基于SLAM与神经辐射场的柑橘幼苗三维重建方法

摘要

【目的】针对现有三维重建技术难以获取柑橘幼苗精细三维点云及其三维表型参数来表征幼苗状态的问题，提出一种基于同时定位与地图构建算法(Simultaneous localization and mapping,SLAM)与神经辐射场(Neural radiance fields,NeRF)的柑橘幼苗三维重建方法。【方法】以1年期的柑橘幼苗为研究对象，首先，利用深度传感器获取柑橘幼苗的RGB和深度图；其次，使用SLAM计算深度传感器在每一帧图像的位姿；然后训练幼苗NeRF网络，将附有位姿的多视角图像输入多层感知机(Multilayer erceptron, MLP)；最后，通过体积渲染监督训练，重建高精细的三维实景点云模型。【结果】本文方法重建的柑橘幼苗三维模型，在色彩与纹理方面极具真实性，模型轮廓清晰、层次分明，具有实景级的精度。该模型可有效提取柑橘幼苗的三维表型参数，株高、宽幅长、宽幅宽和胸径的准确率分别为97.94%、 93.95%、94.11%和97.62%。【结论】研究有助于加快优良柑橘幼苗的选育进程，可为柑橘产业的可持续性发展提供技术支持。

关键词

柑橘幼苗 / 植物三维表型 / 三维重建 / 神经辐射场 / SLAM / 深度学习