刘城铭, 迪力夏提·多力昆, 孟小艳, 冯钰荃, 张天乐
【目的】温室场景空间狭小、作物密集,专业图像采集设备部署受限、成本高昂,且三维高斯泼溅(3D Gaussian Splatting,3DGS)、时空高斯分布(4D Gaussian Splatting,4DGS)及像素感知的高斯分布(Pixel-aware Gaussian Splatting,Pixel-GS)算法存在重建失真、硬件依赖性强、采样适配性差等问题。探索温室场景的数字化重建提供低成本、高性能的技术方案,助力智能温室产业的高质量发展。【方法】采用单目手机作为数据采集终端,拍摄温室场景视频后通过提取帧数的方式构建数据集,无需专业标定与操作,适配温室复杂采集环境;以 Pixel-GS 为基础,引入像素感知梯度机制优化稀疏区域点云生成,设计帧间隔感应权重系数(f′),基于抽帧间隔(frame_interval)动态调节像素感知作用强度,形成改进 Pixel-GS 算法,并分析比较3种基础算法与改进Pixel-GS 算法在不同抽帧间隔、拍摄路径下的性能。【结果】改进 Pixel-GS 算法为最优方案,在 AMD Ryzen-3800X、NVIDIA RTX 3090 环境下,以抽帧间隔10帧为例,SSIM达0.836 5、PSNR达28.207 6、LPIPS达 0.201 4。【结论】改进Pixel-GS算法既解决了 3DGS 的稀疏区域失真问题,又克服了 4DGS 的硬件依赖与原始 Pixel-GS 的采样适配缺陷,可精准还原温室作物叶片纹理、农用设备精细结构等特征,且内侧环绕拍摄路径适配性最佳,实现温室作物与农用设备的低成本精准三维重建,为温室数字化管理提供高效技术支撑。