基于SfM-MVS摄影测量技术的植物三维重建系统开发及其在表型分析中的应用

本研究针对植物表型分析中高成本、低适应性三维重建技术的瓶颈，开发了一种基于机器人臂控制RGB相机的低成本摄影测量平台。通过优化采集参数（曝光时间50毫秒、tweak值0.9、物距16厘米）和扫描流程（3个高度层×40帧/层），实现了对黄瓜、番茄、生菜等作物细薄器官的精细建模，处理时间减少75%至2.7分钟/株。该系统为植物形态性状研究提供了可靠、高效的解决方案，对精准农业和生物制剂研发具有重要意义。

　　

在精准农业和植物科学研究中，准确获取植物三维形态信息对理解植物生长发育、评估环境胁迫响应以及优化农业管理至关重要。传统的植物表型分析方法多依赖人工测量或破坏性采样，不仅效率低下，且难以实现动态监测。近年来，随着计算机视觉技术的发展，基于摄影测量的三维重建方法为植物表型研究提供了新的解决方案。然而，现有系统往往存在设备成本高、适应性差、对细薄结构重建效果不佳等问题，限制了其广泛应用。

针对这些挑战，Mach等人开发了一种基于运动恢复结构和多视图立体视觉（SfM-MVS）的低成本摄影测量系统，该系统通过机器人臂控制工业RGB相机，实现了对植物形态的高效、精细重建。研究成果发表于《Plant Methods》，为植物表型研究提供了新的技术工具。

本研究主要采用以下关键技术方法：首先搭建了集成机器人臂、电机转台和LED照明系统的摄影测量平台；其次通过Agisoft Metashape软件进行SfM-MVS算法处理，并优化了相机校准、曝光参数和tweak设置；最后以黄瓜（Cucumis sativus L.）、番茄（Solanum lycopersicum L.）和生菜（Lactuca sativa L. var. capitata L.）三周苗为样本，系统评估了重建模型的准确性和效率。

相机校准策略优化

研究比较了四种相机校准方法，发现采用预校准参数结合自适应相机模型拟合（ACMF）的策略能显著提高重建精度。该策略在控制点误差（CPE）和重投影误差（RMS RE）等指标上表现最优，确保了模型的空间一致性。

曝光时间与tweak参数设置

通过测试30-70毫秒的曝光时间和0.3-0.9的tweak值，发现曝光时间50毫秒、tweak值0.9时，模型完整性最佳。tweak参数的引入有效填补了叶片、叶柄等薄壁结构的孔洞，避免了模型泄漏问题。

物距与相机位点配置

物距实验表明，16厘米为最优采集距离，能在保证细节捕捉的同时避免畸变。此外，采用3个高度层（P1、P3、P5）各采集40帧图像的配置，比减少位点数量的方案更能提高模型质量，体现了视角分布对重建完整性的重要性。

计算与扫描效率优化

将图像数量从360帧减少至120帧后，处理时间降低75%，扫描时间缩短至2.7分钟/株，而模型质量未显著下降。这一优化大幅提升了系统的高通量应用潜力。

植物形态评估

模型置信度分析显示，多数网格顶点置信度接近100%，但叶片重叠和相机遮挡区域（如生菜罗勒叶下部）存在局部置信度下降。总体而言，系统对不同架构的植物均能生成可靠模型。

研究结论表明，该摄影测量系统通过机器人臂的灵活定位、参数优化和流程自动化，实现了低成本、高精度的植物三维重建。其优势在于对细薄器官的完整重建能力、显著提升的效率以及良好的适应性，为植物表型分析、生物制剂效果评估及逆境生理研究提供了强有力的工具。未来通过简单结构改造，该系统可进一步扩展至大植株扫描，应用前景广阔。