基于改进张量辐射场的农作物三维重建

唐 舒宇, 彭 欢欢, 代祥 光*
重庆三峡学院计算机科学与工程学院

摘要


三维重建技术在互联网时代快速发展，成为连接计算机与真实场景的重要工具。虚拟植物作为农业与计算
机技术的桥梁，通过三维重建与模拟技术，为农业研究与实践开辟了新途径。它能够多角度捕捉植物图像并进行精
准重建与仿真，帮助深入理解植物生长过程，提升作物产量与质量。此外，虚拟植物还能模拟不同农业管理方法和
环境因素的影响，为农业决策提供支持。传统三维重建技术依赖昂贵设备，如激光扫描和双目立体视觉，成本高且
耗时长，限制了普及。而基于神经辐射场（NeRF）的方法仅需单目摄像头，利用普通设备即可实现重建，前景广
阔。但NeRF模型计算复杂且耗时长。为此，本研究采用改进的张量辐射场（TensoRF）模型，结合深度估计神经网
络和球谐函数编码，提升三维结构学习和图像生成质量，增强复杂空间处理和细节捕捉能力。

关键词


神经辐射场；三维重建；新视角合成；神经网络

全文:

PDF


参考


[1]Mildenhall B , Srinivasan P P , Tancik M ,etal.NeRF: Representing Scenes as Neural Radiance Fields for

View Synthesis[J]. 2020.DOI:10.48550/arXiv.2003.08934.

[2]Chen A, Xu Z, Geiger A, et al. Tensorf: Tensorial

radiance fields[C]//European conference on computer vision.

Cham: Springer Nature Switzerland, 2022: 333-350.

[3]Yang L, Kang B, Huang Z, et al. Depth anything:

Unleashing the power of large-scale unlabeled data[C]//

Proceedings of the IEEE/CVF Conference on Computer

Vision and Pattern Recognition. 2024: 10371-10381.

[4]Atkinson K, Han W. Spherical harmonics and

approximations on the unit sphere: an introduction[M].

Springer Science & Business Media, 2012.

[5]Korhonen J, You J. Peak signal-to-noise ratio revisited:

Is simple beautiful?[C]//2012 Fourth international workshop on

quality of multimedia experience. IEEE, 2012: 37-38.

[6]Wang Z, Bovik A C, Sheikh H R, et al. Image quality

assessment: from error visibility to structural similarity[J]. IEEE

transactions on image processing, 2004, 13(4): 600-612.

[7]Zhang R, Isola P, Efros A A, et al. The unreasonable

effectiveness of deep features as a perceptual metric[C]//

Proceedings of the IEEE conference on computer vision and

pattern recognition. 2018: 586-595.


Refbacks

  • 当前没有refback。