UGV based multi-RGBD SLAM framework for high-throughput in-situ 3D phenotyping of field maize
Si Yang · Yuqiang Liang · Guanming Huang 等 9 人
提出UGV搭载多RGBD相机的田间玉米原位3D表型系统，实现高通量三维重建与性状提取。
UGV多RGBD同步采集，语义引导特征分布调节与多视角融合，密度投影和拓扑分析分
植株计数准确率94.55%，株高R²=0.85、RMSE=41.29mm，茎径R²约0.76-0.7
可探索多模态传感器融合与轻量化SLAM，提升密植冠层遮挡下的实时单株表型精度。
提出UGV多RGBD SLAM框架实现田间玉米高通量原位三维表型，方法新颖、数据扎实，对智慧农业育种与表型研究有参考价值。
在真实田间条件下对玉米群体进行精确三维重建，是实现个体尺度性状原位提取的前提。传统视觉建图技术在弱纹理和严重遮挡为特征的复杂田间环境中经常面临挑战。为解决这些局限，我们提出了一种新型田间玉米原位表型分析系统，利用搭载于无人地面车辆（UGV）平台上的同步多视角RGBD相机。具体而言，首先建立固定多相机系统以引入跨视角几何约束。然后，提出一种语义引导的特征分布调控策略，以平衡作物前景区域与背景区域之间的特征采样，从而缓解由空间不平衡特征分布引起的定位退化。随后，融合多视角观测以生成具有高几何一致性的田块尺度稠密点云。最后，通过集成点云密度投影和三维拓扑分析，开发了一套自动化处理流程。该流程能够对密集种植的玉米群体中的单株植物进行准确实例分割，并支持对株高和茎粗等关键形态性状的稳健原位量化。在多种环境条件下进行的田间试验表明，植株计数准确率达到94.55%。对于形态性状，该流程估计株高的R²为0.85，RMSE为41.29 mm。沿两个正交轴估计茎粗的R²分别为0.79和0.76，相应的RMSE分别为1.21 mm和1.03 mm。结果验证了所提出框架在复杂农业环境中进行三维重建的可行性和鲁棒性，并展示了其作为高通量原位作物表型分析可靠解决方案的潜力。