CN108230290A - 基于立体视觉的生猪体尺检测方法 - Google Patents
基于立体视觉的生猪体尺检测方法 Download PDFInfo
- Publication number
- CN108230290A CN108230290A CN201611213819.1A CN201611213819A CN108230290A CN 108230290 A CN108230290 A CN 108230290A CN 201611213819 A CN201611213819 A CN 201611213819A CN 108230290 A CN108230290 A CN 108230290A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- live pig
- body ruler
- pig
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于立体视觉的生猪体尺检测方法,其特征在于,包括:S1标定摄像头参数,S2计算视差图像,S3求解空间坐标获得猪的体尺。本发明方案使用双目立体相机,能够快速直接地测量生猪深度信息用于计算生猪体尺参数,既不需要其他额外机械机构辅助,也不需要目标物体保持静止;此外,使用立体匹配得到视差图像,无需依赖额外光源,自然光照即可满足检测需要。
Description
技术领域
本发明属于视觉检测领域,涉及一种基于立体视觉的生猪体尺检测方法。
背景技术
猪体尺、体重等指标在种猪选育方面具有重要意义。猪的体长、胸围等体尺信息是评价品种繁殖性能的重要指标,利用体尺、体重计算的生长速度等指标与种猪生长育肥和禍体性能相关。种猪的选择标准之一即是外形鉴定,猪背、前后腿及臀部的形状与种猪性能相关,体长、体宽等体型性状与使用年限存在相关,针对这些体尺的外貌评价是种猪综合性能的重要考察指标。
猪体尺和体重的测量,分接触式和无接触式两种方式。传统的体尺测量为接触式,如体宽、体高采用卷尺或测杖测量,体长、胸围、腹围、臀围等使用软尺沿背中线紧贴体表测量,臀长、臀宽、腿围、胸深等用规尺量取。人工测量费时费力,且部分参数无法直接测量获取,如猪背部、前后腿部及臀部等的比例、形状均是猪只性能的考察指标。但是不易客观获得,现有条件下只有通过人为判断进行外貌评分,具有一定的主观不定性;此外,接触式测量方法对猪造成应激,实施过程复杂,操作繁琐。
非接触式测量方法以单目摄像头的视觉测量方法为主,即采集猪的背面图像,采用灰度图像提取轮廓用于计算猪的体尺,然而单目视觉方法对光照、猪只和背景颜色较敏感,体尺提取算法不稳定。
发明内容
本发明目的在于克服现有技术的不足,尤其解决现有的生猪体尺自动测量方法中,接触式测量方法对猪造成应激,操作繁琐,非接触式测量方法对光照、 背景敏感的问题。提供一种基于立体视觉的生猪体尺检测方法,在猪体背部上方架设两台相机,同时获取猪体背部图像,匹配左右图像获得视差图像,之后计算背部体尺的测点空间三维坐标,利用图像处理算法自动提取猪体尺检测点,从而实现对猪体尺的无接触检测。
为解决上述技术问题,本发明采用如下的技术方案:一种基于立体视觉的生猪体尺检测方法,所述方法包括:S1,标定摄像头参数;S2,计算视差图像;S3,求解空间坐标获得猪的体尺。
其中,所述步骤S2包括:S21计算图像的梯度;S22计算图像的Harris角点;S23构建多尺度图像空间;S24寻找尺度空间的特征点;S25计算该特征点梯度的模值和方向;S26对双目相机深度图像的特征点进行匹配。
所述步骤S3包括:S31图像二值化;S32边缘检测;S33猪形体参数计算。
本发明与现有技术相比具有以下的有益效果:
本发明方案使用双目立体相机,能够快速直接地测量生猪深度信息用于计算生猪体尺参数,既不需要其他额外机械机构辅助,也不需要目标物体保持静止;此外,使用立体匹配得到视差图像,无需依赖额外光源,自然光照即可满足检测需要。
附图说明
图1是本发明实施例的基于立体视觉的生猪体尺检测方法的流程图。
图2是本发明实施例的基于立体视觉的生猪体尺检测方法原理图。
图3是本发明实施例的生猪体尺深度图像二值化效果图。
图4是本发明实施例的生猪体尺测量角点示意图。
具体实施方式
下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理 解的是,此处所描述的具体实施例仅用于解释本发明,而非对本发明的限定。
参照图1,本发明的一种基于立体视觉的生猪体尺检测方法,所述方法包括:
S1,标定摄像头参数。如图2所示,在猪体背部上方架设两台相机,同时获取猪体背部图像,为了得到猪体的准确参数,需要进行摄像头参数标定。
本实施例采用了张正友棋盘标定法,在标定时,摄像机模型采用针孔模型,其定义如下:
sm=A[R t]M (1)
公式1可以细分为公式2所示
式中,(XW,YW,ZW)为世界坐标系下某点坐标;(u,v)为(XW,YW,ZW)点投影在图像平面的坐标;s为物体在摄像机坐标系中的坐标;A为摄像机内参数矩阵;[R t]为外参数矩阵,R为旋转矩阵,t为平移矩阵;M为世界坐标系下某点齐次坐标;fx,fy分别为摄像头在x,y轴上的焦距;cx,cy分别为摄像机焦点与成像平面中心点偏移值。
内参数矩阵是描述摄像机坐标系与图像坐标系之间的关系,利用内参数可以计算出图像坐标系的某点对应于摄像机坐标系的点,其计算如下:
式中,(xc,yc)为RGB图像中某点在摄像机坐标系的坐标,zc为对应于该点深度图像中的深度值。
利用式(3)和(4)可以实现求取图像平面任意一点摄像机坐标系下3维坐标。为了实现计算生猪在世界坐标中的尺寸,往往需要将摄像机坐标系下的3维坐标转换到世界坐标系,因此需要计算出摄像机坐标系与世界坐标系(式(2)中的世界坐标系)的关系,即外参数矩阵。
摄像机坐标系的点转换到世界坐标系时表示为
在标定时,采用圆点矩阵标定板,提取圆点圆心作为标定点。改变标定板的空间位置和相对于相机的角度,图像间的三维角度大于3°,采集若干张标定图像,两个相机的第一张图像需要检测到标定板的所有圆点,剩下的图像只80%的圆点在公共视野内即可,根据公式从而计算出内外参数。
在实际标定过程中,为了得到高质量的结果,至少需要选取10幅7×8或者更大的图像。
S2,计算视差图像。其具体过程描述如下:
S21:利用水平、垂直差分算子对图像每个像素点(x,y)进行滤波以求取水平梯度Ix和垂直梯度Iy,如公式6所示。
S22:每个像素点(x,y)的Harris角点值c(x,y)如公式7所示。
当c(x,y)的值大于给定的阈值时,则认为该像素点是一个Harris角点。
S23:构建多尺度图像空间,对于一副图像,通过下采样得到不同尺寸的子图像,将子图像与高斯卷积核相乘进行卷积计算,从而得到多尺度图像空间。
S24:寻找尺度空间的特征点,每一个Harris角点要和它所有的相邻点比较,看其是否比它的图像域和尺度域的相邻点大或者小。Harris角点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点比较,以确保在尺度空间和图像空间都检测到特征点。一个Harris角点如果在多尺度图像空间本层以及上下两层的26个领域中是最大或最小值时,就认为该点是图像在该尺度下的一个特征点。
S25:利用特征点邻域像素的梯度方向分布特性为每个关键点指定方向参数,计算该特征点梯度的模值和方向。在特征点邻域4×4的小块上计算8个方向的梯度方向直方图,绘制每个梯度方向的累加值,形成一个4×4×8=128维的直方图,即SIFT特征描述。
S26:对双目相机深度图像的特征点进行匹配。具体描述如下:
给定两幅图像P和Q,HP(k)和HQ(k),k=0,1,2,...,L-1分别表示图像P和Q的局部特征,L表示直方图的维度。则直方图匹配DI(P,Q)由公式8表示。
当匹配距离DI(P,Q)小于设定阈值时,认为两个特征点是匹配的,否则为不匹配。
S3,求解空间坐标获得猪的体尺。具体过程如下描述:
S31,图像二值化。如图3所示,为了将图像中待检测目标与背景进行区分,需要将图像进行二值化处理。使用阈值法进行二值化,其基本原理是通过设定二值化处理灰度阈值T,将图像灰度值大于阈值T的像素f(x,y)用255代替,否则的话用0代替,即:
g(x,y)为二值化之后的图像,通过上述公式,二值化处理之后,原图像灰度值变成只有0与255的二值图像。将图像中灰度值为0的部分表示为背景,值为255的部分表示为待检测猪前景图像。
S32:边缘检测。对其二值图像进行边缘检测,以提取待检测猪图像的边缘轮廓。
Roberts算子是一种利用局部差分算子寻找边缘的算子,由下式(10)给出:
f(x,y)为各像素灰度值。g(x,y)为边缘点灰度值。
S33:猪形体参数计算。
(1)计算轮廓的包络(包络为轮廓所有点的最小外接凸多边形),计算包络线和轮廓线的重合点,猪体轮廓和包络在部分轮廓突出的地方存在较多的重合点。如尾尖、嘴尖、耳尖和臀圆处。两个重合点间的包络和轮廓线段组合成一个凹陷,多数凹陷的包络线段较短,选出包络线段最长的10个凹陷;
(2)计算一个凹陷中轮廓线段上每个点到包络线段的距离,计算出每段凹陷结构中距离包络线段最远的点,这些点被称为拐点或角点,筛选过后的包络线段对应的角点;
(3)如图4所示,得到角点1-12之后,点5和点口分别为猪耳根和尾根截取点的中点,从点5开始沿着点5到点12的方向,宽度为猪体粒子外界矩形 的宽度,向内寻找轮廓最大宽度为肩宽;从点12沿点口到点5的方向,宽度为猪体粒子外接矩形,向内寻找轮廓最大宽度为臀宽;两个体宽测量点的中点为体高,两个臀宽测量点的中点为臀高。
Claims (1)
1.一种基于立体视觉的生猪体尺检测方法,其特征在于,包括:S1标定摄像头参数,S2计算视差图像,S3求解空间坐标获得猪的体尺;
其中,所述步骤S2包括:S21计算图像的梯度,S22计算图像的Harris角点,S23构建多尺度图像空间,S24寻找尺度空间的特征点,S25计算该特征点梯度的模值和方向,S26对双目相机深度图像的特征点进行匹配;
所述步骤S3包括:S31图像二值化,S32边缘检测,S33猪形体参数计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611213819.1A CN108230290A (zh) | 2016-12-15 | 2016-12-15 | 基于立体视觉的生猪体尺检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611213819.1A CN108230290A (zh) | 2016-12-15 | 2016-12-15 | 基于立体视觉的生猪体尺检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108230290A true CN108230290A (zh) | 2018-06-29 |
Family
ID=62657228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611213819.1A Pending CN108230290A (zh) | 2016-12-15 | 2016-12-15 | 基于立体视觉的生猪体尺检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108230290A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109463306A (zh) * | 2018-11-13 | 2019-03-15 | 南京市畜牧家禽科学研究所(南京市家畜品种改良站) | 移动式智慧物联电动测量车 |
CN110260801A (zh) * | 2019-05-13 | 2019-09-20 | 平安科技(深圳)有限公司 | 用于测量物料体积的方法和装置 |
CN111166338A (zh) * | 2019-12-24 | 2020-05-19 | 天津农学院 | 一种基于tof深度数据的妊娠母猪体尺计算方法 |
CN113670421A (zh) * | 2021-08-25 | 2021-11-19 | 聊城大学 | 一种马属动物体尺及体重快速测量仪 |
CN114159049A (zh) * | 2021-12-01 | 2022-03-11 | 中国科学院空天信息创新研究院 | 一种基于立体红外相机的动物体尺测量系统及方法 |
CN115886792A (zh) * | 2022-11-23 | 2023-04-04 | 内蒙古好快科技有限公司 | 一种牲畜智能体尺测定方法、系统及装置 |
-
2016
- 2016-12-15 CN CN201611213819.1A patent/CN108230290A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109463306A (zh) * | 2018-11-13 | 2019-03-15 | 南京市畜牧家禽科学研究所(南京市家畜品种改良站) | 移动式智慧物联电动测量车 |
CN109463306B (zh) * | 2018-11-13 | 2021-09-28 | 南京市畜牧家禽科学研究所(南京市家畜品种改良站) | 移动式智慧物联电动测量车 |
CN110260801A (zh) * | 2019-05-13 | 2019-09-20 | 平安科技(深圳)有限公司 | 用于测量物料体积的方法和装置 |
CN111166338A (zh) * | 2019-12-24 | 2020-05-19 | 天津农学院 | 一种基于tof深度数据的妊娠母猪体尺计算方法 |
CN111166338B (zh) * | 2019-12-24 | 2022-04-08 | 天津农学院 | 一种基于tof深度数据的妊娠母猪体尺计算方法 |
CN113670421A (zh) * | 2021-08-25 | 2021-11-19 | 聊城大学 | 一种马属动物体尺及体重快速测量仪 |
CN114159049A (zh) * | 2021-12-01 | 2022-03-11 | 中国科学院空天信息创新研究院 | 一种基于立体红外相机的动物体尺测量系统及方法 |
CN114159049B (zh) * | 2021-12-01 | 2022-08-30 | 中国科学院空天信息创新研究院 | 一种基于立体红外相机的动物体尺测量系统及方法 |
CN115886792A (zh) * | 2022-11-23 | 2023-04-04 | 内蒙古好快科技有限公司 | 一种牲畜智能体尺测定方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230290A (zh) | 基于立体视觉的生猪体尺检测方法 | |
CN106340044B (zh) | 摄像机外参自动标定方法及标定装置 | |
CN107945268B (zh) | 一种基于二元面结构光的高精度三维重建方法及系统 | |
CN105528785B (zh) | 一种双目视觉图像立体匹配方法 | |
WO2019062092A1 (zh) | 基于超像素-多色彩空间的人体轮廓提取方法 | |
CN109903327A (zh) | 一种稀疏点云的目标物尺寸测量方法 | |
CN107687819B (zh) | 一种快速高精度的光条中心亚像素提取方法 | |
CN109636732A (zh) | 一种深度图像的空洞修复方法以及图像处理装置 | |
CN103993548A (zh) | 基于多台相机立体拍摄的路面损坏裂缝检测系统及方法 | |
CN102178530A (zh) | 基于三维点云数据的人体尺寸自动测量方法 | |
CN106780504B (zh) | 一种基于距离保持水平集的牛肉图像中背长肌自动分割方法 | |
CN106643555B (zh) | 基于结构光三维测量系统的连接件识别方法 | |
CN106981081A (zh) | 一种基于深度信息提取的墙面平整度检测方法 | |
CN102860814B (zh) | 一种oct合成眼底图视盘中心定位方法及设备 | |
CN104363815A (zh) | 图像处理装置、图像处理方法以及图像处理程序 | |
CN105678792A (zh) | 一种人体轮廓提取方法及系统 | |
CN108171753A (zh) | 基于形心特征点与邻域灰度互相关性的立体视觉定位方法 | |
CN103218809A (zh) | 一种珍珠长度参数的图像测量方法 | |
CN110097540A (zh) | 多边形工件的视觉检测方法及装置 | |
CN101846513A (zh) | 标志图像识别及中心坐标提取方法 | |
CN115330684A (zh) | 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法 | |
CN108648228A (zh) | 一种双目红外人体尺寸测量方法及系统 | |
CN108335332A (zh) | 一种基于双目视觉的轴类零件中轴线测量方法 | |
CN106530315A (zh) | 中小型物体全角度下目标提取系统及方法 | |
CN109165605A (zh) | 数据中心巡检机器人对于控制柜压板设备状态识别的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180629 |