植株叶片的叶脉获取方法与流程

本发明涉及植株表型测量领域，尤其涉及一种植株叶片的叶脉获取方法。

背景技术：

植株表型是受基因和环境因素决定或影响的，反映植株结构及组成、植株生长发育过程及结果的全部物理、生理、生化特征和性状。叶片是植株的重要组成部分，其形态直接影响植株的生长发育和最终产量，是植株表型分类中不可缺少的一部分。叶脉使得叶片可以在空中舒展，最大限度的获取阳光，是叶片上最重要的一个部分。

现有技术中从叶片点云提取叶脉一般首先对叶片点云进行主成分分析，以找到叶片的叶尖与叶基，再以叶尖与叶基点为起点与终点，在叶片点云上搜索出最短路径来代替叶脉。这种方法需要对比叶片点云上所有可能的路径来找到最短路径，效率比较低，而且搜索出的最短路径并不光滑，与光滑的叶脉相比仍然有误差。

因此，有必要提出一种植株叶片的叶脉获取方法及其采集方法，以解决上述问题。

技术实现要素：

本发明的目的是提供一种效率高的植株叶片的叶脉获取方法。

本发明的上述目的可采用下列技术方案来实现：一种植株叶片的叶脉获取方法，包括：步骤11、对植株叶片点云进行主成分分析，并获取所述植株叶片的第一主成分方向；步骤13、基于八叉树结构对所述叶片点云进行分割；并将第一主成分方向上的两个端点分别定义为起点和终点；步骤15、选取所述起点作为基点；步骤17、搜索所述基点周围的k个最近邻点；步骤19、分别计算每个最近邻点与所述基点和所述终点之间的距离之和；步骤21、判断所述距离之和最小的最近邻点是否曾经是基点；步骤23、当所述距离之和最小的最近邻点并非为曾经的基点时，对所述基点进行存储；并将距离之和最小的最近邻点作为当前的所述基点；步骤25、循环执行步骤17至步骤23直至所述基点为所述终点；步骤27、根据存储的所述基点进行拟合计算以获取所述叶片的叶脉。

作为一种优选的实施方式，其还包括：步骤29、当所述距离之和最小的最近邻点为曾经的基点时，选取其余的k-1个最近邻点中所述距离之和最小的最近邻点作为所述基点。

作为一种优选的实施方式，步骤27、对多个所述基点进行拟合计算以获取所述叶片的叶脉，具体包括：步骤271、获取所述植株叶片的第二主成分方向和第三主成分方向，其中，所述第一主成分方向、所述第二主成分方向以及所述第三主成分方向两两垂直；步骤273、将所述第一主成分方向作为x轴、将所述第二主成分方向作为y轴以及将所述第三主成分方向作为z轴，以建立xyz坐标系；步骤275、在所述xyz坐标系内将多个所述基点投影至x轴和z轴所在的平面上；步骤277、在x轴和z轴所在的平面上对多个所述基点的投影进行拟合计算以获取所述叶片的叶脉。

作为一种优选的实施方式，步骤275、在所述xyz坐标系内将多个所述基点投影至x轴和z轴所在的平面上，具体包括：在所述xyz坐标系内将每个所述基点的y坐标设为0，以将每个所述基点投影至x轴和z轴所在的平面上。

作为一种优选的实施方式，步骤273、将所述第一主成分方向作为x轴、将所述第二主成分方向作为y轴以及将所述第三主成分方向作为z轴，以建立xyz坐标系，具体包括：将植株叶片点云的质点作为原点，以所述第一主成分的方向作为x轴；以所述第二主成分的方向作为y轴；以所述第三主成分的方向作为z轴；以建立xyz坐标系。

作为一种优选的实施方式，步骤21、判断所述距离之和最小的最近邻点是否曾经是基点，具体包括：将所述距离之和最小的最近邻点与路径集合内的每个所述基点相比较，其中，所述路径集合内存储有曾经的所有的所述基点；当所述距离之和最小的最近邻点与所述路径集合内的每个所述基点均不相同时，所述距离之和最小的最近邻点并非为曾经的基点；当所述距离之和最小的最近邻点与所述路径集合内的某个所述基点相同时，所述距离之和最小的最近邻点为曾经的基点。

作为一种优选的实施方式，步骤19、分别计算每个最近邻点与所述基点和所述终点之间的距离之和，具体包括：步骤191、计算每个最近邻点与所述基点之间的第一欧式距离；步骤193、计算每个最近邻点与所述终点之间的第二欧式距离；并根据所述第一欧式距离和所述第二欧式距离获取所述距离之和。

作为一种优选的实施方式，所述第一欧式距离h1＝sqrt((xi-xt)^²+(yi-yt)^²+(zi-zt)^²)；其中，(xi，yi，zi)(i＝1、2…k)为最近邻点的坐标；(xt，yt，zt)为所述基点的坐标。

作为一种优选的实施方式，所述第二欧式距离h2＝sqrt((xi-x0)^²+(yi-y0)^²+(zi-z0)^²)；其中，(xi，yi，zi)(i＝1、2…k)为最近邻点的坐标；(x0，y0，z0)为所述终点的坐标。

作为一种优选的实施方式，k为5至10。

本申请提供的植株叶片的叶脉获取方法的有益效果是：本申请实施方式所述的植株叶片的叶脉获取方法通过搜索基点的k个最近邻点，且当距离之和最小的最近邻点并非曾经是基点时，将距离之和最小的最近邻点作为基点；循环执行步骤s17至步骤s23直至基点为终点，最后对多个基点进行拟合计算以获取叶片的叶脉13。如此本申请实施方式所述的植株叶片的叶脉获取方法相对于现有技术来说，不需要对比叶片点云11上所有可能的路径，只需要搜索基点的k个最近邻点，因此计算的数据量较少，从而能提高计算速度和效率。因此，本发明提供了一种效率高的植株叶片的叶脉获取方法。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施方式提供的植株叶片的叶脉获取方法的流程图；

图2为本发明一个实施方式提供的从z轴的视角观察的多个基点；

图3为本发明一个实施方式提供的从y轴的视角观察的多个基点；

图4为本发明一个实施方式提供的z轴视角下的投影后的多个基点；

图5为本发明一个实施方式提供的y轴视角下的投影后的多个基点；

图6为本发明一个实施方式提供的z轴视角下的拟合后的叶片叶脉；

图7为本发明一个实施方式提供的y轴视角下的拟合后的叶片叶脉；

图8为本申请实施方式所述的植株叶片的叶脉获取方法所获取的叶片叶脉在植株叶片点云上的示意图；

图9为本申请实施方式所述的植株叶片的叶脉获取方法所获取的叶片叶脉的长度与手动测量的叶脉长度的对比图。

附图标记说明：

11、叶片点云；13、叶片叶脉。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1至图8。本申请一种实施方式提供的植株叶片的叶脉获取方法，其可以包括：步骤s11、对植株叶片点云进行主成分分析，并获取所述植株叶片的第一主成分方向；步骤s13、基于八叉树结构对所述叶片点云进行分割；并将第一主成分方向上的两个端点分别定义为起点和终点；步骤s15、选取所述起点作为基点；步骤s17、搜索所述基点周围的k个最近邻点；步骤s19、分别计算每个最近邻点与所述基点和所述终点之间的距离之和；步骤s21、判断所述距离之和最小的最近邻点是否曾经是基点；步骤s23、当所述距离之和最小的最近邻点并非为曾经的基点时，对所述基点进行存储；并将距离之和最小的最近邻点作为当前的所述基点；步骤s25、循环执行步骤s17至步骤s23直至所述基点为所述终点；步骤s27、根据存储的所述基点进行拟合计算以获取所述叶片的叶脉。

从以上技术方案可以看出：本申请实施方式所述的植株叶片的叶脉获取方法通过搜索基点的k个最近邻点，且当距离之和最小的最近邻点并非曾经是基点时，将距离之和最小的最近邻点作为基点；循环执行步骤s17至步骤s23直至基点为终点，最后对多个基点进行拟合计算以获取叶片的叶脉13。如此本申请实施方式所述的植株叶片的叶脉获取方法相对于现有技术来说，不需要对比叶片点云11上所有可能的路径，只需要搜索基点的k个最近邻点，因此计算的数据量较少，从而能提高计算速度和效率。

在本实施方式中，步骤s11：对植株叶片点云11进行主成分分析，并获取植株叶片的第一主成分方向。具体地，对植株叶片点云11进行主成分分析可以是：首先对植株叶片点云11的协方差矩阵进行特征分解，以获取n个最大特征值对应的n个特征向量；(n＝1、2…m，m为自然数)。该n个特征向量可以用于建立坐标系。如此该n值与所要建立的坐标系的维度相一致。例如该n＝3。也即对植株叶片点云11的协方差矩阵进行特征分解，特征分解后获取三个最大特征值对应的三个特征向量。该三个特征向量的方向依次为第一主成分方向、第二主成分方向以及第三主成分方向，且根据特征分解的原理可知：第一主成分方向、第二主成分方向以及第三主成分方向两两垂直。从而能根据该3个特征向量计算3维坐标系。当然该n不限于为3，还可以是其他的数量，例如4，对此本申请不做规定。

进一步地，该植株叶片点云11可以通过传感器来获取。具体地，可以通过传感器来直接获取单独的叶片点云11。当然也可以通过传感器首先获取植株点云。然后再对植株点云进行分割以获取单独的叶片点云11。对此本申请不做规定。

在本实施方式中，步骤s13：基于八叉树结构对叶片点云11进行分割；并将第一主成分方向上的两个端点分别定义为起点和终点。具体地，该基于八叉树结构对叶片点云11的分割可以是将该叶片点云按照八叉树的结构分割至最小点云。该最小点云可以是不能基于八叉树结构进行分割的最小点云。具体地，将第一主成分方向上的两个端点分别定义为起点和终点可以是例如当将第一主成分方向作为x轴时，将叶片点云11上位于x轴上的各个点的坐标位置进行比较，以找出叶片点云11上x坐标值最大的点以及最小的点。将该x坐标值最大的点和最小的点其中之一定义为起点，另一定义为终点。例如可以将x坐标值最大的点定义为起点。将x坐标值最小的点定义为终点。当然还可以将x坐标值最大的点定义为终点。将x坐标值最小的点定义为起点。八叉树结构是一种用于描述三维空间的树状数据结构。八叉树的每个父节点表示一个正方体的体积元素。每个父节点有八个子节点。将八个子节点所表示的体积元素加在一起就等于父节点的体积。

在本实施方式中，步骤s15：选取起点作为基点。也即首先将起点作为基点。

在本实施方式中，步骤s17：在叶片点云11上搜索基点周围的k个最近邻点。该最近邻点可以是距离叶片点云上距离基点最近的点。该k为5至10之间的自然数。例如该k为8。也即在叶片点云11上搜索基点的8个最近邻点。具体地，例如首先在叶片点云11内找到围绕该基点的八个子节点。然后基于八叉树分割的k近邻搜索算法在叶片点云11上搜索基点的8个最近邻点。该基于八叉树分割的k近邻搜索算法为现有的算法，对此本申请不再赘述。

在本实施方式中，步骤s19：分别计算每个最近邻点与基点和终点之间的距离之和。从而能获取k个距离之和。例如当最近邻点为8个时，分别计算该8个最近邻点与基点和终点之间的距离之和，能获取8个距离之和。

在一个实施方式中，步骤s19：分别计算每个最近邻点与基点和终点之间的距离之和，具体包括：

步骤s191：计算每个最近邻点与基点之间的第一欧式距离。

在一个实施方式中，第一欧式距离h1＝sqrt((xi-xt)^²+(yi-yt)^²+(zi-zt)^²)；其中，(xi，yi，zi)(i＝1、2…k)为最近邻点的坐标；(xt，yt，zt)为基点的坐标。例如该基点的坐标为(15，0，35)。该最近邻点的坐标为(12，0，30)。那么该最近邻点与基点之间的第一欧式距离即为sqrt((15-12)^²+(0-0)^²+(35-30)^²)＝sqrt(31)＝5.6。

步骤s193：计算每个最近邻点与终点之间的第二欧式距离；并根据第一欧式距离和第二欧式距离获取距离之和。也即每个最近邻点与基点和终点之间的距离之和即为每个最近邻点与基点之间的第一欧式距离以及与终点之间的第二欧式距离之和。

在一个实施方式中，第二欧式距离h2＝sqrt((xi-x0)^²+(yi-y0)^²+(zi-z0)^²)；其中，(xi，yi，zi)(i＝1、2…k)为最近邻点的坐标；(x0，y0，z0)为终点的坐标。例如该终点的坐标为(22，0，35)。该最近邻点的坐标为(12，0，30)。那么该最近邻点与起点之间的第一欧式距离即为sqrt((22-12)^²+(0-0)^²+(35-30)^²)＝sqrt(125)＝11.1。从而该最近邻点与基点和终点之间的距离之和即为5.6+11.1＝16.7。

在本实施方式中，步骤s21：判断距离之和最小的最近邻点是否曾经是基点。也即从k个距离之和中找到距离之和最小的最近邻点，并判断该距离之和最小的最近邻点是否与曾经的任何一个基点相同。

在一个实施方式中，步骤s21：判断距离之和最小的最近邻点是否曾经是基点，具体包括：

将距离之和最小的最近邻点与路径集合内的每个基点相比较，其中，路径集合内存储有曾经的所有的基点。具体地，该路径集合用于存储曾经的所有的基点。也即将距离之和最小的最近邻点与曾经的所有的基点相比较。

进一步地，路径集合内存储有曾经的所有的基点。具体地，可以首先建立路径集合。然后将所有的基点分别存储于该路径集合内。更具体地，该路径集合内必然存储有起点。除此之外，该路径集合内还存储有其他的所有基点。也即在步骤s23中对所述基点进行存储时，可以是将所述基点存储于路径集合内。如此即可将所有的基点分别存储于该路径集合内。例如当将起点作为基点且执行完步骤15、步骤17以及步骤19之后，选择距离之和最小的最近邻点与路径集合内的起点相比，且当该距离之和最小的最近邻点与起点不同时，将该距离之和最小的最近邻点存储于该路径集合内。

进一步地，当距离之和最小的最近邻点与路径集合内的每个基点均不相同时，距离之和最小的最近邻点并非为曾经的基点。也即该距离之和最小的最近邻点曾经并未作为过基点。例如路径集合内的所有曾经的基点为：(14，0，30)、(15，1，29)和(15，-1，31)。该距离之和最小的最近邻点为(14，1，30)。那么可以看出该最近邻点与路径集合内的每个基点均不相同时，则该最近邻点并非为曾经的基点。

进一步地，当距离之和最小的最近邻点与路径集合内的某个基点相同时，距离之和最小的最近邻点为曾经的基点。也即该距离之和最小的最近邻点曾经作为过基点。例如路径集合内的所有曾经的基点为：(14，0，30)、(15，1，29)和(15，-1，31)。该距离之和最小的最近邻点为(14，0，30)。那么可以看出该最近邻点与路径集合内的(14，0，30)基点相同时，则该最近邻点为曾经的基点。

在本实施方式中，步骤s23：当距离之和最小的最近邻点并非为曾经的基点时，对所述基点进行存储；并将距离之和最小的最近邻点作为当前的基点。进一步地，由上述可知：也即将距离之和最小的最近邻点所对应的基点存储于路径集合内。例如路径集合内的所有曾经的基点为：(14，0，30)、(15，1，29)和(15，-1，31)。该距离之和最小的最近邻点为(14，1，30)。而该距离之和最小的最近邻点所对应的基点为(14，1，31)。则将该距离之和最小的最近邻点所对应的基点为(14，1，31)存储于路径集合内，如此路径集合内的所有曾经的基点即为(14，0，30)、(15，1，29)、(15，-1，31)和(14，1，31)。

在本实施方式中，步骤s25：循环执行步骤s17至步骤s23直至基点为终点。也即重复执行步骤s17、步骤s19、步骤s21以及步骤s23。直至基点为终点。

在本实施方式中，步骤s27：根据存储的所述基点进行拟合计算以获取叶片的叶脉13。从而根据多个基点能获取植株叶片的叶脉13。

在一个实施方式中，步骤s27：对多个基点进行拟合计算以获取叶片的叶脉13，具体包括：

步骤s271：获取植株叶片的第二主成分方向和第三主成分方向，其中，第一主成分方向、第二主成分方向以及第三主成分方向两两垂直。具体地，可以根据对植株叶片点云11的协方差矩阵进行特征分解以后获取三个最大特征值对应的三个特征向量。该三个特征向量的方向依次为第一主成分方向、第二主成分方向以及第三主成分方向，且根据特征分解的原理可知：第一主成分方向、第二主成分方向以及第三主成分方向两两垂直。

步骤s273：将第一主成分方向作为x轴、将第二主成分方向作为y轴以及将第三主成分方向作为z轴，以建立xyz坐标系。从而将叶片点云11的坐标转换至xyz坐标系下。

具体地，步骤273：将第一主成分方向作为x轴、将第二主成分方向作为y轴以及将第三主成分方向作为z轴，以建立xyz坐标系，具体包括：

将植株叶片点云11的质点作为原点，以第一主成分的方向作为x轴；以第二主成分的方向作为y轴；以第三主成分的方向作为z轴；以建立xyz坐标系。该植株叶片点云11的质点为植株叶片点云11的质量中点。

步骤s275：在xyz坐标系内将多个基点投影至x轴和z轴所在的平面上。从而消除y轴方向的偏差。例如如图2所示，从z轴的视角看去未投影前多个基点所形成的线条初始阶段是弯弯曲曲的。如图3所示，投影后当从z轴的视角看去多个基点所形成的线条初始阶段变直了；如此消除了y轴方向的偏差。

进一步地，步骤275、在所述xyz坐标系内将多个所述基点投影至x轴和z轴所在的平面上，具体包括：在xyz坐标系内将每个基点的y坐标设为0，以将每个基点投影至x轴和z轴所在的平面上。例如当基点的坐标为(15，1，29)时，该基点在x轴和z轴所在的平面上的投影为(15，0，29)。当基点的坐标为(15，-1，31)时，该基点在x轴和z轴所在的平面上的投影为(15，0，31)。

在一个实施方式中，步骤s27：对多个基点进行拟合计算以获取叶片的叶脉13，还包括步骤s277：在x轴和z轴所在的平面上对多个基点的投影进行拟合计算以获取叶片的叶脉13。具体地可以利用多项式回归拟合基点在x轴和z轴所在的平面上的投影，以得到光滑的曲线。例如如图4、图5所示，基点在x轴和z轴所在的平面上的投影有效地消除了y轴方向的误差，但是对于x轴方向的误差却没有消除。如图6、图7所示，对多个基点在x轴和z轴所在的平面上的投影进行拟合可以有效地消除在x轴方向的误差，如此得到y轴视角下的叶片的叶脉13为光滑的曲线。

在一个实施方式中，本申请实施方式所述的植株叶片的叶脉获取方法还包括：

步骤s29：当距离之和最小的最近邻点为曾经的基点时，选取其余的k-1个最近邻点中距离之和最小的最近邻点作为基点。也即选取k个距离之和中处于第二小的距离之和所对应的最近邻点。

进一步地，图8示出了根据本申请实施方式所述的植株叶片的叶脉获取方法所获取的叶脉曲线在植株叶片点云11上的示意图。由该图8可知：根据本申请实施方式所述的植株叶片的叶脉获取方法所获取的叶脉曲线与叶片点云11的叶脉13拟合度非常高。

进一步地，图9示根据本申请实施方式所述的植株叶片的叶脉获取方法所获取该叶片点云11上的叶脉曲线的长度与手动测量的叶脉13长度的对比图。图9中横坐标表示根据本申请实施方式所述的植株叶片的叶脉获取方法所获取该叶片点云11上的叶脉曲线的长度。纵坐标表示手动测量的叶脉长度。并通过计算根据本申请实施方式所述的植株叶片的叶脉获取方法所获取该叶片点云11上的叶脉13曲线的长度与手动测量的叶脉13长度的判定系数r²与均方误差rmse。从而通过该判定系数r²与均方误差rmse来判断本申请实施方式所述的植株叶片的叶脉获取方法的效果。其中，均方误差rmse为：

其中，pi是算法提取的叶脉13长度，yi是手动测量的叶脉13长度，n代表叶片数量。

进一步地，该判定系数r²大于0.99，rmse＝2.55mm。如此证明了本申请实施方式所述的植株叶片的叶脉获取方法的精度高。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的和区别类似的对象，两者之间并不存在先后顺序，也不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

以上的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。