浙江托普云农科技股份有限公司

本水稻植株三维重建数据在作物表型测量与育种评价中具有重要应用价值。数据通过工业相机多视角采集与旋转平台匀速转动获取覆盖植株全方位的图像序列，并结合相机标定、稀疏重建与稠密重建生成稠密点云与网格模型，能够为水稻植株三维结构的高精度建模提供数据基础。在品种对比试验、不同生育期结构跟踪及栽培管理效果评估等场景中，该数据可支持对株高、冠层体积与形态、叶片空间分布、分蘖结构等关键结构性状进行量化分析与对比验证，减少人工测量误差，提高表型获取效率与一致性；同时可为三维重建算法在农业细长结构目标（叶片、茎秆）上的鲁棒性评测与工程化落地提供可复现的数据支撑，提升作物三维数字化分析与应用能力。一、加工前的数据说明 在固定光照与背景条件下，将水稻植株置于旋转平台中心区域，通过固定安装的工业相机连续采集获得覆盖植株全方位的多视角RGB图像序列。旋转平台由电机以设定角速度匀速旋转（或等角度步进），以保证视角覆盖均匀性与图像序列的稳定性。 二、处理规则 基于工业相机与旋转电机平台采集的水稻植株多视角图像，通过相机标定、稀疏重建与稠密重建生成三维点云及网格模型。具体处理规则如下： （一）相机标定 通过标定板或等效标定方法估计相机内参（fx, fy, cx, cy）与畸变参数（k1,k2,p1,p2...），并对图像进行畸变校正。 （二）稀疏重建（SfM） 对多视角图像进行特征提取与匹配，估计相机外参（位姿），并三角化生成稀疏三维点云；输出包括相机位姿与稀疏点云。 （三）稠密重建（MVS） 在稀疏重建的相机位姿基础上计算深度信息并进行多视图融合，得到稠密点云；进一步可进行表面重建生成网格模型，用于后续表型指标提取与可视化。 （四）模型评估 最后，使用重投影误差评估生成三维模型的质量。 三、数据内容描述 通过上述流程，形成“原始多视角图像—标定参数—稀疏点云—稠密点云—网格模型—质量指标”的全链路数据结构，实现可复现、可追溯、可评测的水稻植株三维重建数据资产化沉淀。