一个使用OB-NeRF复杂工厂的3D重建平台
Sixiao Wu1, Changhao Hu1, Boyuan Tian1
1China College of Engineering/Key Laboratory of Agricultural Equipment for the Middle and Lower Reaches of the Yangtze River, Ministry of Agriculture, Huazhong Agricultural University, Wuhan, China.
Frontiers in plant science
|March 25, 2025
概括
本研究介绍了使用基于对象的NeRF (OB-NeRF) 快速准确的3D植物重建平台. 该系统显著减少了重建时间,并提高了农业数字双胞胎和高通量表型的精度.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 3D重建的3D重建
背景情况:
- 3D重建增强了农业中的高通量表型和数字双胞胎开发.
- 现有的3D重建平台面临着成本,速度,工作流程复杂性和自动化方面的挑战.
研究的目的:
- 为复杂的工厂开发一个高效和自动化的3D重建平台.
- 在速度,成本和自动化方面克服现有的3D重建方法的局限性.
主要方法:
- 实施了视频采集系统和关键提取.
- 张宇的校准和运动结构 (SfM) 用于摄像头姿势的估计.
- 基于对象的NeRF (OB-NeRF) 采用了一种新的射线采样策略,用于精细规模的工厂重建.
主要成果:
- 在250秒内,OB-NeRF平台实现了高质量的3D工厂重建.
- 与NeRF和其他方法相比,OB-NeRF在PSNR评估方面表现优越,并减少了重建时间.
- 重建的3D模型显示了高保真度,R2值分别为0.9933,0.9881和0.9883的植物高度,叶子长度和叶子宽度.
结论:
- 开发的3D重建平台为农业数字双胞胎和高通量表型设计提供了强大的解决方案.
- 在没有背景细分的情况下,OB-NeRF算法显著提高了重建效率和质量.
- 优化的摄像头姿势和自动定位提高了3D模型的精度和适用性.
