基于图像处理的奶牛体型线性评定指标的数据采集

论文摘要

近年来,随着计算机视觉检测技术的不断发展,其在畜牧业生产中的应用也逐渐增加。其中基于图像处理的奶牛体型线性评定方法成为国内外奶牛优化育种研究的一项重要内容。由于现在奶牛体型评价多是人工进行,检测仪器和手段比较落后,采用半圆仪、皮尺、卡尺等量具进行测量,并且评定指标繁多,需要处理大量的数据,存在人为因素影响测量结果。本项研究利用图像处理技术和计算机视觉技术,进行奶牛体型指标的测量。这种方法可以避免接触待测对象,与人工测量相比快捷方便、效率高、精度较高,避免主观因素的影响,对奶牛的选种、选育和品种的改良起到指导作用。应用图像检测技术对奶牛体型进行线性评定,其指标参数数据采集的方法是根据奶牛各个部位的体型特征进行测量,比较全面、客观、数量化,避免了主观抽象因素的影响,对奶牛场生产效率和经济效益的提高具有重大意义。本文采用计算机立体视觉的方法重建奶牛体型的三维模型,实现对奶牛体型性状指标的测量。首先通过立体标靶实现摄像头的标定,然后利用SIFT尺度不变特征点匹配算法对采集的图像进行特征点提取与匹配,最后通过投影矩阵计算匹配特征点的三维坐标,实现局部特征点的三维重建。针对双目视觉中摄像头视角范围受限问题,提出通过在相邻视点的公共区域设置标记点,根据标记点计算不同坐标系的转换关系,将各局部特征点转换到统一坐标系下,从而实现不同视点下各局部区域的三维拼接。实验表明,采用该方法重建的奶牛体型模型较理想,测量精度和测量效率满足评定要求,能够取代手工测量。

论文目录

• 摘要
• ABSTRACT
• 1 前言
• 1.1 本课题研究目的及意义
• 1.2 国内外研究概况
• 1.2.1 基于计算机视觉三维测量的关键技术研究
• 1.2.2 基于计算机视觉的奶牛体型性状测量技术研究
• 1.3 本课题研究的主要内容
• 2 基于计算机立体视觉的三维测量
• 2.1 摄像机模型及标定
• 2.1.1 摄像机模型
• 2.1.2 摄像机标定
• 2.1.3 对极几何和基础矩阵
• 2.2 奶牛图像预处理
• 2.2.1 图像颜色空间变换
• 2.2.2 边缘检测
• 2.2.3 图像分割
• 2.3 图像匹配
• 2.3.1 基于SIFT算法的特征点检测与匹配
• 2.3.2 基于Harris算法的特征点检测与匹配
• 2.3.3 误匹配的剔除
• 2.3.4 匹配结果
• 2.4 三维重建
• 2.4.1 三维重建基本原理
• 2.4.2 空间点重建
• 2.5 本章小结
• 3 三维拼接
• 3.1 三维拼接变换模型
• 3.2 变换矩阵求解
• 3.2.1 基于Rodrigues参数的变换矩阵求解
• 3.2.2 基于四元数的变换矩阵求解
• 3.3 三维拼接实现
• 3.4 本章小结
• 4 奶牛体型性状指标的测量
• 4.1 奶牛体型性状介绍
• 4.2 奶牛体型线性评定指标的测量
• 4.3 本章小结
• 5 试验结果与讨论
• 6 结论与展望
• 6.1 结论
• 6.2 展望
• 7 参考文献
• 8 攻读硕士学位期间发表论文情况
• 9 致谢