使用3D高斯喷射和神经辐射场的高保真小麦植物重建
Lewis A G Stuart1, Darren M Wells2, Jonathan A Atkinson2
1School of Computer Science, University of Nottingham, Nottingham, NG8 1BB, UK.
GigaScience
|March 26, 2025
概括
本研究介绍了使用视图合成进行3D植物重建的新数据集和方法,实现高保真模型和准确的点云,用于3D植物表型.
科学领域:
- 计算机视觉 计算机视觉
- 植物科学 植物科学
- 机器人技术 机器人技术 机器人技术
背景情况:
- 传统的3D植物重建方法往往稀疏或杂.
- 视图合成模型提供高精度,但需要广泛的数据和精确的校准.
- 准确的3D植物模型对于先进的表型定型至关重要.
研究的目的:
- 使用视图合成开发一个全面的数据集,用于3D植物重建.
- 评估用于植物建模的3D高斯喷射 (3DGS) 和神经辐射场 (NeRF) 的性能.
- 为3D植物表型研究提供可访问的工具和数据.
主要方法:
- 开发了一种新的机器人摄像头捕捉系统.
- 创建了一个跨越15周的20个小麦植物的多视图数据集.
- 两个视图合成模型,3DGS和NeRF进行了训练和评估.
主要成果:
- 无论是3DGS还是NeRF,都从新的角度生成了高准确度的工厂重建.
- 精确的3D植物点云表示以毫米级准确度实现.
- 该系统展示了植物在生长周期中的有效3D建模.
结论:
- 像3DGS和NeRF这样的视觉合成方法对于3D植物表型和重建具有变革性.
- 发布的数据集和软件将推动积极视觉和植物建模方面的研究.
- 这项工作有助于更准确,更详细地分析植物结构.


