CN113487728B - 一种鱼体模型确定方法及系统 - Google Patents

Abstract

本发明公开了一种鱼体模型确定方法及系统。所述方法，包括：获取各个鱼体的鱼体图像数据和鱼体三维扫描数据；根据鱼体图像数据构建鱼体三维模板模型；采用鱼体三维模板模型对鱼体三维扫描数据进行网格注册，得到鱼体三维网格模型，并由各个鱼体的鱼体三维网格模型构建鱼类网格数据集；鱼类网格数据集中所有的鱼体三维网格模型的拓扑结构均相同；采用主成分分析法对鱼类网格数据集中的各鱼体三维网格模型进行参数化建模，生成各个鱼体的鱼体三维网格参数化模型。本发明实现了鱼体三维模型的构建，能够对鱼类生长变化进行全面的分析，对鱼类物种进行精细识别。

Description

一种鱼体模型确定方法及系统

技术领域

本发明涉及鱼类形态学领域，特别是涉及一种鱼体模型确定方法及系统。

背景技术

近年来，水产养殖业迅速发展，为居民生活水平的提高做出了重要贡献。鱼类是水生态系统中重要的生物物种，对水生生态系统的物质循环与能量流动起着关键作用。

传统鱼类养殖中鱼类生长变化的研究主要有两种方法：第一种依赖于养殖人经验判断，有经验的养殖人看到一条鱼后，根据它的体型基本上就能确定这条鱼处于的一个生长阶段，但这种方法不能构建出鱼类的生长变化模型且需要养殖人长期积累的养殖经验。还有一种是通过手工等手段得到鱼的体重和体长，再以体重和体长为参数去拟合一个生长函数，量化出一个简单的鱼类的生长模型，但这种方法需人工进行鱼类生长过程中体长和体重参数测量，导致人力成本的增加，而且，仅通过体长和体重等二维参数，不能对鱼类生长变化进行全面的分析。例如，一些近缘种的外形特征非常相似，传统的基础二维形态学特征的变化范围存在重叠，以二维形态学信息区分鱼类物种依旧存在不足之处，不能实现对鱼类物种的精细识别。

发明内容

基于此，本发明实施例提供一种鱼体模型确定方法及系统，以构建鱼体三维模型，在后续的过程中，实现对鱼类生长变化的全面分析，实现对鱼类物种的精细识别。

为实现上述目的，本发明提供了如下方案：

一种鱼体模型确定方法，包括：

获取各个鱼体的鱼体图像数据和鱼体三维扫描数据；

根据所述鱼体图像数据构建鱼体三维模板模型；

采用所述鱼体三维模板模型对所述鱼体三维扫描数据进行网格注册，得到鱼体三维网格模型，并由各个鱼体的所述鱼体三维网格模型构建鱼类网格数据集；所述鱼类网格数据集中所有的所述鱼体三维网格模型的拓扑结构均相同；

采用主成分分析法对所述鱼类网格数据集中的各鱼体三维网格模型进行参数化建模，生成各个鱼体的鱼体三维网格参数化模型。

可选的，所述采用所述鱼体三维模板模型对所述鱼体三维扫描数据进行网格注册，得到鱼体三维网格模型，具体包括：

采用刚性注册算法对所述鱼体三维扫描数据和所述鱼体三维模板模型进行坐标转换和缩放变换，得到转换后的鱼体三维扫描数据和变换后的鱼体三维模板模型；

采用非刚性迭代最近点算法，以所述转换后的鱼体三维扫描数据中的每个顶点的位置为约束，以所述变换后的鱼体三维模板模型中的点与所述转换后的鱼体三维扫描数据中对应的点的误差最小为目标，对所述变换后的鱼体三维模板模型进行仿射变换，得到鱼体三维网格模型。

可选的，所述采用刚性注册算法对所述鱼体三维扫描数据和所述鱼体三维模板模型进行坐标转换和缩放变换，得到转换后的鱼体三维扫描数据和变换后的鱼体三维模板模型，具体包括：

将所述鱼体三维扫描数据转换到所述鱼体三维模板模型的坐标系下，得到转换后的鱼体三维扫描数据；

采用缩放模板缩放所述鱼体三维模板模型，使所述鱼体三维模板模型与相应的鱼体三维扫描坐标转换数据的大小相匹配，得到变换后的鱼体三维模板模型。

可选的，在所述采用所述鱼体三维模板模型对所述鱼体三维扫描数据进行网格注册，得到鱼体三维网格模型之前，还包括：

对所述鱼体三维扫描数据进行降采样操作。

可选的，所述鱼体三维网格参数化模型，具体为：

S＝ES+W₁*D₁+W₂*D₂+...+W_k*D_k；

其中，S表示鱼体三维网格参数化模型；ES表示鱼类三维均值模板；D₁表示第一个鱼体主成分；W₁表示第一个鱼体主成分对应的权参数；D₂表示第二个鱼体主成分；W₂表示第二个鱼体主成分对应的权参数；D_k表示第k个鱼体主成分；W_k表示第k个鱼体主成分对应的权参数。

本发明还提供了一种鱼体模型确定系统，包括：

数据获取模块，用于获取各个鱼体的鱼体图像数据和鱼体三维扫描数据；

模型构建模块，用于根据所述鱼体图像数据构建鱼体三维模板模型；

网格注册模块，用于采用所述鱼体三维模板模型对所述鱼体三维扫描数据进行网格注册，得到鱼体三维网格模型，并由各个鱼体的所述鱼体三维网格模型构建鱼类网格数据集；所述鱼类网格数据集中所有的所述鱼体三维网格模型的拓扑结构均相同；

参数化建模模块，用于采用主成分分析法对所述鱼类网格数据集中的各鱼体三维网格模型进行参数化建模，生成各个鱼体的鱼体三维网格参数化模型。

可选的，所述网格注册模块，具体包括：

刚性注册单元，用于采用刚性注册算法对所述鱼体三维扫描数据和所述鱼体三维模板模型进行坐标转换和缩放变换，得到转换后的鱼体三维扫描数据和变换后的鱼体三维模板模型；

仿射变换单元，用于采用非刚性迭代最近点算法，以所述转换后的鱼体三维扫描数据中的每个顶点的位置为约束，以所述变换后的鱼体三维模板模型中的点与所述转换后的鱼体三维扫描数据中对应的点的误差最小为目标，对所述变换后的鱼体三维模板模型进行仿射变换，得到鱼体三维网格模型。

可选的，所述刚性注册单元，具体包括：

坐标转换子单元，用于将所述鱼体三维扫描数据转换到所述鱼体三维模板模型的坐标系下，得到转换后的鱼体三维扫描数据；

缩放子单元，用于采用缩放模板缩放所述鱼体三维模板模型，使所述鱼体三维模板模型与相应的鱼体三维扫描坐标转换数据的大小相匹配，得到变换后的鱼体三维模板模型。

可选的，所述鱼体模型确定方法，还包括：

降采样模块，用于对所述鱼体三维扫描数据进行降采样操作。

可选的，所述参数化建模模块中的所述鱼体三维网格参数化模型，具体为：

S＝ES+W₁*D₁+W₂*D₂+...+W_k*D_k；

其中，S表示鱼体三维网格参数化模型；ES表示鱼类三维均值模板；D₁表示第一个鱼体主成分；W₁表示第一个鱼体主成分对应的权参数；D₂表示第二个鱼体主成分；W₂表示第二个鱼体主成分对应的权参数；D_k表示第k个鱼体主成分；W_k表示第k个鱼体主成分对应的权参数。

与现有技术相比，本发明的有益效果是：

本发明实施例提出了一种鱼体模型确定方法及系统，其中，采用由鱼体图像数据构建的鱼体三维模板模型对鱼体三维扫描数据进行网格注册，得到网络拓扑结构一致的鱼类网格数据集；采用主成分分析法对鱼类网格数据集中的各鱼体三维网格模型进行参数化建模，生成各个鱼体的鱼体三维网格参数化模型。本发明实现了鱼体三维模型的构建，解决了二维形态学特征的变化范围存在重叠，不能对鱼类生长变化进行全面的分析的问题，在对识别鱼类物种时，能实现对鱼类物种的精细识别。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的鱼类网格数据集确定方法的流程图；

图2为本发明实施例鱼体模型确定方法的一个具体实现过程示意图；

图3为本发明实施例提供的鱼体图像数据示意图；

图4为本发明实施例提供的鱼体三维模板模型示意图；

图5为本发明实施例提供的鱼体三维扫描数据采集过程示意图；

图6为本发明实施例提供的鱼体三维扫描数据示意图；

图7为本发明实施例提供的鱼类网格数据集确定系统的结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

目前，通过鱼类二维参数构建的鱼类的生长模型，不能对鱼类生长变化进行全面的分析，当将鱼类的生长模型用于鱼类物种识别时，不能实现对鱼类物种的精细识别。因此，构建鱼类网格数据集，并将鱼类的三维模型进行参数化建模对提高渔业精细化管理具有重要的推动作用。

鱼类的三维模型的构建方法如下：在水下通过发射结构光、激光雷达等的主动式重建无法游动的鱼类进行重建；基于双目视觉的重建即在水下拍摄鱼类多视角图像数据以重建三维鱼类。而由于水底光照条件差重建精度不高；在空中重建鱼类耗时费力成本高。因此，鱼类三维模型获取困难。

由于大量依靠人工或模型参数选用简单，传统的研究方法不能对鱼体体型的变化做全面的建模分析且鱼类三维模型获取困难。因此，构建一个鱼类网格数据集并基于此进行鱼类参数化建模以生成丰富的三维鱼类模型是具有重要价值的。

本实施例提供了一种鱼类网格数据集确定方法，图1为本发明实施例提供的鱼类网格数据集确定方法的流程图，参见图1，本实施例的方法，具体包括：

步骤101：获取各个鱼体的鱼体图像数据和鱼体三维扫描数据。

具体的，选择一条草鱼采集其多视角图像(鱼体图像数据)，主要包括草鱼全身图像以及各个身体部位的局部细节图像；搭建扫描平台并固定鱼鳍为张开状态，采用扫描仪采集鱼体三维扫描数据。其中，采集到的鱼体三维扫描数据是全包围的、纹理特征明显的鱼类网格数据，顶点数和三角面片数量均在三十万左右。

步骤102：根据所述鱼体图像数据构建鱼体三维模板模型。

具体的，由专业建模师基于专业建模知识(例如，在三维建模软件中)，利用多视角图像构建出鱼类三维模板模型。鱼体三维模板模型是具有粒度划分的标准鱼类三维网格模板，仅有不到两万的顶点数和三角面片数。

步骤103：采用所述鱼体三维模板模型对所述鱼体三维扫描数据进行网格注册，得到鱼体三维网格模型，并由各个鱼体的所述鱼体三维网格模型构建鱼类网格数据集；所述鱼类网格数据集中所有的所述鱼体三维网格模型的拓扑结构均相同。

该步骤，具体包括：

1)采用刚性注册算法对所述鱼体三维扫描数据和所述鱼体三维模板模型进行坐标转换和缩放变换，得到转换后的鱼体三维扫描数据和变换后的鱼体三维模板模型。

首先，将所述鱼体三维扫描数据转换到所述鱼体三维模板模型的坐标系下，得到转换后的鱼体三维扫描数据，具体的，采用公式T_new＝T_old*R-t将所述鱼体三维扫描数据转换到所述鱼体三维模板模型的坐标系下，得到转换后的鱼体三维扫描数据；其中，T_new表示转换后的鱼体三维扫描数据，T_old表示鱼体三维扫描数据，R表示鱼体三维扫描数据所在的坐标系和鱼体三维模板模型的坐标系之间的旋转参数，t表示鱼体三维扫描数据所在的坐标系和鱼体三维模板模型的坐标系之间的平移参数。

再采用缩放模板缩放所述鱼体三维模板模型，使所述鱼体三维模板模型与相应的鱼体三维扫描坐标转换数据的大小相匹配，得到变换后的鱼体三维模板模型。具体的，采用公式S_new＝S_old*S缩放模板缩放所述鱼体三维模板模型；其中，S_old表示鱼体三维模板模型(标准鱼体模板)，S表示转换后的鱼体三维扫描数据和鱼体三维模板模型之间的缩放因子(扫描鱼体和标准模板之间缩放因子)，S_new表示变换后的鱼体三维模板模型。

此外，由于缩放变换后模板位置会发生轻微变动，因此，缩放变换后，还需再进行一次上述坐标系转换，使扫描鱼体变换到每一个对应的标准模板鱼体坐标系下。

2)采用非刚性迭代最近点(Non Rigid Iterative Closest Point，NRICP)算法，以所述转换后的鱼体三维扫描数据中的每个顶点的位置为约束，以所述变换后的鱼体三维模板模型中的点与所述转换后的鱼体三维扫描数据中对应的点的误差最小为目标，对所述变换后的鱼体三维模板模型进行仿射变换，得到鱼体三维网格模型，并由各个鱼体的所述鱼体三维网格模型构建鱼类网格数据集。

非刚性迭代最近点算法的目标函数由数据项误差E_d、平滑项误差E_s和特征点误差E_l组成：

E(X)＝E_d(X)+αE_s(X)+βE_l(X)；

其中，E(X)表示变换后的鱼体三维模板模型中的点与转换后的鱼体三维扫描数据中对应的点的误差；X表示特征点；E_d(X)表示特征点X的数据项误差，E_s(X)表示特征点X的平滑项误差；α表示E_s(X)的系数；E_l(X)表示特征点X的特征点误差；β表示E_l(X)的系数。数据误差项E_d表征变换后的鱼体三维模板模型与转换后的鱼体三维扫描数据之间的相似程度，数据平滑项E_s表征鱼体三维模板模型形变过程中相邻顶点的仿射变换矩阵的一致性，特征点误差E_l表征变换后的鱼体三维模板模型与转换后的鱼体三维扫描数据中对应的特征点之间的距离。

在步骤102之后，以采集的扫描鱼体为原点，则鱼体三维模板模型和鱼体三维扫描数据处于不同的坐标空间中，且采集的处于不同生成期的鱼体体型差异明显，因此，在该步骤中，首先设计了刚性注册算法将扫描鱼体变换到标准模板坐标系下，同时缩放模板使每一个扫描鱼体都对应着近似大小的模板模型。然后，以鱼体三维扫描数据为目标，变形鱼体三维模板模型，使其鱼体无限逼近于鱼体三维扫描数据，从而能够表征扫描鱼体。

由于各个鱼体的鱼体三维网格模型都是从一个标准模板变形得到，因此，构建出的鱼类网格数据集拥有一致的拓扑结构。拓扑结构相同即模型具有相同的顶点数和三角面片数。

步骤103，利用改进的非刚性迭代最近点算法，在刚性注册的基础上以鱼体三维扫描数据为目标，变形鱼体三维模板模型，由变形后的模板网格构建拓扑一致的鱼类网格数据集。改进的非刚性迭代最近点算法(NRICP)中设计了刚性注册，为NRICP提供初始条件，提高了注册精度。

步骤104：采用主成分分析法对所述鱼类网格数据集中的各鱼体三维网格模型进行参数化建模，生成各个鱼体的鱼体三维网格参数化模型。

该步骤中，基于上述步骤103构建的鱼类网格数据集，利用主成分分析方法(PCA)进行参数化建模，构建出鱼类参数化表示模型，通过控制参数能够快速生成丰富的鱼体三维网格参数化模型(例如，生成不同大小的鱼类三维模型)。具体的，参数化建模的第一步：统计得到鱼类三维均值模板(即数据集中的平均体型，由鱼体三维模板模型中的顶点构成)；参数化建模第二步：分解得到鱼体主成分和权参数，从而构建出鱼体三维网格参数化模型，之后可改变权参数生成不同体型大小的鱼体。

其中，所述鱼体三维网格参数化模型，具体为：

S＝ES+W₁*D₁+W₂*D₂+...+W_k*D_k；

其中，S表示鱼体三维网格参数化模型；ES表示鱼类三维均值模板；D₁表示第一个鱼体主成分；W₁表示第一个鱼体主成分对应的权参数；D₂表示第二个鱼体主成分；W₂表示第二个鱼体主成分对应的权参数；D_k表示第k个鱼体主成分；W_k表示第k个鱼体主成分对应的权参数。本实施例中，其中鱼体主成分包括至少三个，例如，鱼体主成分为三个时，即k＝3时，第一个鱼体主成分为体长，第二个鱼体主成分为体重，第三个鱼体主成分为体高。具体的，对作为数据采集对象的草鱼采集并记录其体重数据，因为鱼体的体长、体重和体高，不能从图像或三维数据中采集得到，因此，需要单独采集。

作为一种可选的实施方式，在步骤103之前，还包括：对所述鱼体三维扫描数据进行降采样操作。

参见图2，在实际应用中，鱼体模型确定方法的一个具体实现过程如下：

1.采集数据和构建鱼体三维模板模型(鱼类标准模板)。

①图像数据采集及模板制作。采集鱼体图像数据，鱼体图像数据如图3所示，其中图3的(a)、(b)、(c)、(d)、(e)、(f)、(g)和(h)部分分别表示鱼体的鱼头、左腹鳍、臀鳍、右胸鳍、背鳍、尾鳍、鱼体左视图和鱼体俯视图；构建鱼体三维模板模型，鱼体三维模板模型如图4所示。

②鱼体三维扫描数据采集。鱼体三维扫描数据的采集过程如图5所示，采集到的鱼体三维扫描数据如图6所示。

③数据预处理。该过程包括：降采样和刚性注册算法处理。

2.构建拓扑结构一致的数据集(鱼类网格数据集)。具体的：

设计刚性注册算法(NRICP)将降采样后的鱼体三维扫描数据变换到标准模板(鱼体三维模板模型)坐标系下，同时缩放标准模板，使每一个鱼体三维扫描数据，均对应一个近似大小的标准模板，为非刚性最近迭代点算法做准备。

使用三维鱼类模板注册的非刚性迭代最近点算法，其思想是以原始鱼体三维扫描数据上的每个顶点位置为约束，对鱼体三维模板模型上的每个顶点进行仿射变换，使其变换到无限接近原始鱼体三维扫描数据，由仿射变换后的鱼体三维模板模型代替原始鱼体三维扫描数据构建出拓扑结构一致的三维鱼类网格数据集。因为所有采集的原始鱼体三维扫描数据均由一个模板变换而来，所以这些变换后的模型拥有统一的网格拓扑结构，同时解决了原始扫描数据有孔洞残缺的情况。其中，坐标变换和缩放变换由步骤103的1)中的公式计算，在此不再赘述。

非刚性最近迭代点算法的目标函数由数据项误差E_d、平滑项误差E_s和特征点误差E_l组成：

E(X)＝E_d(X)+αE_s(X)+βE_l(X)。

数据误差项E_d表征变换后的鱼体三维模板模型与转换后的鱼体三维扫描数据之间的相似程度，具体表示为：

其中，v_i表示变换后的鱼体三维模板模型上的第i个顶点，V表示顶点的集合，X_i表示对第i个顶点进行的变换，u_i表示v_i在转换后的鱼体三维扫描数据中对应的第i个顶点，p_i表示v_i的变换对整体的影响权重。上式中第二个等式是数据项误差在所有模型数据中的表示，P表示权重矩阵，D表示鱼体三维模板网格模型的顶点矩阵，X表示变换矩阵，U表示鱼体三维扫描网格的顶点矩阵。

数据平滑项E_s表征鱼体三维模板模型形变过程中相邻顶点的仿射变换矩阵的一致性。具体表示为：

其中，ε为模板V中所有边的集合，G是权重矩阵。后面的等式为平滑误差项在整个模型的表示形式，M为边的邻接矩阵，M表征点之间的连接关系，M的行表示三角形的边缘，列表示每个顶点，当第r条边连接着第i个顶点和第j个顶点(i＜j)时，M_ri的元素为-1，同时M_rj中的元素为1，其他元素为0，符号

表示求解M和G之间的Kronecker积。

特征点误差E_l表征变换后的鱼体三维模板模型与转换后的鱼体三维扫描数据中对应的特征点之间的距离，这一项相当于稀疏的数据损失项，在注册时不输入模板和原始数据之间的对应点时，这一项将不会被用到。具体表示为：

其中，{(v₁,l₁),...,(v_i,l_i)}为特征点，等式最后一项为特征点误差在整个模型的表示形式，D_L＝[v₁,...,v_i]^T表示鱼体三维模板网格模型中选中的特征点矩阵，U_L＝[l₁,...,l_i]^T表示在鱼体三维扫描网格中与模板特征点所对应的特征点矩阵。

综上，目标函数完整的二次损失函数可以表示为以下形式：

该二次损失函数可以通过使其导数为0而直接求解，当F＝(A^TA)^-1A^TB时损失函数得到最小值。此时认为数据项损失包括了特征点项，此时模型的优化结果不受影响：

对所有采集的原始鱼体三维扫描数据进行注册后得到鱼类网格数据集，该数据集中，所有鱼体三维网格模型有着同样的顶点数和面数，即所有的三维鱼类网格数有着相同的拓扑结构。

3.鱼类参数化建模

主成分分析是一种最广泛使用的数据降维算法，主要思想是将n维特征映射到k维上，这k维全新的正交特征是在原有的n维特征的基础上重新构造出来的k维特征，也被称为主成分。这k维主成分保留了原始n维数据中绝大部分的维度特征，实现了以少数维度表示高维空间。因此，利用主成分分析(Principal ComponentAnalysis，PCA)法对鱼体三维网格模型参数化建模，以少量的维度空间来表示高维的三维鱼体网格数据。

具体的PCA表征鱼体体型空间分为以下四步：

1、每个鱼体三维网格模型有N个顶点，那么一个鱼体三维网格模型可以由3N个浮点数表示，记这个向量为S_i。

2、如果数据集中有K个三维鱼类网格模型，记{S_i}的平均向量为ES，U_i＝S_i-ES，那么U＝{U₁,U₂,......U_K}刻画了这K个鱼体模型的变化量。

3、U是一个高维向量，用PCA对U进行降维，比如降到k维。设PCA的主方向为D₁,D₂,...,D_k，那么鱼体模型可以用一组权W＝{W₁,W₂,...,W_k}来表示鱼体模型：

S＝ES+W₁*D₁+W₂*D₂+...+W_k*D_k；

通过设置W可以合成新的鱼体模型，W为可调控特征参数。

综上，PCA可以将鱼体模型用一个特征向量或参数向量

表示：

S＝ES+Dφ_s；

其中，

代表数据集中的平均体型(鱼类三维均值模板)，

表示由k个主成分分量构成的主成分矩阵，

表示快速生成的具有N个顶点的三维鱼体网格模型。

本实施例的鱼体模型确定方法，通过对扫描的鱼体三维扫描数据用鱼体三维模板模型注册，构建一个拓扑结构一致的鱼类网格数据集，该数据集包含了三维形态学特征，解决了传统的基础二维形态学特征的变化范围存在重叠的问题；基于该鱼类网格数据集，得到鱼体三维网格参数化模型，通过调控相关参数可以快速生成不同大小的鱼类三维模型，能够实现对鱼类生长变化的全面分析，将鱼体三维网格参数化模型用于鱼类物种识别时，能实现对鱼类物种的精细识别，例如对近缘种的鱼类进行识别。利用鱼类参数化模型，可快速获取到水底鱼体的三维模型，从而用来识别鱼类、确定鱼类的生长周期，进而分析鱼类生长规律等，对鱼类养殖提供参考信息。

本发明还提供了一种鱼体模型确定系统，参见图7，本实施例的系统，包括：

数据获取模块201，用于获取各个鱼体的鱼体图像数据和鱼体三维扫描数据。

模型构建模块202，用于根据所述鱼体图像数据构建鱼体三维模板模型。

网格注册模块203，用于采用所述鱼体三维模板模型对所述鱼体三维扫描数据进行网格注册，得到鱼体三维网格模型，并由各个鱼体的所述鱼体三维网格模型构建鱼类网格数据集；所述鱼类网格数据集中所有的所述鱼体三维网格模型的拓扑结构均相同。

参数化建模模块204，用于基于鱼类三维均值模板和所述鱼体参数数据，采用主成分分析法对所述鱼类网格数据集中的各鱼体三维网格模型进行参数化建模，生成各个鱼体的鱼体三维网格参数化模型。

作为一种可选的实施方式，所述网格注册模块203，具体包括：

刚性注册单元，用于采用刚性注册算法对所述鱼体三维扫描数据和所述鱼体三维模板模型进行坐标转换和缩放变换，得到转换后的鱼体三维扫描数据和变换后的鱼体三维模板模型。

仿射变换单元，用于采用非刚性迭代最近点算法，以所述转换后的鱼体三维扫描数据中的每个顶点的位置为约束，以所述变换后的鱼体三维模板模型中的点与所述转换后的鱼体三维扫描数据中对应的点的误差最小为目标，对所述变换后的鱼体三维模板模型进行仿射变换，得到鱼体三维网格模型。

作为一种可选的实施方式，所述刚性注册单元，具体包括：

坐标转换子单元，用于将所述鱼体三维扫描数据转换到所述鱼体三维模板模型的坐标系下，得到转换后的鱼体三维扫描数据。

缩放子单元，用于采用缩放模板缩放所述鱼体三维模板模型，使所述鱼体三维模板模型与相应的鱼体三维扫描坐标转换数据的大小相匹配，得到变换后的鱼体三维模板模型。

作为一种可选的实施方式，所述鱼体模型确定方法，还包括：

降采样模块，用于对所述鱼体三维扫描数据进行降采样操作。

作为一种可选的实施方式，所述参数化建模模块204中的所述鱼体三维网格参数化模型，具体为：

S＝ES+W₁*D₁+W₂*D₂+...+W_k*D_k；

其中，S表示鱼体三维网格参数化模型；ES表示鱼类三维均值模板；D₁表示第一个鱼体主成分；W₁表示第一个鱼体主成分对应的权参数；D₂表示第二个鱼体主成分；W₂表示第二个鱼体主成分对应的权参数；D_k表示第k个鱼体主成分；W_k表示第k个鱼体主成分对应的权参数。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种鱼体模型确定方法，其特征在于，包括：

获取各个鱼体的鱼体图像数据和鱼体三维扫描数据；

根据所述鱼体图像数据构建鱼体三维模板模型；

采用所述鱼体三维模板模型对所述鱼体三维扫描数据进行网格注册，得到鱼体三维网格模型，并由各个鱼体的所述鱼体三维网格模型构建鱼类网格数据集；所述鱼类网格数据集中所有的所述鱼体三维网格模型的拓扑结构均相同；

采用主成分分析法对所述鱼类网格数据集中的各鱼体三维网格模型进行参数化建模，生成各个鱼体的鱼体三维网格参数化模型；

其中，参数化建模的第一步：统计得到鱼类三维均值模板；参数化建模第二步：分解得到鱼体主成分和权参数，从而构建出鱼体三维网格参数化模型，之后改变权参数生成不同体型大小的鱼体；

所述鱼体三维网格参数化模型，具体为：

S＝ES+W₁*D₁+W₂*D₂+...+W_k*D_k；

其中，S表示鱼体三维网格参数化模型；ES表示鱼类三维均值模板；D₁表示第一个鱼体主成分；W₁表示第一个鱼体主成分对应的权参数；D₂表示第二个鱼体主成分；W₂表示第二个鱼体主成分对应的权参数；D_k表示第k个鱼体主成分；W_k表示第k个鱼体主成分对应的权参数。

2.根据权利要求1所述的一种鱼体模型确定方法，其特征在于，所述采用所述鱼体三维模板模型对所述鱼体三维扫描数据进行网格注册，得到鱼体三维网格模型，具体包括：

采用刚性注册算法对所述鱼体三维扫描数据和所述鱼体三维模板模型进行坐标转换和缩放变换，得到转换后的鱼体三维扫描数据和变换后的鱼体三维模板模型；

采用非刚性迭代最近点算法，以所述转换后的鱼体三维扫描数据中的每个顶点的位置为约束，以所述变换后的鱼体三维模板模型中的点与所述转换后的鱼体三维扫描数据中对应的点的误差最小为目标，对所述变换后的鱼体三维模板模型进行仿射变换，得到鱼体三维网格模型。

3.根据权利要求2所述的一种鱼体模型确定方法，其特征在于，所述采用刚性注册算法对所述鱼体三维扫描数据和所述鱼体三维模板模型进行坐标转换和缩放变换，得到转换后的鱼体三维扫描数据和变换后的鱼体三维模板模型，具体包括：

将所述鱼体三维扫描数据转换到所述鱼体三维模板模型的坐标系下，得到转换后的鱼体三维扫描数据；

采用缩放模板缩放所述鱼体三维模板模型，使所述鱼体三维模板模型与相应的鱼体三维扫描坐标转换数据的大小相匹配，得到变换后的鱼体三维模板模型。

4.根据权利要求1所述的一种鱼体模型确定方法，其特征在于，在所述采用所述鱼体三维模板模型对所述鱼体三维扫描数据进行网格注册，得到鱼体三维网格模型之前，还包括：

对所述鱼体三维扫描数据进行降采样操作。

5.一种鱼体模型确定系统，其特征在于，包括：

数据获取模块，用于获取各个鱼体的鱼体图像数据和鱼体三维扫描数据；

模型构建模块，用于根据所述鱼体图像数据构建鱼体三维模板模型；

网格注册模块，用于采用所述鱼体三维模板模型对所述鱼体三维扫描数据进行网格注册，得到鱼体三维网格模型，并由各个鱼体的所述鱼体三维网格模型构建鱼类网格数据集；所述鱼类网格数据集中所有的所述鱼体三维网格模型的拓扑结构均相同；

参数化建模模块，用于基于鱼类三维均值模板和鱼体参数数据，采用主成分分析法对所述鱼类网格数据集中的各鱼体三维网格模型进行参数化建模，生成各个鱼体的鱼体三维网格参数化模型；

其中，参数化建模的第一步：统计得到鱼类三维均值模板；参数化建模第二步：分解得到鱼体主成分和权参数，从而构建出鱼体三维网格参数化模型，之后改变权参数生成不同体型大小的鱼体；

所述参数化建模模块中的所述鱼体三维网格参数化模型，具体为：

S＝ES+W₁*D₁+W₂*D₂+...+W_k*D_k；

其中，S表示鱼体三维网格参数化模型；ES表示鱼类三维均值模板；D₁表示第一个鱼体主成分；W₁表示第一个鱼体主成分对应的权参数；D₂表示第二个鱼体主成分；W₂表示第二个鱼体主成分对应的权参数；D_k表示第k个鱼体主成分；W_k表示第k个鱼体主成分对应的权参数。

6.根据权利要求5所述的一种鱼体模型确定系统，其特征在于，所述网格注册模块，具体包括：

刚性注册单元，用于采用刚性注册算法对所述鱼体三维扫描数据和所述鱼体三维模板模型进行坐标转换和缩放变换，得到转换后的鱼体三维扫描数据和变换后的鱼体三维模板模型；

仿射变换单元，用于采用非刚性迭代最近点算法，以所述转换后的鱼体三维扫描数据中的每个顶点的位置为约束，以所述变换后的鱼体三维模板模型中的点与所述转换后的鱼体三维扫描数据中对应的点的误差最小为目标，对所述变换后的鱼体三维模板模型进行仿射变换，得到鱼体三维网格模型。

7.根据权利要求6所述的一种鱼体模型确定系统，其特征在于，所述刚性注册单元，具体包括：

坐标转换子单元，用于将所述鱼体三维扫描数据转换到所述鱼体三维模板模型的坐标系下，得到转换后的鱼体三维扫描数据；

缩放子单元，用于采用缩放模板缩放所述鱼体三维模板模型，使所述鱼体三维模板模型与相应的鱼体三维扫描坐标转换数据的大小相匹配，得到变换后的鱼体三维模板模型。

8.根据权利要求5所述的一种鱼体模型确定系统，其特征在于，还包括：

降采样模块，用于对所述鱼体三维扫描数据进行降采样操作。

Images