農業用途に向けた点群ベースの葉面再構成手法のレビューと評価

Abstract

3D点群から葉の表面を正確に復元することは、表現型解析などの農業用途に不可欠です。しかし、現実の植物データ（すなわち不規則な3D点群）は、植物の部位を正確に復元するうえでしばしば複雑です。パラメトリック、三角形分割ベース、暗黙（implicit）、学習ベースといった幅広い表面復元手法が提案されてきましたが、葉の表面復元におけるそれらの相対的な性能は、いまだ十分に理解されていません。本研究では、葉の表面に対する代表的な9つの表面復元手法について比較研究を行います。これらの手法を、一般に公開されている3つのデータセット（LAST-STRAW、Pheno4D、Crops3D）で評価します。これらは、多様な種、センサー、センシング環境をカバーし、クリーンで高解像度な屋内スキャンから、ノイズの多い低解像度の圃場環境までを含みます。解析により、さまざまな手法における、表面積推定の精度、滑らかさ、ノイズおよび欠損データへの頑健性、計算コストの間のトレードオフが明らかになります。これらの要因は、農業用途で用いられるロボットハードウェアのコストや制約に影響します。結果として、各手法は、用途や利用可能なリソースの制約に応じて異なる利点を示すことが分かりました。本研究の知見は、リソースが限られたロボットプラットフォームに対して、表面復元技術を選択するための実用的な指針を提供します。