Alpha-shape算法构建枣树点云三维模型

为了实现枣树智能化修剪作业,该研究提出了基于点云配准的自然光照环境下的果树三维重构方法,并针对传统最近点迭代(Iterative Closest Point,ICP)算法对待配准点云的空间位置要求苛刻的问题,提出了改进的点云配准算法.首先,使用彩色深度(RGB-D)相机采集不同角度下的枣树彩色和深度图像,并通过信息融合实现相应角度下的点云获取.其次,对点云进行背景去除和滤波处理,基于直方图设定分割阈值,提取单株枣树点云,并将放置在树根附近的标靶球作为标记,使用人工标记法进行两站点云初配准.最后,在初配准基础上计算点云的曲面法向量和曲率,由曲率相近的点构成配对点对,使用k维树最近点迭代(k dimensional-tree-Iterative Closest Point,kd-tree-ICP)算法完成精配准,对点云使用Alpha-shape算法面片化,实现表面重构.利用上述方法对多棵枣树进行全局配准并完整重构果树模型.试验结果表明,通过引入初配准,有效提高了点云配准的准确性和稳定性,配准误差均控制在1.0 cm以内,平均配准误差为0.76 cm;重构模型真实感较强,在外观上更加接近真实树,重构模型枝干相对误差控制在7％以内.该研究重构模型精度较高,可为枣树智能修剪提供可视化研究基础和技术支持.