摘要
精确且具有空间分辨率的产量估算对于精准农业和果园管理而言至关重要。本文提出了一种在几何上一致的、适用于果园规模的苹果产量估算框架，该框架整合了GNSS与视觉惯性测距技术融合、基于深度学习的物体检测、多帧跟踪、三维三角测量以及增量因子图优化技术。首先通过ZED GNSS-VIO融合技术获取相机姿态，再利用基于iSAM2的非线性平滑方法进行优化，该方法采用了强相对运动约束以及软全局ENU（东-北-上）平移先验。苹果的检测则通过基于YOLO的模型完成，随后借助CoTracker3在不同帧之间建立关联，从而实现可靠的多视角地标重建。重构因子和地标先验被纳入统一的非线性因子图中，用于共同优化相机轨迹和苹果的3D位置。经过重建的苹果数据会被空间聚合到以网格为基础的质量图中，此时会根据球形几何假设估算单个果实的体积，并通过密度模型将其转换为质量值。最终得到的以ENU为参考的产量图能够直观展示果园生产的差异性。实验结果表明，经过优化后重投影误差显著降低，轨迹的整体一致性也得到提升，进而实现了稳定且空间连贯的3D重建。所提出的方法将感知、几何学和优化技术相结合，为精准农业中的果园规模产量测绘及决策支持提供了可扩展的解决方案。
