[發明專利]牛體格測量方法、模型訓練方法和系統

在審

• 申請號: 202011034291.8
• 申請日: 2020-09-27
• 公開（公告）號: CN112102496A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 趙拴平;金海;賈玉堂;徐磊;吳娟
• 申請（專利權）人: 安徽省農業科學院畜牧獸醫研究所
• 主分類號: G06T17/20
• 分類號: G06T17/20;G06T7/62;G06N3/04;G06N3/08
• 代理公司: 廣州市諾豐知識產權代理事務所(普通合伙) 44714
• 代理人: 任毅;黃國亮

1.一種牛體格測量方法，其特征在于，包括以下步驟：

獲取待測對象的3D點云數據；

獲取與所述3D點云數據處于同一坐標系下的三維點陣，其中，所述三維點陣的尺寸為A*B*C，A、B和C均為正整數，所述三維點陣中處于同一軸向上的任意兩個相鄰點的距離相同；

根據所述3D點云數據中的各點與所述三維點陣中點的位置關系，將所述3D點云數據的各點的位置信息映射到所述三維點陣中，得到點陣信息；

根據所述點陣信息得到多通道圖像；

將所述多通道圖像輸入到經過訓練的模型中得到測量結果。

2.根據權利要求1所述的牛體格測量方法，其特征在于，所述三維點陣為三維矩陣，任意兩個相鄰點的距離均等，其中，兩個點相鄰是指兩個點的距離最近。

3.根據權利要求1所述的牛體格測量方法，其特征在于，所述點陣信息由所述三維點陣中點的灰度值表示。

4.根據權利要求3所述的牛體格測量方法，其特征在于，所述根據所述3D點云數據中的各點與所述三維點陣中點的位置關系，將所述3D點云數據的各點的位置信息映射到所述三維點陣中，得到點陣信息，包括：

計算所述三維點陣中每個點的灰度信息，其中，所述三維點陣中點的灰度信息根據所述3D點云數據中的點與三維點陣中的點的距離計算，所述多通道圖像各點的灰度值以所述點陣信息中對應位置的點的灰度值表示。

5.根據權利要求4所述的牛體格測量方法，其特征在于，所述三維點陣中點的灰度信息根據3D點云數據中的點與三維點陣中的點的距離計算，具體為通過以下公式計算：

其中，‖.‖₂是一個L2范數，用于計算兩個點的坐標距離，M(m)表示M通道圖像中點m的灰度值，s是指三維矩陣中與點m相對應的點，是3D點云數據中的點，表示點s的第k個支撐點的坐標，t_s表示點s的支撐點的數量，當點距離所述三維點陣中最近的點為點s，則稱點是點s的支撐點。

6.根據權利要求4所述的牛體格測量方法，其特征在于，所述三維點陣中點的灰度信息根據3D點云數據中的點與三維點陣中的點的距離計算，具體為通過以下公式計算：

其中，σ為用戶設定的值，‖.‖₂是一個L2范數，用于計算兩個點的坐標距離，M(m)表示M通道圖像中點m的灰度值，s是指三維矩陣中與點m相對應的點，是3D點云數據中的點，表示點s的第k個支撐點的坐標，T表示點s的支撐點的數量，所有的3D點云數據中的點均為點s的支撐點。

7.根據權利要求1所述的牛體格測量方法，其特征在于，所述模型為卷積神經網絡模型。

8.一種牛體格測量模型訓練方法，其特征在于，包括以下步驟：

獲取多個訓練樣本和多個所述訓練樣本對應的標簽，所述訓練樣本為3D點云數據；

獲取與所述3D點云數據處于同一坐標系下的三維點陣，其中，所述三維點陣的尺寸為A*B*C，A、B和C均為正整數，所述三維點陣中處于同一軸向上的任意兩個相鄰點的距離相同；

初始化模型參數；

通過多個所述訓練樣本和多個所述訓練樣本對應的標簽對模型進行訓練，直到滿足停止條件；

在每一次的訓練中，包括以下步驟：

根據所述3D點云數據中的各點與所述三維點陣中點的位置關系，將所述3D點云數據的各點的位置信息映射到所述三維點陣中，得到點陣信息；

根據所述點陣信息得到多通道圖像；

將所述多通道圖像輸入到當前的模型中得到測量結果；

根據所述測量結果與所述訓練樣本對應的標簽，更新模型參數。

9.一種牛體格測量系統，其特征在于，包括：

一個或多個處理器；

存儲裝置，其上存儲有一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。

10.一種牛體格測量模型訓練方法，其特征在于，包括：

一個或多個處理器；

存儲裝置，其上存儲有一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求8所述的方法。