基于單視角點云鏡像的豬只體尺測量方法

王　可　郭　浩　馬　欽　蘇　偉　華明?！≈斓潞?/p>

(1.中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院， 北京 100083；2.中國農(nóng)業(yè)大學(xué)農(nóng)業(yè)部農(nóng)業(yè)信息獲取技術(shù)重點實驗室， 北京 100083)

0　引言

作為家畜表型的重要組成部分，家畜的體尺是評價其生長的重要參數(shù)，也是選種育種方面的重要指標(biāo)[1-2]。在背標(biāo)厚、眼肌面積等表型參數(shù)檢測已經(jīng)相對成熟的情況下[3-4]，體尺參數(shù)準(zhǔn)確獲取已經(jīng)成為制約表型分析發(fā)展的瓶頸，因此如何快速、準(zhǔn)確地測量家畜的體尺具有重要研究意義。

傳統(tǒng)的家畜體尺測量方式主要由人工操作，但該方法具有工作量大，測量結(jié)果不客觀，對家畜應(yīng)激大等缺點。近年來，許多學(xué)者投入到基于計算機(jī)視覺技術(shù)的家畜體尺測量研究中，在奶牛體尺測量方面，郭浩等[5-6]利用Xtion深度相機(jī)采集了奶牛的點云圖像，并交互式測量奶牛的體尺，驗證了Xtion深度相機(jī)在奶牛體尺測量上應(yīng)用的可行性。SALAU等[7]和SONG等[8]利用基于飛行時間法(Time of flight， TOF)原理的深度攝像機(jī)系統(tǒng)采集奶牛背部的深度數(shù)據(jù)，利用圖像處理技術(shù)研究了提取奶牛體尺的可行性。KAWASUE等[9]和MARINELLO等[10]利用3個Kinect攝像頭建立離線標(biāo)定系統(tǒng)，獲取全輪廓奶牛點云信息，對奶牛體高、胸圍等體尺指標(biāo)進(jìn)行了測量。為了評估奶牛體況，SALAU等[11]設(shè)計了一種基于Kinect深度相機(jī)的體尺測量平臺，對自動提取體尺的可行性進(jìn)行了研究；在豬體尺測量方面，劉同海等[12]利用CCD相機(jī)采集豬體背部及該區(qū)域背景的圖像，利用圖像處理技術(shù)，對豬體尺測點的提取進(jìn)行了研究。李卓等[13]設(shè)計了一套基于雙目視覺原理的豬體尺檢測系統(tǒng)，獲取豬體的深度圖像，對豬體長、體高等體尺指標(biāo)進(jìn)行了測量。劉同海等[14]利用激光三維掃描儀，獲取了豬體點云數(shù)據(jù)和三維曲面模型，提取了豬體的體長、體寬、臀寬、體高、臀高、胸圍、體表面積、體積等體尺參數(shù)。

目前采用的體尺測量方法都需要搭建固定設(shè)施，然后將家畜誘導(dǎo)到視場內(nèi)獲取圖像或者點云數(shù)據(jù)，進(jìn)而測量體尺，無法滿足便攜式測量的需要；另外，上述方法在家畜的一側(cè)被遮擋時，體寬、臀寬、胸圍，腹圍等主要體尺無法獲取。為此，本文在實驗室前期利用雙攝像頭采集豬體三維信息工作的基礎(chǔ)上[15-17]，降低設(shè)備成本，在一側(cè)存在遮擋的情況下，采用單深度攝像頭，利用另一側(cè)豬體點云信息，通過對稱面鏡像，也可以得到完整豬體點云，用于提取豬只主要體尺，另外，該系統(tǒng)也滿足便攜式測量的需要。為驗證系統(tǒng)的可行性和精度，選取Xtion PRO 作為點云數(shù)據(jù)采集設(shè)備，并以豬只作為測量對象，采用人工測量的體尺與交互式體尺測量結(jié)果進(jìn)行對比試驗。

1　材料與方法

本系統(tǒng)分為2部分，分別為場景點云采集系統(tǒng)和體尺測量系統(tǒng)。場景點云采集系統(tǒng)由計算機(jī)、鋁制支撐桿和1個深度相機(jī)組成。試驗選取華碩制造的深度相機(jī)，其型號為Xtion PRO LIVE，量程為0.8～3.5 m，采集距離2 m條件下，其X、Y方向精度為3.4 mm、Z方向精度為12 mm，深度圖像分辨率為640像素×480像素。Xtion PRO LIVE是一種基于結(jié)構(gòu)光技術(shù)的傳感器，其光學(xué)相關(guān)設(shè)備主要由3部分構(gòu)成：1個紅外線發(fā)射器，1個紅外攝像頭，1個RGB攝像頭。該傳感器通過紅外相關(guān)設(shè)備，獲取深度信息[18]，其深度圖像獲取方法的核心是光編碼技術(shù)[19-20]。Xtion固定在鋁桿上，便于操作人員調(diào)整其角度和方向。便攜式計算機(jī)利用USB線與Xtion相連，為其供電，并實時記錄和處理獲取的場景點云，該筆記本配有GTX580M顯卡、16 GB內(nèi)存和Intel i7處理器。場景點云采集系統(tǒng)如圖1所示。

圖1　點云采集系統(tǒng)Fig.1　Picture of point clouds acquisition system

利用采集系統(tǒng)獲取場景點云序列后，手動選取背部相對筆直的豬體作為輸入，依次進(jìn)行豬體點云自動化分割，旋轉(zhuǎn)歸一化，對稱面檢測，完整豬體點云獲取和交互式體尺測量。

1.1　豬體點云采集

為了保證后續(xù)算法能夠順利進(jìn)行，在豬體靜止站立條件下，采集人員位于豬體側(cè)面，手持連接Xtion的鋁桿，深度相機(jī)與豬體背部呈45°角左右采集包含目標(biāo)豬體的場景點云序列，采集的豬體數(shù)據(jù)應(yīng)保證豬體頭部和尾部完整，并包含豬體盡量多的背部數(shù)據(jù)。采集幀速為5～7 f/s，依場景的大小而不同，采集距離應(yīng)控制在0.8～2 m之間?？梢葬槍沃回i體進(jìn)行信息采集，也可以在場景內(nèi)存在多只豬體的情況下，對單只豬體進(jìn)行信息采集，進(jìn)而計算體尺信息，但需要保證被測量豬體與其他豬體或者設(shè)施不存在接觸，否則會影響后續(xù)的分割算法，進(jìn)而影響體尺計算。

豬體為非剛性物體，但其腹部存在大量脂肪，大部分情況下，身體扭動范圍較小，此處將背部相對垂直的豬體近似為剛體，檢測其近似對稱面，進(jìn)而鏡像獲取完整豬體，所以在系統(tǒng)采集的點云序列中，手動篩選包含頭部和尾部完整、背部彎曲程度較小的豬體的場景點云，進(jìn)行后續(xù)的對稱面檢測和體尺測量等操作。如圖2所示，以一組采集的點云序列為例說明篩選標(biāo)準(zhǔn)，應(yīng)選取包含背部彎曲較小的豬體的場景點云(圖2d)進(jìn)行后續(xù)體尺測量處理。圖3a顯示了采集的點云序列，圖3b為最終選擇的場景點云S，本文豬體點云處理流程選取較復(fù)雜的場景作為輸入，即該點云場景中不僅包含目標(biāo)豬體，還包括其他豬體。

圖2　采集的點云序列Fig.2　Acquisitions of point cloud sequence

圖3　輸入點云序列及篩選結(jié)果Fig.3　Input point cloud sequence and selection results

1.2　目標(biāo)豬體點云分割

場景點云S中通常包含目標(biāo)豬體、地面，還可能包含豬場設(shè)施和其他豬體，本文利用隨機(jī)采樣一致性(Random sample consensus, RANSAC)在S中檢測地面點云[21]，該平面檢測方法定義待提取的平面模型為Ax+By+Cz+D=0，然后迭代選擇S的隨機(jī)子集Li，做如下測試：

(1)利用子集Li估計對應(yīng)的模型參數(shù)Ai、Bi、Ci、Di。

(2)計算S-Li中每一個點到估測平面的距離di，將距離di小于λ的點集ni添加到子集Li中，構(gòu)成新的子集Lni。

(3)利用子集Lni估計新的模型參數(shù)Aj、Bj、Cj、Dj。

(4)計算Lni占S的比例ri。

其中Li包含的點數(shù)為3，最大迭代次數(shù)為N，λ為到平面模型的距離閾值。

直到找到最高比例ri，并記錄對應(yīng)的平面模型和該平面模型對應(yīng)的內(nèi)點，此處平面模型內(nèi)點的定義為在S中與平面模型的距離di小于λ的點的集合，該內(nèi)點集合Lni即為地面點Pl，同時利用平面模型參數(shù)，計算地面點所在平面的法向量np，并存儲平面任意點Vpl。

場景點云S刪除地面點Pl后，結(jié)果如圖4a所示，場景余下設(shè)施和豬體一般不在空間上相連接，本文使用歐氏距離對場景內(nèi)余下點云S-Pl進(jìn)行聚類，為減弱豬場欄桿和設(shè)施對后續(xù)豬體分割的影響，此處將點云數(shù)目大于max或者點云數(shù)目小于min的聚類刪除，得到的聚類結(jié)果記為C={C1,C2,…,CM}。其中，max為聚類可以包含的最大點數(shù)，min為聚類至少需要包含的點數(shù)。

分割后的聚類結(jié)果中包括目標(biāo)豬體、其他豬體和設(shè)施。定義每個聚類Ct到坐標(biāo)原點的聚類距離為

(1)

式中n——聚類Ct包含點的數(shù)量

xi、yi、zi——聚類各點坐標(biāo)

由于在獲取豬體信息時，在所有聚類中，目標(biāo)豬體聚類到坐標(biāo)原點的聚類距離dt最小，所以對聚類集合C中每個聚類的dt進(jìn)行遍歷比較，目標(biāo)豬體Cp是最小dt對應(yīng)的聚類分割結(jié)果，本文獲取的點云數(shù)據(jù)坐標(biāo)原點位于Xtion紅外攝像頭中心處，目標(biāo)豬體的分割結(jié)果如圖4b所示。

圖4　豬體分割過程Fig.4　Pig segmentation process

1.3　姿態(tài)歸一化

傳統(tǒng)體尺測量方法中，體長是耳根中點到尾根點在支撐豬體平面Pg上的距離，體高一般是肩胛骨頂點距離平面Pg的距離，其他的主要線性體尺也均為平面Pg上的距離或者到平面Pg的距離。如圖5所示，原有坐標(biāo)系原點如1.2節(jié)所述，位于Xtion紅外攝像頭中心處，而分割后支撐豬體平面不與原有坐標(biāo)系下xOy、xOz、yOz任何一個坐標(biāo)平面平行，直接在原有坐標(biāo)系下測量體尺，增加了體尺測量的計算量，所以本文將Cp匹配到標(biāo)準(zhǔn)測量坐標(biāo)系下，再進(jìn)行后續(xù)體尺計算。

參照文獻(xiàn)[16]，如圖5所示，本文的標(biāo)準(zhǔn)測量坐標(biāo)系定義如下：

(1)標(biāo)準(zhǔn)測量坐標(biāo)系的原點O定義在豬體點云的重心。

(2)x軸方向沿豬體前后方向，頭部朝向為正方向。

(3)y軸方向垂直地面，豬體支撐平面向上為正方向。

(4)z軸方向沿豬體左右方向，x軸、y軸和z軸正方向滿足右手定則。

圖5　標(biāo)準(zhǔn)測量坐標(biāo)系Fig.5　Standard measurement coordinate system

參照文獻(xiàn)[17]的姿態(tài)歸一化流程，基于主成分分析(Principal component analysis, PCA)和1.2節(jié)的點云分割步驟求得地面法向量np，匹配Cp到本文定義的標(biāo)準(zhǔn)測量坐標(biāo)系，匹配過程如下：

(1)針對Cp，構(gòu)建基于地面法向量矯正的PCA坐標(biāo)系。利用pm為坐標(biāo)原點，單位向量vl、vh和vw分別為局部坐標(biāo)系x′、y′、z′ 軸的方向向量，構(gòu)建基于地面法向量矯正的PCA坐標(biāo)系C1，其中pm為Cp的重心，vh與豬體分割步驟中提取的地面法向量np相一致，從地面提取的地面法向量存在方向二義性，在本節(jié)的后續(xù)部分將對其消除。vw的計算公式為

vw=vl1×vh

(2)

其中vl1為對Cp進(jìn)行PCA主成分分析[21-22]得到的最長軸方向。

vl的計算公式為

vl=vh×vw

(3)

構(gòu)建的基于地面法向量矯正的PCA坐標(biāo)系如圖6a所示。

(2)旋轉(zhuǎn)平移豬體點云Cp，使其基于地面法向量矯正的PCA坐標(biāo)系與全局坐標(biāo)系重合。在C下和C1下分別選取Vl、Vh、Vw和P1、P2、P3作為對應(yīng)點對進(jìn)行變換矩陣T的估計，其中P1=(1,0,0)，P2=(0,1,0)，P3=(0,0,1)，Vl=pm+vl，Vh=pm+vh，Vw=pm+vw。

本文采用奇異值分解(Singular value decomposition, SVD)方法計算變換矩陣T，然后利用

Ct=TCp

(4)

實現(xiàn)空間變換，同時利用T對1.2節(jié)得到的地面任意點Vpl進(jìn)行空間變換,得到空間變換后的地面任意點Vpl1。匹配到全局坐標(biāo)系C后的Ct如圖6b所示。

(3)空間變換后，Ct的x、y、z軸與本文定義的標(biāo)準(zhǔn)測量坐標(biāo)系的x、y、z軸重合，但并不能保證它們方向也完全一致。因此，需要檢測它們的坐標(biāo)軸方向是否一致，如果不一致，需要對Ct進(jìn)行空間變換，使其符合本文定義的標(biāo)準(zhǔn)測量坐標(biāo)系要求。

圖6　姿態(tài)歸一化過程Fig.6　Pose normalization process

首先檢測Ct的y軸與標(biāo)準(zhǔn)測量坐標(biāo)系要求的y軸方向是否一致。垂直于y軸，作平面Pg1(y=g1+hg)，如圖7a所示，其中g(shù)1為變換后地面任意點Vpl1的y軸坐標(biāo)值，參數(shù)hg可設(shè)置為小于豬只身高大于零的任意值，根據(jù)本試驗選取豬只品種和日齡，參數(shù)hg設(shè)定為0.15。當(dāng)平面Pg1與Ct的交集為非空集合時，Ct的y軸方向與標(biāo)準(zhǔn)測量坐標(biāo)系要求的y軸方向一致，不需要進(jìn)行調(diào)整，當(dāng)平面Pg1與Ct的交集為零時，y軸方向不一致，需要對Ct沿xOz平面進(jìn)行平面鏡像，使y軸方向與標(biāo)準(zhǔn)測量坐標(biāo)系一致，調(diào)整后的豬體點云記為Ct1，y軸方向調(diào)整后結(jié)果如圖6c所示。

圖7　坐標(biāo)軸方向檢測方法示意圖Fig.7　Diagrams of detection method of coordinate orientation

然后檢測Ct1的x軸與標(biāo)準(zhǔn)測量坐標(biāo)系要求的x軸方向是否一致。如1.1節(jié)所述，獲取的單視角豬體點云包括尾部數(shù)據(jù)和耳部數(shù)據(jù)，在這種數(shù)據(jù)的前提下，如圖7b所示，豬體的前腿重心到豬頭部頂端的x軸方向距離大于后腿重心到豬尾部頂端的x軸方向距離，本文利用這種觀察，檢測x軸方向是否一致。首先計算豬體兩腿重心a和b，在x軸正方向的x坐標(biāo)記為xf1，在x軸負(fù)方向的記為xf2，然后計算豬體在x軸方向的極大值點c和極小值點d，分別記為xmax和xmin，然后計算D1=|xf1-xmax|，D2=|xf2-xmin|，最后比較D1和D2的大小。如果D1大于D2，不需要進(jìn)行調(diào)整，如圖7c所示；如果D1小于D2，需要對Ct沿yOz平面進(jìn)行平面鏡像，如圖7b所示，調(diào)整后的豬體點云記為Ct2，x軸方向調(diào)整后結(jié)果如圖6d所示。

經(jīng)過對x坐標(biāo)軸和y坐標(biāo)軸方向檢測后，Ct2的x、y、z軸與標(biāo)準(zhǔn)測量坐標(biāo)系x、y、z軸重合，并且方向一致，實現(xiàn)了豬體點云的姿態(tài)歸一化。

1.4　對稱平面檢測

圖8　豬體鏡像過程Fig.8　Pig body mirror reflection process

對稱性作為一種幾何屬性，在三維幾何模型的語義分析領(lǐng)域發(fā)揮重要的作用[18-20]。目前，基于對稱面的模型重建主要應(yīng)用在逆向工程中[22-23]，即對于殘缺的點云數(shù)據(jù)，利用較好的一側(cè)點云信息，通過對稱面鏡像，得到完整的點云模型。而目前的三維對稱面檢測方法[24-26]都是基于物體內(nèi)部數(shù)據(jù)的對稱性進(jìn)行檢測，而礙于豬場的實際情況，本系統(tǒng)獲取的單視角豬體點云本身含有的對稱數(shù)據(jù)較少甚至沒有，所以，難以應(yīng)用上述方法檢測對稱面, 因此，歸一到標(biāo)準(zhǔn)坐標(biāo)系后，本文利用地面法向量結(jié)合豬體形態(tài)特征檢測豬體對稱平面。圖5為豬體模型完整掃描數(shù)據(jù)，通過觀察可以發(fā)現(xiàn)豬體在背部彎曲較小的情況下，豬體本身對稱平面Ps的2個方向向量分別與地面法向量和豬體前后方向相一致，并且該對稱平面經(jīng)過尾根點。

1.4.1對稱平面法向量檢測

歸一到標(biāo)準(zhǔn)坐標(biāo)系后，如圖6d所示，支撐豬體Ct2的地面法向量npt(指向豬體部分)的方向向量與y軸正方向一致，所以npt=(0,1,0)；豬體前后方向dt(即從尾部指向頭部的方向)與x軸正方向一致，所以dt=(1,0,0)；然后令對稱平面上的2個方向向量相乘得到對稱平面的法向量mt，mt的計算公式為

mt=npt×dt

(5)

經(jīng)計算，mt=(0,0,1)。

1.4.2尾根點檢測

姿態(tài)歸一化后，豬尾部方向與x軸負(fù)方向一致，所以x軸負(fù)方向的極值點即為豬體的尾尖點。利用文獻(xiàn)[17]描述的方法定位尾根點，即利用尾根點與尾尖點的歐氏距離(rroot)關(guān)系對尾根點定位，本文參照文獻(xiàn)[17]，將rroot設(shè)置為0.04，尾根點檢測結(jié)果如圖8a所示。

最后利用檢測到的尾根點M0坐標(biāo)(x0，y0，z0)和已經(jīng)求取的平面法向量n確定平面方程。最終得到的家畜對稱平面π的方程為z=z0，對稱平面檢測結(jié)果如圖8b所示。

1.5　鏡像處理

為了獲取完整豬體信息，進(jìn)而進(jìn)行后續(xù)的體尺測量，需要對采集到的豬體點云進(jìn)行鏡像處理。首先，考慮到在實際拍攝時難以保證只獲得豬只單側(cè)點云，也可能獲得大部分的豬背部點云數(shù)據(jù)，直接鏡像會造成背部數(shù)據(jù)的重疊，影響臀寬的測量，因此僅針對對稱面一側(cè)的豬體數(shù)據(jù)進(jìn)行鏡像：獲取豬體在對稱平面一側(cè)的數(shù)據(jù)Ph1={(x,y,z)|z>z0}，然后對Ph1中的每一個點構(gòu)造齊次坐標(biāo)，利用

(6)

得到豬體的對稱數(shù)據(jù)Ph2={(x′,y′,z′)|x′,y′,z′∈Ph2}，最后令Ph=Ph1+Ph2，Ph即為完整豬體點云，如圖8c所示。

1.6　體尺測量方法

將鏡像得到的點云數(shù)據(jù)導(dǎo)入到實驗室開發(fā)的體尺測量軟件中，利用該軟件的體尺測量功能輸出豬的體長、臀寬、臀高、胸圍和腹圍等體尺。該軟件應(yīng)用VC++ 2010開發(fā)環(huán)境編寫，利用QT進(jìn)行界面開發(fā)。

該軟件通過交互式選點方式選取體尺測點：體尺測量的起點和終點。本文交互式測量需選取的體尺測點包括頸部中點、尾根中點、體高點、臀高點、胸圍測點(胸圍處任一測量點)和腹圍測點(腹圍處任一測量點)。利用該軟件測量線性體尺的示意圖如圖9a所示。利用B樣條曲線擬合的方法計算胸圍和腹圍，利用該軟件測量胸圍和腹圍的示意圖如圖9b所示。測量軟件具體計算流程如下：首先，該軟件記錄交互式獲取的胸圍測點(腹圍測點)的x方向坐標(biāo)，記為xc，然后，直通濾波獲取豬體點云Ph在區(qū)域[xc，xc+0.005]的點云，記為Ps, 如圖10a所示，繼而利用文獻(xiàn)[27]的方法將點云Ps擬合為非均勻有理B樣條曲線，如圖10b所示，最后利用生成曲線對應(yīng)的控制多邊形長度近似曲線周長，其中擬合方法的具體參數(shù)設(shè)置如下：曲線階數(shù)設(shè)置為3，迭代次數(shù)設(shè)置為40，控制點個數(shù)設(shè)置為100。

線性體尺長度、寬度、高度測量公式為

(7)

式中xneck、zneck——頸部中點的x坐標(biāo)值和z坐標(biāo)值

xtail、ztail——尾根中點的x坐標(biāo)值和z坐標(biāo)值

zwidth——體寬或者臀寬的z坐標(biāo)值

z0——歸一到全局坐標(biāo)系后尾根點的z坐標(biāo)值

yheight——體高點或者臀高點的y坐標(biāo)值

Hground——地面的高程值，即地面或者豬體最低點的y軸方向坐標(biāo)值

因為豬體的對稱面為垂直于xOz坐標(biāo)平面且過尾根點M0(x0，y0，z0)的平面，所以利用2(zwidth-z0)計算豬的體尺寬度。

2　結(jié)果與分析

2.1　分割算法試驗結(jié)果

在威海大北農(nóng)種豬科技有限公司育種場，共采集10組包含單視角豬體的場景點云數(shù)據(jù)用于驗證該測量方法的準(zhǔn)確性和可應(yīng)用性，豬品種包括長白和大白兩種，豬日齡為141～149 d。利用1.2節(jié)所述方法分割豬場場景中的豬體，分割結(jié)果如圖11所示。從圖11中可以看出，目標(biāo)豬體即使有其他豬體或者豬場的相關(guān)設(shè)施等復(fù)雜背景，也實現(xiàn)了目標(biāo)豬體的分割，但本文方法在實際應(yīng)用中，也存在一定的限制性，即當(dāng)目標(biāo)豬體與設(shè)施或者其他豬體接觸的情況下，無法將目標(biāo)豬體分割，所以采集數(shù)據(jù)時，應(yīng)確保目標(biāo)豬體不和其他豬體或者設(shè)施接觸。本文分割相關(guān)參數(shù)值具體設(shè)置如下： min為100，max為50 000，λ=0.026,N=10 000。

圖9　體尺測量軟件示意圖Fig.9　Body measurement software diagrams

圖10　曲線擬合示意圖Fig.10　Curve-fitting diagrams

圖11　目標(biāo)豬體分割結(jié)果Fig.11　Segmentation results of target pig

2.2　對稱面檢測和鏡像結(jié)果分析

圖12為3個單視角樣本不同角度下的對稱面檢測結(jié)果和完整豬體點云獲取結(jié)果。如圖12所示，當(dāng)篩選出背部不存在較大彎曲的豬體點云數(shù)據(jù)時，本文方法可以利用單側(cè)豬體點云，檢測其近似對稱面，并根據(jù)檢測到的對稱面，通過鏡像獲取完整豬體點云，獲取的完整豬體接近豬體的原始形態(tài)。

圖12　對稱面檢測和完整豬體獲取樣本結(jié)果Fig.12　Sample results of symmetry plane detection and whole pig acquisition

2.3　體尺測量精度分析

為了定量分析本文方法對豬只體尺參數(shù)的測量精度，利用自主研發(fā)的體尺測量軟件進(jìn)行家畜體尺測量。對10組豬的體長、臀寬、臀高、胸圍和腹圍進(jìn)行了測量，其中體長、臀寬和臀高與人工測量的結(jié)果進(jìn)行了對比，測量結(jié)果和誤差如表1所示。人工測量工具為卷尺，精度為1 mm，為了避免測量豬體因身體扭曲而造成的人工測量不準(zhǔn)確，應(yīng)盡量在豬飲水或采食時進(jìn)行人工測量，每個體尺指標(biāo)測量3次并取中值[13]。

從表1中可以看出，體長測量的平均相對誤差為5.00%，其檢測值與實測值的最大、最小誤差分別為11.46%和0.03%，臀寬測量的平均相對誤差為7.40%，其檢測值與實測值的最大、最小誤差分別為13.72%和1.06%，臀高測量的平均相對誤差為5.74%，其檢測值與實測值的最大、最小誤差分別為11.87%和1.71%。此結(jié)果的誤差主要由3部分組成，一部分為深度攝像頭獲取的數(shù)據(jù)本身的誤差，一部分為在進(jìn)行鏡像操作時豬體形態(tài)的變化帶來的誤差，另一部分為用戶選取測點的不精確帶來的誤差。研究發(fā)現(xiàn)，體長的測量結(jié)果都小于人工的測量結(jié)果，這是因為豬體背部方向不可能嚴(yán)格筆直，存在一定彎曲，拉近了尾根點和耳根點的距離，造成了測量的體長小于人工測量結(jié)果。整體來看，該方法的體尺檢測結(jié)果較好。

注：REL為體長檢測值與實測值的相對誤差；REw為臀寬檢測值與實測值的相對誤差； REh為臀高檢測值與實測值的相對誤差。

3　結(jié)束語

提出并實現(xiàn)了基于單視角點云鏡像的豬體尺測量方法，選取Xtion PRO 深度相機(jī)作為點云數(shù)據(jù)采集設(shè)備，并以豬場豬體作為試驗對象，利用人工體尺測量結(jié)果與該方法體尺測量結(jié)果進(jìn)行了對比。結(jié)果表明，在豬體背部彎曲不嚴(yán)重的情況下，本文方法可以檢測單視角豬體的近似對稱面，并利用檢測到的對稱面，對單視角豬體點云鏡像獲取完整豬體。本文體尺測量方法具有較高的精度，體長測量的平均相對誤差為5.00%，臀寬測量的平均相對誤差為7.40%，臀高測量的平均相對誤差為5.74%，該方法的體尺檢測結(jié)果較好，可以用于家畜育種和生產(chǎn)領(lǐng)域。

1CHENG Y, LIU S, SU D, et al. Distribution and linkage disequilibrium analysis of polymorphisms of GH1 gene in different populations of pigs associated with body size[J]. Journal of Genetics, 2016, 95(1): 79-87.

2曹果清，景利芳，石建忠，等. 豬體重和體尺性狀與繁殖性能間的相關(guān)[J]. 山西農(nóng)業(yè)大學(xué)學(xué)報:自然科學(xué)版, 2003, 23(2): 136-138.

CAO Guoqing, JING Lifang, SHI Jianzhong, et al. Study on correlation analysis between body weight and size and reproductive performance in swine[J]. Journal of Shanxi Agricultural University: Science & Technology, 2003, 23(2): 136-138. (in Chinese)

3WILD J J. The use of ultrasonic pulses for the measurement of biologic tissues and the detection of tissue density changes[J]. Surgery, 1950, 27(2): 183-188.

4SMITH M T, OLTJEN J W, DOLEZAL H G, et al. Evaluation of ultrasound for prediction of carcass fat thickness and longissimus muscle area in feedlot steers[J]. Journal of Animal Science, 1992, 70(1): 29-37.

5郭浩，張勝利，馬欽，等. 基于點云采集設(shè)備的奶牛體尺指標(biāo)測量[J]. 農(nóng)業(yè)工程學(xué)報, 2014, 30(5): 116-122.

GUO Hao, ZHANG Shengli, MA Qin, et al. Cow body measurement based on Xtion[J]. Transactions of the CSAE, 2014, 30(5): 116-122. (in Chinese)

6郭浩，王鵬，馬欽，等. 基于深度圖像的奶牛體型評定指標(biāo)獲取技術(shù)[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報，2013, 44(增刊1): 273-276. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=2013s149&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2013.S1.049.

GUO Hao, WANG Peng, MA Qin, et al. Acquisition of appraisal traits for dairy cow based on depth image [J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(Supp.1): 273-276.(in Chinese)

7SALAU J, HAAS J H, JUNGE W, et al. Feasibility of automated body trait determination using the SR4K time-of-flight camera in cow barns [J]. Springer Plus, 2014, 3(1): 225.

8SONG X, SCHUTTEA J, VAN DER Tol P, et al. Body measurements of dairy calf using a 3-D camera in an automatic feeding system[C]∥Proc. AgEng 2014: International Conference of Agricultural Engineering C, 2014：1-8.

9KAWASUE K, IKEDA T, TOKUNAGA T, et al. Three-dimensional shape measurement system for black cattle using KINECT sensor[J]. International Journal of Circuits, Systems and Signal Processing, 2013, 7: 222-230.

10MARINELLO F, PEZZUOLO A, CILLIS D, et al. Application of Kinect-Sensor for three-dimensional body measurements of cows[C]∥Proceedings of 7th European Conference on Precision Livestock Farming, ECPLF,2015: 15-18.

11SALAU J, HAAS J H, JUNGE W, et al. Automated calculation of udder depth and rear leg angle in Holstein-Friesian cows using a multi-Kinect cow scanning system[J]. Biosystems Engineering, 2017, 160: 154-169.

12劉同海，滕光輝，付為森，等. 基于機(jī)器視覺的豬體體尺測點提取算法與應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報，2013，29(2): 161-168.

LIU Tonghai, TENG Guanghui, FU Weisen, et al. Extraction algorithms and applications of pig body size measurement points based on computer vision [J]. Transactions of the CSAE, 2013, 29(2): 161-168. (in Chinese)

13李卓，杜曉冬，毛濤濤，等. 基于深度圖像的豬體尺檢測系統(tǒng)[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報，2016, 47(3): 311-318. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20160344&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2016.03.044.

LI Zhuo, DU Xiaodong, MAO Taotao, et al. Pig dimension detection system based on depth image[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(3): 311-318.(in Chinese)

14劉同海，滕光輝，張盛南，等. 基于點云數(shù)據(jù)的豬體曲面三維重建與應(yīng)用[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報，2014, 45(6): 291-295. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20140644&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2014.06.044.

LIU Tonghai, TENG Guanghui, ZHANG Shengnan, et al. Reconstruction and application of 3D pig body model based on point cloud data[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(6): 291-295.(in Chinese)

15郭浩，馬欽，張勝利，等. 基于三維重建的動物體尺獲取原型系統(tǒng)[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報，2014, 45(5): 227-232. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20140535&journal_id=jcsam.DOI：10.6041/j.issn.1000-1298.2014.05.035.

GUO Hao, MA Qin, ZHANG Shengli, et al. Prototype system of shape measurements of animal based on 3D reconstruction[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(5): 227-232. (in Chinese)

16GUO H, MA X, MA Q, et al. LSSA_CAU: an interactive 3d point clouds analysis software for body measurement of livestock with similar forms of cows or pigs [J]. Computers and Electronics in Agriculture, 2017, 138: 60-68.

17王可，郭浩，劉威林，等. 基于點云旋轉(zhuǎn)歸一化的豬體體尺測點提取方法[J]. 農(nóng)業(yè)工程學(xué)報，2017, 33(增刊1): 253-259.

WANG Ke, GUO Hao, LIU Weilin, et al. Extraction methods of pig body size measurement points based on rotation normalization of the point cloud [J]. Transactions of the CSAE, 2017, 33(Supp.1):253-259. (in Chinese)

18MAURICE X, GRAEBLING P, DOIGNON C. Real-time structured light coding for adaptive patterns [J]. Journal of Real-Time Image Processing, 2013, 8(2): 169-178.

19CARLES G, MUYO G, BOSCH S, et al. Use of a spatial light modulator as an adaptable phase mask for wavefront coding [J]. Journal of Modern Optics, 2010, 57(10): 893-900.

20SHPUNT A, ZALEVSKY Z. Depth-varying light fields for three dimensional sensing: US 8050461[P]. 2011-11-01.

21VON H W, MICHAELSEN E, THONNESSEN U. Cluster analysis and priority sorting in huge point clouds for building reconstruction[C]∥18th International Conference on Pattern Recognition, ICPR 2006, 2006, 1: 23-26.

22柯映林，朱偉東. 基于局部特征匹配的對稱面提取算法[J]. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報,2005, 17(6): 1191-1195.

KE Yinglin, ZHU Weidong. Study on symmetry plane extraction from point cloud based on local geometric symmetry[J]. Journal of Computer-Aided Design & Computer Graphics, 2005, 17(6): 1191-1195.(in Chinese)

23金濤，許躍敏，童水光. 一種用于逆向工程的對稱平面重建方法[J]. 浙江大學(xué)學(xué)報:工學(xué)版, 2002, 36(6): 104-108.

JIN Tao, XU Yuemin, TONG Shuiguang. A simple and efficient method for reconstructing symmetry plane in reverse engineering[J]. Journal of Zhejiang University:Engineering Science, 2002, 36(6): 104-108.(in Chinese)

24MITRA N J, GUIBAS L J, PAULY M. Partial and approximate symmetry detection for 3D geometry[J]. ACM Transactions on Graphics, 2006, 25(3): 560-568.

25金濤，陳建良，童水光. 三維模型對稱平面重建的特征匹配方法[J]. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報, 2003, 15(5): 616-620.

JIN Tao, CHEN Jianliang, TONG Shuiguang. Reconstructing symmetry plane by feature matching [J]. Journal of Computer-Aided Design & Computer Graphics, 2003, 15(5): 616-620.(in Chinese)

26SFIKAS K, THEOHARIS T, PRATIKAKIS I. Pose normalization of 3D models via reflective symmetry on panoramic views[J]. The Visual Computer, 2014, 30(11): 1261-1274.

27M?RWALD T. Object modelling for cognitive robotics[D]. Wien Vienna: University of Technology, 2013.