香蕉树叶片生长参数提取方法、装置、设备及介质

技术领域

本申请涉及三维重建技术领域，尤其涉及一种香蕉树叶片生长参数提取方法、相应的装置、电子设备及计算机可读存储介质。

背景技术

在香蕉树的三维重建研究领域中，使用手机获取图像进行计算机视觉三维重建的方法仍较稀缺。香蕉树三维重建研究主要还是通过使用深度相机、激光扫描仪进行数据采集，传统的香蕉吸芽形态参数手工测量方法存在效率低下、人为主观性强等问题，因此通过深度传感器对不同尺寸的香蕉吸芽进行点云采集，提取了香蕉吸芽的株高、茎粗和叶面积参数，可以为果园管理提供一种快速、准确的香蕉吸芽参数测量方案。

对于香蕉的株数、假茎径、株高，有基于地面激光扫描的快速测量方法，通过统计假茎数获得香蕉植株数，并使用柱形分割算法测量假茎的直径。基于RGB-D深度相机的香蕉树三维重建算法能通过假茎重建、点云数据拟合以及使用粒子群优化算法对RGB-D相机获得的深度图像进行参数提取，针对香蕉树叶片长度和宽度的参数测量问题，在深度相机生成点云的基础上通过物体检测、兴趣点识别和三维测量等方法，可用于植物处理的进一步表型分析和突变体分类，但存在设备成本高、操作困难、耗时过长等问题。

综上，适应现有技术中对于香蕉树叶片生长参数的提取，存在设备成本高、操作困难以及耗时过长等问题，本申请人出于解决该问题的考虑作出相应的探索。

发明内容

本申请的目的在于解决上述问题而提供一种香蕉树叶片生长参数提取方法、相应的装置、电子设备及计算机可读存储介质。

为满足本申请的各个目的，本申请采用如下技术方案：

适应本申请的目的之一而提出的一种香蕉树叶片生长参数提取方法，包括：

响应香蕉树叶片生长参数提取指令，获取各个角度的香蕉树图像，基于预设的图像分割模型分割出所述香蕉树图像中香蕉树叶片相对应的序列图像数据，采用预设的运动结构恢复算法根据所述序列图像数据生成所述香蕉树叶片相对应的三维点云数据；

根据所述香蕉树叶片相对应的三维点云数据采用三维空间拟合曲线方程以及微元法，从曲线起始点至终点之间取香蕉树叶片的横、纵中轴线，将所述横、纵中轴线长度分别作为所述香蕉树叶片相对应的叶片宽度以及叶片长度；

基于预设的包围盒算法确定所述香蕉树叶片相对应的包围盒几何体，计算确定所述几何体方向量与X轴地面之间的夹角，确定所述香蕉树叶片相对应的叶倾角；

采用滚球算法构建单一所述香蕉树叶片相对应的表面网格模型，统计叶片表面中每个网格三角形面积，根据所述网格三角形面积确定所述香蕉树叶片相对应的叶片表面积；

调用预设的随机一致性算法进行搜索以提取所述香蕉树叶片中假茎部位的点云数据，采用圆柱拟合模型对所述假茎部位的点云数据进行拟合确定圆柱体半径，将所述圆柱体半径作为所述香蕉树叶片中的假茎茎粗，以完成香蕉树叶片生长参数的提取。

可选的，采用预设的运动结构恢复算法根据所述序列图像数据生成所述香蕉树叶片相对应的三维点云数据的步骤之后,包括：

响应去噪处理指令，采用下采样函数以及基于邻域距离判断离散点函数对所述所述香蕉树叶片相对应的三维点云数据进行去噪处理，以进行下一步骤的生长参数提取。

可选的，采用预设的运动结构恢复算法根据所述序列图像数据生成所述香蕉树叶片相对应的三维点云数据的步骤，包括：

调用预设的运动结构恢复算法，提取具有尺度变换和旋转角度特性的多视角图像序列的特征点信息，提取到特征点信息后，采用图像序列两两匹配的方式进行特征匹配，以确定所述香蕉树叶片相对应的三维点云数据。

可选的，根据所述香蕉树叶片相对应的三维点云数据采用三维空间拟合曲线方程以及微元法，从曲线起始点至终点之间取香蕉树叶片的横、纵中轴线，将所述横、纵中轴线长度分别作为所述香蕉树叶片相对应的叶片宽度以及叶片长度的步骤，包括：

构建三维空间拟合曲线方程，对单一香蕉树叶片相对应的点云数据，分别从叶片表面的横、纵中轴线进行点云切片操作，得到曲线形状的横、纵中轴线切片点云；

采用最小二乘法分别对x、y坐标以及x、z坐标进行曲线拟合，联立两个拟合方程，确定三维空间拟合曲线方程；

采用微元法计算曲线长度，从曲线起始点至终点之间取香蕉树叶片的横、纵中轴线两端点，将所述横、纵中轴线长度分别作为所述香蕉树叶片相对应的叶片宽度以及叶片长度。

可选的，采用滚球算法构建单一所述香蕉树叶片相对应的表面网格模型，统计叶片表面中每个网格三角形面积，根据所述网格三角形面积确定所述香蕉树叶片相对应的叶片表面积的步骤，包括：

在所述香蕉树叶片相对应的点云数据中随机寻找一个三角形作为种子，以这个种子三角形为基础，在其边界内滚动一个给定直径的小球，当这个小球碰到三角形边界外的一个点时，则形成另外一个新的三角形，当所有的边界都被滚动到并且没有多余的点可以形成三角形时，则判断为收敛，循环结束；

统计叶片表面中每个网格三角形面积，根据所述网格三角形面积确定所述香蕉树叶片相对应的叶片表面积。

可选的，所述生长参数包括叶片宽度、叶片长度、叶倾角、叶片表面积以及假茎茎粗的一项或任意多项。

可选的，完成香蕉树叶片生长参数的提取的步骤之后，包括：

根据所述生长参数生成香蕉树的生长周期相对应的施肥指令，基于施肥指令驱动施肥机器人喷洒所述香蕉树的生长周期相对应的肥料量，以完成香蕉树的施肥。

适应本申请的另一目的而提供的一种香蕉树叶片生长参数提取装置，包括：

点云数据确定模块，设置为响应香蕉树叶片生长参数提取指令，获取各个角度的香蕉树图像，基于预设的图像分割模型分割出所述香蕉树图像中香蕉树叶片相对应的序列图像数据，采用预设的运动结构恢复算法根据所述序列图像数据生成所述香蕉树叶片相对应的三维点云数据；

叶片长宽确定模块，设置为根据所述香蕉树叶片相对应的三维点云数据采用三维空间拟合曲线方程以及微元法，从曲线起始点至终点之间取香蕉树叶片的横、纵中轴线，将所述横、纵中轴线长度分别作为所述香蕉树叶片相对应的叶片宽度以及叶片长度；

叶倾角确定模块，设置为基于预设的包围盒算法确定所述香蕉树叶片相对应的包围盒几何体，计算确定所述几何体方向量与X轴地面之间的夹角，确定所述香蕉树叶片相对应的叶倾角；

叶片表面积确定模块，设置为采用滚球算法构建单一所述香蕉树叶片相对应的表面网格模型，统计叶片表面中每个网格三角形面积，根据所述网格三角形面积确定所述香蕉树叶片相对应的叶片表面积；

假茎茎粗确定模块，设置为调用预设的随机一致性算法进行搜索以提取所述香蕉树叶片中假茎部位的点云数据，采用圆柱拟合模型对所述假茎部位的点云数据进行拟合确定圆柱体半径，将所述圆柱体半径作为所述香蕉树叶片中的假茎茎粗，以完成香蕉树叶片生长参数的提取。

适应本申请的另一目的而提供的一种电子设备，包括中央处理器和存储器，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本申请所述香蕉树叶片生长参数提取方法的步骤。

适应本申请的另一目的而提供的一种计算机可读存储介质，其以计算机可读指令的形式存储有依据所述香蕉树叶片生长参数提取方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行相应的方法所包括的步骤。

相对于现有技术，本申请针对现有技术中对于香蕉树叶片生长参数的提取，存在设备成本高、操作困难以及耗时过长等问题，本申请包括但不限于如下有益效果：本申请能够准确、快速地提取出香蕉树叶片的生长参数，相比于使用专业仪器测量，操作难度低、操作用时少，成本较低，易于被香蕉种植户所接受，通过本申请的香蕉树叶片生长参数提取方法，可以在香蕉整个生育期内的持续采集香蕉树生长状况，并构建香蕉树生长模型，为香蕉日常种植管理、香蕉育种以及日常施肥、农药喷洒等提供重要数据支撑和作业指导。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请香蕉树叶片生长参数提取方法的流程示意图；

图2为本申请实施例中SFM算法总体思想流程的示意图；

图3为本申请实施例中叶片长度、叶片宽度提取算法流程的示意图；

图4为本申请实施例中OBB包围盒算法结果的示意图；

图5为本申请实施例中滚球重建法进行叶片表面重建的示意图；

图6为本申请实施例中RANSAC圆柱拟合结果的示意图；

图7为本申请实施例中香蕉树叶片生长参数提取装置的原理框图；

图8为本申请实施例中的计算机设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

本技术领域技术人员可以理解，这里所使用的“客户端”、“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，进行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他诸如个人计算机、平板电脑之类的通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(PersonalCommunications Service，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；PDA(Personal Digital Assistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global PositioningSystem，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“客户端”、“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“客户端”、“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是PDA、MID(Mobile Internet Device，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。

本申请所称的“服务器”、“客户端”、“服务节点”等名称所指向的硬件，本质上是具备个人计算机等效能力的电子设备，为具有中央处理器(包括运算器和控制器)、存储器、输入设备以及输出设备等冯诺依曼原理所揭示的必要构件的硬件装置，计算机程序存储于其存储器中，中央处理器将存储在外存中的程序调入内存中运行，执行程序中的指令，与输入输出设备交互，借此完成特定的功能。

需要指出的是，本申请所称的“服务器”这一概念，同理也可扩展到适用于服务器机群的情况。依据本领域技术人员所理解的网络部署原理，所述各服务器应是逻辑上的划分，在物理空间上，这些服务器既可以是互相独立但可通过接口调用的，也可以是集成到一台物理计算机或一套计算机机群的。本领域技术人员应当理解这一变通，而不应以此约束本申请的网络部署方式的实施方式。

本申请的一个或数个技术特征，除非明文指定，既可部署于服务器实施而由客户端远程调用获取服务器提供的在线服务接口来实施访问，也可直接部署并运行于客户端来实施访问。

本申请中所引用或可能引用到的神经网络模型，除非明文指定，既可部署于远程服务器且在客户端实施远程调用，也可部署于设备能力胜任的客户端直接调用，某些实施例中，当其运行于客户端时，其相应的智能可通过迁移学习来获得，以便降低对客户端硬件运行资源的要求，避免过度占用客户端硬件运行资源。

本申请所涉及的各种数据，除非明文指定，既可远程存储于服务器，也可存储于本地终端设备，只要其适于被本申请的技术方案所调用即可。

本领域技术人员对此应当知晓：本申请的各种方法，虽然基于相同的概念而进行描述而使其彼此间呈现共通性，但是，除非特别说明，否则这些方法都是可以独立执行的。同理，对于本申请所揭示的各个实施例而言，均基于同一发明构思而提出，因此，对于相同表述的概念，以及尽管概念表述不同但仅是为了方便而适当变换的概念，应被等同理解。

本申请即将揭示的各个实施例，除非明文指出彼此之间的相互排斥关系，否则，各个实施例所涉的相关技术特征可以交叉结合而灵活构造出新的实施例，只要这种结合不背离本申请的创造精神且可满足现有技术中的需求或解决现有技术中的某方面的不足即可。对此变通，本领域技术人员应当知晓。

请参阅图1，本申请的香蕉树叶片生长参数提取方法在其一个实施例中，包括：

步骤S10、响应香蕉树叶片生长参数提取指令，获取各个角度的香蕉树图像，基于预设的图像分割模型分割出所述香蕉树图像中香蕉树叶片相对应的序列图像数据，采用预设的运动结构恢复算法根据所述序列图像数据生成所述香蕉树叶片相对应的三维点云数据；

施肥机器人中的终端设备可以响应香蕉树叶片生长参数提取指令，获取各个角度的香蕉树图像，所述香蕉树图像的获取，可以基于所述施肥机器人中的工业相机或深度相机进行采集；基于预设的图像分割模型分割出所述香蕉树图像中香蕉树叶片相对应的序列图像数据，采用预设的运动结构恢复算法根据所述序列图像数据生成所述香蕉树叶片相对应的三维点云数据。

在一些实施例中，采用预设的运动结构恢复算法根据所述序列图像数据生成所述香蕉树叶片相对应的三维点云数据的步骤之后,包括：

响应去噪处理指令，采用下采样函数以及基于邻域距离判断离散点函数对所述所述香蕉树叶片相对应的三维点云数据进行去噪处理，以进行下一步骤的生长参数提取。

具体而言，在香蕉树植株的三维点云生成方法上，针对目前移动端拍摄生成三维点云存在大量噪声的问题，提出了融合图像分割算法的Seg-SFM三维点云生成方法，实现了香蕉树单株植株点云的三维重建，首先通过图像分割模块中的图像分割模型，把拍摄采集的香蕉树多视角序列图像进行背景去除，得到无背景环境干扰的单株香蕉树图像；把进行图像分割处理后的序列图像数据输入到运动结构恢复算法(SFM算法)中进行算法生成，最终生成香蕉树植株的三维点云数据，使用python编程语言编写点云体素化下采样函数以及基于邻域距离判断离散点函数，对输入的香蕉树植株点云进行去噪处理，用于下一步的参数提取。

在一些实施例中，请参阅图2，所述运动结构恢复算法为SFM(structure-from-motion)算法，所述SFM(structure-from-motion)算法是一种基于一组由多个角度收集到的无序图片进行三维重建的算法，从运动中(在不同时间点进行拍摄的图片集)恢复物体的三维结构，这需要估计出图片的变换矩阵(R，t)，结合相机内参重建稀疏点云。

在一些实施例中，采用预设的运动结构恢复算法根据所述序列图像数据生成所述香蕉树叶片相对应的三维点云数据的步骤，包括：

调用预设的运动结构恢复算法，提取具有尺度变换和旋转角度特性的多视角图像序列的特征点信息，提取到特征点信息后，采用图像序列两两匹配的方式进行特征匹配，以确定所述香蕉树叶片相对应的三维点云数据。

具体而言，对于特征点匹配部分，提取特征点使用具有尺度和旋转不变性的SIFT描述子,其鲁棒性较强，适合用来提取具有尺度变换和旋转角度特性的多视角图片序列的特征点信息，提取到特征点信息后，采用图像序列两两匹配的方式进行特征匹配。对于图像a特征点集F(a)和图像b特征点集F(b)，a点集内的每一个点都需要找到对应图像b特征点点集中的的最近邻向量f

f

f

得到最近邻向量后，通过设置距离阈值，当距离小于阈值时视为匹配成功，对于误匹配情况，如果最近距离与次近距离的比值大于某个阈值,则应该剔除。当所有图像都两两匹配成功后，则得到了图像的运动轨迹，可以对图像进行自动排序，并对相机位姿进行变换矩阵R,t进行求解。得到每个图像变换矩阵R,t后，便能够根据位姿对特征点进行三角化恢复，即还原特征点在三维空间的坐标位置，对于三维点P＝[X Y Z 1]和二维点p＝[x y 1]的变换关系为：

p＝λK[R|T]P，

式中K为图像的相机内参，R,T为每幅图像求解得出的相机位姿变换矩阵。通过对每个特征点进行三角化恢复后可以得到稀疏的物体点云，循环该算法步骤最终得到完整的三维重建点云，确定所述香蕉树叶片相对应的三维点云数据。

在一些实施例中，所述生长参数包括叶片宽度、叶片长度、叶倾角、叶片表面积以及假茎茎粗的一项或任意多项。

步骤S20、根据所述香蕉树叶片相对应的三维点云数据采用三维空间拟合曲线方程以及微元法，从曲线起始点至终点之间取香蕉树叶片的横、纵中轴线，将所述横、纵中轴线长度分别作为所述香蕉树叶片相对应的叶片宽度以及叶片长度；

请参阅图3，由于香蕉叶片相比于其他植物的叶片，其叶片宽度以及叶片长度都较大，并且其形态结构较为弯折，针对香蕉叶片形态结构的特点，提出了通过三维空间叶片切面的曲线拟合算法，用于提取叶片长度和叶片宽度的生长参数。在确定所述香蕉树叶片相对应的三维点云数据之后，根据所述香蕉树叶片相对应的三维点云数据采用三维空间拟合曲线方程以及微元法，从曲线起始点至终点之间取香蕉树叶片的横、纵中轴线，将所述横、纵中轴线长度分别作为所述香蕉树叶片相对应的叶片宽度以及叶片长度，

根据所述香蕉树叶片相对应的三维点云数据采用三维空间拟合曲线方程以及微元法，从曲线起始点至终点之间取香蕉树叶片的横、纵中轴线，将所述横、纵中轴线长度分别作为所述香蕉树叶片相对应的叶片宽度以及叶片长度的步骤，包括：

步骤S201、构建三维空间拟合曲线方程，对单一香蕉树叶片相对应的点云数据，分别从叶片表面的横、纵中轴线进行点云切片操作，得到曲线形状的横、纵中轴线切片点云；

步骤S203、采用最小二乘法分别对x、y坐标以及x、z坐标进行曲线拟合，联立两个拟合方程，确定三维空间拟合曲线方程；

步骤S205、采用微元法计算曲线长度，从曲线起始点至终点之间取香蕉树叶片的横、纵中轴线两端点，将所述横、纵中轴线长度分别作为所述香蕉树叶片相对应的叶片宽度以及叶片长度。

具体而言，对单一叶片点云，分别从叶片表面的横、纵中轴线进行点云切片操作，得到曲线形状的横、纵中轴线切片点云。使用最小二乘法分别对x，y坐标以及x，z坐标进行曲线拟合，联立两个拟合方程，得到最终三维空间拟合曲线方程。采用微元法计算曲线长度，曲线起始点与终点取叶片的横纵中轴线两端点，计算出中轴线长度作为叶片宽度以及叶片长度。

更具体地，采用最小二乘法分别对x，y坐标以及x，z坐标进行曲线拟合，联立两个拟合方程，得到最终三维空间拟合曲线方程。采用微元法计算曲线长度，曲线起始点与终点取叶片的横纵中轴线两端点，计算出中轴线长度作为叶片宽度以及叶片长度。

所述拟合曲线方程为：

所述微元法方程为：

式中，x为点云X坐标、y为点云Y坐标、z为点云Z坐标、f(x)为XY平面拟合方程、h(x)为XZ平面拟合方程、g(x)为三维曲线拟合方程，a

步骤S30、基于预设的包围盒算法确定所述香蕉树叶片相对应的包围盒几何体，计算确定所述几何体方向量与X轴地面之间的夹角，确定所述香蕉树叶片相对应的叶倾角；

请参阅图4，所述包围盒算法为OBB包围盒拟合算法，对单一香蕉树叶片点云采用OBB包围盒拟合算法，就是根据物体本身的几何形状来决定长方体盒子的大小和方向，盒子无须和坐标轴垂直，这是一种最为选择最合适、紧凑的包围盒，获取包围盒几何体后，计算几何体方向量与X轴地面夹角，最终求得叶倾角生长参数。

步骤S40、采用滚球算法构建单一所述香蕉树叶片相对应的表面网格模型，统计叶片表面中每个网格三角形面积，根据所述网格三角形面积确定所述香蕉树叶片相对应的叶片表面积；

采用滚球算法构建单一所述香蕉树叶片相对应的表面网格模型，统计叶片表面中每个网格三角形面积，根据所述网格三角形面积确定所述香蕉树叶片相对应的叶片表面积的步骤，包括：

步骤S401、在所述香蕉树叶片相对应的点云数据中随机寻找一个三角形作为种子，以这个种子三角形为基础，在其边界内滚动一个给定直径的小球，当这个小球碰到三角形边界外的一个点时，则形成另外一个新的三角形，当所有的边界都被滚动到并且没有多余的点可以形成三角形时，则判断为收敛，循环结束；

步骤S403、统计叶片表面中每个网格三角形面积，根据所述网格三角形面积确定所述香蕉树叶片相对应的叶片表面积。

具体而言，请参阅图5，香蕉树叶片表面存在不规则形状、表面卷曲不平整的问题，针对此问题采用滚球算法(Ball pivoting)重建单一叶片的表面网格模型，采用统计叶片表面三角网格的面积的方法从而计算出叶片的表面积。基于海伦凯勒公式计算计算得到了每个网格三角形的面积并累加，得到最终的叶片表面积。

计算网格面积公式为：

式中：

A———每个三角网格的面积，

r———三角网格序号

S———植物叶片的总面积，

n———三角网格总数。

采用滚球算法构建单一所述香蕉树叶片相对应的表面网格模型，在所述香蕉树叶片相对应的点云数据中随机寻找一个三角形作为种子，以这个种子三角形为基础，在其边界内滚动一个给定直径的小球，当这个小球碰到三角形边界外的一个点时，则形成另外一个新的三角形，当所有的边界都被滚动到并且没有多余的点可以形成三角形时，则判断为收敛，循环结束，统计叶片表面中每个网格三角形面积，根据所述网格三角形面积确定所述香蕉树叶片相对应的叶片表面积。

步骤S50、调用预设的随机一致性算法进行搜索以提取所述香蕉树叶片中假茎部位的点云数据，采用圆柱拟合模型对所述假茎部位的点云数据进行拟合确定圆柱体半径，将所述圆柱体半径作为所述香蕉树叶片中的假茎茎粗，以完成香蕉树叶片生长参数的提取。

所述施肥机器人可以调用预设的随机一致性算法进行搜索以提取所述香蕉树叶片中假茎部位的点云数据，采用圆柱拟合模型对所述假茎部位的点云数据进行拟合确定圆柱体半径，将所述圆柱体半径作为所述香蕉树叶片中的假茎茎粗，以完成香蕉树叶片生长参数的提取。

请参阅图6，所述随机一致性算法为RANSAC算法，在生成的香蕉树植株点云基础上，进行假茎点云提取，采用RANSAC算法进行假茎提取，RANSAC(Random sampleconsensus)算法是一种迭代的方法来从一系列包含有离异值的数据中计算数学集合体模型参数的方法，使用RANSAC算法在香蕉树植株点云中进行搜索，并提取出拟合圆柱的内点，作为假茎部位的点云，RANSAC算法通过搜索，采用圆柱拟合模型对所述假茎部位的点云数据进行拟合确定圆柱体半径，将所述圆柱体半径作为所述香蕉树叶片中的假茎茎粗，以完成香蕉树叶片生长参数的提取。

在一些实施例中，完成香蕉树叶片生长参数的提取的步骤之后，包括：

根据所述生长参数生成香蕉树的生长周期相对应的施肥指令，基于施肥指令驱动施肥机器人喷洒所述香蕉树的生长周期相对应的肥料量，以完成香蕉树的施肥。

由上述实施例可知，相对于现有技术，本申请针对现有技术中对于香蕉树叶片生长参数的提取，存在设备成本高、操作困难以及耗时过长等问题，本申请包括但不限于如下有益效果：本申请能够准确、快速地提取出香蕉树叶片的生长参数，相比于使用专业仪器测量，操作难度低、操作用时少，成本较低，易于被香蕉种植户所接受，通过本申请的香蕉树叶片生长参数提取方法，可以在香蕉整个生育期内的持续采集香蕉树生长状况，并构建香蕉树生长模型，为香蕉日常种植管理、香蕉育种以及日常施肥、农药喷洒等提供重要数据支撑和作业指导。

请参阅图7，适应本申请的目的之一而提供的一种香蕉树叶片生长参数提取装置，包括点云数据确定模块1100、叶片长宽确定模块1200、叶倾角确定模块1300、叶片表面积确定模块1400以及假茎茎粗确定模块1500。其中，点云数据确定模块1100，设置为响应香蕉树叶片生长参数提取指令，获取各个角度的香蕉树图像，基于预设的图像分割模型分割出所述香蕉树图像中香蕉树叶片相对应的序列图像数据，采用预设的运动结构恢复算法根据所述序列图像数据生成所述香蕉树叶片相对应的三维点云数据；叶片长宽确定模块1200，设置为根据所述香蕉树叶片相对应的三维点云数据采用三维空间拟合曲线方程以及微元法，从曲线起始点至终点之间取香蕉树叶片的横、纵中轴线，将所述横、纵中轴线长度分别作为所述香蕉树叶片相对应的叶片宽度以及叶片长度；叶倾角确定模块1300，设置为基于预设的包围盒算法确定所述香蕉树叶片相对应的包围盒几何体，计算确定所述几何体方向量与X轴地面之间的夹角，确定所述香蕉树叶片相对应的叶倾角；叶片表面积确定模块1400，设置为采用滚球算法构建单一所述香蕉树叶片相对应的表面网格模型，统计叶片表面中每个网格三角形面积，根据所述网格三角形面积确定所述香蕉树叶片相对应的叶片表面积；假茎茎粗确定模块1500，设置为调用预设的随机一致性算法进行搜索以提取所述香蕉树叶片中假茎部位的点云数据，采用圆柱拟合模型对所述假茎部位的点云数据进行拟合确定圆柱体半径，将所述圆柱体半径作为所述香蕉树叶片中的假茎茎粗，以完成香蕉树叶片生长参数的提取。

在本申请任意实施例的基础上，请参阅图8，本申请的另一实施例还提供一种电子设备，所述电子设备可由计算机设备实现，如图8所示，计算机设备的内部结构示意图。该计算机设备包括通过系统总线连接的处理器、计算机可读存储介质、存储器和网络接口。其中，该计算机设备的计算机可读存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种香蕉树叶片生长参数提取方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行本申请的香蕉树叶片生长参数提取方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本实施方式中处理器用于执行图7中的各个模块及其子模块的具体功能，存储器存储有执行上述模块或子模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有本申请的香蕉树叶片生长参数提取装置中执行所有模块/子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有子模块的功能。

本申请还提供一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行本申请任一实施例所述香蕉树叶片生长参数提取方法的步骤。

本申请还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被一个或多个处理器执行时实现本申请任一实施例所述香蕉树叶片生长参数提取方法的步骤。

本领域普通技术人员可以理解实现本申请上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等计算机可读存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

综上所述，通过本申请的香蕉树叶片生长参数提取方法，可以在香蕉整个生育期内的持续采集香蕉树生长状况，并构建香蕉树生长模型，为香蕉日常种植管理、香蕉育种以及日常施肥、农药喷洒等提供重要数据支撑和作业指导。