点云数据提取方法、装置、系统、设备及存储介质制造方法及图纸

本发明专利技术提供了一种点云数据提取方法、装置、系统、设备及存储介质，包括：基于有效像素点判别区间，从原始点云数据中，筛选出第一点云数据；基于特征感知区，从所述第一点云数据中剔除干扰物点云，以获取第二点云数据；提取所述第二点云数据，以获取目标动物的点云数据。本发明专利技术可以结合真实养殖环境确定与实际养殖应用环境相适应的滤波判断参数，进而实现更为精准的点云数据提取，本发明专利技术采用特征感知区来排除干扰物对点云数据提取的干扰，从而使得提取的数据精度高、还原性强，可适用于各种复杂的养殖环境，为非接触式肉牛体高、体宽、体斜长、胸围、腹围、体重等核心表型参数的测量提供重要的方法支撑。重要的方法支撑。重要的方法支撑。

【技术实现步骤摘要】
点云数据提取方法、装置、系统、设备及存储介质


[0001]本专利技术涉及图像处理领域，尤其涉及一种点云数据提取方法、装置、系统、设备及存储介质。

技术介绍

[0002]肉牛的体尺、体重等表型参数的采集是肉牛养殖与育种的重要环节，由于人工采集会引起肉牛严重应激影响生产，导致表型参数无法被大规模有效采集，影响肉牛育种与生产管理水平。目前，通过中手工测量肉牛的体型表型数据(包括体长、体宽、胸围、腹围、体重等)是主流检测方法，手工的体尺测量会引起严重的应激反应，导致动物采食量下降、育肥效率降低、养殖成本上升。
[0003]为解决肉牛表型数据人工采集困难的问题，非接触式体尺测量方法已经被提出。通过图像或点云数据可以对肉牛的体重、体尺等数据进行采集。现有技术中，人们通过采集单视角肉牛图像并将其用于体尺参数测量，但相机存在畸变，需要对相机进行复杂的标定运算；或通过双视角的深度相机实现牛体点云的采集，将深度学习模型用于奶牛图像处理，从中提取奶牛的身体部位与特征，但限于方法和方法原理，点云的精度有待提高；或提出基于单视角3D相机通过镜像重建的方式构建了猪只点云采集与体尺测量算法，但该方法对猪的姿态有一定要求；或通过3D相机从侧面和背面获取了母牛的3D数据并将其用于预测其体重，但容易被实际养殖中的杂乱环境干扰，上述研究中仍存在栏杆干扰的噪点滤除困难、在真实养殖环境中适用性差、三维重建精度不高的问题。
[0004]而目前，并没有一种用于肉牛体尺计算、体重估测，且精度高、还原度强的点云数据提取的技术方案，具体地，并没有一种点云数据提取方法、装置、系统、设备及存储介质。

技术实现思路

[0005]本专利技术提供了一种点云数据提取方法，包括：
[0006]基于有效像素点判别区间，从原始点云数据中，筛选出第一点云数据；
[0007]基于特征感知区，从所述第一点云数据中剔除干扰物点云，以获取第二点云数据；
[0008]提取所述第二点云数据，以获取目标动物的点云数据；
[0009]所述有效像素点判别区间是基于目标判断倍率确定的，所述目标判断倍率是基于目标残缺点云占比以及目标错误点云占比确定的；所述目标残缺点云占比以及所述目标错误点云占比是基于对多组滤波后样本点云筛选而确定的。
[0010]根据本专利技术提供的点云数据提取方法，在基于有效像素点判别区间，从原始点云数据中，筛选出第一点云数据之前，还包括：
[0011]基于不同的滤波强度处理多组滤波前样本点云，以获取每一组滤波后样本点云；
[0012]基于每一组滤波后样本点云，获取与每一组滤波后样本点云相对应的残缺点云占比以及错误点云占比；
[0013]筛选每一组残缺点云占比以及错误点云占比的加权平均值，以确定目标残缺点云
占比以及目标错误点云占比；
[0014]基于目标残缺点云占比以及目标错误点云占比所对应的目标样本点云数量确定目标判断倍率；
[0015]所述目标样本点云数量包括滤波前点云总像素点数以及滤波后点云总像素点数；
[0016]在滤波处理过程中，所述残缺点云为错误滤除而形成的像素点集合，所述错误点云为错误保留而形成的像素点集合。
[0017]根据本专利技术提供的点云数据提取方法，所述基于有效像素点判别区间，从原始点云数据中，筛选出第一点云数据，包括：
[0018]遍历所有原始点云数据中的每一像素点，获取每个像素点到邻域内所有点平均距离，以计算所有点的邻域距离的平均值；
[0019]确定所有邻域距离的标准差；
[0020]基于所述平均值、所述标准差以及判断倍率，确定有效像素点判别区间，所述有效像素点判别区间包括判断阈值上限以及判断阈值下限；
[0021]在任一像素点到邻域内所有点平均距离大于所述判断阈值上限或小于所述判断阈值下限的情况下，剔除所述任一像素点，以获取第一点云数据。
[0022]根据本专利技术提供的点云数据提取方法，所述基于特征感知区，从所述第一点云数据中剔除干扰物点云，以获取第二点云数据，包括：
[0023]确定所有特征感知区，每个所述特征感知区是以所述第一点云数据中的每个像素点为质心所确定的固设区域；
[0024]获取每个特征感知区中所有像素点的数量，以利用区分阈值确定所有待剔除像素点；
[0025]从所述第一点云中剔除所有待剔除像素点，获取所述第二点云数据；
[0026]所述待剔除像素点，是所有像素点的数量小于区分阈值的特征感知区所对应的像素点。
[0027]根据本专利技术提供的点云数据提取方法，所述获取每个特征感知区中所有像素点的数量，以利用区分阈值确定所有待剔除像素点，包括：
[0028]获取目标动物的样本点云，以确定所有干扰物像素点以及所有目标动物像素点；
[0029]确定所有干扰物感知区，以获取每个干扰物感知区内的干扰物像素点数量，每个所述干扰物感知区是以所述干扰物像素点为质心所确定的固设区域；
[0030]确定所有目标动物感知区，以获取每个目标动物感知区内的目标动物像素点数量，每个所述目标动物感知区是以所述目标动物像素点为质心所确定的固设区域；
[0031]基于所述干扰物像素点数量以及所述目标动物像素点数量确定区分阈值。
[0032]根据本专利技术提供的点云数据提取方法，在基于有效像素点判别区间，从原始点云数据中，筛选出第一点云数据之前，还包括：
[0033]采集目标动物的俯视三维点云数据；
[0034]采集目标动物的左视三维点云数据；
[0035]采集目标动物的右视三维点云数据；
[0036]基于所述俯视三维点云数据、左视三维点云数据以及右视三维点云数据确定原始点云数据。
[0037]根据本专利技术提供的点云数据提取方法，在基于有效像素点判别区间，从原始点云数据中，筛选出第一点云数据之前，还包括：
[0038]基于直通滤波原理和/或八叉树原理处理所述原始点云数据，以获取第一点云数据。
[0039]根据本专利技术提供的点云数据提取方法，在基于特征感知区，从所述第一点云数据中剔除干扰物点云，以获取第二点云数据之前，还包括：
[0040]基于随机抽样一致性算法处理所述第一点云数据，以获取地平面点云的像素点；
[0041]剔除所述地平面点云的像素点，以获取第二点云数据。
[0042]本专利技术还提供一种点云数据提取装置，其采用所述的点云数据提取方法，包括：
[0043]获取装置：基于有效像素点判别区间，从原始点云数据中，筛选出第一点云数据；
[0044]处理装置：基于特征感知区，从所述第一点云数据中剔除干扰物点云，以获取第二点云数据；
[0045]提取装置：提取所述第二点云数据，以获取目标动物的点云数据。
[0046]本专利技术还提供了一种点云数据提取系统，其采用所述的点云数据提取方法，包括：
[0047]分设在目标动物通道两侧设置的第一支架以及第二支架；
[0048]固本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据提取方法，其特征在于，包括：基于有效像素点判别区间，从原始点云数据中，筛选出第一点云数据；基于特征感知区，从所述第一点云数据中剔除干扰物点云，以获取第二点云数据；提取所述第二点云数据，以获取目标动物的点云数据；所述有效像素点判别区间是基于目标判断倍率确定的，所述目标判断倍率是基于目标残缺点云占比以及目标错误点云占比确定的；所述目标残缺点云占比以及所述目标错误点云占比是基于对多组滤波后样本点云筛选而确定的。2.根据权利要求1所述的点云数据提取方法，其特征在于，在基于有效像素点判别区间，从原始点云数据中，筛选出第一点云数据之前，还包括：基于不同的滤波强度处理多组滤波前样本点云，以获取每一组滤波后样本点云；基于每一组滤波后样本点云，获取与每一组滤波后样本点云相对应的残缺点云占比以及错误点云占比；筛选每一组残缺点云占比以及错误点云占比的加权平均值，以确定目标残缺点云占比以及目标错误点云占比；基于目标残缺点云占比以及目标错误点云占比所对应的目标样本点云数量确定目标判断倍率；所述目标样本点云数量包括滤波前点云总像素点数以及滤波后点云总像素点数；在滤波处理过程中，所述残缺点云为错误滤除而形成的像素点集合，所述错误点云为错误保留而形成的像素点集合。3.根据权利要求1所述的点云数据提取方法，其特征在于，所述基于有效像素点判别区间，从原始点云数据中，筛选出第一点云数据，包括：遍历所有原始点云数据中的每一像素点，获取每个像素点到邻域内所有点平均距离，以计算所有点的邻域距离的平均值；确定所有邻域距离的标准差；基于所述平均值、所述标准差以及判断倍率，确定有效像素点判别区间，所述有效像素点判别区间包括判断阈值上限以及判断阈值下限；在任一像素点到邻域内所有点平均距离大于所述判断阈值上限或小于所述判断阈值下限的情况下，剔除所述任一像素点，以获取第一点云数据。4.根据权利要求1所述的点云数据提取方法，其特征在于，所述基于特征感知区，从所述第一点云数据中剔除干扰物点云，以获取第二点云数据，包括：确定所有特征感知区，每个所述特征感知区是以所述第一点云数据中的每个像素点为质心所确定的固设区域；获取每个特征感知区中所有像素点的数量，以利用区分阈值确定所有待剔除像素点；从所述第一点云中剔除所有待剔除像素点，获取所述第二点云数据；所述待剔除像素点，是所有像素点的数量小于区分阈值的特征感知区所对应的像素点。5.根据权利要求4所述的点云数据提取方法，其特征在于，所述获取每个特征感知区中所有像素点的数量，以利用区分阈值确定所有待剔除像素点，包括：获取目标动物的样本点云，以确定所有干扰物像素点以及所有目标动物像素点；
确定所有干扰物感知区，以获取每个干扰物感知区内的干扰物像素点数量，每个所述干扰物感知区是以所述干扰物像素点为质心所确定的固设区域；确定所有目标动物感知区，以获取每个目标动物感知区内的目标动物像素点数量，每个所述目标动物感知区是以所述目标动物像素点为质心所确定的固设区域；基于所述干扰物...

【专利技术属性】
技术研发人员：李奇峰，马为红，李嘉位，薛向龙，高荣华，余礼根，丁露雨，于沁杨，冯璐，
申请(专利权)人：北京市农林科学院信息技术研究中心，
类型：发明
国别省市：