积;(5)植株体积,对每个时期的植株点云,从植株顶部对植株进行正投影并计算投影面积,结合株高完成植株体积测量。将作物相邻时期的表型参数进行对比实现作物表型参数动态变化量化。经过一系列试验证明,针对获取的作物多时相点云数据,利用本文中的相关算法可以无损、准确的提取作物表型参数并实现作物表型参数的动态量化,从而为油菜、棉花等作物表型组学研究提供方法及精度更高规模更大的数据支持,同时指导实际的作物生产。

论文目录

  • 摘要
  • Abstract
  • 1 前言
  •   1.1 研究背景及意义
  •   1.2 国内外研究进展
  •     1.2.1 植物表型研究进展
  •     1.2.2 点云分割方法研究
  •     1.2.3 基于多时相点云的相关研究
  •   1.3 研究方案和技术路线
  •   1.4 章节安排
  • 2 作物多时相点云数据获取
  •   2.1 点云数据简介
  •   2.2 试验材料、软硬件及数据获取方法
  •     2.2.1 数据获取方法
  •     2.2.2 试验材料、软硬件
  •   2.3 多时相点云数据获取
  •     2.3.1 油菜点云数据获取
  •     2.3.2 棉花点云数据获取
  •   2.4 章节小结
  • 3 作物点云器官分割
  •   3.1 作物主干提取方法
  •   3.2 作物叶片分割方法
  •     3.2.1 基于凹凸性的分割方法
  •     3.2.2 欧式聚类分割算法
  •   3.3 作物主干提取结果
  •   3.4 作物叶片分割结果
  •   3.5 章节小结
  • 4 多时相作物点云数据对齐及器官对应关系建立
  •   4.1 相邻时期作物点云对齐
  •   4.2 相邻时期作物点云数据对齐结果
  •   4.3 相邻时期作物点云叶片器官对应关系建立
  •   4.4 章节小结
  • 5 作物表型参数测量及动态量化
  •   5.1 作物表型参数测量
  •     5.1.1 作物植株高度测量
  •     5.1.2 叶片数统计及叶片长度、宽度测量
  •     5.1.3 叶片面积测量
  •     5.1.4 作物体积测量
  •   5.2 作物表型参数精度评估
  •   5.3 作物表型参数动态变化量化
  •   5.4 章节小结
  • 6 研究总结与展望
  •   6.1 总结
  •   6.2 研究展望
  • 参考文献
  • 参与项目
  • 附录
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 阳旭

    导师: 翟瑞芳

    关键词: 油菜,棉花,主干提取,叶片分割,点云对齐,叶片对应,表型参数,参数量化

    来源: 华中农业大学

    年度: 2019

    分类: 基础科学,农业科技,信息科技

    专业: 物理学,农作物,农作物,无线电电子学

    单位: 华中农业大学

    分类号: S562;S565.4;TN249

    DOI: 10.27158/d.cnki.ghznu.2019.000483

    总页数: 95

    文件大小: 4501K

    下载量: 152

    相关论文文献

    • [1].基于激光点云数据的卫星导航定位研究[J]. 数字通信世界 2020(06)
    • [2].基于球域膨胀的点云数据平面提取研究[J]. 测绘与空间地理信息 2020(07)
    • [3].点云数据稀疏区域建筑物立面重建方法[J]. 应用科学学报 2017(02)
    • [4].利用激光点云数据绘制仿古建筑立面图[J]. 淮海工学院学报(自然科学版) 2019(04)
    • [5].基于激光点云数据的卫星导航定位研究[J]. 激光杂志 2020(02)
    • [6].一种古建筑点云数据的语义分割算法[J]. 武汉大学学报(信息科学版) 2020(05)
    • [7].利用激光点云数据检测特征表面平整度[J]. 科技创新与应用 2020(32)
    • [8].基于球域膨胀的点云数据平面提取[J]. 工程技术研究 2018(11)
    • [9].海量点云数据分布式并行处理技术综述[J]. 信息工程大学学报 2018(05)
    • [10].三维激光扫描点云数据盲区边界识别与应用[J]. 有色金属(矿山部分) 2019(05)
    • [11].地面激光点云数据质量评价与三维模型快速重建技术研究[J]. 测绘学报 2017(12)
    • [12].三维激光扫描点云数据的精简方法探讨[J]. 黄河水利职业技术学院学报 2018(02)
    • [13].点云数据生成软件的设计及其在月饼模具逆向设计与制造中的应用[J]. 制造技术与机床 2017(03)
    • [14].点云数据提取二次曲面特征算法研究[J]. 信息通信 2017(05)
    • [15].一种改进的激光点云数据精简算法[J]. 激光与红外 2016(06)
    • [16].广式古家具的逆向点云数据采集研究[J]. 包装工程 2016(16)
    • [17].基于二维的地面点云数据组织研究[J]. 兵工自动化 2016(07)
    • [18].基于点云数据的道路特征参数提取方法研究[J]. 矿山测量 2014(06)
    • [19].密度聚类方法在点云数据分割中的应用研究[J]. 测绘与空间地理信息 2015(01)
    • [20].多片点云数据拼接处理技术的研究[J]. 水利与建筑工程学报 2014(01)
    • [21].压缩感知点云数据压缩[J]. 应用科学学报 2014(05)
    • [22].多视点云数据快速对齐方法[J]. 机械设计与研究 2009(01)
    • [23].基于地铁隧道点云数据的组合滤波算法[J]. 沈阳建筑大学学报(自然科学版) 2020(03)
    • [24].三维激光点云数据精简算法[J]. 吉首大学学报(自然科学版) 2018(05)
    • [25].基于颜色取样的苹果树枝干点云数据提取方法[J]. 农业机械学报 2019(10)
    • [26].基于法矢修正的点云数据去噪平滑算法[J]. 哈尔滨理工大学学报 2018(05)
    • [27].一种改进的点云数据精简算法[J]. 现代制造工程 2016(12)
    • [28].新的点云数据压缩法在舞动治理工程中的应用研究[J]. 山西建筑 2017(26)
    • [29].欧氏聚类算法支持下的点云数据分割[J]. 测绘通报 2017(11)
    • [30].基于控制测量的多视点云数据配准方法的研究[J]. 测绘与空间地理信息 2016(09)

    标签:;  ;  ;  ;  ;  ;  ;  ;  

    基于多时相点云数据的作物表型参数获取及动态量化方法研究
    下载Doc文档

    猜你喜欢