基于点云旋转归一化的猪体体尺测点提取方法

《基于点云建模的奶牛体尺检测和体重预测方法研究》篇一一、引言随着现代畜牧业的发展，奶牛的体尺检测和体重预测成为了养殖业关注的重点。

传统的奶牛体尺检测方法主要依赖于人工测量，这种方法不仅效率低下，而且误差较大。

因此，研究一种基于点云建模的奶牛体尺检测和体重预测方法具有重要的现实意义。

本文旨在通过点云建模技术，实现对奶牛体尺的自动检测和体重的准确预测，为畜牧业的智能化发展提供技术支持。

二、点云建模技术概述点云建模技术是一种基于三维扫描技术的建模方法，通过获取物体表面的大量点云数据，再利用计算机视觉和图像处理技术，将这些点云数据转换成三维模型。

在奶牛体尺检测和体重预测中，点云建模技术可以实现对奶牛体表的精确扫描，获取奶牛体型的三维数据，为后续的体尺检测和体重预测提供基础。

三、基于点云建模的奶牛体尺检测方法1. 数据采集：利用三维扫描仪对奶牛进行全身扫描，获取奶牛体表的三维点云数据。

2. 数据预处理：对采集到的点云数据进行去噪、补洞等处理，以保证数据的准确性和完整性。

3. 特征提取：通过计算机视觉和图像处理技术，从预处理后的点云数据中提取出奶牛体型特征，如体长、胸围、腰围等。

4. 体尺检测：根据提取出的体型特征，结合奶牛体型数据库，实现奶牛体尺的自动检测。

四、基于点云建模的奶牛体重预测方法1. 建立模型：利用机器学习算法，建立奶牛体型特征与体重之间的数学模型。

2. 数据准备：将奶牛体型特征数据与对应体重数据进行归一化处理，作为模型的训练数据。

3. 模型训练：利用训练数据对模型进行训练，优化模型参数，提高预测精度。

4. 体重预测：将新的奶牛体型特征数据输入到训练好的模型中，实现对奶牛体重的预测。

五、实验与分析为了验证基于点云建模的奶牛体尺检测和体重预测方法的准确性和可靠性，我们进行了实验分析。

实验采用真实奶牛数据，分别进行体尺检测和体重预测。

实验结果表明，该方法能够准确提取出奶牛体型特征，实现体尺的自动检测；同时，该方法能够有效地预测奶牛体重，预测精度较高。

基于双目视觉的猪体体尺参数提取算法优化及三维重构共3篇基于双目视觉的猪体体尺参数提取算法优化及三维重构1近年来，基于双目视觉的猪体尺参数提取算法在猪育种中应用越来越广泛。

通过利用猪体图像的立体信息，可以准确地提取出猪的身高、体长、胸围等参数，以辅助猪育种工作，进而提高猪的育种效率。

但是，由于生物体的形态复杂且多变，以及猪体表面的毛发、皮肤等干扰因素的存在，猪体尺参数的提取一直存在误差率较高的问题。

因此，如何优化猪体尺参数提取算法，并实现三维重构，已经成为研究的热点。

本文旨在提出一种基于双目视觉的猪体尺参数提取算法，并进行优化，最终实现猪的三维重构。

该算法的基本思路是，通过采集猪的左右两个视图图像，进行图像预处理，包括去除背景、提取猪体等操作，再利用立体匹配算法，计算出左右两张图像之间的视差信息。

根据视差信息，可以得到猪体上各个点的三维坐标，进而实现对猪体尺参数的提取。

具体流程如下：1. 采集猪的左右两个视图的图像，并进行图像去除背景处理。

这一步的目的是将猪体的轮廓从背景中分离出来，以便后续的猪体提取操作。

2. 猪体提取。

本文采用基于深度学习的猪体识别算法，对猪体进行提取。

该算法的基本思路是，通过训练深度神经网络，学习对猪体的特征进行提取，从而实现对猪体的自动分割。

3. 立体匹配。

通过计算左右两张图像之间的视差信息，得到猪体各点的三维坐标。

该算法采用经典的立体匹配算法，包括基于像素的区域匹配算法、基于特征的匹配算法、基于能量最小化的匹配算法等。

4. 猪体尺参数提取。

通过计算猪体各点的三维坐标，可以得到猪的身高、体长、胸围等参数，并实现对猪体的三维重构。

本文对上述算法进行了优化，主要从以下几个方面入手：1. 图像预处理优化。

本文采用了更加高效的图像去除背景算法，能够准确地将猪体从背景中分离出来。

2. 立体匹配算法优化。

本文采用了基于深度学习的立体匹配算法，在计算视差时能够更加准确地匹配猪体各点之间的对应关系。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010400558.4(22)申请日 2020.05.13(71)申请人 河北工业大学地址 300401 天津市北辰区双口镇西平道5340号(72)发明人 耿艳利　柳鹏飞　宣伯凯　张昕　宋朋首　(74)专利代理机构 天津展誉专利代理有限公司12221代理人 郑晓晨(51)Int.Cl.G06T 7/80(2017.01)G06T 7/33(2017.01)G06T 5/40(2006.01)G06T 5/00(2006.01)(54)发明名称一种基于点云的猪只体尺参数测量方法(57)摘要本发明公开了一种基于点云的猪只体尺参数测量方法，涉及整猪测量领域。

该方法使用张定友标定法标定Kinect，获取系统的Kinect摄像头相关参数，在猪舍的顶部架设两个Kinect，两个摄像头之间的距离设定为3000mm -4000mm，并通过连接装置与计算机连接，组成点云检测的硬件系统，并采集猪只点云数据，将采集到的点云数据通过条件滤波、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，将去噪好的点云通过SAC -IA进行点云的粗配准，再通过ICP算法进行点云的精配准，得到猪只的整体点云，通过几何特征的提取算法得到猪只的体尺参数。

本发明具有高灵敏度，高精度，低人工的优点，有着十分重大的意义。

权利要求书3页 说明书6页 附图4页CN 111612850 A 2020.09.01C N 111612850A1.一种基于点云的猪只体尺参数测量方法，其特征在于：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。

第 23卷第 1期2024年 1月Vol.23 No.1Jan.2024软件导刊Software Guide基于KinectV2的猪体三维点云重构与体尺测量李哲，林文祉，翁智，郑志强（内蒙古大学电子信息工程学院，内蒙古呼和浩特 024005）摘要：体尺参数是评价育肥猪生长状况的重要指标，针对单目CCD相机在猪体体尺测量中受角度、光源等因素影响导致的测量参数单一、测量结果误差较大等问题。

首先利用深度相机KinectV2从正上方和左右两侧视角同步获取猪体局部点云数据；然后进行点云去噪、精简分割等处理，运用改进后的ICP点云配准技术处理点云信息；最后采用精确估算技术精简点云数据。

在不同角度比较实验测量与人工测量的结果发现，猪体数据中体长平均相对误差为2.65%、体高平均相对误差为1.87%、体宽平均相对误差为1.75%、臀高平均相对误差为2.07%、臀宽平均相对误差为1.96%，整体上误差较小，证明了所提方法的有效性，以期为猪体尺寸测量提供新的解决方法。

关键词：育肥猪；图像处理；KinectV2；三维点云；体尺测量DOI：10.11907/rjdk.232094开放科学（资源服务）标识码（OSID）：中图分类号：TP391 文献标识码：A文章编号：1672-7800（2024）001-0161-06KinectV2-based 3D Point Cloud Reconstruction and Body SizeMeasurement of Pig BodyLI Zhe， LIN Wenzhi， WENG Zhi， ZHENG Zhiqiang（School of Electronic and Information Engineering， Inner Mongolia University， Hohhot 024005， China）Abstract：Body size parameter is an important indicator for evaluating the growth status of fattening pigs. It addresses the problems of single measurement parameters and large measurement errors caused by factors such as angle and light source in pig body size measurement using a monocular CCD camera. Firstly， use the depth camera KinectV2 to synchronously obtain local point cloud data of the pig body from the top and left and right perspectives； Then， point cloud denoising， simplification and segmentation are carried out， and the improved ICP point cloud registration technology is used to process point cloud information； Finally， precise estimation techniques are used to streamline point cloud da⁃ta. Comparing the results of experimental and manual measurements from different angles， it was found that the average relative error of body length was 2.65%， the average relative error of body height was 1.87%， the average relative error of body width was 1.75%， the average rela⁃tive error of hip height was 2.07%， and the average relative error of hip width was 1.96% in pig body data. Overall， the error was relatively small， proving the effectiveness of the proposed method and providing a new solution for pig body size measurement.Key Words：growing and fattening pigs； image processing； KinectV2； 3D point cloud； body size measurement0 引言育肥猪养殖生产过程中连续监测猪体尺参数，能有效掌握猪的生长状态，是反映猪体健康与否的有效手段，是保证动物福利的有力工具。

第34卷第13期农业工程学报V ol.34 No.13 2018年7月Transactions of the Chinese Society of Agricultural Engineering Jul. 2018 211基于Kinect传感器的无接触式母猪体况评分方法滕光辉，申志杰，张建龙，石晨，余炅桦（中国农业大学水利与土木工程学院，农业部设施农业工程重点实验室，北京100083）摘要：为了提高母猪的繁殖性能，减少传统方法给动物和估测人员带来的不利影响，该研究提出了一种可应用于实际生产中的准确、无接触式的母猪体况评分（body condition scoring, BCS）方法。

试验使用Kinect传感器获取108组母猪臀股的三维图像，选取48组图像进行分析处理，计算出臀部的高宽比、臀股面积及曲率半径。

试验结果表明：母猪臀部的高宽比、臀股面积和曲率半径与背膘厚度的相关系数分别为0.567、0.502、0.951；以曲率半径作为主要参数建立母猪体况估测模型。

取剩余60组图像进行验证，估测模型计算结果与经验方法评估结果差异较小，准确率达到91.7 %；结果表明，基于三维重构技术的Kinect传感器能够实现母猪在饲养管理过程中对体况的无接触式检测。

关键词：图像处理；算法；模型；体况评分；Kinect；臀部高宽比；臀股面积；臀部曲率doi：10.11975/j.issn.1002-6819.2018.13.025中图分类号：S818 文献标志码：A 文章编号：1002-6819(2018)-13-0211-07滕光辉，申志杰，张建龙，石 晨，余炅桦. 基于Kinect传感器的无接触式母猪体况评分方法[J]. 农业工程学报，2018，34(13)：211－217. doi：10.11975/j.issn.1002-6819.2018.13.025 Teng Guanghui, Shen Zhijie, Zhang Jianlong, Shi Chen, Yu Jionghua. Non-contact sow body condition scoring method based on Kinect sensor[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(13): 211－217. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.13.025 0 引 言2017年，中国的生猪饲养规模化比例超过60%，猪肉产量为5 340万t，生产和消费占世界总量的52.22%，居世界首位[1-2]。

一种基于点云姿态标准化的点云线特征提取方法专利名称：一种基于点云姿态标准化的点云线特征提取方法技术领域：本发明涉及一种基于点云姿态标准化的点云线特征提取方法，它是基于目标点云进行目标姿态测量或多视角匹配中提取点云线特征的一种方法，应用于点云目标的相对姿态测量。

属于三维测量及机器视觉技术领域。

背景技术：三维点云数据的获取技术已经比较成熟，常见的方法有基于双目立体视觉获取高精度点云信息、通过激光扫描方式快速获得对象的点云信息，以及其他的三维点云获取技术。

基于三维点云数据，可以实现加工尺寸测量、逆向工程、目标位姿测量等，在这些技术中，底层的关键技术是特征提取。

线特征又具有数据量小、表达结构特征重要、易于存储分析处理等优点和应用价值。

关于三维点云线特征提取有几种代表性的方法，主要有以下几类把三维空间点云向特定的平面进行投影，在平面内利用寻找极点或峰值的方法进行特征点提取。

但平面投影的结果同平面选择及原始点云结构紧密相关，提取的结果易受点云结构姿态及选取平面多重影响而不够稳定。

利用点云向量同临近点云向量夹角作为特征点判别指标，对于结构变化较大的特征点云，该夹角会较大，而对于平面或平滑曲面来说该夹角会比较小。

用点云向量夹角作为特征选择依据具有对空间变换的稳定性，但对所有点云计算向量的计算量较大，且噪声点对计算结果的影响比较明显。

此外应用较广的是基于曲率的特征提取方法，用曲率来描述点云表面的平坦程度。

一般的基于曲率的线特征提取算法会根据点云构造曲面，基于曲面方程计算点云曲率估计值。

但一般算法在点集搜索、点云主方向调整、曲率估计方式选择上仍可有改善空间。

发明内容技术问题本发明提供了一种基于点云姿态标准化的点云线特征提取方法，它通过添加点云集主方向对准选择主曲率等功能，比已有的基于曲率方法提取效果在特征质量及算法稳定性方面有较大提高，可为后续的相对姿态测量、视场拼接提供较好的特征点云。

技术方案基于点云数据的目标姿态测量或视场拼接，在实践中有广泛的应用，直接用扫描所得点云进行分析处理，一方面点云数量较多，影响处理的速度及复杂程度，另一方面由于大量视场差造成的干扰点影响，使最终的测量精度难以保障。

基于单视角点云镜像的猪只体尺测量方法王可;郭浩;马钦;苏伟;华明睿;朱德海【期刊名称】《农业机械学报》【年(卷),期】2018(049)003【摘要】为了克服人工家畜体尺测量耗时、应激大和工作强度大等问题,提出了一种基于单视角点云镜像的猪只体尺测量方法.首先使用单Xtion深度相机采集包含猪体的场景点云图像序列,并人工筛选出包含背部弯曲程度较小猪体的场景点云图像,然后基于随机采样一致性算法和聚类分割算法自动化分割目标猪体并对其进行姿态归一化,检测单视角猪体点云对称面,并利用对称面镜像获取完整猪体,最后利用自主研发的体尺测量软件测量猪只体尺.试验结果表明,利用该方法测量体长的平均相对误差为5.00％,臀宽测量的平均相对误差为7.40％,臀高测量的平均相对误差为5.74％.该方法为猪只体尺测量提供了切实可行的新途径.%In order to overcome the problems of manual livestock body size measurement which is labor intensive,time consuming and stressful to the animals,a livestock body size measurement method based on the mirror reflection of single angle point cloud was proposed.A single depth camera Xtion was utilized to capture the sequences of point clouds of the scene,including pig and point clouds were stored in the computer,and then the scene point cloud,including the pig that bending degree of its back was not large was selected manually.Subsequently,the ground of the scene was deleted by using random sample consensus,the remaining scene point cloud was segmented based on Euclidean clustering,and then all the clusters weresorted according to the distance from the center of cluster to the coordinate origin,and the smallest one was extracted as the targetpig.Pose normalization of the extracted pig was obtained by using a PCA based approach.Then,the pig symmetry plane was detected from the single angle point cloud by using the prior information of pig after pose ing the symmetry plane,the point clouds data of whole body surface of pig was obtained.Finally,by using the software developed by the institution of the authors,body size measurement was performed manually.The results showed that the average relative errors were 5.00％for body length measurement,7.40％ for hip width measurement and 5.74％for hip height measurement.This method offered a new way to measurethe livestock body size.【总页数】9页(P187-195)【作者】王可;郭浩;马钦;苏伟;华明睿;朱德海【作者单位】中国农业大学信息与电气工程学院,北京100083;中国农业大学农业部农业信息获取技术重点实验室,北京100083;中国农业大学信息与电气工程学院,北京100083;中国农业大学农业部农业信息获取技术重点实验室,北京100083;中国农业大学信息与电气工程学院,北京100083;中国农业大学农业部农业信息获取技术重点实验室,北京100083;中国农业大学信息与电气工程学院,北京100083;中国农业大学农业部农业信息获取技术重点实验室,北京100083;中国农业大学信息与电气工程学院,北京100083;中国农业大学信息与电气工程学院,北京100083;中国农业大学农业部农业信息获取技术重点实验室,北京100083【正文语种】中文【中图分类】TP391.41;S813.24【相关文献】1.基于点云的青年男体尺寸优化算法研究综述 [J], 扶雪莹;吴世刚2.基于点云模型的人体尺寸自动提取方法 [J], 赖军;王博;付全;吴壮志3.基于点云旋转归一化的猪体体尺测点提取方法 [J], 王可;郭浩;刘威林;马钦;苏伟;朱德海4.多视角深度相机的猪体三维点云重构及体尺测量 [J], 尹令; 蔡更元; 田绪红; 孙爱东; 石帅; 钟浩杰; 梁世豪5.基于点云精简的奶牛背部体尺测点自动提取方法 [J], 张馨月;刘刚;经玲;司永胜;任晓惠;马丽因版权原因，仅展示原文概要，查看原文内容请购买。

基于机器视觉的猪体体尺测点提取算法与应用刘同海;滕光辉;付为森;李卓【期刊名称】《农业工程学报》【年(卷),期】2013(000)002【摘要】无应激获取猪体的体尺、体质量，是猪福利养殖中的一个重要任务，为解决机器视觉提取自然站立姿态下猪体的体尺测点识别率低的问题，该文通过在线摄像机获取120 d 龄长白猪的彩色图像，以猪体体尺传统的测量位置为研究基础，结合猪舍现场实际情况，提出了复杂背景下猪体个体信息提取的算法、基于包络分析的猪体头部和尾部的去除算法以及具有一定弯曲姿态的复杂猪体体尺测点坐标提取的算法，并利用 Matlab2010软件实现了其算法.验证试验结果表明：通过背景减法和去除噪声算法可去除背景干扰，有效识别猪体信息；测点提取算法可准确提取自然姿态下猪的个体轮廓，识别其体尺测点，实现了猪体的体长、体宽等体尺量算的9个体尺测点的坐标提取，经验证，对猪体体长的实测值平均相对误差最小，其平均相对误差仅为0.92%；其次为腹部体宽，其平均相对误差为1.39%；而对猪体肩宽和臀宽的检测误差较大，平均相对误差分别为2.75%和3.03%.本研究可应用于猪体无应激量算体尺、估算猪体体质量，为开展福利养殖提供了一种新方法.%It is an essential task to obtain the pig’s body size and its weight without stress in the animal welfare farming. In this paper, a new method is proposed which can be applied to calculate pig body width and body length with no stress, and further to estimate the pig body weight. First, an on-line camera as the image acquisition device was used to acquire the back image and the background image of the 120 days old Landrace sowin a local pig farm. The acquired image size is 704 pixels ×576 pixels in the pixel coordinate system. In light of the site conditions of pig house, the background information is removed via arithmetic operation based on gray process of the pig body image and the background image. And image noise is removed by the median filtering method, and detailed porcine somatic information is obtained. Then, the pig body image’s segmentation threshold is determined using dynamic threshold method, and the binary image is acquired; After calculating the number and the area of connected regions, the other pigs which may exist in the imaging area get removed via maximum ordinate-area method. Finally, the individual pig contour is extracted through the Canny edge detection algorithm. Because of the interference of the pig head and tail regions with the body size extraction, the identification algorithm aiming at removing head and tail regions in the image is designed, and the data envelopment analysis is used in the algorithm, based on the distance between the body contour and the envelope line, the pig body contour with the head and tail removed is finally obtained. After that, with account of the traditional measuring positions of individual body size, the extraction algorithm for extracting the individual body size with a certain complex curvature is further designed by obtaining the coordinate values of measuring points. The algorithm stability and the extraction accuracy of the verification were tested using 9 different pig images. The result shows that the identification accuracy of pig body size measuring points is 100%, the detection accuracy of the pig body length is high, and the average relative error ofthe detection values and measured values is 0.92%; The average relative error of abdominal body width is 1.39%, and the average relative errors of shoulder width and hip width are 2.75% and 3.03%, respectively. Overall, the algorithm has a better detection effect for pig body size, and it is stable with better robustness.【总页数】8页(P161-168)【作者】刘同海;滕光辉;付为森;李卓【作者单位】中国农业大学水利与土木工程学院，北京 100083; 天津农学院计算机科学与信息工程系，天津 300384;中国农业大学水利与土木工程学院，北京100083;中国农业大学水利与土木工程学院，北京 100083;中国农业大学水利与土木工程学院，北京 100083【正文语种】中文【中图分类】TP391;S818【相关文献】1.基于点云旋转归一化的猪体体尺测点提取方法 [J], 王可;郭浩;刘威林;马钦;苏伟;朱德海2.基于深度图像的猪体尺检测系统 [J], 李卓;杜晓冬;毛涛涛;滕光辉3.基于Kinect相机的猪体理想姿态检测与体尺测量 [J], SI Yongsheng;AN Lulu;LIU Gang;LI Baocheng4.基于深度图像的猪体尺检测系统 [J], 李卓;杜晓冬;毛涛涛;滕光辉;5.基于点云精简的奶牛背部体尺测点自动提取方法 [J], 张馨月;刘刚;经玲;司永胜;任晓惠;马丽因版权原因，仅展示原文概要，查看原文内容请购买。

生猪体尺检测和体重预估方法研究进展
杜晓冬;李笑笑;樊士冉;闫之春;丁向东;杨季凡;张丽萍
【期刊名称】《中国畜牧杂志》
【年(卷),期】2023(59)1
【摘要】本文综述了国内外猪的体尺测量、体重预估的研究进展,以“猪”、“体尺测量”、“体重预估”、“机器视觉”为关键词,对近20年相关文献进行检索,分别从机器视觉、三维点云2个角度对文献进行梳理总结。

结果表明:通过机器视觉技术测量猪的体尺、体重方法可以解决传统测量方法中造成猪只应激、人工效率低下等问题,而机器视觉技术中的三维点云重建是未来重点发展的趋势之一,通过点云数据可以直接提取猪的体尺和体积参数,减少外部环境对拍摄造成的影响,可提高检测精度。

另外,从社会和经济等角度考虑,将机器视觉技术与养殖行业结合将具有良好的发展前景,未来建立更健全的智能养殖系统,增加更多智能化养殖设备的研发对实现规模化生产、集约化经营的畜牧业至关重要。

【总页数】7页(P41-46)
【作者】杜晓冬;李笑笑;樊士冉;闫之春;丁向东;杨季凡;张丽萍
【作者单位】新希望六和股份有限公司;中国农业大学动物科技学院
【正文语种】中文
【中图分类】S828.1
【相关文献】
1.鱼体重金属检测方法的研究进展
2.浦东鸡及其杂交后代体尺体重和肉质性状检测分析
3.口腔种植体体内实验种植体-骨结合检测方法研究进展
4.鱼体新鲜度新型检测方法的研究进展
5.外泌体分离检测方法的研究进展
因版权原因，仅展示原文概要，查看原文内容请购买。

基于深度图像的猪体尺检测系统李卓;杜晓冬;毛涛涛;滕光辉【期刊名称】《农业机械学报》【年(卷),期】2016(47)3【摘要】为实现生猪饲养过程中体尺无接触检测,设计了一套基于双目视觉原理的猪体尺检测系统.针对色彩图像提取猪体轮廓易受污物和光照干扰的问题,提出基于深度图像的猪体轮廓提取算法.使用双目视觉系统获得猪体深度图像,利用帧差法提取猪只高度信息,并基于高度信息二值化图像,获得猪体轮廓;结合优化的基于凹陷结构的拐点提取算法,筛选体尺检测关键点,计算体长、体宽、体高、臀宽、臀高5个体尺,编写了基于以上算法的猪体尺检测程序.双目视觉系统三维检测的实验室验证表明:在2m物距范围内,系统三维检测相对误差均小于1％;系统在实际猪场对32组猪体尺检测结果表明:与手工测量猪体尺相比,本系统检测的体尺平均相对误差在2％左右,平均误差小于2 cm.试验证明基于深度图像的猪体尺检测系统不容易受到脏污和光照干扰,能够实现生猪饲养过程中猪体尺的无接触检测.【总页数】8页(P311-318)【作者】李卓;杜晓冬;毛涛涛;滕光辉【作者单位】中国农业大学水利与土木工程学院,北京 100083;中国农业大学水利与土木工程学院,北京 100083;中国农业大学水利与土木工程学院,北京 100083;中国农业大学水利与土木工程学院,北京 100083【正文语种】中文【中图分类】TP391;S818【相关文献】1.基于深度图像的嵌入式人体坐姿检测系统的实现 [J], 曾星;罗武胜;孙备;鲁琴;刘涛诚2.基于单视角点云镜像的猪只体尺测量方法 [J], 王可;郭浩;马钦;苏伟;华明睿;朱德海3.猪的体尺和圈舍类型都影响生长肥育猪的饲养密度 [J], Bruce,J;王立人4.基于深度图像的猪体尺检测系统 [J], 李卓;杜晓冬;毛涛涛;滕光辉;5.基于Kinect相机的猪弯曲体尺测量算法研究 [J], 徐金阳;徐爱俊;周素茵;叶俊华;夏芳因版权原因，仅展示原文概要，查看原文内容请购买。