一种基于点云的猪只体尺参数测量方法与流程

本发明属于整猪测量技术领域，具体是涉及一种基于点云的猪只体尺参数测量方法。

背景技术：

目前，猪的饲养业是一项与人们生活密切相关的民生产业，在猪饲养的过程中，猪的体型、重量是评判一头猪品质的重要指标，而对于猪体型的量测却多为不便；人们往往采用摄像头采集测量，使用单目或双面摄像头匹配得到视差图像，较为依赖额外光源；使用的摄像头组数过多，对数据的采集不能做到精简、准确；采集数据过程较为繁琐。

经检索，中国专利申请号为cn200710119509.8的专利，公开了一种利用双目视觉技术监测猪生长的方法，其包括如下步骤：建立与标定系统；获取猪体图像；传输猪体图像；处理猪体图像；测量猪体高和猪体背部面积；预估猪体重。中国专利申请号为cn201910361651.6公开了一种基于深度学习和特征部位检测的牛体尺算法，采用侧身摄像头、尾部摄像头采集牛的图像，通过图像服务器处理图像数据计算牛的体尺数据；中国专利申请号为cn201611213819.1的专利，公开了一种基于立体视觉的生猪体尺检测方法，用双目立体相机，直接地测量生猪深度信息用于计算生猪体尺参数，并用立体匹配得到视差图像。

本发明提出了一种猪只体重估测技术，通过重构猪只的三维点云，测量猪只的体尺参数。这种测量方法具有高灵敏度，高精度，低人工等优点，具有十分重大的意义。

技术实现要素：

本发明要解决的问题是提供一种高灵敏度，高精度，低人工的基于点云的猪只体尺参数测量方法。

为解决上述技术问题，本发明采用的技术方案是：一种基于点云的猪只体尺参数测量方法，包括如下步骤：

步骤一：标定测量系统；使用张定友标定法，通过对不同角度棋盘的角点特征角点进行获取，对深度摄像头进行标定，求出内参与外参；

步骤二：建立测量系统；猪舍顶部架设两个kinect摄像头，两个kinect摄像头之间距离为2000～6000mm；

步骤三：kinect摄像头拍摄待测整猪；在待测整猪完全暴露于摄像头内时，对其进行拍摄，并通过两个kinect采集猪的点云；

步骤四：点云去噪算法：通过条件滤波、统计滤波、体素滤波去噪算法进行去噪，并通过多元高斯分布的异常点检测进行去除离群点；

步骤五：通过fpfh算法进行点云的关键点以及点特征直方图的获取，获得点云的信息；

步骤六：将去噪好的点云通过sac-ia进行点云的粗配准；通过icp算法进行点云的精配准，得到猪只的整体点云；

步骤七：计算体尺参数；使用基于几何特征的提取算法，提取配准出的猪只点云关键点，通过计算相关几何数据得到猪只的体尺参数；

步骤八：返回步骤三依次执行步骤四至步骤八；多次测量，直至获取5组数据后转入步骤九；

步骤九：计算最终结果。

优选地，在步骤一中，拟采用张正友标定法对深度摄像头进行标定，求出内参，即参数矩阵(fx,fy,cx,cy)和畸变系数(三个径向k1,k2,k3，两个切向p1,p2)，与外参，即旋转向量r(大小为1×3的矢量或3×3旋转矩阵)和平移向量t(tx,ty,tz)。

优选地，在步骤二中，猪舍顶部架设两个kinect摄像头，两个kinect摄像头之间距离为3000～4000mm，kinect摄像头相对被测猪只角度设置为0°～45°。

优选地，在步骤四中，处理拍摄点云中点云的去噪，采用的是条件滤波器、统计滤波器和体素滤波器，其步骤如下：

(1)条件滤波器通过预设的滤波条件进行点云的初步降噪；

(2)统计滤波器通过计算每个点到其最近的k个点的平均距离，并使点云中所有点的距离应构成高斯分布；对于给定均值与方差，剔除3σ之外的点；

(3)体素滤波器使用aabb包围盒将点云数据体素化，噪音点及离群点可通过体素网格去除。

优选地，在步骤四中，通过多元高斯分布的异常点检测离群点，计算点云的均值向量：

和协方差矩阵：

σ＝|cov(xi,xj)|i,j∈{1,…n}(2)

得到离散点的概率值：

根据概率值判断某点是否是异常值。

优选地，在步骤五中，通过使用一个点周围的多维直方图的平均曲率来编码一个点的k个最近邻的四几何属性，即前三个元素均是角度，都和法向量有关系，可以将三个元素标准化并放到同一个区间内，通过分解三个角特征，简单地创建b个相关的特征直方图，每个特征维数对应一个直方图，并将它们连接在一起，其中，意义如下：

α＝v·ns(4)

θ＝arctan(w·nt,u·nt)(6)

d＝||pt-ps||(7)

其中，u,v,w为其中一个点上定义了一个固定坐标系：

u＝ns(8)

w＝u×v(10)

优选地，在步骤六中，通过sac-ia进行点云的粗配准，其步骤如下：

(1)采用采样一致性方法，从源点云中选择n个样本点，尽量保证所采样的点具有不同的fpfh特征，并在目标点云中找到满足fpfh相似的点来建立对应关系；

(2)使用levenberg-marquardt算法进行非线性局部优化。

优选地，在步骤六中，通过icp算法进行点云的精配准，其步骤如下：

(1)对源点云中的每一点，在目标点云中寻找距离最近的对应点；

(2)通过计算与迭代旋转矩阵r和平移向量t，使对应点集之间的均方误差最小；

(3)如果两次迭代的误差小于阈值e或者当前的迭代次数大于n，则迭代结束，否则满足收敛条件，输出配准点云。

优选地，在步骤七中，基于几何特征的提取算法，其步骤如下：

(1)采集猪只5处关键点，即体深上端点a(xa,ya,za)，猪肩端点b(xb,yb,zb)，体深下端点c(xc,yc,zc)，坐骨结节点d(xd,yd,zd)，猪腹部最大点e(xe,ye,ze)；

(2)通过采集猪只的关键点，得到4项体尺参数，即体尺长(l)：

l＝|xb-xd|(11)

肩宽(ws)：

腹宽(wa)：

体深(wd)：

优选地，在步骤九中，计算最终结果的步骤具体为：将得出的5组数据删除最大值和最小值，然后取平均数，从而得到最终各项体尺参数。

与现有技术相比，本发明的有益效果在于：

使用kinect深度摄像头，能够快速构造被测猪只的点云，用于计算生猪体尺参数，既不需要其他额外机械机构辅助，也不需要目标物体保持静止。此外，使用kinect摄像头得到猪只点云，无需依赖额外光源，自然光照即可满足检测需要。本发明具有高灵敏度，高精度，低人工的优点，具有十分重大的意义。

附图说明

下面通过参考附图并结合实例具体地描述本发明，本发明的优点和实现方式将会更加明显，其中附图所示内容仅用于对本发明的解释说明，而不构成对本发明的任何意义上的限制，在附图中：

图1是本发明kinect摄像头拍摄待测整猪设备安装图；

图2是本发明猪只体尺参数测量方法工作流程示意图；

图3是本发明处理拍摄结果的点云配准流程图；

图4是本发明点云配准后猪的三维点云

图5是本发明点云取点位置

具体实施方式

下面结合实施例及其附图进一步叙述本发明：

一种基于点云的猪只体尺参数测量方法，其中相机坐标系映射图像坐标系的过程中，因为光线在远离透镜中心的地方偏折更大，且透镜不完全平行于图像平面，考虑到坐标轴的尺度因子，故拟采用张正友标定法对深度摄像头进行标定，求出内参，即参数矩阵(fx,fy,cx,cy)和畸变系数(三个径向k1,k2,k3，两个切向p1,p2)，与外参，即旋转向量r(大小为1×3的矢量或3×3旋转矩阵)和平移向量t(tx,ty,tz)，这样可使采集点云较为准确。

根据本实施例所述的一种基于点云的猪只体尺参数测量方法，猪舍顶部架设两个kinect摄像头如图1所示，两个kinect摄像头之间距离为4000mm，kinect摄像头与地面夹角设置为45°。整体测量方法流程如图2所示。

在获取点云数据时，由于设备精度、操作者经验、环境因素等带来的影响，以及电磁波衍射特性、被测物体表面性质变化和数据拼接配准操作过程的影响，点云数据中将不可避免地出现一些噪声点。处理拍摄点云中点云的去噪，采用的是条件滤波器、统计滤波器和体素滤波器，其步骤如下：

(1)条件滤波器通过预设的滤波条件进行点云的初步降噪；

(2)统计滤波器通过计算每个点到其最近的k个点的平均距离，并使点云中所有点的距离应构成高斯分布；对于给定均值与方差，剔除3σ之外的点；

(3)体素滤波器使用aabb包围盒将点云数据体素化，噪音点及离群点可通过体素网格去除。

由于受到外界干扰如视线遮挡，障碍物等因素的影响，点云数据中往往存在着一些距离主题点云较远的离散点，即离群点。本实施例通过多元高斯分布的异常点检测离群点，计算点云的均值向量：

和协方差矩阵：

σ＝|cov(xi,xj)|i,j∈{1,…n}(2)

得到离散点的概率值：

根据概率值判断某点是否是异常值。

通过fpfh进行点云的点特征直方图获取。通过使用一个点周围的多维直方图的平均曲率来编码一个点的k个最近邻的四几何属性，即前三个元素均是角度，都和法向量有关系，可以将三个元素标准化并放到同一个区间内，通过分解三个角特征，简单地创建b个相关的特征直方图，每个特征维数对应一个直方图，并将它们连接在一起，其中，意义如下：

α＝v·ns(4)

θ＝arctan(w·nt,u·nt)(6)

d＝||pt-ps||(7)

其中，u,v,w为其中一个点上定义了一个固定坐标系：

u＝ns(8)

w＝u×v(10)

通过sac-ia进行点云的粗配准，其步骤如下：

(1)采用采样一致性方法，从源点云中选择n个样本点，尽量保证所采样的点具有不同的fpfh特征，并在目标点云中找到满足fpfh相似的点来建立对应关系；

(2)使用levenberg-marquardt算法进行非线性局部优化。

通过icp算法进行点云的精配准，其步骤如下：

(1)对源点云中的每一点，在目标点云中寻找距离最近的对应点；

(2)通过计算与迭代旋转矩阵r和平移向量t，使对应点集之间的均方误差最小；

(3)如果两次迭代的误差小于阈值e或者当前的迭代次数大于n，则迭代结束，否则满足收敛条件，输出配准点云，其中配准结果如图3所示，配准流程如图4所示。

基于几何特征的提取算法，其步骤如下：

(1)采集猪只5处关键点，即体深上端点a(xa,ya,za)，猪肩端点b(xb,yb,zb)，体深下端点c(xc,yc,zc)，坐骨结节点d(xd,yd,zd)，猪腹部最大点e(xe,ye,ze)，采点位置如图4所示；

(2)通过采集猪只的关键点，得到4项体尺参数，即体尺长(l)：

l＝|xb-xd|(11)

肩宽(ws)：

腹宽(wa)：

体深(wd)：

所述计算最终结果的步骤具体为：将得出的5组数据删除最大值和最小值，然后取平均数，从而得到最终各项体尺参数。

以上对本发明的实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。其各步骤的实现方式是可以有所变化的，凡依本发明范围所作的均等变化与改进等，均应仍归属于本专利涵盖范围之内。