基于无人机图像与神经辐射场（NeRF）的果园场景三维重建方法研究

《Biosystems Engineering》：3D reconstruction of orchard scenes based on UAV images and neural radiance fields

本文提出NERF-F方法，结合无人机（UAV）图像与神经辐射场（NeRF）理论，实现大规模果园场景的高效、高精度三维重建。该方法通过无人机位姿（POS）数据恢复相机位姿，利用多层感知机（MLP）网络拟合场景色彩与体素密度，生成千万级点云，重建精度达92.15%，树高与冠层面积平均相对误差分别为2.11%和8.01%，为数字果园建设提供技术支撑。

　　

Highlight

果园点云模型数量与重建时间评估

在重建效率方面，三种方法的点云数量与重建时间对比如表3所示。SFM-MVS（运动恢复结构与多视图立体视觉）的平均重建时间为8.25小时，果园点云数量达到百万级；PIX4D的平均重建时间为6.30小时，果园点云数量达到千万级；而NERF-F的平均重建时间仅为1.05小时，点云数量同样达到千万级，且点云密度显著优于前两种方法。这表明NERF-F在保证点云质量的同时，大幅提升了重建效率，尤其适用于大规模果园场景的快速建模需求。

结论

本文提出的NERF-F方法，基于无人机图像与神经辐射场（NeRF）理论，实现了果园场景的高密度、高精度三维点云重建。该方法兼具高效处理能力与尺度一致性，在大规模果园环境中展现出良好的鲁棒性和泛化性，为数字果园建模与结构分析提供了关键技术支撑。