在三维数据领域,越来越多的研究者利用点云技术对牲畜体尺进行测量,利用深度相机采集牲畜的点云数据,通过点云分割,点云配准等技术,建立牲畜的轮廓三维数据,通过在点云数据上找测点,直接计算得到世界坐标系的点云坐标,从而计算体尺数据。Guo等
[4]开发了一种基于三维点云数据的牲畜体长估计交互式软件LSSA_CAU,该软件提供了一套半自动加载、绘制、分割、姿态归一化、测量家畜全身体表点云数据的工具,但前提是假设牛或猪的形态相似且头朝前站立。Huang等
[5]使用ShapeNet数据集的经典三维点云数据集(Point Cloud Data, PCD)训练Kd网络。通过光探测和测距(Light Detection and Ranging, LiDAR)传感器感知PCD的一系列过程,提取牛的轮廓,利用平均曲率和高斯曲率提取特征曲面形状的候选区域,在计算表面形状的特征直方图后,可以识别特征表面的中心,并最终计算出牛的身体尺寸。王可等
[6]基于地面法向量矫正的主成分分析(Principal Component Analysis, PCA)方法,利用平面法矢量校正PCA主轴,建立了一种以旋转归一化为基础的猪体体尺测点提取方法。张婷和李琦
[7]利用Kinect进行三维点云的重建,进而在点云图上进行曲线的拟合等操作来提取测点,实现体尺测量。Li等
[8]利用Kinect相机从猪的正上方捕捉图像,从背表面点云中提取体尺寸参数。Yin等
[9]通过对25头长白猪207组点云数据分析,提出了一种标准的姿态分类算法,将自动分类结果与基于猪标准姿态和非标准姿态的人工分类结果进行比较,对非标准姿态下猪体尺寸测量结果进行修正。Yang等
[10]提出了一种基于智能手机的便携式奶牛身体非接触式三维测量系统。石炜等
[11]利用四轴无人机进行图像采集,借助中值滤波降噪、图像三通道直方图均衡化等图像处理方法,对图像进行预处理,提高重建点云密度及测量精度,根据图像自带定位定姿系统(Position and Orientation System, POS)信息进行空中三角计算,获取平差确定点云的初始坐标数据之后进行三维重建,最后通过点云库(Point Cloud Library, PCL)点云处理中的随机采样一致性算法(RANdom SAmple Consensus, RANSAC)提取每头牛的点云,之后进行交互式测量。采用点云处理方法进行体尺测点自动化提取时,对来自不同视角的点云进行分割并配准出完整的待测对象的三维点云,只保留待测对象的点云数据。这对采集设备、采集环境、三维点云重建等算法与精度具有较高的要求,极易出现目标物体点云数据的缺失与细节不完整等问题。为解决上文提到的二维与三维方法的弊端,本研究采用二维、三维相结合的方法设计一种自动化非接触式肉牛体尺测量系统,主要工作如下。