一种叶片点云骨架提取方法及装置

    公开(公告)号:CN113989352B

    公开(公告)日:2024-07-30

    申请号:CN202111088873.9

    申请日:2021-09-16

    Abstract: 本发明提供的叶片点云骨架提取方法及装置,包括:获取叶片初始点云中每个点的法向信息,并基于法向信息对叶片初始点云进行聚类,获取多个点云子集;建立每个点云子集的距离场,并按照预设步长确定多个垂直于叶片伸长方向的截面,以根据每个截面所在的距离场确定每个截面的相关点集;利用自适应加权算子,确定每个相关点集的骨架约束点,以构建骨架约束点集;获取骨架约束点集的主曲线,作为叶片点云骨架。本发明提供的叶片点云骨架提取方法及装置,能够从叶片点云数据中准确地提取出叶片骨架,能较好的反映叶片的三维形状结构,对缺失的点云数据具有较好的鲁棒性,且无需后期手动调整,能够为表型大数据处理、自动化表型解析等提供技术支持。

    一种叶片点云骨架提取方法及装置

    公开(公告)号:CN113989352A

    公开(公告)日:2022-01-28

    申请号:CN202111088873.9

    申请日:2021-09-16

    Abstract: 本发明提供的叶片点云骨架提取方法及装置,包括:获取叶片初始点云中每个点的法向信息,并基于法向信息对叶片初始点云进行聚类,获取多个点云子集;建立每个点云子集的距离场,并按照预设步长确定多个垂直于叶片伸长方向的截面,以根据每个截面所在的距离场确定每个截面的相关点集;利用自适应加权算子,确定每个相关点集的骨架约束点,以构建骨架约束点集;获取骨架约束点集的主曲线,作为叶片点云骨架。本发明提供的叶片点云骨架提取方法及装置,能够从叶片点云数据中准确地提取出叶片骨架,能较好的反映叶片的三维形状结构,对缺失的点云数据具有较好的鲁棒性,且无需后期手动调整,能够为表型大数据处理、自动化表型解析等提供技术支持。

Patent Agency Ranking