(19)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 202210907360.4 (22)申请日 2022.07.29 (71)申请人 华南农业大 学 地址 510642 广东省广州市天河区五山路 483号 (72)发明人 张素敏　陈冠超　陈业强　侯嘉伟　 麦文国　陈彦志　尹令　刘汉兴　 (74)专利代理 机构 广州粤高专利商标代理有限 公司 44102 专利代理师 郑堪泳 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/30(2017.01) G06T 7/62(2017.01) G06T 7/80(2017.01)G06T 7/90(2017.01) G06V 10/762(2022.01) G06T 5/00(2006.01) (54)发明名称 一种基于单PC的多视角牛体尺自动测量方 法 (57)摘要 本发明公开了一种基于单PC的多视角牛体 尺自动测量方法， 涉及牛体尺测量技术领域， 包 括以下步骤： S1： 构建点云自动采集系统， 利用立 方体盒子作为标定物， 获取标定物的点云并通过 拼接实现系统配准； S2： 利用配准后系统采集牛 体尺彩色点云数据； S3： 采用混合策略对点云数 据进行点云背景去除和去噪； S4： 对处理后点云 数据中交叠部分的点云颜色通过加权计算完成 点云颜色的融合； S5： 基于八叉树对点云数据进 行精简化处理； S6： 根据点云数据计算出牛体的 体尺数据； 本发 明实现了牛只体尺无接触自动化 测量， 解决传统人工测量测定效率低、 工作量大、 引起牛只应激和传统机器视角无法获取全面的 点云的问题， 有效提高牛体尺测量的精确度和效 率。 权利要求书5页 说明书11页 附图5页 CN 115272237 A 2022.11.01 CN 115272237 A 1.一种基于单PC的多视角牛体尺自动测量方法， 其特 征在于， 包括以下步骤： S1： 构建一个点云自动采集系统， 利用一个规则的立方体盒子作为标定物， 通过获取立 方体盒子的点云， 通过对立方体盒子点云的拼接来实现系统配准； S2： 利用配准后的点云自动采集系统采集初始的牛体尺彩色点云数据； S3： 采用混合策略对初始的牛体尺彩色点云数据进行点云背景去除和去噪， 得到优化 后的牛体尺彩色点云数据； S4： 对于优化后的牛体尺彩色点云数据中交叠部分， 对其点云颜色由顶部和侧部的点 云颜色进行加权计算， 完成对交叠部分点云颜色的融合， 权重系 数决定于点云在牛体表的 法向与上部的夹角 α， 和法向与侧部的夹角 β； S5： 基于八叉树进行步骤S4得到的牛体尺彩色点云数据进行精简化处理， 得到精简后 的牛体尺彩色点云数据； S6： 根据精简后的牛体尺彩色点云数据提取出牛体点云的特征点， 计算出牛体的体尺 数据。 2.根据权利要求1所述的一种基于单PC的多视角牛体尺自动测量方法， 其特征在于， 所 述的S1中点云自动采集系统采集过程如下： S11： 把正上方的深度相机设置为基准相机， 获取基准相机 到地面的距离； S12： 在基准相机的深度图像 中设置两行像素点， 并不停地比较这两行像素点上的点到 地面的距离； S13： 当检查到两行像素点都存在点到地面的距离大于40cm时， 即牛同时经过这两条线 时， 触发彩色点云采集； S14： 获取深度图像， 生成与深度图像相对应的彩色图像， 生成与深度图像相对应的点 云， 点云的每个点与彩色图像的一个像素对应； 最终获得彩色点云P＝{p1,p2,p3,…,pn}， pi ＝{X,Y,Z,R,G,B}， X、 Y、 Z分别为点的三维坐标， R、 G、 B为点的颜色值， 式中i的取值范围为1 ～n。 3.根据权利要求1所述的一种基于单PC的多视角牛体尺自动测量方法， 其特征在于， 所 述的S2的具体步骤如下： S21： 首先利用规则立方体盒子作为标定物， 五个深度相机分别获取盒子的点云， 假设p 点在第一坐标系下的坐标为(x1,y1,z1)， 该点在第二坐标系下的坐标为(x2,y2,z2)， 则两个 坐标系的变化关系为： 式中R为空间变换矩阵， [txtytz]T为平移向量； S22:由于立方体标定物的颜色和周围环境的颜色不同， 所以用基于颜色的区域生长分 割法提取 标定物的点云； S23： 提取出标定物的点云后， 用随机抽样一致性算法获取正上方、 正左方、 正右方三个 深度相机正对着标定物的面； S24： 根据找到的标定物的面求出面上四个角的点作为关键点； 距离原点最远的就是所 要求的关键点； 正左方深度相机的四个点为左上角Al、 右上角Bl、 右下角Cl、 左下角Dl， 正右权　利　要　求　书 1/5 页 2 CN 115272237 A 2方深度相机的四个点为左上角Ar、 右上角Br、 右下角Cr、 左下角Dr， 正上方深度相机的四个点 为左上角At、 右上角Bt、 右下角Ct、 左下角Dt； 先找到一个共同点， 比如Al和At、 Br和Bt， 平移矩阵： 正上方深度相机的点云加上平移矩阵， Al和At变为同一点， 直线AlBl和AtDt成一个夹角， 将其分解 为绕XYZ三轴旋转的三个角， 角度分别为α， β， γ， 则对应 变换矩阵： 正上方深度相机的点云在转换后， 直线AlBl和AtDt共线， ∠BtAtDl与直角相差的角度为θ， 上边深度相机的点云绕直线AlBl旋转θ， 完成了正左方点云和正商贩点云的配准， 正右方点 云的配准跟左边类似； 在完成正左方深度相机、 正右方深度相机、 正上方深度相机的点云配准后， 已经有足够 的重合点云， 运用ICP算法完成前 上方、 后上方点云的配准； S25： 在完成初步配准之后， 为了进一步提 高配准可靠性， 增加采集圆筒数据， 通过提取 配准后圆通截面， 校正配准结果， 从而使 得点云配准拼接更加准确； 所有视角的牛体点云统 一配准到正左方的深度相机采集的点云的坐标系中， 作为全局坐标系； 其中， x轴沿牛体的 体长方向， y轴垂直于地 面， z轴沿牛体的体宽方向。 4.根据权利要求3所述的一种基于单PC的多视角牛体尺自动测量方法， 其特征在于， 所 述的S22的具体步骤如下： S221： 依据颜色RGB值升序排序； S222： 选择颜色RGB值 最低的为初始种子点p， 种子周围的临近点q和种子点相比较； S223： 判断颜色RGB值的差值D是否小于 30， 差值D的计算公式为： D＝|Rq‑Rp|+|Bq‑Bp|+|Gq‑Gb| S224： 若颜色RGB值的差值D小于 30， 则该点用做种子点； S225： 从某个种子出发， 其 “子种子”不再出现， 则这 一类聚集完成； S226： 去除已经完成聚类的点， 从剩余的点继续进行步骤S221～S225， 直到剩下的点数 量小于设定值count， count的值设置为10 0； S227： 选择与标定物颜色RGB值的差值 最小的聚类， 即为标定物的点云。 5.根据权利要求3所述的一种基于单PC的多视角牛体尺自动测量方法， 其特征在于， 所 述的S23的具体步骤如下： S231： 在点云中随机 选择3个点p1、 p2、 p3； 这3个点 叫内点， 其 他的点叫做外点； S232： 根据这3个点 求出两个向量a[3]， b[3] a＝p2‑p1,b＝p3 ‑p1 根据这两个向量， 求出一个空间平面方程：权　利　要　求　书 2/5 页 3 CN 115272237 A 3