基于bp神經網絡的番茄植株建模方法
【技術領域】
[0001] 本發明實施例涉及計算機圖形處理技術領域，尤其是涉及一種基于BP神經網絡 的番前植株建模方法。
【背景技術】
[0002] 虛擬現實領域的場景仿真需要大量的三維植物模型。但由于植物結構復雜、種類 多樣、莖葉遮擋嚴重，其三維建模是該領域的難點和熱點問題。
[0003] 目前的植物建模方法大體可分為以下四大類：
[0004] 第一類是基于植物學知識對植物形態進行建模的方法。這類方法主要考慮植物生 長規律，如Lindenmayer提出的L系統。
[0005] 第二類是基于圖像的植物建模方法。這類方法以植物圖片作為輸入信息，通過各 種視覺重建方法構建植物模型，如2006年Quan提出的植物建模方法。
[0006] 第三類是基于三維掃描的植物建模方法。這類方法以三維掃描數據作為輸入構建 植物模型，如2011年Livny提出的樹木建模方法。
[0007] 第四類是基于手工交互的植物建模方法。這類方法以用戶勾畫的二維草圖作為輸 入，或通過三維交互直接控制輸出的三維模型形狀，如2005年Okabe提出的植物建模方法 和2009年Wither提出的樹木建模方法。
[0008] 基于生長機理的方法適用于生長模擬，農業分析等，但是一般需要調整參數，不便 于控制輸出，因此不適用于真實植物建模；基于三維掃描的方法以植物的三維掃描數據作 為輸入，幾何信息豐富，精度高，適用于對模型精度要求較高的應用，但三維掃描設備價錢 昂貴，掃描過程花費時間較長，三維數據量大，不適于快速建模；基于圖像的方法輸入信息 獲取方便，建模方法靈活，可適用于各種精度要求的應用，但它比基于三維掃描的建模方法 精度低；基于手工交互的方法是一種更加靈活的方法，可用于植物模型的快速建模，但真實 感差。
[0009] 番茄植株的建模屬于植物建模的范疇，目前比較常用的技術是基于植物學知識特 別是數學模型的三維建模，如番茄Greenlab模型，以及基于視覺方法重建部分器官結構， 再通過模板拼裝形成整體模型。基于數學模型的三維建模適用于功能模擬，形態模擬的真 實感較差，而基于視覺的重建構造的植株結構過于簡單。
[0010] 有鑒于此，特提出本發明。

【發明內容】

[0011] 本發明實施例提供一種基于BP神經網絡的番茄植株建模方法，其至少部分地解 決了如何實現番茄植株的快速、真實感建模的技術問題。
[0012] 為了實現上述目的，根據本發明的一個方面，提供一種基于BP神經網絡的番茄植 株建模方法，該方法可以包括以下步驟：
[0013] 步驟S1、基于用戶在單幅番茄植株圖像上勾勒的主莖，構建二維主莖；
[0014] 步驟S2、基于所述用戶在所述單幅番茄植株圖像上勾勒的冠形輪廓，通過對所述 用戶在所述單幅番茄植株圖像上勾勒的主莖進行復制、矯正和旋轉，構建三維主莖；
[0015] 步驟S3、根據所述三維主莖的參數，構建并訓練一 BP神經網絡；
[0016] 步驟S4、基于所述用戶在單幅番茄植株圖像上勾勒的冠形輪廓，通過所述BP神經 網絡預測側莖參數，并利用自相似原理產生側莖；
[0017] 步驟S5、基于葉子模型，為側莖添加葉子，得到完整植株。
[0018] 與現有技術相比，上述技術方案至少具有以下有益效果：
[0019] 本發明實施例提出了一種基于BP神經網絡的番茄植株快速建模方法。本發明實 施例與前人方法的區別主要體現在三維信息的獲取不是通過圖像配準、相機標定和視覺重 建，而是通過二維主莖的有效變換實現，即：基于用戶在單幅番茄植株圖像上勾勒的主莖來 構建二維主莖，然后對二維主莖進行復制、矯正和旋轉，以構建三維主莖，然后通過三維主 莖來構建并訓練一 BP神經網絡，又通過BP神經網絡來預測側莖參數，并通過自相似原理產 生側莖，最后為側莖添加葉子，從而得到完整植株。實驗表明，本發明實施例構造的番茄植 株模型保留了二維輸入信息，不需要圖像配準和參數調節，并具有真實感。本發明實施例所 獲得的建模結果能用于虛擬現實的場景仿真應用中。
【附圖說明】
[0020] 附圖作為本發明的一部分，用來提供對本發明的進一步的理解，本發明的示意性 實施例及其說明用于解釋本發明，但不構成對本發明的不當限定。顯然，下面描述中的附圖 僅僅是一些實施例，對于本領域普通技術人員來說，在不付出創造性勞動的前提下，還可以 根據這些附圖獲得其他附圖。在附圖中：
[0021] 圖1為根據一示例性實施例示出的基于BP神經網絡的番茄植株建模方法的流程 圖；
[0022] 圖2a為根據一示例性實施例示出的當前骨架點：0、D和G ;
[0023] 圖2b為根據一示例性實施例示出的0的8近鄰和16近鄰示意圖；
[0024] 圖2c為根據一示例性實施例示出的16近鄰聚類示意圖；
[0025] 圖2d為根據一示例性實施例示出的外部有效組和內部有效像素示意圖；
[0026] 圖2e為根據一示例性實施例示出的確定新的骨架點A和C的示意圖；
[0027] 圖2f為根據一示例性實施例示出的連接新骨架點的示意圖；
[0028] 圖3為根據一示例性實施例示出的二維主莖的復制所使用的坐標系；
[0029] 圖4為根據一示例性實施例示出的所構建的BP神經網絡示意性結構；
[0030] 圖5a為根據一示例性實施例示出的輸入圖像1 ;
[0031] 圖5b為根據一示例性實施例示出的用戶勾勒的草圖1 ;
[0032] 圖5c為根據一示例性實施例示出的三維模型1 ;
[0033] 圖5d為根據一示例性實施例示出的輸入圖像2 ;
[0034] 圖5e為根據一示例性實施例示出的用戶勾勒的草圖2 ;
[0035] 圖5f為根據一示例性實施例示出的三維模型2 ;
[0036] 圖5g為根據一示例性實施例示出的輸入圖像3 ;
[0037] 圖5h為根據一示例性實施例示出的勾勒草圖3 ;
[0038] 圖5i為根據一示例性實施例示出的三維模型3。
【具體實施方式】
[0039] 下面結合附圖以及具體實施例對本發明實施例解決的技術問題、所采用的技術方 案以及實現的技術效果進行清楚、完整的描述。顯然，所描述的實施例僅僅是本申請的一部 分實施例，并不是全部實施例。基于本申請中的實施例，本領域普通技術人員在不付出創造 性勞動的前提下，所獲的所有其它等同或明顯變型的實施例均落在本發明的保護范圍內。 本發明實施例可以按照權利要求中限定和涵蓋的多種不同方式來具體化。
[0040] 需要說明的是，在下面的描述中，為了方便理解，給出了許多具體細節。但是很明 顯，本發明的實現可以沒有這些具體細節。
[0041] 需要說明的是，在沒有明確限定或不沖突的情況下，本發明中的各個實施例及其 中的技術特征可以相互組合而形成技術方案。
[0042] 本發明實施例的核心思想在于，三維信息的獲取通過二維莖的有效變換實現，通 過主莖參數訓練得到BP神經網絡，側莖參數由BP神經網絡預測得到，使得側莖建模更加合 理。
[0043] 圖1是根據一示例性實施例示出的基于BP神經網絡的番茄植株建模方法的流程 圖。如圖1所示，該方法包括步驟Sl至步驟S5。
[0044] 步驟S1、基于用戶在單幅番茄植株圖像上勾勒的主莖，構建二維主莖。
[0045] 在該步驟中，對于拍攝的或從網上下載的單幅植物圖片，只要人眼能夠分辨出植 株形狀都可用于勾勒。用戶在單幅番茄植株圖像上勾勒出主莖和冠形輪廓的過程大約需要 2-3分鐘。
[0046] 優選地，本發明實施例采用的二維主莖提取方法，可用于從用戶勾勒的草圖上的 單像素筆畫中提取二維主莖。
[0047] 在一個優選的實施例中，提取二維主莖的具體過程如下：
[0048] 從單像素筆畫中提取二維主莖的方法適用