基于软激光测距的牲畜体型轮廓重构方法及体况评分方法技术

本发明专利技术提供的重构方法将牲畜的整体轮廓分为若干个身体部位，然后分别对每个身体部位建立标准模板，然后使用对肉眼安全的软激光技术来获得牲畜轮廓点云数据，并将获得点云数据与标准模板进行融合，得到重建的牲畜体型轮廓。这种方法得到的轮廓更为精准且不需要经过复杂的算法提取和计算，且不受外界环境干扰和影响，可以快速生成完整的三维轮廓。

【技术实现步骤摘要】

本专利技术涉及软激光测距
，更具体地，涉及一种基于软激光测距的牲畜体型轮廓重构方法及体况评分方法。
技术介绍
现有技术中，对牲畜体型轮廓进行重构时，一般用到热成像技术、图像处理技术和Kinect传感器技术。其中热成像技术通过热成像摄像机捕获动物表面的轮廓信息来重构牲畜轮廓，但是热成像摄像机价格昂贵，且在重构的过程中需要从视频流中手动分离相应数据帧，无法完全自动化。而图像处理技术在实施过程中首先获取牲畜的图像数据，然后使用算法对图像数据进行提取，获得牲畜的轮廓信息，再进行重建。这种方法需要用到的设备简单且操作容易，但获取图像数据时拍摄的角度对提取轮廓的影响很大，而且天气和光照条件、背景和动物本身花色对其提取轮廓信息的影响也比较大，所以这种方法一般是对特定部位进行三维重构，并没有构造整个动物的轮廓。Kinect传感器技术使用主动红外测距方法测量深度信息，然后基于测量的深度信息，进行三维重构，但是Kinect传感器测量的准确度严重受到环境光线的影响，所以对使用环境有一定限制。
技术实现思路
本专利技术为解决以上现有技术的难题，提供了一种基于软激光测距的牲畜体型轮廓重构方法，该方法将牲畜的整体轮廓分为若干个身体部位，然后分别对每个身体部位建立标准模板，然后使用对肉眼安全的软激光技术来获得牲畜轮廓点云数据，并将获得点云数据与标准模板进行融合，得到重建的牲畜体型轮廓。这种方法得到的轮廓更为精准且不需要经过复杂的算法提取和计算，且不受外界环境干扰和影响。为实现以上专利技术目的，采用的技术方案是：一种基于软激光测距的牲畜体型轮廓重构方法，将牲畜的整体轮廓分为若干个身体部位，然后分别对每个身体部位建立标准模板，然后执行以下步骤：S1.将第一软激光扫描头、第二软激光扫描头、第三软激光扫描头分别设置在待重构的牲畜的前方、后方和上方，使其分别采集牲畜前部、后部和背部的轮廓信息，并以原始深度矩阵A_ori、B_ori、和C_ori的形式输出；S2.将原始深度矩阵A_ori、B_ori、和C_ori、分别映射为三维0-1矩阵A、B和C，其中三维0-1矩阵A、B和C第三维度的坐标值对应二维矩阵中的深度测距值；S3.通过几何变换，将矩阵B、矩阵C转化为第一软激光扫描头视角下的三维深度测距矩阵A2、A3；S4.输出S＝A1+A2+A3，S为点云数据；S5.对点云数据根据所划分的身体部位进行划分，并使经过划分的点云数据与相应的标准模板进行融合变形，实现牲畜的体型轮廓重建。优选地，所述第一软激光扫描头、第二软激光扫描头设置在同一水平线上，两者之间的距离为L，第三软激光扫描头设置在第一软激光扫描头、第二软激光扫描头的上方，第三软激光扫描头与第一软激光扫描头之间的距离等于第三软激光扫描头与第二软激光扫描头之间的距离，且第三软激光扫描头与第一软激光扫描头、第二软激光扫描头所形成的水平线之间的垂直距离为0.5L。优选地，标准模板表示为M＝(P,E,T)，其中P表示顶点，E表示边，T为三角形面片，所述步骤S5中，融合变形的具体过程如下：M′＝SM其中M′表示重构的体型轮廓，S表示缩放因子矩阵，S＝[sx,sy,sz]，sx,sy,sz分别是X,Y,Z方向的缩放因子；融合变形的过程中S需要同时满足轮廓性状和点云顶点融合度的约束要求，所述轮廓性状采用如下目标函数：ftotal＝αfsca1e+βfpos其中，fscale表示边的缩放，fpos表示顶点位置约束，α,β分别表示边约束和顶点约束的权重； f s c a l e = Σ i ∈ E | | ( p i 1 ′ - p i 0 ′ ) - S ( p i 1 - p i 0 ) ( p i 1 - p i 0 ) + ∈ | | 2 ]]>其中，pi1,pi0和p′i1,p′i0分别表示某条边缩放前后的端点位置，∈为扰动项； f m a t c h = N o N s ]]>其中No为变形后体型轮廓的顶点为点云的数目，Ns为标准模板顶点的数目；轮廓性状和点云顶点融合度的约束要求具体表示如下：min f(v)＝(ftotal(v),fmatch(v))。优选地，所述方法将牲畜的整体轮廓分为头部、左侧、右侧、四肢、臀部5个身体部位。同时，本专利技术还提供了一种体况评分方法，具体如下：使用以上重构方法构建牲畜的体型轮廓，然后通过构建的体型轮廓进行评分，具体(1)或(2)所示：(1)通过测量动物构建的体型轮廓的体高、体长来反映牲畜的体型状况，进行评分，具体如下：1)体高的测量通过转化成求两个特征点之间的距离，或者是点到面之间的距离进行求取；2)体长的测量通过对构建的动物体型轮廓的头部与后部的轮廓分析得到，具体为分别构建与头部轮廓、后部轮廓外切的长方形边框，两个长方形边框平行，由于三点可以确定一个平面，所以在长方形边框上寻找与头部轮廓或后部轮廓外切的三个特征点，分别为m1(x1,y1,z1)、m2(x2,y2,z2)和m3(x3,y3,z3)，由于平面法向量与m1m2和m3m2两个向量均垂直，则可确定平面法向量为：n＝m1m2×m3m2向量n用(A,B,C)表示为，由已知点m1(x1,y1,z1)，可知平面方程为：A(x-x1)+B(y-y1)+C(z-z1)本文档来自技高网...

【技术保护点】
一种基于软激光测距的牲畜体型轮廓重构方法，其特征在于：将牲畜的整体轮廓分为若干个身体部位，然后分别对每个身体部位建立标准模板，然后执行以下步骤：S1.将第一软激光扫描头、第二软激光扫描头、第三软激光扫描头分别设置在待重构的牲畜的前方、后方和上方，使其分别采集牲畜前部、后部和背部的轮廓信息，并以原始深度矩阵A_ori、B_ori、和C_ori的形式输出；S2.将原始深度矩阵A_ori、B_ori、和C_ori分别映射为三维0‑1矩阵A、B和C，其中三维0‑1矩阵A、B和C第三维度的坐标值对应二维矩阵中的深度测距值；S3.通过几何变换，将矩阵B、矩阵C转化为第一软激光扫描头视角下的三维深度测距矩阵A2、A3；S4.输出S＝A1+A2+A3，S为点云数据；S5.对点云数据根据所划分的身体部位进行划分，并使经过划分的点云数据与相应的标准模板进行融合变形，实现牲畜的体型轮廓重建。

【技术特征摘要】
1.一种基于软激光测距的牲畜体型轮廓重构方法，其特征在于：将牲畜的整体轮廓分为若干个身体部位，然后分别对每个身体部位建立标准模板，然后执行以下步骤：S1.将第一软激光扫描头、第二软激光扫描头、第三软激光扫描头分别设置在待重构的牲畜的前方、后方和上方，使其分别采集牲畜前部、后部和背部的轮廓信息，并以原始深度矩阵A_ori、B_ori、和C_ori的形式输出；S2.将原始深度矩阵A_ori、B_ori、和C_ori分别映射为三维0-1矩阵A、B和C，其中三维0-1矩阵A、B和C第三维度的坐标值对应二维矩阵中的深度测距值；S3.通过几何变换，将矩阵B、矩阵C转化为第一软激光扫描头视角下的三维深度测距矩阵A2、A3；S4.输出S＝A1+A2+A3，S为点云数据；S5.对点云数据根据所划分的身体部位进行划分，并使经过划分的点云数据与相应的标准模板进行融合变形，实现牲畜的体型轮廓重建。2.根据权利要求1所述的基于软激光测距的牲畜体型轮廓重构方法，其特征在于：所述第一软激光扫描头、第二软激光扫描头设置在同一水平线上，两者之间的距离为L，第三软激光扫描头设置在第一软激光扫描头、第二软激光扫描头的上方，第三软激光扫描头与第一软激光扫描头之间的距离等于第三软激光扫描头与第二软激光扫描头之间的距离，且第三软激光扫描头与第一软激光扫描头、第二软激光扫描头所形成的水平线之间的垂直距离为0.5L。3.根据权利要求2所述的基于软激光测距的牲畜体型轮廓重构方法，其特征在于：标准模板表示为M＝(P，E，T)，其中P表示顶点，E表示边，T为三角形面片，所述步骤S5中，融合变形的具体过程如下：M′＝SM其中M′表示重构的体型轮廓，S表示缩放因子矩阵，S＝[sx，sy，sz]，sx，sy，sz分别是X，Y，Z方向的缩放因子；融合变形的过程中S需要同时满足轮廓性状和点云顶点融合度的约束要求，所述轮廓性状采用如下目标函数：ftotal＝αfscale+βfpos其中，fscale表示边的缩放，fpos表示顶点位置约束，α，β分别表示边约束和顶点约束的权重； f s c a l e = Σ i ∈ E | | ( p i 1 ′ - p i 0 ′ ) - S ( p i 1 - p i 0 ) ( p i 1 - p i 0 ) + ∈ | | 2 ]]>其中，pi1，pi0和p′i1，p′i0分别表示某条边缩放前后的端点位置，∈为扰动项；点云顶点融合度采用如下目标函数： f m a t c h = N o N s ]]>其中No为变形后体型轮...

【专利技术属性】
技术研发人员：尹令，刘财兴，李娇娇，吴贤奇，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：广东;44