神经距离场重建算法

果形参数毫米级还原

在剔除深度传感器的低成本双摄条件下，该算法将重建时间压缩到分钟级，比主流纯视觉方法更快。

Ting, Huang · Yongliang, Bian · Niu, Ziang · Mohamed, Farag Taha · He, Yong · 裘正军

Computers and Electronics in Agriculture 2024

参数信息

平均顶点倒角距离

0.6 mm

壳长预测MAPE

1.455 %

壳宽预测MAPE

0.992 %

壳厚预测MAPE

0.998 %

体积预测MAPE

1.825 %

重建时间

7 min

技术优势

无需深度传感器

仅用两个普通摄像头采集多视角图像即可实现高保真重建，降低了硬件成本和部署门槛。

重建速度快

在保持高重建精度的同时，重建时间仅为7分钟，超过了其他纯视觉方法的速度。

毫米级精度

在180个核桃、3个品种上，平均顶点倒角距离低于0.6 mm，重建表面几乎无偏。

参数提取准确

壳长、壳宽、壳厚和体积的MAPE分别低至1.455%、0.992%、0.998%和1.825%，满足果形分析需求。

应用场景

• 农产品分选与品质分级：该算法可快速提取核桃壳三维几何参数，用于按尺寸和形状进行分选和品质分级。
• 食品外观质量检测：通过高保真彩色网格和几何参数，该算法可自动检测核桃壳外观缺陷，提升外观检测效率。
• 三维视觉测量系统：该算法提供了一种低成本、高精度的三维测量方案，可替代依赖深度传感器的传统方法。
• 机器人抓取与感知：重建的带尺度彩色网格可为机器人抓取提供精确的果实形状和尺寸信息，提高抓取成功率。
• 无人机农业巡检：在无人机巡检中，该算法可利用多视角图像快速重建果实三维模型，辅助产量估计和长势分析。