编辑推荐：
在农业研究中，从点云数据提取植物表型特征困难重重。研究人员开展从 LiDAR 点云数据生成 3D 玉米植株模型的研究，利用粒子群优化（PSO）和可微 NURBS 框架（NURBS-Diff），提高了重建表面质量，为作物表型分析提供新方法。
在农业领域，点云数据的应用日益广泛，它能为植物表型分析提供丰富的 3D 信息，帮助人们了解作物的生长状况和健康程度。但点云数据是一种未经处理的、结构松散的数据形式，其中包含噪声、数据缺失、遮挡等问题，直接用它来分析植物的表型特征，如叶面积、茎直径、冠层结构等，难度很大。而且，现有的从点云数据构建 3D 模型的方法也存在诸多不足，比如基于深度学习的方法在处理复杂的农业结构时泛化能力差，传统模型难以适应田间植物的形态多样性，一些方法还需要人工调整参数，缺乏自动化流程，这些都限制了对植物的深入研究和精准农业的发展。
为了解决这些问题，来自美国爱荷华州立大学（Iowa State University）等机构的研究人员开展了相关研究。他们提出了一种强大的框架，旨在从 LiDAR 点云数据生成玉米（Zea mays）植株的 3D 模型，该研究成果发表在《Computers and Electronics in Agriculture》上。这一研究成果意义重大，它为传统的田间表型分析提供了一种可扩展的替代方法，有助于深入了解玉米植株的结构，对作物改良、精准农业管理等方面都有着积极的推动作用。
研究人员在研究中用到了几个关键技术方法：一是利用非均匀有理 B 样条（NURBS）曲面来模拟玉米叶片；二是采用粒子群优化（PSO）算法初步逼近 NURBS 曲面的控制点，从而得到叶片形状的初始近似；三是运用可微编程框架（NURBS-Diff），基于梯度优化对初始拟合的曲面进行精细调整，使其更精准地匹配点云数据 。研究使用的玉米植株样本来自爱荷华州立大学 Curtis Farm 种植的具有不同基因型的植株。
研究结果
- PSO 初步拟合效果：研究人员先用 PSO 对单个叶片表面进行初步拟合。结果显示，PSO 能够通过优化 NURBS 曲面的控制点，大致勾勒出叶片的形状，为后续的精确拟合提供了可靠的起点 。
- NURBS-Diff 优化效果：接着使用 NURBS-Diff 对 PSO 得到的初始曲面进行优化。通过细化曲面几何形状，NURBS-Diff 能够捕捉到叶片更复杂的细节，显著提高了拟合的准确性。研究通过计算 Chamfer 距离等定量指标，对比了优化前后的效果，发现 Chamfer 距离大幅减小，这表明 NURBS-Diff 优化后的曲面与 LiDAR 点云数据的匹配度更高。同时，通过对不同基因型玉米植株叶片的重建，直观的视觉比较也能看出优化后的 3D 模型更精准地还原了叶片的真实形态。
- 不同基因型适应性：研究人员用该方法对多种不同基因型的玉米植株进行 3D 模型重建，结果表明，这个框架具有很强的适应性，能够在较少人工干预的情况下，很好地匹配不同基因型玉米植株的叶片结构，为后续提取复杂的植物性状，如叶序等，提供了有力支持。
研究结论与意义
研究人员将 PSO 和 NURBS-Diff 相结合，为从点云数据重建 3D 曲面提供了一种创新的方法。PSO 能够高效地给出初始近似，NURBS-Diff 则在此基础上进行高精度的细化，两者的结合显著提升了 NURBS 曲面对 LiDAR 点云数据的拟合效果。该研究建立的自动化流程，能够从点云数据生成精确的玉米植株 3D 模型，尤其是叶片部分，解决了以往方法在可扩展性和基因型适应性方面的不足。这一成果不仅有助于更深入地研究玉米植株的形态结构和生长发育规律，还能为精准农业中的作物表型分析、模拟植物与环境的相互作用、优化农业生产管理等提供重要的技术支持，推动了农业科学研究和精准农业的发展。
