基于CGRSNet的残缺油桃外形点云补全方法

• 全文链接
• 请求原文

作   者：

孙珂;  徐焕良;  任守纲;  单美轩;  王浩云; 

作者机构：

南京农业大学人工智能学院; 

关键词：

体积预估;  深度学习;  油桃表型;  模型迁移;  点云补全;  三维图形; 

期刊名称：

南京农业大学学报

i s s n：

1000-2030

年卷期：

2024 年 47 卷 002 期

页   码：

383-391

摘   要：

[目的]利用深度相机采集到的油桃数据在进行三维重建时,存在摄像头视野限制,导致油桃点云出现缺失的现象,严重影响油桃表型分析的准确度.为了提高油桃分级分类的准确率和工作效率,提出一种基于三维重建的油桃片外形参数估测方法.[方法]提出了一种基于真实结构的粗粒度点云生成网络(coarse-grained realistic structure with point cloud generation network,CGRSNet).该网络首先通过编码、解码机制构建点云补全网络,通过新的采样算法对原始点云提取不同维度下的特征信息,提升油桃表型的特征提取能力,然后自解码器自上而下进行多维度点云补全,最终得到完整的油桃形状,最后用模型的参数预估模块预估油桃体积.利用多组参数构建的油桃几何模型离散成点云数据输入CGRSNet网络,得到油桃几何模型外形补全的预训练模型,再利用真实油桃点云数据对预训练模型CGRSNet做模型迁移的参数微调.[结果]该补全网络对油桃数据集补全结果的倒角距离为0.196 cm.经线性回归分析,得出体积估测的RMSE和R2分数为2.47 cm3和0.94,相较于PF-Net的RMSE和R2分数提升约0.88 cm3和0.01.[结论]本文提出的基于CGRSNet的油桃外形参数估测算法具有较好的实用性和精确度.