CN112907546B - 肉牛体尺非接触测量装置及方法 - Google Patents
肉牛体尺非接触测量装置及方法 Download PDFInfo
- Publication number
- CN112907546B CN112907546B CN202110214274.0A CN202110214274A CN112907546B CN 112907546 B CN112907546 B CN 112907546B CN 202110214274 A CN202110214274 A CN 202110214274A CN 112907546 B CN112907546 B CN 112907546B
- Authority
- CN
- China
- Prior art keywords
- beef
- point cloud
- beef cattle
- points
- contact measurement
- 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.)
- Active
Links
- 235000015278 beef Nutrition 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims description 29
- 241000283690 Bos taurus Species 0.000 claims abstract description 81
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 238000000691 measurement method Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- UDHXJZHVNHGCEC-UHFFFAOYSA-N Chlorophacinone Chemical compound C1=CC(Cl)=CC=C1C(C=1C=CC=CC=1)C(=O)C1C(=O)C2=CC=CC=C2C1=O UDHXJZHVNHGCEC-UHFFFAOYSA-N 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 210000001015 abdomen Anatomy 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 210000001217 buttock Anatomy 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 210000002414 leg Anatomy 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 abstract description 3
- 241001465754 Metazoa Species 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 239000011521 glass Substances 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 244000144972 livestock Species 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000009395 breeding Methods 0.000 description 3
- 230000001488 breeding effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000005303 weighing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000003307 slaughter Methods 0.000 description 2
- 230000004584 weight gain Effects 0.000 description 2
- 235000019786 weight gain Nutrition 0.000 description 2
- 241000282887 Suidae Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003975 animal breeding Methods 0.000 description 1
- 238000010171 animal model Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 235000021050 feed intake Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000004280 healthy diet Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000009420 retrofitting Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
- G06K7/10297—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves arrangements for handling protocols designed for non-contact record carriers such as RFIDs NFCs, e.g. ISO/IEC 14443 and 18092
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Abstract
本发明提供一种肉牛体尺非接触测量装置及方法,上述的肉牛体尺非接触测量装置,包括:工控一体机、RFID识别器、门架以及至少两个深度相机;在所述深度相机为两个的情况下,一个所述深度相机设于所述门架的顶部,另外一个所述深度相机设于所述门架的侧部;所述工控一体机、所述RFID识别器和所述深度相机均设于所述门架,所述RFID识别器用于识别肉牛身上的电子耳标,所述RFID识别器和所述深度相机均与所述工控一体机通信连接。本发明的肉牛体尺非接触测量装置,能够实现肉牛无障碍通过且肉牛通过时不产生应激,维持姿态稳定,从而得到稳定的肉牛体尺数据。
Description
技术领域
本发明涉及牛体测量技术领域,尤其涉及一种肉牛体尺非接触测量装置及方法。
背景技术
因人民生活水平的提高,对健康饮食的需求越来越迫切,居民膳食结构不断改善,对牛肉的需求量逐年连续增长且增速越来越快。优化肉牛种质资源水平,提高肉牛饲养模式的精细程度,增加过程控制,实时关注每个阶段的动态养殖成本和肉牛增重与成长状态,提高养殖过程中的信息化与数字化水平,及时发现异常并给予适当干预,可以显著提升牛肉产量与品质,并降低养殖成本。
无论肉牛育种与培育选择,还是育肥过程中的精细化饲养管理,最根本的环节是对肉牛关键性状进行标准化评价,并将评价结果作为选种、育种、差异化精细饲养方案的决策依据。肉牛的关键表型性状包括体重数据、体尺参数、体况评分等内容。这些表型数据可用于估计肉牛的生长状态,生长均匀性,饲料转化效率、疾病发生情况、屠宰后牛肉品质与产量等核心动物福利及经济指标,并据此调整补饲量、用药量、日粮供给量等。
目前针对肉牛体重数据、体尺参数、体况评分多是通过传统手工量测结合目视的方法实现,但这种方法存在三大弊端,一是称重过程复杂,需要至少2名工人对牛只进行驱赶,将其固定在限位笼内,通过5-7分钟的时间完成体重、体尺、体况评分等参数的获取,耗费时间长,工作量大;二是测量数据不准确,由于牛的运动与工人的操作差异,对体重体尺的测量经常存在较大误差,且肉牛体况评分没有统一的标准,不同牧场之间差异较大,使数据丧失统计意义;三是牛生性胆小,应激现象严重,由于驱赶、限位等人工干预行为,易导致牛只生长异常。肉牛称重日及后一日,肉牛日采食量与增重量较前日降低20%左右。以上原因严重制约了养殖场对肉牛体重体况等参数采集的意愿和频率,在极端情况下,养殖场仅在架子牛育肥开始、出栏屠宰两个时间节点采集肉牛的体重体况参数。在这种情况下,没有基本的数据支撑,肉牛精细养殖与成本管理无法实现。
发明内容
本发明提供一种肉牛体尺非接触测量装置及方法,用以解决现有技术中体尺参数测量费时费力且测量数据不准确的问题。
本发明提供一种肉牛体尺非接触测量装置,包括:工控一体机、RFID识别器、门架以及至少两个深度相机;
在所述深度相机为两个的情况下,一个所述深度相机设于所述门架的顶部,另外一个所述深度相机设于所述门架的侧部;
所述工控一体机、所述RFID识别器和所述深度相机均设于所述门架,所述RFID识别器用于识别肉牛身上的电子耳标,所述RFID识别器和所述深度相机均与所述工控一体机通信连接。
根据本发明提供的一种肉牛体尺非接触测量装置,在所述深度相机为三个的情况下,三个所述深度相机中的一个设于所述门架的顶部,三个所述深度相机中的另外两个分别设于所述门架的两侧。
根据本发明提供的一种肉牛体尺非接触测量装置,所述门架为可移动式门架。
本发明还提供一种肉牛体尺非接触测量方法,包括:
多角度同步采集肉牛的点云数据并进行采样一致性平面消除滤波;
基于NDT算法的多角度肉牛点云配准;
基于点云分布特征的特征分割;
分离肉牛的头部区域、胸部区域、腹部区域、臀部区域以及腿部区域的点云;
提取关键点,并进行点云真实距离的解算与标定,从而得到各个体尺的计算结果。
根据本发明提供的一种肉牛体尺非接触测量方法,所述采样一致性平面消除滤波具体包括:
同时进行离散点滤除和高斯滤波后再进行体素中心滤波。
根据本发明提供的一种肉牛体尺非接触测量方法,所述基于NDT算法的多角度肉牛点云配准具体包括:依次进行粗配准和精配准。
根据本发明提供的一种肉牛体尺非接触测量方法,所述粗配准具体包括:
在深度相机为五个的情况下,以一个深度相机的部署位置作为坐标原点,将另外四个深度相机部署位置的旋转角度与平移距离均通过Matrix4f矩阵进行描述;
通过四个Matrix4f矩阵,将所有深度相机采集的点云数据进行位移与旋转操作。
根据本发明提供的一种肉牛体尺非接触测量方法,所述精配准具体包括:
将点云网格化,获取每个网格内点的概率密度,进而得到各映射点的概率分布函数;
在概率分布函数为零的情况下,得到的旋转矩阵即为配准结果。
根据本发明提供的一种肉牛体尺非接触测量方法,所述基于点云分布特征的特征分割具体包括:
通过Ransac拟合方法实现平面滤除;
基于欧式距离的点云聚类分割提取和KD-Tree进行欧式距离邻域查找,以将属于肉牛的点进行聚类提取;
在分割出的点云簇中,根据设定的点数阈值的数值范围,提取属于肉牛的点云集合,从而实现点云分割。
根据本发明提供的一种肉牛体尺非接触测量方法,在所述通过Ransac拟合方法实现平面滤除之前还包括平面查找,所述平面查找具体为:
随机选取至少三个点云内的点,构建拟合平面;
设定距离阈值,检测其他点是否满足平面模型,若满足,则记为局内点,若不满足则记为局外点;
记录模型局内点的数量,计算内点概率;
重复迭代,至满足预设条件时,迭代结束,此时的平面模型为地面模型;
所述预设条件为:(1-βm)n<1-δ;
其中,β表示当前平面模型的内点概率,m为最小采样个数,n为当前迭代次数,δ为固定参数。
本发明提供的肉牛体尺非接触测量装置及方法,当肉牛通过门架时,位于门架上的RFID识别器识别肉牛身上的电子耳标,从而获取牛只编号。RFID识别器将牛只编号发送至工控一体机,工控一体机将牛只编号与计算得到的肉牛的体尺数据对应,得到完整的每个肉牛的体尺采集数据信息;与此同时,深度相机将采集的数据发送至工控一体机,也就是说,工控一体机处理深度相机采集的点云数据,得到关于肉牛体尺的数据。本发明的肉牛体尺非接触测量装置,能够实现肉牛无障碍通过且肉牛通过时不产生应激,维持姿态稳定,从而得到稳定的肉牛体尺数据。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的肉牛体尺非接触测量装置的结构示意图;
图2是本发明提供的肉牛体尺非接触测量方法的流程图;
图3是本发明提供的肉牛点云数据采集工作流程图;
图4是本发明提供的欧式距离聚类提取流程图;
图5是本发明提供的肉牛点云合成效果图之一;
图6是本发明提供的肉牛点云合成效果图之二;
图7是本发明提供的肉牛点云合成效果图之三;
附图标记:
1:移动轮; 2:第一配重箱体; 3:第二深度相机;
4:第一立柱; 5:第一深度相机; 6:横梁;
7:第五深度相机; 8:RFID识别器; 9:接线检修口;
10:第二立柱; 11:第三深度相机; 12:工控一体机;
13:第四深度相机; 14:第二配重箱体。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
国外公司针对猪、牛等大型动物研发了自动化一体式动物饲喂站,将动物个体识别、采食、饮水、称重等功能集成于一身,在动物采食过程中,自动完成称重,但无法自动获取其体尺参数与体况评分结果。但这些设备往往具有局限性,需要针对特定体尺的动物,且设备部署复杂,需要对畜舍进行重建与改装,长期暴露在畜牧环境中容易发生故障。
目前动物非接触式体尺体重体况测量的相关研究已经得到了广泛积累,大多数研究停留在实验室内,针对模型或标准化的少量实验动物进行,其限制原因主要为以下三点:
光线波动环境遮挡对测量结果的影响。
基于2D多角度图像实现的动物体尺测量,不可避免地严重受到光线变化影响,在光线波动下,目标提取、距离标定、体尺计算均有较大实验误差,加上动物养殖舍内限位栏、食槽等对动物身体造成的遮挡影响动物体尺结果,导致关键位点定位困难,若不加人工筛选,通过计算机视觉算法自动计算的平均误差通常超过20%。
动物姿态对体尺测量结果的影响。
基于深度相机或激光传感器测量动物体尺时,可以克服光线的影响,但现有研究中,测量仍要求动物保持标准体位,扭头、低头、抬头、曲卷身体、弓背等各种姿态引起的计算误差无法避免,标准体位状态下,体尺误差最低达到1%-2%;非标准体位下,平均误差为4%-5%,最大误差超过10%。
采集速度导致的测量误差。
基于激光传感器采集肉牛点云,并用于体尺检测,误差可以缩小到0.17%,但由于设备控制方法、测量原理,导致采集时间需要3至5s甚至更长,肉牛难以保证在此期间内完全静止,采集速度慢会导致坐标相差,严重影响测量结果。
为了解决上述问题,下面结合图1描述本发明的肉牛体尺非接触测量装置。
如图1所示,本发明实施例的肉牛体尺非接触测量装置,包括:工控一体机12、RFID识别器8、门架以及至少两个深度相机。
门架包括第一立柱4、第二立柱10以及横梁6,横梁6的一端与第一立柱4的顶部相连,横梁6的另一端与第二立柱10的顶部相连。
其中,深度相机可以为两个或者两个以上,具体数量可以根据实际测量需求进行选取,在此不作具体限定。深度相机具备120°立体视野、0至3米距离的范围。同时深度相机内集成有RGB相机。深度相机具备同步输入输出接口可实现多个深度相机同步采集。
工控一体机12、RFID识别器8和深度相机均设于门架。
在深度相机为两个的情况下,一个深度相机设于横梁6上,另外一个深度相机设于第一立柱4或者第二立柱10上。
在深度相机为三个的情况下,三个深度相机中的一个设于横梁6,另外两个深度相机分别设于第一立柱4和第二立柱10。
在深度相机为五个的情况下,五个深度相机分别为第一深度相机5、第二深度相机3、第三深度相机11、第四深度相机13以及第五深度相机7。第五深度相机7用于采集顶部数据,位于横梁6的中间位置处。第一深度相机5和第二深度相机3采集一侧的深度信息,位于第一立柱4上。第三深度相机11和第四深度相机13采集另一侧的深度点云数据,位于第二立柱10上。
RFID识别器8用于识别肉牛身上的电子耳标,电子耳标可以采用无源电子耳标,也就是说,每一只肉牛身上设有一个电子耳标,通过电子耳标存储该肉牛的编号。其中,RFID可以采用超高频识别器。
RFID识别器8和深度相机均与工控一体机12通信连接。
深度相机主要采集深度点云信息,每个深度相机可以通过USB线与工控一体机12相连接。同时,每个工控一体机12与工控一体机电源总线连接。
在本发明实施例中,当肉牛通过门架时,位于门架上的RFID识别器8识别肉牛身上的电子耳标,从而获取牛只编号。RFID识别器8将牛只编号发送至工控一体机12,工控一体机12将牛只编号与计算得到的肉牛的体尺数据对应,得到完整的每个肉牛的体尺采集数据信息;与此同时,深度相机将采集的数据发送至工控一体机12,也就是说,工控一体机12处理深度相机采集的点云数据,得到关于肉牛体尺的数据。本发明实施例的肉牛体尺非接触测量装置,能够实现肉牛无障碍通过且肉牛通过时不产生应激,维持姿态稳定,从而得到稳定的肉牛体尺数据。
需要说明的是,深度相机在与对应的横梁6、第一立柱4和第二立柱10连接的时候,均可以通过固定螺栓以实现。并且,每一个深度相机的外部有玻璃外罩,设置玻璃外罩在易于清洁的同时能够起到防水的作用,玻璃外罩上设有开口以便于深度相机的光的通过和返回接收。该玻璃外罩能够紧密固定在立柱和横梁6上,通过玻璃外罩与立柱、玻璃外罩与横梁6之间的密封胶圈连接起到防水的目的。
进一步地,横梁6、第一立柱4和第二立柱10均为中空结构,从而便于USB线、电源线和同步线走线。第一立柱4的顶部和/或第二立柱10的顶部具有接线检修口9,目的是方便组装连接线和设备日常检修。其中,接线检修口9处安装有密封胶圈,能够起到防水作用。工控一体机12安装在第二立柱10上。
进一步地,第一立柱4的底部设有第一配重箱体2和第二立柱10的底部设有第二配重箱体14。第一配重箱体2和第二配重箱体14的顶部具有可开闭的箱门,便于增加配重材料。第一配重箱体2和第二配重箱体14的底部设有便于移动的移动轮1。移动轮1具备能够自锁固定的部件。其中,设置第一配重箱体2和第二配重箱体14的目的为了防止整个门架受力不均匀倾倒。
在可选的实施例中,工控一体机12具备无线传输模块,支持把单只肉牛体尺数据上传至服务器。也就是说,肉牛体尺数据能够实时上传服务器平台。其中,工控一体机12还包括处理主板和可触摸液晶显示器,便于人与设备之间的人机交互。
下面结合图2至图7描述本发明的肉牛体尺非接触测量方法。
如图2所示,本发明实施例的肉牛体尺非接触测量方法,包括:
S100,多角度同步采集肉牛的点云数据并进行采样一致性平面消除滤波;
首先是通过多个深度相机多角度同步采集肉牛的点云数据,并完成点云转换,深度相机采集点云数据的具体流程如图3所示。
其中以俯视相机采集的深度图像为依据,记深度图像任意点坐标为(x0,y0),该点深度值为z0,“第一条件”设定为:
a≤z0≤b;(x0,y0∈(c,d))
其中a,b为点云测量的高度范围,c,d参数为图像坐标系内单位像素坐标距离。
当肉牛行至采集通道中心区域时,实时触发深度相机,采集结束后根据RGB-D图像的信息和深度相机的内参与外参,计算出所有像素点在坐标系下的真实坐标,并生成点云,如图5所示。
其中,内参是深度相机本身的属性参数。外参是硬件位置结构决定的,用来纠正偏移角。
点云采集完成后发送至工控一体机12,以便工控一体机进行下一步处理。
工控一体机12首先对点云数据进行采样一致性的平面消除滤波。其具体流程为:
如图6所示,首先进行离散点滤除,为减少点云覆盖空间大小,通过RadiusOutlier Removal滤波器实现单个离群点的滤除,滤除半径设置为一定的固定数值,实现离群点滤除。与此同时进行高斯滤波,通过KD-Tree结合均值滤波的方法实现噪点滤除。通过KD-Tree搜索点云内某点A的m个邻域点,以一定数值为半径构建点云集合,若集合内有M个元素,每个元素到某点A的距离为d,则均值av和标准差st可表示为:
则分离阈值p=av+k·st
保留小于阈值p的点,从而实现点云平滑滤波。
如图7所示,之后进行体素中心滤波(下采样)目的是为了降低模型处理压力,通过点云体素栅格对点云进行精简处理,设全部点云的最小包围区域边长为a,b,c,取体素栅格边长为m,则最小包围区域被划分为sum个体素栅格,其中
sum=p*w*q
针对每个体素,计算体素内点的中心,以其代替栅格内其他所有点,即
其中Ct为栅格中心,pi为数据点,k为栅格内数据点个数。
S200,基于NDT算法的多角度肉牛点云配准;
基于NDT算法的多角度肉牛点云配准,具体包括粗配准和精配准。
首先进行粗配准,以右侧水平布置的深度相机(上部)的部署位置作为坐标原点,将其他深度相机部署的旋转角度与平移距离通过Matrix4f矩阵进行描述,通过4个Matrix4f矩阵,将所有相机采集的点云数据进行位移与旋转操作,提供不同角度点云之间的较好初始位置。
粗配准之后进行精配准,精配准过程通过固定旋转矩阵的方法,使点云具有较好的初始位置,为提高配准精确度,精配准不再寻找特征点对,而是以点云的概率密度为依据进行配准。
具体过程为首先将点云网格化,每个网格内点的概率密度为:
其中,q为每个网格内所有点的均值向量,C为每个网格内点的协方差矩阵,c为常数,可表示为:
其中xi表示该网格内所有的点。
各映射点的概率分布函数为:
式中T为变换函数,
其中,t=[tx,ty,tz],r=[rx,ry,rz],s=sinθ,c=cosθ.(t参数用于平移,r参数用于旋转)。令s(p)=0时,取得的旋转矩阵即为配准结果。
S300,基于点云分布特征的特征分割;
通过改进的Ransac拟合方法实现平面滤除,其中的平面查找方法为:
随机选取至少三个点云内的点,构建拟合平面;
设定距离阈值为一定数值,检测其他点是否满足该平面模型,如果满足,记为局内点,不满足则记为局外点;
记录该模型局内点的数量,计算内点概率;
重复迭代,至满足第二条件时,迭代结束,此时的平面模型为地面模型。
第二条件的定义如下:
(1-βm)n<1-δ
其中,β表示当前平面模型的内点概率,m为最小采样个数,n为当前迭代次数,δ为固定参数。
此后基于欧式距离的点云聚类分割提取,基于KD-Tree进行欧式距离邻域查找,将属于肉牛的点进行聚类提取,其流程具体如图4所示。
在分割出的点云簇中,设定点数阈值为一定的数值范围,即可提取属于肉牛的点云集合,实现点云分割。
S400,分离肉牛的头部区域、胸部区域、腹部区域、臀部区域以及腿部区域的点云;
S500,提取关键点,并进行点云真实距离的解算与标定,从而得到各个体尺的计算结果。
本发明实施例的肉牛体尺非接触测量方法,可以实现肉牛点云滤波、多角度点云配准合成、点云平滑去噪、点云坐标距离标定等功能,实现肉牛的三维点云重建来自动计算肉牛体斜长、体高、胸围、管围、腹围等关键体尺参数,实现肉牛体尺参数的非接触式全自动精准测量;点云计算处理时间在1秒之内,当肉牛经过该装置时,能够自动完成该肉牛的点云数据采集,并且计算得出各个肉牛的体尺数据;采集的体尺数据联合的肉牛RFID识别的电子耳标号通过无线传输模块上传到服务器平台,便于服务器平台得到最终的测量数据结果进行下一步处理。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种肉牛体尺非接触测量方法,应用于肉牛体尺非接触测量装置,其特征在于,所述肉牛体尺非接触测量装置,包括:工控一体机、RFID识别器、门架以及至少两个深度相机;
在所述深度相机为两个的情况下,一个所述深度相机设于所述门架的顶部,另外一个所述深度相机设于所述门架的侧部;
所述工控一体机、所述RFID识别器和所述深度相机均设于所述门架,所述RFID识别器用于识别肉牛身上的电子耳标,所述RFID识别器和所述深度相机均与所述工控一体机通信连接;
所述肉牛体尺非接触测量方法,包括:
多角度同步采集肉牛的点云数据并进行采样一致性平面消除滤波;
基于NDT算法的多角度肉牛点云配准;
基于点云分布特征的特征分割;
分离肉牛的头部区域、胸部区域、腹部区域、臀部区域以及腿部区域的点云;
提取关键点,并进行点云真实距离的解算与标定,从而得到各个体尺的计算结果;
所述基于点云分布特征的特征分割具体包括:
通过Ransac拟合方法实现平面滤除;
基于欧式距离的点云聚类分割提取和KD-Tree进行欧式距离邻域查找,以将属于肉牛的点进行聚类提取;
在分割出的点云簇中,根据设定的点数阈值的数值范围,提取属于肉牛的点云集合,从而实现点云分割;
在所述通过Ransac拟合方法实现平面滤除之前还包括平面查找,所述平面查找具体为:
随机选取至少三个点云内的点,构建拟合平面;
设定距离阈值,检测其他点是否满足平面模型,若满足,则记为局内点,若不满足则记为局外点;
记录模型局内点的数量,计算内点概率;
重复迭代,至满足预设条件时,迭代结束,此时的平面模型为地面模型;
所述预设条件为:(1-βm)n<1-δ;
其中,β表示当前平面模型的内点概率,m为最小采样个数,n为当前迭代次数,δ为固定参数。
2.根据权利要求1所述的肉牛体尺非接触测量方法,其特征在于,所述采样一致性平面消除滤波具体包括:
同时进行离散点滤除和高斯滤波后再进行体素中心滤波。
3.根据权利要求1所述的肉牛体尺非接触测量方法,其特征在于,所述基于NDT算法的多角度肉牛点云配准具体包括:依次进行粗配准和精配准。
4.根据权利要求3所述的肉牛体尺非接触测量方法,其特征在于,所述粗配准具体包括:
在深度相机为五个的情况下,以一个深度相机的部署位置作为坐标原点,将另外四个深度相机部署位置的旋转角度与平移距离均通过Matrix4f矩阵进行描述;
通过四个Matrix4f矩阵,将所有深度相机采集的点云数据进行位移与旋转操作。
5.根据权利要求3所述的肉牛体尺非接触测量方法,其特征在于,所述精配准具体包括:
将点云网格化,获取每个网格内点的概率密度,进而得到各映射点的概率分布函数;
在概率分布函数为零的情况下,得到的旋转矩阵即为配准结果。
6.根据权利要求1所述的肉牛体尺非接触测量方法,其特征在于,在所述深度相机为三个的情况下,三个所述深度相机中的一个设于所述门架的顶部,三个所述深度相机中的另外两个分别设于所述门架的两侧。
7.根据权利要求1所述的肉牛体尺非接触测量方法,其特征在于,所述门架为可移动式门架。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110214274.0A CN112907546B (zh) | 2021-02-25 | 2021-02-25 | 肉牛体尺非接触测量装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110214274.0A CN112907546B (zh) | 2021-02-25 | 2021-02-25 | 肉牛体尺非接触测量装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112907546A CN112907546A (zh) | 2021-06-04 |
CN112907546B true CN112907546B (zh) | 2024-04-05 |
Family
ID=76108426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110214274.0A Active CN112907546B (zh) | 2021-02-25 | 2021-02-25 | 肉牛体尺非接触测量装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907546B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111145240A (zh) * | 2019-11-18 | 2020-05-12 | 西宁市动物疫病预防控制中心(挂西宁市畜牧兽医站牌子) | 一种基于3d相机的活体西门塔尔牛体尺在线测量方法 |
CN114966733B (zh) * | 2022-04-21 | 2023-04-18 | 北京福通互联科技集团有限公司 | 基于激光阵列和单目摄像机的肉牛立体深度图像采集系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105554415A (zh) * | 2016-02-03 | 2016-05-04 | 中国农业科学院北京畜牧兽医研究所 | 一种新疆褐牛体尺指标测量系统 |
CN105784083A (zh) * | 2016-04-05 | 2016-07-20 | 北京农业信息技术研究中心 | 基于立体视觉技术的奶牛体型测量方法和系统 |
CN105844629A (zh) * | 2016-03-21 | 2016-08-10 | 河南理工大学 | 一种大场景城市建筑物立面点云自动分割方法 |
CN109636779A (zh) * | 2018-11-22 | 2019-04-16 | 华南农业大学 | 识别家禽体积体尺的方法、装置及存储介质 |
CN109978937A (zh) * | 2019-04-30 | 2019-07-05 | 内蒙古科技大学 | 一种基于深度学习和特征部位检测的牛体尺测量系统 |
CN110097005A (zh) * | 2019-04-30 | 2019-08-06 | 内蒙古科技大学 | 基于深度学习的牛体尺测量系统中站姿纠偏的方法 |
CN110693499A (zh) * | 2019-11-14 | 2020-01-17 | 河北农业大学 | 一种动物体尺和体重的检测系统及方法 |
CN110772260A (zh) * | 2019-11-21 | 2020-02-11 | 山东农业大学 | 一种非接触式奶牛体尺测量装置及方法 |
CN110910454A (zh) * | 2019-10-11 | 2020-03-24 | 华南农业大学 | 一种牲畜三维重构移动式设备的自动标定配准方法 |
CN111145240A (zh) * | 2019-11-18 | 2020-05-12 | 西宁市动物疫病预防控制中心(挂西宁市畜牧兽医站牌子) | 一种基于3d相机的活体西门塔尔牛体尺在线测量方法 |
CN111243005A (zh) * | 2020-01-07 | 2020-06-05 | 洛阳语音云创新研究院 | 牲畜估重方法、装置、设备以及计算机可读存储介质 |
CN111612850A (zh) * | 2020-05-13 | 2020-09-01 | 河北工业大学 | 一种基于点云的猪只体尺参数测量方法 |
CN111862315A (zh) * | 2020-07-25 | 2020-10-30 | 南开大学 | 一种基于深度相机的人体多尺寸测量方法及系统 |
CN111986223A (zh) * | 2020-07-15 | 2020-11-24 | 西安理工大学 | 一种基于能量函数的室外点云场景中树木提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109396375B (zh) * | 2018-12-11 | 2019-09-27 | 大连理工大学 | 一种基于特征向量和层次聚类的结晶器漏钢预报方法 |
-
2021
- 2021-02-25 CN CN202110214274.0A patent/CN112907546B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105554415A (zh) * | 2016-02-03 | 2016-05-04 | 中国农业科学院北京畜牧兽医研究所 | 一种新疆褐牛体尺指标测量系统 |
CN105844629A (zh) * | 2016-03-21 | 2016-08-10 | 河南理工大学 | 一种大场景城市建筑物立面点云自动分割方法 |
CN105784083A (zh) * | 2016-04-05 | 2016-07-20 | 北京农业信息技术研究中心 | 基于立体视觉技术的奶牛体型测量方法和系统 |
CN109636779A (zh) * | 2018-11-22 | 2019-04-16 | 华南农业大学 | 识别家禽体积体尺的方法、装置及存储介质 |
CN109978937A (zh) * | 2019-04-30 | 2019-07-05 | 内蒙古科技大学 | 一种基于深度学习和特征部位检测的牛体尺测量系统 |
CN110097005A (zh) * | 2019-04-30 | 2019-08-06 | 内蒙古科技大学 | 基于深度学习的牛体尺测量系统中站姿纠偏的方法 |
CN110910454A (zh) * | 2019-10-11 | 2020-03-24 | 华南农业大学 | 一种牲畜三维重构移动式设备的自动标定配准方法 |
CN110693499A (zh) * | 2019-11-14 | 2020-01-17 | 河北农业大学 | 一种动物体尺和体重的检测系统及方法 |
CN111145240A (zh) * | 2019-11-18 | 2020-05-12 | 西宁市动物疫病预防控制中心(挂西宁市畜牧兽医站牌子) | 一种基于3d相机的活体西门塔尔牛体尺在线测量方法 |
CN110772260A (zh) * | 2019-11-21 | 2020-02-11 | 山东农业大学 | 一种非接触式奶牛体尺测量装置及方法 |
CN111243005A (zh) * | 2020-01-07 | 2020-06-05 | 洛阳语音云创新研究院 | 牲畜估重方法、装置、设备以及计算机可读存储介质 |
CN111612850A (zh) * | 2020-05-13 | 2020-09-01 | 河北工业大学 | 一种基于点云的猪只体尺参数测量方法 |
CN111986223A (zh) * | 2020-07-15 | 2020-11-24 | 西安理工大学 | 一种基于能量函数的室外点云场景中树木提取方法 |
CN111862315A (zh) * | 2020-07-25 | 2020-10-30 | 南开大学 | 一种基于深度相机的人体多尺寸测量方法及系统 |
Non-Patent Citations (3)
Title |
---|
"基于PCL的人体模型自动化修形研究";《大连交通大学学报》;第39卷(第5期);25-28 * |
"基于RANSAC分割的点云数据K-近邻去噪算法研究";郭宁博等;《电子测量技术》;第40卷(第12期);第209-213页 * |
基于改进区域生长法的羊体点云分割及体尺参数测量;马学磊;薛河儒;周艳青;姜新华;刘娜;;中国农业大学学报(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112907546A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112907546B (zh) | 肉牛体尺非接触测量装置及方法 | |
CN109141248A (zh) | 基于图像的猪体重测算方法及系统 | |
CN108961269B (zh) | 基于图像的猪体重测算方法及系统 | |
CN108961330B (zh) | 基于图像的猪体长测算方法及系统 | |
Weber et al. | Estimation of backfat thickness using extracted traits from an automatic 3D optical system in lactating Holstein-Friesian cows | |
Zhang et al. | Development and validation of a visual image analysis for monitoring the body size of sheep | |
Zhang et al. | Algorithm of sheep body dimension measurement and its applications based on image analysis | |
NL2011952C2 (en) | Method and device to monitor growth of an animal, in particular a calf. | |
CN112184791A (zh) | 一种基于cnn-lstm神经网络的牦牛体重预测方法 | |
EP3353744A1 (en) | Image analysis for making animal measurements including 3-d image analysis | |
CN111680587B (zh) | 一种基于多目标跟踪的鸡群活动量实时估算方法及系统 | |
Shi et al. | Automatic estimation of dairy cow body condition score based on attention-guided 3D point cloud feature extraction | |
CN110490161B (zh) | 一种基于深度学习的圈养动物行为分析方法 | |
CN111797831A (zh) | 基于bim和人工智能的家禽进食并行异常检测方法 | |
CN108670256B (zh) | 一种奶牛呼吸频率监测系统及方法 | |
Song et al. | Body measurements of dairy calf using a 3-D camera in an automatic feeding system | |
Zhong et al. | Identification and depth localization of clustered pod pepper based on improved Faster R-CNN | |
Yurochka et al. | Technology of automatic evaluation of dairy herd fatness | |
CN215017423U (zh) | 肉牛体尺非接触测量装置 | |
CN109827503B (zh) | 一种田间作物精准定位方法和装置 | |
CN111985472A (zh) | 基于人工智能和主动球机的食槽干草温度图像处理方法 | |
CN115914560A (zh) | 一种母猪智能精准饲喂方法、装置、电子设备和存储介质 | |
CN115294181B (zh) | 基于两阶段关键点定位的奶牛体型评定指标测量方法 | |
Peshlov et al. | Scaling up high throughput field phenotyping of corn and soy research plots using ground rovers | |
CN116681876B (zh) | 一种用于诊断动物肠胃健康的粪便状态评分装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |