由于果园地形的复杂性和果树生长的随机性,实现真实环境下果园的三维模型重建成为难点。目前主要采用视觉和激光雷达(Light Detection and Ranging,LiDAR)进行三维重建技术研究。但是视觉传感器多适用于单个物体或者小型模型的构建,对于建筑物集群、森林、果园等大规模的三维模型重建存在易受外部环境影响、构建误差大等缺点
[2-6]。激光雷达利用其自身穿透性强、直线传播距离远和扫描角度大等优点,被广泛应用于文物保护、建筑物外廓提取、森林建模等领域
[7-9]。对于果园这种大规模的三维模型构建,Wang等
[10]采用移动式激光雷达获取果园点云图,结合轻量级激光雷达惯性测量单元(LiDAR-IMU)状态估计器和旋转约束优化算法来重建果园。Hu等
[11]提出了一种基于多站激光点云数据的树干参数估计和树干模型重建方法,通过建立的模型实现树干几何参数的准确提取,可用于森林等大尺度模型的可视化和生物量估算。为了提高三维模型的构建精度,Indirbai等
[12]基于激光雷达扫描获取的点云库,结合分层最小分割算法和超体素聚类算法,实现了树冠和树干的检测以及单株植株的分割,并利用激光点云库重建出高精度的树木模型。翟晓晓等
[13]基于激光雷达点云数据,通过图优化的即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)方法实现了树木的三维重建。Zheng和Fu
[14]利用激光雷达批量优化框架,研究出了实现批量优化的理论导数,并将批量优化框架融合到激光测距与测绘(LiDAR Odometry and Mapping,LOAM)框架中,降低了激光建图过程中的累计误差。Zhang和Singh
[15]针对不同时间接收到的点云存在运动畸变导致点云配准结果出错等问题,提出了一种基于6自由度的2轴单线激光雷达实时构建激光里程计与建图的方法,但是不具备后端优化的功能。