摘要：朱顺尧, 瞿宏俊, 夏倩, 郭维, 郭亚. 基于三维点云的小麦叶片曲面参数化重建方法[J]. 智慧农业(中英文), 2025, 7(1): 85-96.
✦ +
+
引用格式：
朱顺尧, 瞿宏俊, 夏倩, 郭维, 郭亚. 基于三维点云的小麦叶片曲面参数化重建方法[J]. 智慧农业(中英文), 2025, 7(1): 85-96.
DOI： 10.12133/j.smartag.SA202410004
ZHU Shunyao, QU Hongjun, XIA Qian, GUO Wei, GUO Ya. Parametric Reconstruction Method of Wheat Leaf Curved Surface Based on Three-Dimensional Point Cloud[J]. Smart Agriculture, 2025, 7(1): 85-96.
官网全文免费阅读
知网阅读
基于三维点云的小麦叶片曲面参数化重建方法
朱顺尧， 瞿宏俊， 夏倩， 郭维， 郭亚*
（江南大学 物联网工程学院，“轻工过程先进控制”教育部重点实验室，江苏无锡 214122，中国）摘要：
［目的/意义］
植物叶形是植物结构形状的重要组成部分。叶片三维结构模型的建立有助于模拟和分析植物生长。针对三维结构表示与数学模型参数的互操作性，本研究提出了一套参数驱动的具有互操作性的小麦叶片点云反演模型。［方法］
利用参数化建模技术，建立具有7个特征参数的小麦叶片参数化曲面模型。基于小麦叶片三维点云对模型参数进行反演估计，实现叶片曲面的逆向参数化构建。为验证该方法可靠性，使用Chamfer距离评估重建点云与原点云间差异度。［结果和讨论］
该模型能有效地重建小麦叶片，对于实测数据基于点云的参数化重建结果的平均偏差约为1.2 mm，具有较高的精度。重构模型与点云具有互操作性，可以灵活调整模型参数，生成形状相近的叶簇。反演参数具有较高的可解释性，可用于点云时间序列的一致、连续地估计。［结论］
该模型对叶片的一些细节特征进行了适度的简化，只需要少量的参数就可以还原叶片的几何形状。该方法不仅简单、直接、高效，而且得到的参数几何意义更明确，具有可编辑性和可解释性，对小麦叶片的模拟分析和数字孪生具有重要的应用价值。关键词： 小麦叶片；曲面参数化；三维点云；点云重建；参数反演；数字孪生
文章图片
图1 小麦叶片表面重建研究总技术路线图
Fig. 1 Overall framework technology roadmap of the study on surface reconstruction of a wheat leaf
图2 小麦叶片曲面参数化构建中叶宽-叶长关系研究
Fig. 2 Leaf width-leaf length relationship study for the parametric construction of a wheat leaf surface
图3 两种小麦叶片状态（自然弯曲和绕轴扭曲）下的叶片曲面示例
Fig. 3 Example blade surface of wheat leaf in two states （natural bending and axial twisting）
图4 小麦叶片参数曲面的点云参数估计流程
Fig. 4 Flowchart of the point cloud parameter estimation of a wheat leaf parametric surface
图5 小麦叶片曲面参数估计研究中点云沿叶脉分段方法
Fig. 5 Point cloud segmentation along the vein for the surface parameter estimation of a wheat leaf
图6 基于叶片曲面参数方程由随机参数生成点云的参数估计
Fig. 6 Parameter estimation of random parameter generated point cloud based on the leaf surface parametric equation
图7 单株小麦点云
Fig. 7 Point cloud of a single wheat plant
图8 随机生成叶片曲面参数的估计残差
Fig. 8 Estimated residuals of randomly generated leaf surface parameters
图9 随机生成叶片曲面参数的估计残差分布直方图
Fig. 9 Distribution histogram of estimated residuals of randomly generated leaf surface parameters
图10 小麦叶片参数化重建的实测点云-重建点云对照
Fig. 10 Point cloud comparison between measured and reconstructed point clouds for parametric reconstruction of wheat leaves
图11 叶片2、叶片3的放大对比图
Fig. 11 Comparison of local zoomed in point cloud figure of the Leaf 2 and the Leaf 3
图12 小麦叶片点云参数化重建中参数变换估计过程
Fig. 12 Parameter transformation estimation process for parametric reconstruction of wheat leaf point clouds
图13 参数化模型微调和生成的叶片簇
Fig. 13 Generated leaf clusters by adjusting and in the parametric model
图14 小麦全叶片重建点云误差
Fig. 14 Error of point cloud reconstruction of wheat leaves
图15 小麦叶片实测点云序列的参数估计结果
Fig. 15 Parameter estimation results of measured point cloud sequence of wheat leaves
图16 实测点云序列参数化重建点云对照
Fig. 16 Point cloud comparison between measured and reconstructed point cloud sequence
图17 扬麦34和盐麦1叶片的重建点云误差
Fig. 17 Reconstructed error of Yang Mai 34 and Yan Mai 1
通信作者介绍
郭亚 教授
郭亚，江南大学物联网工程学院副院长、教授，《智慧农业（中英文）》编委。长期从事生物系统建模、大数据分析、传感器与仪器的研究与开发，有丰富的交叉学科研究背景；主持国家自然科学基金国际合作、国家自然科学基金面上、江苏省农业科技自主创新及企业委托等多项项目，以第一或通讯作者发表高水平论文70多篇，授权发明专利5件、实用新型专利5件、软件著作权30件。
转载请联系编辑部授权
本期支持单位
潍柴雷沃智慧农业科技股份有限公司
华东交通大学智能机电装备创新研究院
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。入群方法：加小编微信17346525780，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
来源：智慧农业资讯一点号
