KR102131558B1 - 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법 - Google Patents

라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법 Download PDF

Info

Publication number
KR102131558B1
KR102131558B1 KR1020190060251A KR20190060251A KR102131558B1 KR 102131558 B1 KR102131558 B1 KR 102131558B1 KR 1020190060251 A KR1020190060251 A KR 1020190060251A KR 20190060251 A KR20190060251 A KR 20190060251A KR 102131558 B1 KR102131558 B1 KR 102131558B1
Authority
KR
South Korea
Prior art keywords
livestock
weight
volume
image information
points
Prior art date
Application number
KR1020190060251A
Other languages
English (en)
Inventor
원형필
전현일
오재현
정성훈
최낙건
Original Assignee
주식회사 일루베이션
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 주식회사 일루베이션 filed Critical 주식회사 일루베이션
Priority to KR1020190060251A priority Critical patent/KR102131558B1/ko
Application granted granted Critical
Publication of KR102131558B1 publication Critical patent/KR102131558B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G17/00—Apparatus for or methods of weighing material of special form or property
    • G01G17/08—Apparatus for or methods of weighing material of special form or property for weighing livestock
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T5/002—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/60—Analysis of geometric attributes
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

본 발명은 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법에 관한 것으로, 본 발명에 따르면, 가축의 3차원 영상정보를 획득하는 라이다부 및 상기 라이다부와 연결되어, 3차원 영상정보를 이용해 가축의 무게를 도출하는 가축 무게 측정 단말을 포함하는 라이다를 이용한 가축 무게 측정 시스템을 제공할 수 있다.
또한, 라이다를 이용한 가축 무게 측정 시스템을 이용하여 가축 무게를 측정하는 방법에 있어서, (a) 라이다부를 통해 가축의 3차원 영상정보를 획득하는 단계 및 (b) 가축 무게 측정 단말이 3차원 영상정보를 이용해 가축의 무게를 도출하는 단계를 포함하는 가축 무게 측정 방법을 제공할 수 있다.

Description

라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법{A livestock weighing system using the LiDAR and a livestock weighing method using the same}
본 발명은 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법에 관한 것으로, 더욱 자세하게는 라이다를 통해 획득된 가축의 3차원 영상정보를 이용하여 간단하고 신속하게 가축의 무게를 오차범위 5% 이내로 측정할 수 있어 정확도 및 신뢰도가 우수하며, 온도 정보를 통해 가축의 건강을 관리할 수 있는 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법에 관한 것이다.
축산업의 경우, 사육 동물의 개체별 사양관리를 위해서는 정기적인 체중관리가 필요하다.
특히, 양돈농가의 경우 출하 시 규격기준이 매우 중요하며, 규격기준 내에 맞는 돼지의 출하여부에 따라 농장의 소득에 매우 큰 차이를 가져온다. 돼지는 체중과 지방 두께에 따른 양적기준과 돼지고기의 지방분포와 고기의 육색에 따른 질적기준에 따라 돼지의 등급이 결정되는데, 통상적으로 115kg에서 120kg까지의 돼지를 규격돈이라고 한다.
규격돈의 체중을 만족시킬 경우 상위등급을 받을 수 있기 때문에 체중을 정확히 측정하여 출하돼지를 선별하는 것이 매우 중요하다.
이를 위해 주기적인 체중측정 또는 모니터링의 필요성이 현장에서 요구되고 있다.
현재 돼지의 체중은 흉의측위법 및 돈형기에 의하여 측정되고 있다.
흉위측위법은 돈의 흉위를 줄자로 측정하여 얻은 값을 체중 산출식에 적용하여 체중을 환산하는 것으로, 특별한 시설을 설치할 필요가 없다는 장점으로 사용되고 있으나 측정치의 오차가 매우 큰 문제점이 있다.
또한, 돈형기는 돼지의 체중을 측정하는 저울에 부대장치를 설비한 후 밀폐된 공간에서 양돈의 무게를 직접 측정하는 것으로, 양돈의 체중을 계측하기 위해서는 모든 돼지들을 돈형기로 유도한 후, 돈형기내에 일정시간을 정체시켜야 하는 번거로움이 따르며 이 과정에서 1마리의 체중을 측정하기 위해 1인 작업자 기준으로 약 10분 이상의 상당 시간이 소요되는 문제점이 있으며, 돼지의 분뇨로 인해 전자저울의 잦은 고장과 유지 보수에 어려움이 있었다.
또한, 농가인구의 감소 및 고령화로 인해 인력이 부족하여 이에 대한 대비책이 필요하다.
따라서, 간편하고 정확하게 돼지의 무게를 측정하여 돼지의 지속적인 체중관리를 하고 농가의 노동력을 절감시킬 수 있으며, 이를 통해 출하시점에 돼지의 체중을 정확하게 예측하기 위한 기술이 필요한 실정이다.
상기와 같은 문제를 해결하고자, 본 발명은 라이다를 통해 획득된 가축의 3차원 영상정보를 이용하여 간단하고 신속하게 가축의 무게를 오차범위 5% 이내로 측정할 수 있어 정확도 및 신뢰도가 우수하며, 온도 정보를 통해 가축의 건강을 관리할 수 있는 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법을 제공하는데 목적이 있다.
상기와 같은 과제를 해결하기 위하여, 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템은 가축의 3차원 영상정보를 획득하는 라이다부 및 상기 라이다부와 연결되어, 3차원 영상정보를 이용해 가축의 무게를 도출하는 가축 무게 측정 단말을 포함하는 라이다를 이용한 가축 무게 측정 시스템을 제공할 수 있다.
여기서, 상기 가축 무게 측정 단말은 상기 3차원 영상정보를 통해 추정된 체적 또는 길이를 이용하여 가축의 무게를 도출하는 무게 측정 모듈을 포함할 수 있다.
또한, 상기 무게 측정 모듈은 상기 3차원 영상정보에서 점(point)을 추출하고 점 집합(point cloud) 형태로 최적화하는 전처리부; 상기 최적화된 3차원 영상정보의 점 집합(point cloud)을 이용해 3차원 등위면을 형성하여 3차원 모델 데이터를 구축하는 3D 구축부; 상기 3차원 모델 데이터에서 체적 또는 길이를 추정하는 체적 추정부 및 상기 길이 또는 체적을 무게로 변환하는 무게 측정부를 포함할 수 있다.
또한, 상기 전처리부는 상기 3차원 영상정보에서 점을 추출하는 점 추출부 및 추출된 점에서 노이즈 점 제거 및 점 재정렬을 통해 하나의 점 집합을 형성하는 최적화부를 포함할 수 있다.
또한, 상기 최적화부는 추출된 점에서 노이즈 점 제거 및 x, y, z축 기반으로 재정렬을 하는 것을 특징으로 한다.
또한, 상기 3D 구축부는 표면 재구성이나 매칭 알고리즘을 통해 3차원 영상정보의 점 집합으로 3차원 등위면을 구현하여 3차원 모델 데이터를 구축하는 것을 특징으로 한다.
또한, 상기 무게 측정부는 상기 체적 추정부가 상기 3차원 모델 데이터에서 체적을 추정할 경우, 상기 체적을 미세간격으로 나누고, 수학식 3을 통해 나눠진 단면에 대한 미세부피의 총합으로 부피를 구한 후, 부피를 변환하여 무게를 도출하는 것을 특징으로 한다.
[수학식 3]
부피 =
Figure 112019052670149-pat00001
(여기서, Pi는 나누어진 단면의 둘레, t는 나누어진 단면의 두께임.)
또한, 상기 체적 추정부는 상기 3차원 모델 데이터에서 길이를 추정할 경우, 흉위 및 체장을 추정하고, 상기 무게 측정부는 상기 흉위 및 체장을 이용하여 하기 수학식 4를 통해 무게를 계산하는 것을 특징으로 한다.
[수학식 4]
무게 = (흉위상수 x 흉위) + (체장상수 x 체장)
또한, 상기 무게 측정 모듈은 상기 라이다부로부터 획득된 가축의 온도 정보를 이용하여 가축의 건강상태를 분석하여 건강상태정보를 생성하는 건강분석부를 더 포함할 수 있다.
또한, 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템을 이용하여 가축 무게를 측정하는 방법에 있어서, (a) 라이다부를 통해 가축의 3차원 영상정보를 획득하는 단계 및 (b) 가축 무게 측정 단말이 3차원 영상정보를 이용해 가축의 무게를 도출하는 단계를 포함하는 가축 무게 측정 방법을 제공할 수 있다.
또한, 상기 (b) 단계는 상기 3차원 영상정보에서 점(point)을 추출하고 점 집합(point cloud) 형태로 최적화하는 전처리 단계; 상기 최적화된 3차원 영상정보의 점 집합(point cloud)을 이용해 3차원 등위면을 형성하여 3차원 모델 데이터를 구축하는 3D 구축 단계; 상기 3차원 모델 데이터에서 체적 또는 길이를 추정하는 체적 추정 단계 및 상기 길이 또는 체적을 무게로 변환하는 무게 측정 단계를 포함할 수 있다.
또한, 상기 전처리 단계는 상기 3차원 영상정보에서 점을 추출하는 단계 및 추출된 점에서 노이즈 점 제거 및 점 재정렬을 통해 하나의 점 집합을 형성하는 단계를 포함할 수 있다.
또한, 상기 점 집합을 형성하는 단계는 추출된 점에서 1차로 노이즈 점을 제거하는 1차 제거단계; 1차로 노이즈 점이 제거된 점들을 x, y, z축 기반으로 중앙에 재정렬시켜 하나의 점 집합을 이루는 재정렬 단계 및 재정렬되어 형성된 점 집합에서 2차로 노이즈 점을 제거하는 2차 제거단계를 포함할 수 있다.
또한, 상기 3D 구축 단계는 표면 재구성이나 매칭 알고리즘을 통해 3차원 영상정보의 점 집합으로 3차원 등위면을 구현하여 3차원 모델 데이터를 구축하는 것을 특징으로 한다.
또한, 상기 무게 측정 단계는 상기 체적 추정 단계에서 상기 3차원 모델 데이터를 통해 체적을 추정할 경우, 상기 체적을 미세간격으로 나누고, 수학식 3을 통해 나눠진 단면에 대한 미세부피의 총합으로 부피를 구한 후, 부피를 변환하여 무게를 도출하는 것을 특징으로 한다.
[수학식 3]
부피 =
Figure 112019052670149-pat00002
(여기서, Pi는 나누어진 단면의 둘레, t는 나누어진 단면의 두께임.)
또한, 상기 체적 추정 단계는 상기 3차원 모델 데이터에서 길이를 추정할 경우, 흉위 및 체장을 추정하고, 상기 무게 측정 단계는 상기 흉위 및 체장을 이용하여 하기 수학식 4를 통해 무게를 계산하는 것을 특징으로 한다.
[수학식 4]
무게 = (흉위상수 x 흉위) + (체장상수 x 체장)
또한, 상기 (a) 단계 후에, 가축 무게 측정 단말이 온도 정보를 이용해 가축의 건강상태를 분석하여 건강상태정보를 생성하는 단계를 더 포함하며, 상기 (a) 단계는 라이다부를 통해 가축의 온도 정보도 획득하는 것을 특징으로 한다.
상기와 같은 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법은 라이다를 통해 획득된 가축의 3차원 영상정보를 이용하여 간단하고 신속하게 가축의 무게를 오차범위 5% 이내로 측정할 수 있는 스마트 체중계를 구현하여, 정확도 및 신뢰도가 우수할 수 있다.
이에 가축의 중량을 측정하기 위해 별도의 부대설비가 필요하지 않고 가축의 지속적인 체중관리를 통한 사료 조절을 통해 사육비용을 절감할 수 있고 출하시점을 정확히 예측할 수 있어 농가의 수익을 증대시킬 수 있다.
또한, 체중을 측정하기 위해 가축을 유도하여 일정시간 정체시켜야 하는 번거로움이 없어, 농가의 인력 부족, 인력 고령화 및 규모 대형화에 따른 문제를 해소할 수 있다.
또한, 라이다를 이용함으로써, 3차원 영상정보뿐만 아니라 동시에 온도 정보를 획득할 수 있어, 이를 이용하여 가축의 건강을 관리할 수 있다.
또한, 돼지뿐만 아니라 닭, 소 등 다양한 가축에 적용될 수 있어 활용성이 확대될 것으로 기대된다.
도 1의 (a) 및 (b)는 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템을 도시한 구성도.
도 2는 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템의 가축 무게 측정 단말의 구성을 도시한 블록도.
도 3의 (a) 및 (b)는 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템에서 길이 추정 시 추정되는 체장 및 흉위를 도시한 개념도.
도 4의 (a) 및 (b)는 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템에서 체적 추정 시 이용되는 미세간격 및 A의 둘레를 도시한 예시도.
도 5는 다른 예에 따른 라이다부를 도시한 사시도.
도 6은 도 5의 라이다부를 일부 투영한 모습을 도시한 일부 투영사시도.
도 7은 도 5의 먹이공급부를 도시한 사시도.
도 8은 도 6의 먹이공급부 사용 예시도.
도 9는 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템을 이용한 가축 무게 측정 방법을 개략적으로 도시한 흐름도.
도 10은 도 9의 S2 단계를 순차적으로 도시한 흐름도.
도 11은 도 10의 S20 단계를 순차적으로 도시한 흐름도.
이하, 도면을 참조한 본 발명의 설명은 특정한 실시 형태에 대해 한정되지 않으며, 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있다. 또한, 이하에서 설명하는 내용은 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
이하의 설명에서 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용되는 용어로서, 그 자체에 의미가 한정되지 아니하며, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 명세서 전체에 걸쳐 사용되는 동일한 참조번호는 동일한 구성요소를 나타낸다.
본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 이하에서 기재되는 "포함하다", "구비하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로 해석되어야 하며, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 갖는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
이하, 본 발명의 실시 예를 첨부한 도 1 내지 도 11을 참조하여 상세히 설명하기로 한다.
도 1의 (a) 및 (b)는 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템을 도시한 구성도이고, 도 2는 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템의 가축 무게 측정 단말의 구성을 도시한 블록도이고, 도 3의 (a) 및 (b)는 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템에서 길이 추정 시 추정되는 체장 및 흉위를 도시한 개념도이며, 도 4의 (a) 및 (b)는 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템에서 체적 추정 시 이용되는 미세간격 및 A의 둘레를 도시한 예시도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템은 라이다부(20) 및 가축 무게 측정 단말(10)을 포함할 수 있다.
먼저, 라이다부(20)는 라이다(LiDAR)로 이루어 질 수 있으며, 가축의 길이, 깊이 등의 정보를 수집하여 3차원 영상정보 및 온도정보를 획득할 수 있다.
라이다(LiDAR)는 Light Detection And Ranging의 약자이며, 빛으로 탐지하고 거리를 측정한다는 뜻이다. 레이저라고 하는 광원을 목표물에 비춤으로써 사물까지의 거리, 방향, 속도, 온도, 물질분포 및 농도 특성 등을 감지할 수 있다.
이러한 라이다부(20)는 가축 무게 측정 단말(10)에 무선 또는 유선 연결되어 연동되어 있어, 가축 무게 측정 단말(10)로부터 촬영신호를 수신받으면 작동하여 3차원 영상정보, 온도정보를 획득하고, 이에 획득한 3차원 영상정보, 온도정보를 바로 가축 무게 측정 단말(10)로 보낼 수 있다.
여기서, 3차원 영상정보는 2차원 이미지 및 깊이정보를 포함하는 것이고, 3차원 영상정보는 가축의 좌측면 또는 우측면을 촬영한 3차원 영상정보일 수 있으나, 이에 한정되지 않고 다양한 방향에서 획득한 3차원 영상정보일 수 있다.
또한, 하나가 아닌 가축의 정면, 후면, 좌측면 및 우측면 등을 촬영한 다수의 3차원 영상정보일 수도 있으며, 이 경우 가축 무게 측정 단말(10)의 무게 측정 모듈(11)은 다수의 3차원 영상정보를 정합하여 하나의 3차원 영상정보로 만들어 이용할 수 있다.
가축 무게 측정 단말(10)은 라이다부(20)와 연결되어, 3차원 영상정보를 이용해 가축의 무게를 도출할 수 있고, 온도정보를 이용해 가축의 건강상태를 분석할 수 있는데, 이를 수행할 수 있도록 무게 측정 모듈(11)을 포함할 수 있다.
여기서, 가축 무게 측정 단말(10)은 태블릿으로 구성될 수 있으며, 태블릿 외 모바일 단말, PDA(Personal Digital Assistant) 등도 적용될 수 있다. 이에 라이다부(20)로부터 얻어진 3차원 영상정보, 온도정보, 무게 측정 모듈(11)로부터 3차원 영상정보가 처리되는 과정, 온도 정보에 따른 건강상태정보 등이 농가의 사육사 등 관리자에게 실시간으로 제공될 수 있다.
또한, 무게 측정 모듈(11)은 소프트웨어적인 것으로, 가축 무게 측정 애플리케이션(또는 모발일 앱)일 수 있으며, 가축 무게 측정 시스템이 구현될 수 있도록 하는 가축 무게 측정 어플리케이션은 안드로이드, iOS 기반의 일반 애플리케이션을 의미한다.
무게 측정 모듈(11)은 미리 수집한 가축 데이터를 이용하여 생성된 표준데이터를 기반으로 구현된 것으로, 가축 무게 측정 단말(10)에 가축 무게 측정 애플리케이션으로 구현되어 관리자가 가축 무게 측정 시스템을 사용할 수 있도록 한다.
여기서, 표준데이터란 가축농가에서 가축을 실측하고, 3D 스캐닝하여 미리 수집한 가축 데이터를 분석하여 개월별로 표준화한 데이터로, 개월별 3차원 모델 데이터 및 그에 따른 무게를 포함할 수 있으며, 미리 수집한 가축 데이터는 가축의 생체정보, 3차원 모델 데이터 및 무게를 포함할 수 있다.
또한, 미리 수집한 가축 데이터는 가축의 온도에 따른 건강정보를 더 포함할 수 있다.
이러한 무게 측정 모듈(11)은 3차원 영상정보를 통해 추정된 체적 또는 길이를 이용하여 가축의 무게를 도출할 수 있으며, 온도 정보를 표준데이터를 기반으로 분석하여 건강상태정보를 생성할 수 있다.
도 2를 참조하면, 무게 측정 모듈(11)은 전처리부(110), 3D 구축부(111), 체적 추정부(112), 무게 측정부(113), 전송부(114) 및 건강분석부(115)를 포함할 수 있다.
전처리부(110)는 라이다부(20)로부터 3차원 영상정보가 획득되면, 3차원 영상정보에서 점(point)을 추출하고 점 집합(point cloud) 형태로 최적화할 수 있다.
이를 위해, 전처리부(110)는 점 추출부(미도시) 및 최적화부(미도시)를 포함할 수 있다.
점 추출부(미도시)는 3차원 영상정보에서 점을 추출할 수 있다. 즉, 3차원 영상정보에서 가축의 체형(형상)을 추출하기 위해 점들을 추출하는 것이다.
최적화부(미도시)는 점이 추출된 3차원 영상정보의 점(point)에서 노이즈 점을 제거 및 x, y, z축 기반으로 재정렬을 할 수 있다. 이는 추후 구축되는 3차원 모델 데이터의 품질 및 정확도를 높이기 위해 최적화를 수행하는 것이다.
바람직하게는 하기에서 설명되는 바와 같이, 점이 추출된 3차원 영상정보에서 노이즈 점을 제거하고, 재정렬 한 후 다시 한번 노이즈 점을 제거할 수 있으나, 이뤄지는 순서, 노이즈 점 제거, 재정렬 횟수 등은 이에 한정되지 않고, 재정렬 후 노이즈 점을 제거하는 등 다양하게 구성될 수 있다.
구체적으로, 최적화부는 먼저 추출된 점에서 1차로 노이즈 점을 제거할 수 있다.
1차로 노이즈 점을 제거하는 것은 바닥면과 주변 장애물에 해당하는 점들을 제거하는 것으로, 최적화부는 전체 점들의 표준편차와 평균값들을 이용하여 노이즈 점을 제거할 수 있다. 이때, 수학식 1 및 2를 통해 제거대상인 노이즈 점을 추출할 수 있다.
[수학식 1]
R=
Figure 112019052670149-pat00003
여기서, ta /2는 체형에 포함할 수 있는지의 임계값, t는 점, n-2는 자유도, n은 샘플의 크기이다.
이때, 샘플의 크기는 총 수집된 점의 개수를 의미한다.
[수학식 2]
δ= │(X-mean(X))/s│
여기서, X는 데이터값, mean(X)는 평균값, s는 표준편차이다.
상기와 같은 수학식 1 및 2를 통해 R(제거영역) 및 δ을 구한 다음, δ > R일 경우 제거대상인 노이즈 점으로 판단, δ ≤ R일 경우 제거대상인 노이즈 점이 아닌 것으로 판단할 수 있다. 이후, 제거대상에 해당하는 노이즈 점만 제거한다.
또한, 최적화부는 표준데이터를 기반으로 하고 있어, 상기와 같이 노이즈 점을 제거할 시 표준데이터도 이용해 제거되도록 한다.
즉, 단순히 영상정보에서 노이즈 점을 추출하여 제거하는 것이 아닌 가축의 체형에 대한 정보인 표준데이터를 기반으로도 노이즈 점을 판단하여 제거함으로써 정확도 및 신뢰도가 향상될 수 있는 것이다.
그 다음, 최적화부는 1차로 노이즈 점이 제거된 점들을 x, y, z축 기반으로 중앙에 재정렬시켜 하나의 점 집합을 이루도록 할 수 있다. 이렇게 재정렬된 점 집합은 가축의 체형(형상)을 이룰 수 있다.
그 다음, 최적화부는 본 시스템에서 측정하고자 하는 부분은 가축의 머리 부분을 제외한 부분들이기 때문에, 재정렬된 점 집합에서 가축의 머리 부분의 위치를 인식하고, 실제 측정하고자 하는 부분의 시작 위치를 인식할 수 있다.
그 다음, 최적화부는 재정렬되어 형성된 점 집합에서 2차로 노이즈 점을 제거할 수 있다.
2차로 노이즈 점을 제거하는 것은 점 집합의 경계선에 인접해 있는 제거되지 않는 불필요한 점들을 제거하는 것이다. 이때도 표준데이터를 기반으로 하여 노이즈 점을 제거할 수 있다.
3D 구축부(111)는 최적화된 3차원 영상정보의 점 집합(point cloud)을 이용해 3차원 등위면을 형성하여 3차원 모델 데이터를 구축할 수 있다.
여기서, 3D 구축부(111)는 표면 재구성이나 매칭 알고리즘을 통해 3차원 모델 데이터를 구축할 수 있다.
구체적으로, 3D 구축부(111)는 푸아송 표면 재구성(Poisson surface reconstruction) 및 마칭큐브(Marching cubes) 알고리즘을 통해 3차원 영상정보의 점 집합으로 3차원 등위면을 구현하여 3차원 모델 데이터를 구축할 수 있으나, 이에 한정되지 않는다.
즉, 3D 구축부(111)는 점 집합의 점들을 Delaunay 삼각형 또는 사각형으로 구현하여 표면을 구성할 수 있는 것이다.
더 구체적으로 설명하자면, 3차원 공간상(S)에서 추출된 점들을 연결시켜 삼각형을 형성할 수 있는데, 각 패치요소인 S에 대하여 가장 멀리 떨어진 꼭지점을 찾아 연결하여 지주(pole)를 형성할 수 있다. 이때, 형성된 지주(pole)의 집합을 P라 한다.
그 다음, 삼각형을 패치요소(S)와 지주(pole)의 합집으로 구성하고, 지주(pole)와 연결되는 삼각형들은 모두 제거한 후, 남은 삼각형들을 연결하여 표면을 구성할 수 있다.
이와 같은 방법으로 가축의 표면을 구현할 수 있으나, 이에 한정되지는 않는다.
또한, 3D 구축부(111)는 점들을 추출하기에 데이터가 부족한 영역이 있을 시에는 공백영역이 형성되고, 이에 의해 측정되는 무게의 오차율이 커질 수 있기 때문에, 부족한 영역의 데이터를 채워 넣어 정확도를 높일 수 있다.
이를 구현하기 앞서 가축의 형상은 등축을 기준으로 좌우 대칭성을 유지하는 특성을 확인하여, 좌우대칭특성을 이용하여 부족한 영역의 데이터를 복구시키도록 하였다.
이를 위해 3D 구축부(111)는 Principle Component Analysis (PCA) 기법을 이용하여 부족한 영역에 데이터를 채워넣어 공백영역을 복구시킬 수 있으며, 이에 한정되지 않고, 다양한 기법들이 적용될 수 있다.
구체적으로, 3D 구축부(111)는 각각의 점의 중심점 (centroid)과 아이겐 벡터를 계산한 후, 점을 기본점(Pb=(0,0,0))에 대한 대상으로 변형하여, 변형된 점을 세로축을 기준으로 대칭시켜 새로운 점을 생성시킬 수 있다. 여기서 세로축은 머리에서 꼬리를 잊는 축에 해당한다.
이때, 점을 기본점(Pb=(0,0,0))에 대한 대상으로 변형할 시 추출된 아이겐 벡터를 사용하여 아이겐 벡터가 기준점이 되는 방향으로 변형시킬 수 있다.
이후 3D 구축부(111)는 상기와 같은 과정으로 공백영역을 복구시킨 후에도 미흡한 공백영역이 있을 시, 인접 영역의 데이터를 이용하여 데이터를 채워 넣어 미흡한 공백영역을 최종적으로 복구시킬 수 있다.
이에 데이터가 부족한 영역에 점이 생성되어 공백영역이 복구됨으로써, 가축의 형상과 근접한 3차원 모델 데이터가 구축될 수 있다.
체적 추정부(112)는 가축의 무게를 도출하기 위하여 3차원 모델 데이터에서 체적 또는 길이를 추정할 수 있다.
여기서 체적 추정부(112)는 길이를 추정할 경우, 도 3과 같이 흉위 및 체장을 추정할 수 있는데, 흉위는 가축의 두 겨드랑이 사이로 가슴과 등을 둘러 잰 길이를 말하며, 체장은 귀 뒤의 목에서 꼬리 직전까지의 길이, 즉 가축의 몸의 길이를 말하는 것이다.
구체적으로, 체적 추정부(112)는 길이 중 흉위를 추정할 경우, 최적화부에서 인식된 가축의 머리 부분의 위치를 이용하여 머리에서부터 중앙선을 유도하여 회전시키는 곡선이 흉위인 것으로 가정하고, 회전시키는 곡선을 추출하기 위해 표면을 따라 다수개의 점을 설정하고 이를 연결하는 것으로 흉위를 추정할 수 있다.
이때, 맨 마지막 점을 기준으로 정확한 표면에 표현되고, 점간의 거리의 오차를 최소화하기 위해 일정간격 이내의 모든 점들의 평균값을 적용할 수 있다.
이와 같이 평균값을 적용함으로써 부드러운 곡선을 이루는 흉위를 추정해내고 오차율을 감소시킬 수 있다.
무게 측정부(113)는 추정된 체적 또는 길이를 무게로 변환하여 무게를 도출할 수 있다. 여기서 무게 측정부(113)는 추정된 체적 또는 길이에 따라 무게를 도출하는 방법이 다르게 구성될 수 있다.
먼저 일 예로, 무게 측정부(113)는 체적 추정부(112)에서 체적을 추정할 경우, 체적을 미세간격으로 나누고, 수학식 3을 통해 나눠진 단면에 대한 미세부피의 총합으로 부피를 구한 후, 부피를 변환하여 무게를 도출하는 것을 특징으로 한다. 미세부피는 나누어진 단면의 각각의 부피이다.
[수학식 3]
부피 =
Figure 112019052670149-pat00004
여기서, Pi는 나누어진 단면의 둘레, t는 나누어진 단면의 두께이다.
즉, 도 4의 (a)에 도시된 바와 같이 추정된 체적을 미세간격으로 나누게 되면, 나누어진 단면이 형성되어, 하나의 나누어진 단면(A)은 도 4의 (b)에 도시된 바와 같이 둘레를 가지게 된다. 이에 나누어진 단면의 둘레와 미세간격(두께)를 곱하여 나누어진 단면의 미세부피를 각각 구한 후 미세부피의 총합으로 가축의 전체 부피를 구한 다음, 부피를 관계식을 통해 무게로 변환할 수 있다.
이때, 부피를 무게로 도출할 수 있는 관계식은 표준데이터를 통계적 처리하여 부피에 따른 무게의 관계를 식으로 수립한 것이다.
또한 이 예로, 무게 측정부(113)는 체적 추정부(112)에서 길이를 추정할 경우, 길이인 흉위 및 체장을 이용하여 수립된 관계식을 통해 무게를 계산하여 도출할 수 있다.
이때 수립된 관계식은 표준데이터를 통계적 처리하여 체적에 따른 무게의 관계를 식으로 수립한 것으로, Y=aX+b 및 결정계수(R2)를 이용하여 수립된 것이다.
여기서, X는 독립변수로 흉위로 설정하였고, Y는 종속변수로 체장으로 설정하여 흉위 및 체장으로 체중을 도출할 수 있는 관계식을 수립하였다.
이러한 관계식은 예를 들어 하기 수학식 4와 같이 수립될 수 있다.
[수학식 4]
무게 = (흉위상수 x 흉위) + (체장상수 x 체장)
여기서, 흉위상수 및 체장상수는 표준데이터를 통계적 처리하여 도출된 상수로 표준데이터가 업데이트되면, 그에 따라 업데이트될 수 있다.
이와 같이 무게 측정부(113)는 흉위 및 체장을 상기 수학식 4와 같이 수립된 관계식에 대입하여 가축의 무게를 계산하는 것으로 무게를 도출할 수 있다.
이러한 관계식은 가축 무게 측정 시스템을 통해 측정되어 생성된 가축 데이터가 저장됨에 따라 표준데이터가 업데이트되면, 그에 따라 업데이트될 수 있어 점차 정확도 및 신뢰도가 향상될 수 있다.
상기와 같은 구성으로 무게 측정부(113)는 가축의 무게를 도출할 수 있다.
전송부(114)는 라이다부(20)가 가축을 촬영하여 3차원 영상정보 및 온도정보를 획득하기 전에 관리자로부터 촬영하는 가축의 생체정보를 입력 받을 수 있으며, 촬영 전에 가축의 생체정보를 입력 받는 것이 바람직하나, 이에 한정되지 않고, 가축의 무게 도출 후 입력 받는 등 다양하게 변경될 수 있다.
여기서, 가축의 생체정보는 무게를 측정하고자 하는 가축의 생체정보로, 가축분류번호, 종, 성별 및 개월수 중 하나 이상을 포함할 수 있으며, 모두 포함하는 것이 바람직하다.
이에 전처리부(110)는 표준데이터 이용 시 생체정보에 매칭되는 표준데이터를 이용함으로써, 무게 도출 정확도가 더 향상될 수 있다.
또한, 전송부(114)는 수신 받은 상기 가축의 생체정보, 생성된 3차원 모델 데이터, 도출된 무게를 가축 데이터로 생성하여 가축 무게 측정 서버(미도시)로 전송할 수 있다.
이 외에 전송부(114)는 가축 데이터에 가축의 온도정보, 건강상태정보를 더 포함하여 가축 무게 측정 서버(미도시)로 전송할 수 있다.
건강분석부(115)는 라이다부(20)로부터 획득된 가축의 온도정보를 이용하여 가축의 건강상태를 분석하고, 이에 대한 건강상태정보를 생성할 수 있다.
이때, 건강분석부(115)는 미리 수집한 가축의 온도에 따른 건강정보를 포함하는 가축데이터를 이용해 표준화된 표준데이터를 이용하여 온도정보에 따라 가축의 건강상태를 분석함으로써, 가축의 건강을 보다 정확하게 분석할 수 있다.
이러한 구성에 따라 농가의 사육사 등 관리자가 가축의 건강을 용이하게 파악하여 관리할 수 있도록 할 수 있다.
또한, 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템은 가축 무게 측정 서버(미도시) 및 관제부(미도시)를 더 포함할 수 있다.
가축 무게 측정 서버(미도시)는 가축 무게 측정 단말(10)의 전송부(114)로부터 가축 데이터를 전송받아 저장하여 보관할 수 있다.
또한, 가축 무게 측정 서버(미도시)는 관제부(미도시)로 가축 데이터를 전송할 수 있다.
관제부(미도시)는 가축 무게 측정 서버(미도시)와 연동되어 가축 데이터를 수신받아, 가축 데이터를 저장하고 관리자 등에게 제공할 수 있다.
이를 위해 관제부(미도시)는 가축 무게 측정 시스템이 구현될 수 있도록 하는 가축 무게 측정 애플리케이션(또는 모발일 앱)을 포함하며, 농가의 사육사 등 관리자의 PC일 수 있으나, 이에 한정되지는 않는다.
이에 관제부(미도시)는 가축 무게 측정 애플리케이션을 통해 가축 무게 측정 서버(미도시)로부터 가축 데이터를 수신받을 수 있고, 관리자가 가축 데이터를 제공받아 가축의 체중과 건강을 용이하게 관리할 수 있도록 한다.
또한, 관제부(미도시)는 수신받은 가축 데이터를 저장하기 위해 데이터베이스(DB)를 포함하고, 데이터베이스(DB)는 수신받은 가축 데이터를 개월수에 따라 분류하여 저장할 수 있다. 또한, 데이터베이스(DB)는 표준데이터를 저장할 수 있으며, 수신받은 가축 데이터에 의해 업데이트 될 수 있다.
이러한 관제부(미도시)를 통해 관리자는 실시간으로 가축의 무게를 모니터링 할 수 있고, 이에 무게에 따라 급여 사료량을 결정할 수 있으며, 규격기준에 맞게 출하 시기를 결정할 수 있다.
또한, 가축의 지속적인 체중관리로 성장상태를 모니터링하여 고품질로 출하시기를 앞당길 수 있고, 이에 사육일수 및 사육비용을 절감시킬 수 있다.
또한, 출하시점을 정확히 예측할 수 있어 가축농가의 수익을 증대시킬 수 있다.
도 5는 다른 예에 따른 라이다부를 도시한 사시도이고, 도 6은 도 5의 라이다부를 일부 투영한 모습을 도시한 일부 투영사시도이고, 도 7은 도 5의 먹이공급부를 도시한 사시도이며, 도 8은 도 6의 먹이공급부 사용 예시도이다.
한편, 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템의 라이다부(20)는 다른 형태로 형성될 수 있는데, 도 5 및 도 6을 참조하면, 라이다부(20)는 가축을 촬영할 수 있는 라이다(21)를 포함하고, 라이다(21)를 설치하여 가축을 효율적으로 촬영하여 3차원 영상정보를 획득할 수 있도록 가두리(22)를 더 포함할 수 있다.
가두리(22)는 라이다(21)가 설치될 수 있으며, 내부에 가축이 수용될 수 있도록 모든 면이 개구된 직육면체 형상의 프레임으로 형성될 수 있다. 이때, 모든 면이 개구되게 형성되는 것은 가축과 중첩되는 면이 있을 경우 촬영하여 획득되는 3차원 영상정보의 정확도가 떨어질 수 있기 때문에 수용되는 가축의 몸체와 중첩되지 않도록 설계되는 것이 바람직하기 때문이다.
여기서, 프레임은 알루미늄 재질로 형성되는 것이 바람직하나, 이에 한정되지는 않는다.
구체적으로, 가두리(22)는 하단 수평프레임(220), 수직프레임(221) 및 상단 수평프레임(222)을 포함하고, 상하조절부(223)를 더 포함할 수 있다.
하단 수평프레임(220)은 내부가 빈 바 형상으로 형성되어 4개가 구비되며, 직사각형 형상을 이룰 수 있다. 이러한 하단 수평프레임(220)은 지면에 지지되는 부분이다.
수직프레임(221)은 내부가 빈 바 형상으로 형성되어 4개가 구비되며, 지면에 대해 수직되게 설치되며 하단 수평프레임(220)에 수직되게 연결되되, 직사각형 형상의 하단 수평프레임(220)에서 각 모서리에 위치하여 4개의 하단 수평프레임(220)을 연결시킬 수 있다.
상단 수평프레임(222)은 내부가 빈 바 형상으로 형성되어 4개가 구비되며, 4개의 수직프레임(221) 사이에 수직되게 연결될 수 있다. 이에 상단 수평프레임(222)은 직사각형 형상을 이룰 수 있다.
이와 같이 구성된 가두리(22)에서 하단 수평프레임(220) 및 상단 수평프레임(222)에 라이다(21)가 다수개 설치될 수 있으나, 이에 한정되지는 않는다.
또한, 상단 수평프레임(222)은 상기 수직프레임(221)에서 상하 이동될 수 있는데, 이는 가축의 크기에 맞춰 상단 수평프레임(222)에 설치된 라이다(21)의 위치를 조정하여 원하는 각도로 가축을 촬영할 수 있도록 하는 것이다.
이를 위해 구성된 상하조절부(223)는 레일부(2230) 및 고정부(2231)를 포함할 수 있다.
레일부(2230)는 4개의 수직프레임(221)에 각각 형성되며, 하나의 수직프레임(221)에서 상단 수평프레임(222)이 연결되는 면에 모두 형성될 수 있다.
또한, 레일부(2230)는 수직프레임(221)에 상하측으로 길이를 형성하며, 고정부(2231)와 체결되고 고정부(2231)가 상하이동할 수 있도록 한다.
이러한 레일부(2230)는 레일(2230a)을 포함할 수 있다. 레일(2230a)은 레일부(2230) 양측에 형성되고, 오목부 및 볼록부가 교번하여 형성될 수 있다. 또한, 레일(2230a)은 오목부간의 간격, 볼록부간의 간격은 일정한 간격을 이루도록 형성되어, 물결형상으로 형성될 수 있다.
여기서, 레일(2230a)은 레일부(2230)를 중심으로 대칭되게 형성될 수 있다.
이에 따라, 레일(2230a)을 따라 고정부(2231)의 걸림돌기(2231c)가 이동할 수 있으며, 사용자가 누름부(2231b)를 누르고 상측 또는 하측으로 힘을 주면 볼록부를 따라 이동하다가, 오목부에 도달하면 하측의 볼록부에 의해 걸림돌기(2231c)가 고정될 수 있다.
고정부(2231)는 4개의 상단 수평프레임(222) 내부에 각각 형성되며, 양끝단이 수직프레임(221)에 형성된 레일부(2230)에 삽입되어 레일부(2230)를 따라 상하이동할 수 있다.
이러한 고정부(2231)는 연결바(2231a), 누름부(2231b), 걸림돌기(2231c) 및 탄성부재(2231d)를 포함할 수 있다.
연결바(2231a)는 상단 수평프레임(222)의 길이방향으로 길게 형성되며, 2개가 대칭되게 형성될 수 있다.
누름부(2231b)는 상기 연결바(2231a)의 폭을 중심으로 양측에 각각 하나 이상이 형성될 수 있으며, 양측에 대칭되게 형성될 수 있다. 또한, 누름부(2231b)는 사용자가 누를 수 있도록 상단 수평프레임(222)의 양측(좌우측 또는 전후측)으로 관통되어 외부에 노출되게 형성될 수 있다. 이때, 상단 수평프레임(222)의 양측(좌우측 또는 전후측)으로 누름홀이 형성되어 누름부(2231b)가 삽입 관통될 수 있다.
걸림돌기(2231c)는 2개의 연결바(2231a) 양끝단에 각각 외측으로 수직 돌출되게 형성될 수 있다. 이러한 걸림돌기(2231c)는 레일부(2230)에 삽입되어 레일(2230a)에 접하게 설치되고 이에 따라 상하이동할 수 있고, 고정되어 상단 수평프레임(222)의 위치를 고정시킬 수 있다.
이러한 걸림돌기(2231c)는 레일부(2230)를 따라 상하이동이 용이하도록 일측이 곡률을 가지도록 형성될 수 있다.
탄성부재(2231d)는 연결바(2231a) 및 걸림돌기(2231c) 사이에 구비되어, 연결바(2231a) 및 걸림돌기(2231c)를 받쳐줄 수 있어, 고정부(2231)가 레일부(2230)에 고정될 수 있고, 레일부(2230)를 따라 상하 이동할 수도 있는 것이다.
즉, 탄성부재(2231d)는 걸림돌기(2231c)가 상하 이동하면서 레일(2230a)의 볼록부에 의해 걸림돌기(2231c)가 가압되면 탄성부재(2231d)가 수축하면서 걸림돌기(2231c)의 이동이 더욱 용이할 수 있고, 오목부에 위치할 경우 다시 원상태로 복원되어 걸림돌기(2231c)를 밀어주게 되면서 걸림돌기(2231c)가 레일(2230a)에 의해 고정되도록 할 수 있다.
이와 같은 구성으로 가두리(22)에서 상단 수평프레임(222)의 높이를 조절할 수 있어, 다양한 크기의 가축에 맞춰 라이다(21)의 위치를 조정할 수 있다.
또한, 가두리(22)는 가축을 촬영할 때 먹이를 공급하기 위한 먹이공급부(23)를 포함할 수 있다.
먹이공급부(23)는 촬영하고자 하는 가축에게 먹이를 공급하여 촬영 시 가축의 움직임을 최소화시켜 획득되는 3차원 영상정보의 품질을 향상시킬 수 있으며, 이에 따라 도출되는 무게의 정확도를 높일 수 있다.
즉, 본 발명의 라이다를 이용한 가축 무게 측정 시스템은 획득되는 3차원 영상정보를 통해 가축의 무게를 도출하므로, 3차원 영상정보의 품질은 도출되는 무게의 정확도에 영향을 주기 때문에 가축의 움직임을 최소화하여 가축을 정확하게 촬영하는 것이 필요한 것이다.
이를 위해 공급되는 먹이로는 물, 설탕물, 아이스크림 등을 사용할 수 있으나, 이에 한정하지는 않는다.
이러한 먹이공급부(23)는 구체적으로, 도 7 및 도 8을 참조하면 먹이통(230), 공급관(231), 먹이판(232) 및 수용통(233)을 포함할 수 있다.
먹이통(230)은 물, 설탕물, 아이스크림 등을 수용하는 통으로, 먹이를 채울 수 있게 개폐가 가능한 유입구를 포함할 수 있다.
공급관(231)은 먹이통(230)에 연결되어 먹이판(232)으로 먹이를 공급할 수 있다. 가축이 수용됨이 인지되면 먹이공급부(23)의 먹이통(230)에서 먹이가 공급관(231)으로 공급되고 먹이판(232)에 제공될 수 있다.
먹이판(232)은 공급관(231)의 하측에 형성되어 공급관(231)으로부터 나오는 먹이를 받을 수 있다. 먹이판은 소정의 깊이를 가지며 판 형상으로 형성되어 가축이 먹이를 용이하게 섭취할 수 있도록 하며, 후측이 상측으로 경사지게 형성되어 먹이가 가축이 있는 전방으로 유도되도록 할 수 있다.
수용통(233)은 가축이 먹이를 섭취하려고 하면 가축의 머리를 수용할 수 있는 통으로, 가축이 먹이판(232)에 제공되어 있는 먹이를 섭취하기 위해서는 수용통(233)에 머리를 수용시켜야만 먹이를 먹을 수 있게 구성된 것이다.
즉, 먹이를 통해 수용통(233)으로 가축이 머리를 집어 넣도록 유도하여 먹이를 먹으면서 가축이 최대한 움직이지 않도록 하는 것이다.
이러한 수용통(233)은 가축이 머리를 집어 넣을 수 있도록 전면 및 상면이 개구되게 형성될 수 있다.
또한, 수용통(233)은 투명한 강화유리, 아크릴 등으로 제작되어 가축 촬영 시 가축의 머리도 같이 촬영될 수 있도록 한다.
또한, 수용통(233)은 하단에 다수개의 호흡공(2330)이 형성되어 내부에 가축의 호흡으로 인한 습기가 차지 않도록 할 수 있다.
이와 같이 구성된 먹이공급부(23)를 가축 촬영 시 이용함으로써, 가축의 움직임을 최소화시켜 흔들림 없는 정확한 3차원 영상정보를 획득할 수 있다.
또한, 가두리(22)는 가축 감지 센서를 더 포함하여, 가축 감지 센서를 통해 가두리(22)에 가축이 수용됨을 인지하면 먹이공급부(23)에서 먹이를 공급하도록 제어할 수 있다.
이러한 라이다부(20)의 구성은 반드시 필요한 것이 아니나, 획득되는 3차원 영상정보의 고도화를 위해 구비될 수 있는 것이다.
도 9는 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템을 이용한 가축 무게 측정 방법을 개략적으로 도시한 흐름도이고, 도 10은 도 9의 S2 단계를 순차적으로 도시한 흐름도이며, 도 11은 도 10의 S20 단계를 순차적으로 도시한 흐름도이다.
도 9를 참조하면, 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템을 이용한 가축 무게 측정 방법은 3차원 영상정보를 획득하는 단계(S1) 및 3차원 영상정보를 이용해 가축의 무게를 도출하는 단계(S2)를 포함할 수 있다.
구체적으로, 3차원 영상정보를 획득하는 단계(S1)는 라이다부(20)가 초기화 된 후 가축을 촬영하여 3차원 영상정보를 획득할 수 있다. 이때, 영상정보 이외에 온도정보 등을 더 획득할 수 있다.
또한, 라이다부(20)는 가축 무게 측정 단말(10)을 통해 촬영 신호를 수신받으면 작동되어 가축을 촬영하고, 이에 가축의 3차원 영상정보, 온도정보 등을 획득할 수 있다.
S1 단계 이전에 가축 무게 측정 단말(10)를 통해 관리자로부터 가축의 생체정보를 입력받는 단계를 더 포함할 수 있으며, S1 단계 이전에 상기 단계가 포함될 수 있으나, 이에 한정되지 않고, S2 단계 후에 포함될 수도 있다.
이때, 정확한 3차원 영상정보를 획득하기 위하여 라이다부(20)의 먹이공급부를 통해 가축에게 먹이가 공급되는 상태에서 S1 단계가 이루어질 수 있다.
3차원 영상정보를 이용해 가축의 무게를 도출하는 단계(S2)는 가축 무게 측정 단말(10)이 3차원 영상정보를 이용해 가축의 무게를 도출할 수 있다.
이를 위해, S2 단계는 전처리 단계(S20), 3D 구축 단계(S21), 체적 추정 단계(S22) 및 무게 측정 단계(S23)를 포함할 수 있다.
전처리 단계(S20)는 3차원 영상정보에서 점(point)을 추출하고 점 집합(point cloud) 형태로 최적화할 수 있다.
S20 단계는 구체적으로, 3차원 영상정보에서 점을 추출하는 단계(S200) 및 점 집합을 형성하는 단계(S201)를 포함할 수 있다.
3차원 영상정보에서 점을 추출하는 단계(S200)는 3차원 영상정보에서 점을 추출할 수 있다. 이는 3차원 영상정보에서 가축의 체형(형상)을 추출하기 위해 점들을 추출하는 것이다.
점 집합을 형성하는 단계(S201)는 S200 단계에서 추출된 점에서 노이즈 점 제거 및 점 재정렬을 통해 하나의 점 집합을 형성할 수 있다. 이는 추후 구축되는 3차원 모델 데이터의 품질 및 정확도를 높이기 위해 진행되는 것이다.
바람직하게는 하기에서 설명되는 바와 같이, S201 단계가 1차 제거단계, 재정렬 단계 및 2차 제거단계로 이루어질 수 있으나, 이루어지는 순서, 노이즈 점 제거, 재정렬 횟수 등은 이에 한정되지 않고, 재정렬 후 노이즈 점을 제거하는 등 다양하게 구성될 수 있다.
구체적으로, S201 단계는 1차 제거단계, 재정렬 단계 및 2차 제거단계를 포함할 수 있다.
1처 제거단계는 S200 단계에서 추출된 점에서 1차로 바닥면과 주변 장애물에 해당하는 점들인 노이즈 점을 제거할 수 있는데, 전체 점들의 표준편차와 평균값들을 이용하여 노이즈 점을 제거할 수 있다. 이때, 수학식 1 및 2를 통해 제거대상인 노이즈 점을 추출할 수 있다.
[수학식 1]
R=
Figure 112019052670149-pat00005
여기서, ta /2는 체형에 포함할 수 있는지의 임계값, t는 점, n-2는 자유도, n은 샘플의 크기이다.
이때, 샘플의 크기는 총 수집된 점의 개수를 의미한다.
[수학식 2]
δ= │(X-mean(X))/s│
여기서, X는 데이터값, mean(X)는 평균값, s는 표준편차이다.
상기와 같은 수학식 1 및 2를 통해 R(제거영역) 및 δ을 구한 다음, δ > R일 경우 제거대상인 노이즈 점으로 판단, δ ≤ R일 경우 제거대상인 노이즈 점이 아닌 것으로 판단할 수 있다. 이후, 제거대상에 해당하는 노이즈 점만 제거한다.
이때, 표준데이터도 이용되어 노이즈 점이 제거될 수 있다.
재정렬 단계는 1차로 노이즈 점이 제거된 점들을 x, y, z축 기반으로 중앙에 재정렬시켜 하나의 점 집합을 이루도록 할 수 있다. 이렇게 재정렬된 점 집합은 가축의 체형(형상)을 이룰 수 있다.
2차 제거단계는 재정렬되어 형성된 점 집합에서 2차로 점 집합의 경계선에 인접해 있는 제거되지 않은 불필요한 점들인 노이즈 점을 제거할 수 있다. 이때, 표준데이터를 기반으로 하여 노이즈 점을 제거할 수 있다.
3D 구축 단계(S21)는 최적화된 3차원 영상정보의 점 집합(point cloud)을 이용해 3차원 등위면을 형성하여 3차원 모델 데이터를 구축할 수 있다.
이때, S21 단계는 표면 재구성이나 매칭 알고리즘을 통해 3차원 영상정보의 점 집합으로 3차원 등위면을 구현하여 3차원 모델 데이터를 구축할 수 있는데, 바람직하게는 푸아송 표면 재구성(Poisson surface reconstruction) 및 마칭큐브(Marching cubes) 알고리즘을 이용할 수 있으나, 이에 한정되지 않고 다양한 기법들이 적용될 수 있다.
더 구체적으로 설명하자면, S21 단계는 차원 공간상(S)에서 추출된 점들을 연결시켜 삼각형을 형성할 수 있는데, 각 패치요소인 S에 대하여 가장 멀리 떨어진 꼭지점을 찾아 연결하여 지주(pole)를 형성할 수 있다. 이때, 형성된 지주(pole)의 집합을 P라 한다.
그 다음, 삼각형을 패치요소(S)와 지주(pole)의 합집으로 구성하고, 지주(pole)와 연결되는 삼각형들은 모두 제거한 후, 남은 삼각형들을 연결하여 표면을 구성할 수 있다.
또한, S21 단계는 점들을 추출하기에 데이터가 부족한 영역이 있어 공백영역이 발생했을 시, Principle Component Analysis (PCA) 기법을 이용하여 부족한 영역에 데이터를 채워 넣어 공백영역을 복구시킬 수 있다. 이에 한정되지 않고, 다양한 기법들이 적용될 수 있다.
구체적으로, S21 단계는 각각의 점의 중심점 (centroid)과 아이겐 벡터를 계산한 후, 점을 기본점(Pb=(0,0,0))에 대한 대상으로 변형하여, 변형된 점을 세로축을 기준으로 대칭시켜 새로운 점을 생성시킬 수 있다.
이때, 점을 기본점(Pb=(0,0,0))에 대한 대상으로 변형할 시 추출된 아이겐 벡터를 사용하여 아이겐 벡터가 기준점이 되는 방향으로 변형시킬 수 있다.
이후 3D 구축부(111)는 상기와 같은 과정으로 공백영역을 복구시킨 후에도 미흡한 공백영역이 있을 시, 인접 영역의 데이터를 이용하여 데이터를 채워 넣어 미흡한 공백영역을 최종적으로 복구시킬 수 있다.
체적 추정 단계(S22)는 S21 단계에서 구축된 3차원 모델 데이터에서 체적 또는 길이를 추정할 수 있다. 3차원 모델 데이터에서 길이를 추정하는 경우에는 흉위 및 체장을 추정하는 것이다. 자세한 설명은 시스템에서 상세히 설명하였으므로 생략하기로 한다.
무게 측정 단계(S23)는 S22 단계에서 추정된 체적 또는 길이를 무게로 변환할 수 있다.
또한, S23 단계는 S22 단계에서 3차원 모델 데이터를 통해 체적을 추정할 경우, 체적을 미세간격으로 나누고, 수학식 3을 통해 나눠진 단면에 대한 미세부피의 총합으로 부피를 구한 후, 부피를 변환하여 무게를 도출할 수 있다. 미세부피는 나누어진 단면의 각각의 부피이다.
[수학식 3]
부피 =
Figure 112019052670149-pat00006
(여기서, Pi는 나누어진 단면의 둘레, t는 나누어진 단면의 두께임.)
즉, 상기의 식을 통해 부피를 구한 다음, 부피를 관계식을 통해 무게로 변환할 수 있다. 이때 부피를 무게로 도출할 수 있는 관계식은 표준데이터를 통계적 처리하여 부피에 따른 무게의 관계를 식으로 수립한 것이다.
또한, S23 단계는 S22 단계에서 길이를 추정할 경우, 길이인 상기 흉위 및 체장을 이용하여 수립된 관계식을 통해 무게를 계산하여 도출할 수 있다.
여기서 수립된 관계식은 표준데이터를 통계적 처리하여 체적에 따른 무게의 관계를 식으로 수립한 것으로, Y=aX+b 및 결정계수(R2)를 이용하여 수립된 것이다.
상기 식에서 X는 독립변수로 흉위로, Y는 종속변수로 체장으로 설정하여 흉위 및 체장에 대한 관계식이 수립되었다.
이러한 관계식은 예를 들어 하기 수학식 4와 같이 수립될 수 있다.
[수학식 4]
무게 = (흉위상수 x 흉위) + (체장상수 x 체장)
여기서, 흉위상수 및 체장상수는 표준데이터를 통계적 처리하여 도출된 상수로 표준데이터가 업데이트되면, 그에 따라 업데이트될 수 있다.
이와 같이 흉위 및 체장을 상기 수학식 4와 같이 수립된 관계식에 대입하여 가축의 무게를 계산하는 것으로 무게를 도출할 수 있다.
이와 같은 S2 단계를 통해 가축의 무게가 도출될 수 있다.
또한, 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 방법은 S1 단계 후에, 온도정보를 이용해 가축의 건강상태를 분석하여 건강상태정보를 생성하는 단계를 더 포함할 수 있다.
온도정보를 이용해 가축의 건강상태를 분석하여 건강상태정보를 생성하는 단계는 미리 수집한 가축의 온도에 따른 건강정보를 포함하는 가축데이터를 이용해 표준화된 표준데이터를 이용하여 라이다부(20)로부터 획득된 온도정보에 따라 가축의 건강상태를 분석하고, 이에 대한 건강상태정보를 생성할 수 있다.
또한, 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 방법은 S2 단계 후에, 가축 데이터를 전송하는 단계를 더 포함할 수 있다.
가축 데이터를 전송하는 단계는 가축 무게 측정 단말(10)이 가축의 생체정보, 3차원 모델 데이터 및 무게를 포함하고, 그 외에 건강상태정보를 더 포함하는 가축 데이터를 생성하여 가축 무게 측정 서버(미도시)에 전송할 수 있고, 가축 무게 측정 서버(미도시)는 관제부(미도시)로 전송할 수 있다.
상기에서 설명한 바와 같이, 본 발명의 실시예에 따른 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법은 라이다를 통해 획득된 가축의 3차원 영상정보를 이용하여 간단하고 신속하게 가축의 무게를 오차범위 5% 이내로 측정할 수 있는 스마트 체중계를 구현하여, 정확도 및 신뢰도가 우수할 수 있다.
이에 가축의 중량을 측정하기 위해 별도의 부대설비가 필요하지 않고 가축의 지속적인 체중관리를 통한 사료 조절을 통해 사육비용을 절감할 수 있고 출하시점을 정확히 예측할 수 있어 농가의 수익을 증대시킬 수 있다.
또한, 체중을 측정하기 위해 가축을 유도하여 일정시간 정체시켜야 하는 번거로움이 없어, 농가의 인력 부족, 인력 고령화 및 규모 대형화에 따른 문제를 해소할 수 있다.
또한, 라이다를 이용함으로써, 3차원 영상정보뿐만 아니라 동시에 온도 정보를 획득할 수 있어, 이를 이용하여 가축의 건강을 관리할 수 있다.
또한, 돼지뿐만 아니라 닭, 소 등 다양한 가축에 적용될 수 있어 활용성이 확대될 것으로 기대된다.
이상에서 설명한 본 발명의 실시예는 장치 및/또는 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하기 위한 프로그램, 그 프로그램이 기록된 기록 매체 등을 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
10: 가축 무게 측정 단말
11: 무게 측정 모듈
110: 전처리부
111: 3D 구축부
112: 체적 추정부
113: 무게 측정부
114: 전송부
115: 건강분석부
20: 라이다부
21: 라이다
22: 가두리
220: 하단 수평프레임
221: 수직프레임
222: 상단 수평프레임
223: 상하조절부
2230: 레일부
2230a: 레일
2231: 고정부
2231a: 연결바
2231b: 누름부
2231c: 걸림돌기
2231d: 탄성부재
23: 먹이공급부
230: 먹이통
231: 공급관
232: 먹이판
233: 수용통
2330: 호흡공

Claims (17)

  1. 가축의 3차원 영상정보를 획득하는 라이다부 및
    상기 라이다부와 연결되어, 3차원 영상정보를 이용해 가축의 무게를 도출하는 가축 무게 측정 단말을 포함하고,
    상기 가축 무게 측정 단말은,
    상기 3차원 영상정보를 통해 추정된 체적 또는 길이를 이용하여 가축의 무게를 도출하는 무게 측정 모듈을 포함하되,
    상기 무게 측정 모듈은,
    상기 3차원 영상정보에서 점(point)을 추출하고 점 집합(point cloud) 형태로 최적화하는 전처리부;
    상기 최적화된 3차원 영상정보의 점 집합(point cloud)을 이용해 3차원 등위면을 형성하여 3차원 모델 데이터를 구축하는 3D 구축부;
    상기 3차원 모델 데이터에서 체적 또는 길이를 추정하는 체적 추정부 및
    상기 길이 또는 체적을 무게로 변환하는 무게 측정부를 포함하며,
    상기 3D 구축부는,
    상기 3차원 모델 데이터에서 공백영역이 형성될 경우, 각각의 점의 중심점(centroid)과 아이겐 벡터를 계산한 후, 추출된 아이겐 벡터를 사용하여 점을 기본점(Pb=(0,0,0))에 대한 대상으로 변형하고, 변형된 점을 세로축을 기준으로 대칭시켜 새로운 점을 생성해 공백영역을 복구하며, 공백영역을 복구한 후에도 미흡한 공백영역이 있을 경우, 인접 영역의 데이터를 이용하여 데이터를 채워 넣는 것을 특징으로 하는 라이다를 이용한 가축 무게 측정 시스템.
  2. 삭제
  3. 가축의 3차원 영상정보를 획득하는 라이다부 및
    상기 라이다부와 연결되어, 3차원 영상정보를 이용해 가축의 무게를 도출하는 가축 무게 측정 단말을 포함하고,
    상기 가축 무게 측정 단말은,
    상기 3차원 영상정보를 통해 추정된 길이를 이용하여 가축의 무게를 도출하는 무게 측정 모듈을 포함하되,
    상기 무게 측정 모듈은,
    상기 3차원 영상정보에서 점(point)을 추출하고 점 집합(point cloud) 형태로 최적화하는 전처리부;
    상기 최적화된 3차원 영상정보의 점 집합(point cloud)을 이용해 3차원 등위면을 형성하여 3차원 모델 데이터를 구축하는 3D 구축부;
    상기 3차원 모델 데이터에서 길이를 추정하는 체적 추정부 및
    상기 길이를 무게로 변환하는 무게 측정부를 포함하고,
    상기 체적 추정부는,
    상기 3차원 모델 데이터에서 흉위 및 체장을 추정하고,
    상기 흉위를 추정할 경우, 머리에서부터 중앙선을 유도하여 회전시키는 곡선이 흉위인 것으로 가정하고, 회전시키는 곡선을 추출하기 위해 표면을 따라 다수개의 점을 설정하고 이를 연결하는 것으로 흉위를 추정하되, 일정간격 이내의 모든 점들의 평균값을 적용하는 것을 특징으로 하는 라이다를 이용한 가축 무게 측정 시스템.
  4. 가축의 3차원 영상정보를 획득하는 라이다부 및
    상기 라이다부와 연결되어, 3차원 영상정보를 이용해 가축의 무게를 도출하는 가축 무게 측정 단말을 포함하고,
    상기 가축 무게 측정 단말은,
    상기 3차원 영상정보를 통해 추정된 체적 또는 길이를 이용하여 가축의 무게를 도출하는 무게 측정 모듈을 포함하되,
    상기 무게 측정 모듈은,
    상기 3차원 영상정보에서 점(point)을 추출하고 점 집합(point cloud) 형태로 최적화하는 전처리부;
    상기 최적화된 3차원 영상정보의 점 집합(point cloud)을 이용해 3차원 등위면을 형성하여 3차원 모델 데이터를 구축하는 3D 구축부;
    상기 3차원 모델 데이터에서 체적 또는 길이를 추정하는 체적 추정부 및
    상기 길이 또는 체적을 무게로 변환하는 무게 측정부를 포함하고,
    상기 전처리부는,
    상기 3차원 영상정보에서 점을 추출하는 점 추출부 및
    추출된 점에서 노이즈 점 제거 및 점 재정렬을 통해 하나의 점 집합을 형성하는 최적화부를 포함하며,
    상기 최적화부는,
    전체 점들의 표준편차와 평균값들을 이용하여 노이즈 점을 제거할 수 있는데, 하기 수학식 1 및 2를 통해 R(제거영역) 및 δ을 구한 다음, δ > R일 경우 제거대상인 노이즈 점으로 판단, δ ≤ R일 경우 제거대상인 노이즈 점이 아닌 것으로 판단하여 제거대상인 노이즈 점을 추출해 제거하는 것을 특징으로 하는 라이다를 이용한 가축 무게 측정 시스템.
    [수학식 1]
    R=
    Figure 112020061484470-pat00020

    (여기서, tα/2는 체형에 포함할 수 있는지의 임계값, t는 점, n-2는 자유도, n은 샘플의 크기임)
    [수학식 2]
    δ=│(X-mean(X))/s│
    (여기서, X는 데이터값, mean(X)는 평균값, s는 표준편차임)
  5. 제4항에 있어서,
    상기 최적화부는,
    추출된 점에서 노이즈 점 제거 및 x, y, z축 기반으로 재정렬을 하는 것을 특징으로 하는 라이다를 이용한 가축 무게 측정 시스템.
  6. 제1항, 제3항 및 제4항 중 어느 한 항에 있어서,
    상기 3D 구축부는,
    표면 재구성이나 매칭 알고리즘을 통해 3차원 영상정보의 점 집합으로 3차원 등위면을 구현하여 3차원 모델 데이터를 구축하는 것을 특징으로 하는 라이다를 이용한 가축 무게 측정 시스템.
  7. 제1항 또는 제4항에 있어서,
    상기 무게 측정부는,
    상기 체적 추정부가 상기 3차원 모델 데이터에서 체적을 추정할 경우, 상기 체적을 미세간격으로 나누고, 수학식 3을 통해 나눠진 단면에 대한 미세부피의 총합으로 부피를 구한 후, 부피를 변환하여 무게를 도출하는 것을 특징으로 하는 라이다를 이용한 가축 무게 측정 시스템.
    [수학식 3]
    부피 =
    Figure 112020061484470-pat00007

    (여기서, Pi는 나누어진 단면의 둘레, t는 나누어진 단면의 두께임.)
  8. 제3항에 있어서,
    상기 무게 측정부는,
    상기 흉위 및 체장을 이용하여 하기 수학식 4를 통해 무게를 계산하는 것을 특징으로 하는 라이다를 이용한 가축 무게 측정 시스템.
    [수학식 4]
    무게 = (흉위상수 x 흉위) + (체장상수 x 체장)
  9. 제1항, 제3항 및 제4항 중 어느 한 항에 있어서,
    상기 무게 측정 모듈은,
    상기 라이다부로부터 획득된 가축의 온도 정보를 이용하여 가축의 건강상태를 분석하여 건강상태정보를 생성하는 건강분석부를 더 포함하는 라이다를 이용한 가축 무게 측정 시스템.
  10. 라이다를 이용한 가축 무게 측정 시스템을 이용하여 가축 무게를 측정하는 방법에 있어서,
    (a) 라이다부를 통해 가축의 3차원 영상정보를 획득하는 단계 및
    (b) 가축 무게 측정 단말이 3차원 영상정보를 이용해 가축의 무게를 도출하는 단계를 포함하고,
    상기 (b) 단계는,
    상기 3차원 영상정보에서 점(point)을 추출하고 점 집합(point cloud) 형태로 최적화하는 전처리 단계;
    상기 최적화된 3차원 영상정보의 점 집합(point cloud)을 이용해 3차원 등위면을 형성하여 3차원 모델 데이터를 구축하는 3D 구축 단계;
    상기 3차원 모델 데이터에서 체적 또는 길이를 추정하는 체적 추정 단계 및
    상기 길이 또는 체적을 무게로 변환하는 무게 측정 단계를 포함하고,
    상기 전처리 단계는,
    상기 3차원 영상정보에서 점을 추출하는 단계 및
    추출된 점에서 노이즈 점 제거 및 점 재정렬을 통해 하나의 점 집합을 형성하는 단계를 포함하며,
    상기 점 집합을 형성하는 단계는,
    추출된 점에서 1차로 노이즈 점을 제거하는 1차 제거단계;
    1차로 노이즈 점이 제거된 점들을 x, y, z축 기반으로 중앙에 재정렬시켜 하나의 점 집합을 이루는 재정렬 단계 및
    재정렬되어 형성된 점 집합에서 2차로 노이즈 점을 제거하는 2차 제거단계를 포함하고,
    상기 1차 제거단계는,
    전체 점들의 표준편차와 평균값들을 이용하여 노이즈 점을 제거할 수 있는데, 하기 수학식 1 및 2를 통해 R(제거영역) 및 δ을 구한 다음, δ > R일 경우 제거대상인 노이즈 점으로 판단, δ ≤ R일 경우 제거대상인 노이즈 점이 아닌 것으로 판단하여 제거대상인 노이즈 점을 추출해 제거하는 것을 특징으로 하는 가축 무게 측정 방법.
    [수학식 1]
    R=
    Figure 112020061484470-pat00021

    (여기서, tα/2는 체형에 포함할 수 있는지의 임계값, t는 점, n-2는 자유도, n은 샘플의 크기임)
    [수학식 2]
    δ=│(X-mean(X))/s│
    (여기서, X는 데이터값, mean(X)는 평균값, s는 표준편차임)
  11. 삭제
  12. 삭제
  13. 삭제
  14. 제10항에 있어서,
    상기 3D 구축 단계는,
    표면 재구성이나 매칭 알고리즘을 통해 3차원 영상정보의 점 집합으로 3차원 등위면을 구현하여 3차원 모델 데이터를 구축하는 것을 특징으로 하는 가축 무게 측정 방법.
  15. 제10항에 있어서,
    상기 무게 측정 단계는,
    상기 체적 추정 단계에서 상기 3차원 모델 데이터를 통해 체적을 추정할 경우, 상기 체적을 미세간격으로 나누고, 수학식 3을 통해 나눠진 단면에 대한 미세부피의 총합으로 부피를 구한 후, 부피를 변환하여 무게를 도출하는 것을 특징으로 하는 가축 무게 측정 방법.
    [수학식 3]
    부피 =
    Figure 112020061484470-pat00008

    (여기서, Pi는 나누어진 단면의 둘레, t는 나누어진 단면의 두께임.)
  16. 제10항에 있어서,
    상기 체적 추정 단계는,
    상기 3차원 모델 데이터에서 길이를 추정할 경우, 흉위 및 체장을 추정하고,
    상기 무게 측정 단계는,
    상기 흉위 및 체장을 이용하여 하기 수학식 4를 통해 무게를 계산하는 것을 특징으로 하는 가축 무게 측정 방법.
    [수학식 4]
    무게 = (흉위상수 x 흉위) + (체장상수 x 체장)
  17. 제10항에 있어서,
    상기 (a) 단계 후에,
    가축 무게 측정 단말이 온도 정보를 이용해 가축의 건강상태를 분석하여 건강상태정보를 생성하는 단계를 더 포함하며,
    상기 (a) 단계는,
    라이다부를 통해 가축의 온도 정보도 획득하는 것을 특징으로 하는 가축 무게 측정 방법.
KR1020190060251A 2019-05-22 2019-05-22 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법 KR102131558B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190060251A KR102131558B1 (ko) 2019-05-22 2019-05-22 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190060251A KR102131558B1 (ko) 2019-05-22 2019-05-22 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법

Publications (1)

Publication Number Publication Date
KR102131558B1 true KR102131558B1 (ko) 2020-07-07

Family

ID=71602705

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190060251A KR102131558B1 (ko) 2019-05-22 2019-05-22 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법

Country Status (1)

Country Link
KR (1) KR102131558B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102467234B1 (ko) * 2021-12-20 2022-11-16 전남대학교 산학협력단 작물 및 가축의 크기 및 무게 추정 방법 및 장치
KR20230039473A (ko) 2021-09-13 2023-03-21 라온피플 주식회사 가축의 크기 및 무게를 산출하기 위한 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020024688A (ko) * 2000-09-26 2002-04-01 이대원 영상처리 체중측정장치 및 그 방법
JP2014044078A (ja) * 2012-08-24 2014-03-13 Univ Of Miyazaki 動物体の体重推定装置、及び体重推定方法
KR20170020210A (ko) * 2015-08-14 2017-02-22 삼성전자주식회사 오브젝트의 3차원 모델을 구성하는 방법 및 장치
WO2017208436A1 (ja) * 2016-06-03 2017-12-07 株式会社オプティム 動物体重推測システム、動物体重推測方法及びプログラム
KR20180003535A (ko) * 2015-02-24 2018-01-09 하이프브이알 라이더 스테레오 융합 실사 3d 모델 가상 현실 비디오

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020024688A (ko) * 2000-09-26 2002-04-01 이대원 영상처리 체중측정장치 및 그 방법
JP2014044078A (ja) * 2012-08-24 2014-03-13 Univ Of Miyazaki 動物体の体重推定装置、及び体重推定方法
KR20180003535A (ko) * 2015-02-24 2018-01-09 하이프브이알 라이더 스테레오 융합 실사 3d 모델 가상 현실 비디오
KR20170020210A (ko) * 2015-08-14 2017-02-22 삼성전자주식회사 오브젝트의 3차원 모델을 구성하는 방법 및 장치
WO2017208436A1 (ja) * 2016-06-03 2017-12-07 株式会社オプティム 動物体重推測システム、動物体重推測方法及びプログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230039473A (ko) 2021-09-13 2023-03-21 라온피플 주식회사 가축의 크기 및 무게를 산출하기 위한 장치 및 방법
KR102467234B1 (ko) * 2021-12-20 2022-11-16 전남대학교 산학협력단 작물 및 가축의 크기 및 무게 추정 방법 및 장치

Similar Documents

Publication Publication Date Title
KR102122131B1 (ko) 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법
KR102269532B1 (ko) 3차원 이미지를 활용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법
Le Cozler et al. High-precision scanning system for complete 3D cow body shape imaging and analysis of morphological traits
KR102062609B1 (ko) 3d 영상을 이용한 휴대형 가축 무게 측정시스템
Le Cozler et al. Volume and surface area of Holstein dairy cows calculated from complete 3D shapes acquired using a high-precision scanning system: Interest for body weight estimation
Halachmi et al. Automatic assessment of dairy cattle body condition score using thermal imaging
US11627726B2 (en) System and method of estimating livestock weight
Nir et al. 3D Computer-vision system for automatically estimating heifer height and body mass
Salau et al. Feasibility of automated body trait determination using the SR4K time-of-flight camera in cow barns
KR102123761B1 (ko) 3d 스캐닝을 이용한 3d 모델 분석 기반의 가축 추적 시스템 및 이의 가축 체중 예측 방법
AU2010219406B2 (en) Image analysis for making animal measurements
EP2425215B1 (en) Remote contactless stereoscopic mass estimation system
CN109141248A (zh) 基于图像的猪体重测算方法及系统
KR102131558B1 (ko) 라이다를 이용한 가축 무게 측정 시스템 및 이를 이용한 가축 무게 측정 방법
Pallottino et al. Comparison between manual and stereovision body traits measurements of Lipizzan horses
KR102131559B1 (ko) 건 타입 가축 무게 측정 장치 및 이를 이용한 가축 무게 측정 방법
WO2016023075A1 (en) 3d imaging
US20220189192A1 (en) Growth evaluation device, growth evaluation method, and growth evaluation program
JP2022537827A (ja) ３ｄ撮像に基づく動物の体重決定
US10154654B2 (en) Arrangement and method to determine a body condition score of an animal
Amraei et al. Development of a transfer function for weight prediction of live broiler chicken using machine vision
EP3769036B1 (en) Method and system for extraction of statistical sample of moving fish
KR102131560B1 (ko) 웨어러블 타입 가축 무게 측정 장치 및 이를 이용한 가축 무게 측정 방법
KR102624925B1 (ko) 머신러닝 기반의 가축 무게 예측 방법 및 장치
Los et al. Estimating body dimensions and weight of cattle on pasture with 3D models from UAV imagery

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant