之間的夾角(用COS表示）可通過 Net的前向計算（公式（5))獲得，夾角范圍 Range ( Θ和通過以下公式計算：
[0134] 步驟3)搜索一個矢量方向v。，使其與If之間的夾角，以及與1 ,之間的夾角同時 分別落在Range ( Θ。f)和/坪(^)內，v。就是莖1。的方向矢量。
[0135] 在側莖建模過程中，用戶在單幅番茄植株圖像上勾勒的冠形輪廓用于莖的修剪。 最后，通過將三維主莖轉化為廣義圓柱，形成與二維輸入相似的三維莖。
[0136] 步驟S5、基于葉子模型，為側莖添加葉子，得到完整植株。
[0137] 具體地，每個葉子（或果實）都用一個帶4通道圖像紋理的四邊形表示。葉子（或 果實）的添加是通過將多邊形葉子模型做成葉序并放到莖上實現的。在葉子（或果實）添 加過程中，葉子的位置、方向以及葉與葉的夾角、葉與莖的夾角，都引入隨機因素。葉與葉， 以及葉與莖的平均夾角基于測量的實際數據或先驗知識來調整。這樣就可以得到帶紋理和 葉子的三維番茄模型。
[0138] 實驗中，本發明實施例使用一個2GHzCPU的計算機進行建模，二維主莖的構建和 三維主莖的建模需要幾秒鐘，側莖的繁殖速度為每秒增加約200個莖。草圖勾勒完成后，番 茄植株建模的時間一般不超過1分鐘。圖5a至圖5i顯示了實驗結果。其中，圖5a為根據 一示例性實施例示出的輸入圖像1的示意圖；圖5b為根據一示例性實施例示出的用戶勾勒 的草圖1 ;圖5c為根據一示例性實施例示出的三維模型1 ;圖5d為根據一示例性實施例示 出的輸入圖像2 ;圖5e為根據一示例性實施例示出的用戶勾勒的草圖2 ;圖5f為根據一示 例性實施例示出的三維模型2 ;圖5g為根據一示例性實施例示出的輸入圖像3 ;圖5h為根 據一示例性實施例示出的勾勒草圖3 ;圖5i為根據一示例性實施例示出的三維模型3。
[0139] 上述實驗結果和基于BP神經網絡的番茄植株建模方法，可以用于虛擬現實領域 的場景仿真，具有實際應用價值。
[0140] 應當注意，流程圖或框圖中的每個方框可以代表一個模塊、程序段、或代碼的一部 分，所述模塊、程序段、或代碼的一部分可以包括一個或多個用于實現各個實施方式中所規 定的邏輯功能的可執行指令。也應當注意，在有些作為備選的實現中，方框中所標注的功能 也可以按照不同于附圖中所標注的順序發生。例如，兩個接連地表示的方框實際上可以基 本并行地執行，或者它們有時也可以按照相反的順序執行，這取決于所涉及的功能。同樣應 當注意的是，流程圖和/或框圖中的每個方框、以及流程圖和/或框圖中的方框的組合，可 以使用執行規定的功能或操作的專用的基于硬件的系統來實現，或者可以使用專用硬件與 計算機指令的組合來實現。
[0141] 以上所述的具體實施例，對本發明的目的、技術方案和有益效果進行了進一步詳 細說明，所應理解的是，以上所述僅為本發明的具體實施例而已，并不用于限制本發明，凡 在本發明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發明的保 護范圍之內。
【主權項】
1. 一種基于BP神經網絡的番茄植株建模方法，其特征在于，該方法包括以下步驟： 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； 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，以構建三維主莖； 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； 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； 步驟S5、基于葉子模型，為所述側莖添加葉子，得到完整植株。2. 根據權利要求1所述的方法，其特征在于，所述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，具體包括： 基于分級次序遍歷整個二維主莖的所有莖； 對于所有莖點投影都落在所述用戶勾勒的所述番茄植株冠形輪廓內的莖，按原莖大小 進行復制且相對位置不變； 對于部分莖點投影落在所述用戶勾勒的所述番茄植株冠形輪廓內的莖，如果所述冠形 輪廓內的莖點數大于或等于預定閾值，只復制所述冠形輪廓內的莖點且位置不變，如果所 述冠形輪廓內的莖點數小于預定閾值，則不復制該莖。3. 根據權利要求2所述的方法，其特征在于，所述對所述用戶在所述單幅番茄植株圖 像上勾勒的主莖進行矯正，具體包括： 根據番茄物種的特征結構特點，對所述二維主莖的所有莖的長度進行修剪或延長，并 對所述二維主莖的所有莖的位置進行移動。4. 根據權利要求3所述的方法，其特征在于，對所述用戶在所述單幅番茄植株圖像上 勾勒的主莖進行旋轉，具體包括： 如果所述莖為原始莖，若所述原始莖為從根結點勾勒出的莖，則不進行旋轉；否則，將 所述原始莖繞縱軸旋轉角度c。； 如果所述莖為復制莖，將所述莖繞縱軸旋轉角度c。，然后再繞橫軸旋轉角度d。； 其中，(3。=〇*2*3i/H=3Τ*(-1) °/M，N是二維主莖中二維莖的總數，〇是莖的序 號，Μ是一個常數。5. 根據權利要求4所述的方法，其特征在于，所述步驟S2還包括：調節所述三維主莖 的分支角度。6. 根據權利要求5所述的方法，其特征在于，所述調節所述三維主莖的分支角度，具體 包括： 對于任意的所述三維主莖1。（σ= 〇, 1，2…Ν)，其父莖為lf，復制莖為lk;其中f= 0， l，2~N，k= 0，l，2......N，N為莖總數，取值范圍為0~3Q，Q是用戶在單幅番茄植株圖像 上勾勒的主莖的數目，進行以下步驟： 粗調過程包括：如果lf近似水平并且1。和lf之間的夾角θμ為鈍角，則將1。繞縱軸 旋轉C度；如果1。和1k之間的夾角小于一定閾值，則將1。繞縱軸逆向旋轉Β角度；然 后進行以下步驟： 細調過程包括：如果lf與水平面近似垂直并且粗調后的1。和lf之間的夾角θμ小于 一定閾值，則在粗調后的1。和1f組成的平面上旋轉1。使其遠離1f角度D;否則： 如果粗調后的1。和1f之間的夾角θΜ大于一定閾值，則在粗調后的1。和1 f組成的 平面上旋轉1。使其靠近1f角度E。7. 根據權利要求1所述的方法，其特征在于，所述構建所述BP神經網絡，具體包括： 對于由其父莖lf上的結點Px(x= 〇, 1，2-Tf)生出的任意莖1。，其中，Tf為父莖1 f總 的結點數，取整數，進行如下配置： 配置所述BP神經網絡的輸入為父莖lf的參數，其包括歸一化的1f方向、結點P，在1f上的相對位置，以及結點Px處的1。的兄弟莖數目； 配置所述BP神經網絡的輸出為莖1。的方向參數，其包括1。和lf之間的夾角θμ余 弦，以及1。和兄弟莖1k之間的夾角終^余弦。8. 根據權利要求1所述的方法，其特征在于，所述步驟S4具體包括： 基于自相似原理，復制所述三維主莖，以產生側莖； 利用BP神經網絡預測所述側莖和所述三維主莖以及所述側莖和其兄弟莖之間的夾角 參數； 基于所述用戶在單幅番茄植株圖像上勾勒的冠形輪廓，約束側莖形成的冠形輪廓。
【專利摘要】本發明實施例公開了一種基于BP神經網絡的番茄植株建模方法，該方法包括以下步驟：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；步驟S2、基于用戶在單幅番茄植株圖像上勾勒的冠形輪廓，通過對用戶在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；步驟S3、根據三維主莖的參數，構建并訓練一BP神經網絡；步驟S4、基于用戶在單幅番茄植株圖像上勾勒的冠形輪廓，通過BP神經網絡預測側莖參數，并通過自相似原理產生側莖；步驟S5、基于葉子模型，為側莖添加葉子，得到完整植株。本發明實施例為番茄植株建模提供了一種快速解決方案，構建的植株模型具有真實感，可應用于虛擬現實中的場景模擬。
【IPC分類】G06T17/00, G06N3/02
【公開號】CN105303606
【申請號】CN201510711702
【發明人】劉佳, 李紅軍, 孟維亮, 張曉鵬
【申請人】中國科學院自動化研究所
【公開日】2016年2月3日
【申請日】2015年10月28日