跳到主要内容
On this page
Research notebook
成像与三维研究项目

人工气候室内盆栽棉花的转台摄影测量

一套以验证为先的实验流程：在受控环境中采集并重建盆栽棉花植株的多视图图像。

Liangchao DengPostdoctoral Researcher
6 min read
Plant Phenotyping3D ReconstructionImage AnalysisComputer Vision

项目概述​

本流程使用旋转的植株和固定的相机，创建用于三维重建的多视图图像集。它旨在作为一个实验起点，而非对高精度表型的已验证声明。精度取决于植株运动、图像清晰度、定标、尺度控制、背景掩膜和独立验证。

研究目标​

该工作流可支持：

  • 植株结构的可视化；
  • 对株高、株宽、体积和叶片朝向的探索性估计；
  • 器官分割和光分布方法的开发；
  • 在受控采集条件下比较重建参数设置。

在网格导出性状的误差经过与独立测量比对量化之前，不要把它们当作真值。

1. 准备成像区域​

稳定的环境​

  • 采集期间关闭风扇并尽量减少气流；微小的叶片运动都会破坏特征匹配。
  • 使用漫射、无频闪的光照，并在整个序列中保持恒定。
  • 测量并记录照度或曝光条件，而不是采用某个任意通用的 lux 值。
  • 避免镜面高光、浓重阴影和自动光照变化。

背景与转台​

  • 使用哑光、视觉上均匀的背景，以便可靠地掩膜。
  • 使用一个足够大、能容纳花盆和植株的刚性哑光转台。
  • 除非反射已得到控制和验证，否则避免使用透明或反光的亚克力。
  • 让静态背景特征、色卡、线缆和支架远离重建掩膜。在转台摄影测量中，植株相对于房间运动，因此静态背景特征会违反假设的场景几何。

尺度与控制​

在旋转平台上放置经过测量的比例尺和唯一可识别的编码标志点，使其随植株一起运动。避免对称、重复的标志点布局，那会产生歧义对应。

至少保留一个独立的尺度或距离作为检查，而不是把每个测量都用来定义模型。

2. 配置相机​

在不同高度之间移动的一台控制良好的相机，往往比两台不匹配的手机相机更容易定标。如果使用多台相机：

  • 锁定对焦、快门速度、ISO、白平衡和焦距；
  • 尽可能关闭自动 HDR 或镜头切换；
  • 记录每台设备、镜头、分辨率、帧率和曝光设置；
  • 为每台相机采集定标数据；
  • 避免数码变焦；
  • 确认所有视图都清晰，且无果冻效应或防抖伪影。

手机视频经过压缩，并可能在帧之间施加计算处理。在工作流允许时，静态图像或高质量帧内视频更可取。

至少使用两个高度带来减少顶部和底部的遮挡。具体角度和距离取决于植株尺寸和视场；确认整个样本和尺度控制始终可见。

3. 采集序列​

  1. 居中并固定花盆，不要使植株变形。
  2. 记录一张清晰的参考视图和实验元数据。
  3. 开始缓慢、匀速的旋转。
  4. 采集足够的角向视图，以在整个植株周围保持特征重叠。
  5. 在第二个相机高度或仰角重复。
  6. 立即检查序列是否存在模糊、曝光漂移、叶片运动、缺失区域和标志点可见性。

不要默认导出每一两帧视频。在每秒 30 帧的情况下，那会产生数千张高度冗余的图像。按角向覆盖和图像质量来抽样。记录最终的角向间隔、保留帧数和剔除标准。

4. 把颜色管理与几何分开管理​

诸如 SpyderCheck24 之类的色卡有助于监控相机和光照一致性，但它本身并不能使图像数值成为物理定标的反射率。

  • 在相同的相机和光照设置下拍摄色卡。
  • 对整个序列一致地应用一种有记录的校正。
  • 让静态色卡远离几何重建掩膜。
  • 保留未校正的源文件和校正参数。

如果颜色是科学输出，应验证校正后的色块数值，并报告色彩空间、白平衡、曝光和误差指标。

5. 组织并筛选图像​

使用能保留植株、相机、高度和视图顺序的命名方式：

Plant01/
├── raw/
│   ├── camera-a/
│   └── camera-b/
├── selected/
│   ├── upper/
│   └── horizontal/
├── masks/
├── calibration/
├── reconstruction/
└── validation/

对每张入选图像，检查：

  • 叶缘处的清晰度；
  • 一致的曝光和白平衡；
  • 与相邻视图有足够重叠；
  • 无大的叶片位移；
  • 未意外裁剪植株或尺度控制；
  • 一个能排除静态房间和色卡的掩膜。

6. 在 Metashape 或同类软件中重建​

软件界面标签因版本而异，因此工作流按目的来描述：

  1. 导入选定的图像；
  2. 在特征匹配之前或期间应用掩膜；
  3. 估计相机位姿和稀疏重建；
  4. 谨慎地检查并移除明显的离群连接点；
  5. 识别编码标志点并输入测得的尺度约束；
  6. 仅在确认控制几何正确之后才优化相机参数；
  7. 生成深度图和稠密点云；
  8. 移除无支撑的背景几何；
  9. 构建网格，并在需要时贴图；
  10. 导出点云或网格，并附上单位和坐标元数据。

不要把关键点上限、深度设置或过滤强度当作通用默认值照搬。记录软件版本，并在有代表性的植株上做一次小型参数对比。

7. 提取性状前先验证​

至少报告：

  • 输入和已对齐图像的数量；
  • 相机重投影误差，及其定义和单位；
  • 标志点和尺度残差；
  • 在独立距离或物体上的误差；
  • 可见的缺失或被错误填补的植株区域；
  • 跨重复采集的可重复性；
  • 性状对掩膜和重建设置的敏感性。

对于手动测量的株高或株宽（m_i）和重建值（r_i），汇总偏差和 RMSE：

bias = mean(r_i - m_i)
RMSE = sqrt(mean((r_i - m_i)^2))

一个视觉上合理的网格仍可能给出有偏差的性状，尤其对于薄叶缘、重叠叶片以及反光或纹理贫乏的表面。

8. 导出可用于研究的输出​

保留：

  • 原始图像和元数据；
  • 入选帧清单及剔除原因；
  • 掩膜和定标记录；
  • 重建工程和软件版本；
  • 尺度约束和独立验证测量；
  • 带单位的已导出 PLY/OBJ/GLB；
  • 脚本、参数和性状表，并关联到代码提交。

这些证据使重建可审计，并允许未来改进处理而无需重复实验。

DISCUSSION

Questions or field notes?