生豬養(yǎng)殖業(yè)是我國畜牧業(yè)的重要產(chǎn)業(yè)部門,為國家提供基礎(chǔ)食材及國民能量供給。生豬的體尺參數(shù)是生豬養(yǎng)殖評價健康指標(biāo)的重要依據(jù)。傳統(tǒng)的體尺參數(shù)獲取一般由工人使用皮尺等工具進(jìn)行手工測量,這種傳統(tǒng)的測量方法不僅加重工人的工作負(fù)擔(dān),而且測量難度大,誤差也較大。由于測量時直接接觸豬體,容易對豬造成應(yīng)激反應(yīng),不利于生豬的健康生長。針對傳統(tǒng)測量方式的缺陷,本文利用Kinect相機獲取黑豬的點云數(shù)據(jù),研究點云數(shù)據(jù)預(yù)處理算法,點云配準(zhǔn)算法和體尺提取算法實現(xiàn)豬體體尺的非接觸測量。論文的主要工作及結(jié)論如下:（1）結(jié)合農(nóng)場中豬體體尺手工測量過程繁瑣,容易對豬體造成應(yīng)激反應(yīng)以及現(xiàn)有三維測量裝置的高成本,難以在養(yǎng)殖業(yè)中廣泛使用等現(xiàn)狀,構(gòu)建了基于雙Kinect的三維測量裝置,并開發(fā)了三維測量軟件,具有場景布置簡單、測量精度高、計算速度快、測量非接觸性等特點。（2）深入研究點云去噪,點云精簡和點云分割等預(yù)處理算法。隨著三維掃描設(shè)備精度的不斷提高,設(shè)備采集到的點云數(shù)量十分龐大,增加了后續(xù)點云配準(zhǔn)等操作的時間和難度。本文提出了一種基于八叉樹的K-means聚類點云精簡方法,以點云八叉樹的非空節(jié)點作為初始聚類中心,提高了聚類的速... 

【文章來源】：長春工業(yè)大學(xué)吉林省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 論文的研究背景和意義
    1.2 機器視覺在畜牧業(yè)中的研究現(xiàn)狀
    1.3 Kinect在機器視覺中的研究現(xiàn)狀
    1.4 研究內(nèi)容和技術(shù)路線
        1.4.1 論文的主要研究內(nèi)容
        1.4.2 測量平臺技術(shù)路線
第2章 測量系統(tǒng)整體方案設(shè)計與雙Kinect相機的聯(lián)合標(biāo)定
    2.1 測量系統(tǒng)的總體方案設(shè)計
    2.2 測量系統(tǒng)硬件平臺
        2.2.1 Kinect深度相機
        2.2.2 測量實驗平臺的搭建
    2.3 測量系統(tǒng)軟件平臺
        2.3.1 PCL點云庫
        2.3.2 QT框架
    2.4 相機標(biāo)定原理
        2.4.1 四大坐標(biāo)系及其變換關(guān)系
        2.4.2 小孔成像模型
        2.4.3 畸變模型
    2.5 標(biāo)定實驗與分析
        2.5.1 單臺Kinect深度相機的標(biāo)定
        2.5.2 兩臺Kinect深度相機的標(biāo)定
    2.6 本章小結(jié)
第3章 三維點云數(shù)據(jù)預(yù)處理
    3.1 點云去噪
        3.1.1 直通濾波
        3.1.2 統(tǒng)計濾波
        3.1.3 半徑濾波
    3.2 點云精簡
        3.2.1 傳統(tǒng)點云精簡算法
        3.2.2 基于八叉樹的K-means聚類點云精簡方法
        3.2.3 精簡實驗與分析
    3.3 點云分割
        3.3.1 基于隨機采樣一致性的分割算法
        3.3.2 基于區(qū)域生長分割算法
        3.3.3 歐式聚類分割算法
    3.4 本章小結(jié)
第4章 改進(jìn)ICP點云配準(zhǔn)與豬體體尺自動提取
    4.1 點云配準(zhǔn)方法
    4.2 基于三維球體標(biāo)定的快速配準(zhǔn)方法
        4.2.1 三維球體標(biāo)定
        4.2.2 剛體矩陣的計算模型
        4.2.3 改進(jìn)ICP配準(zhǔn)算法
    4.3 配準(zhǔn)實驗與分析
    4.4 豬體體尺參數(shù)提取
        4.4.1 統(tǒng)一標(biāo)準(zhǔn)坐標(biāo)系
        4.4.2 體尺測點提取
    4.5 測量實驗與分析
    4.6 本章小結(jié)
第5章 三維測量系統(tǒng)開發(fā)與功能實現(xiàn)
    5.1 測量系統(tǒng)測試環(huán)境
    5.2 三維測量系統(tǒng)主界面
    5.3 基礎(chǔ)模塊
        5.3.1 輸入輸出模塊
        5.3.2 顯示模塊
    5.4 標(biāo)定模塊
    5.5 濾波模塊
    5.6 精簡模塊
    5.7 分割模塊
    5.8 配準(zhǔn)模塊
    5.9 測量模塊
    5.10 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
作者簡介
攻讀碩士學(xué)位期間研究成果


【參考文獻(xiàn)】：
期刊論文
[1]機器人自主抓取的三維點云基本形體簡化算法[J]. 曹雛清,劉漢偉,李瑞峰.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2020(01)
[2]基于圖像特征和奇異值分解的點云配準(zhǔn)算法[J]. 趙夫群,耿國華.  激光與光電子學(xué)進(jìn)展. 2020(10)
[3]基于FPFH特征和NDT算法的樹木點云配準(zhǔn)[J]. 楊玉澤,孫英偉,林文樹.  西北林學(xué)院學(xué)報. 2019(05)
[4]基于特征點法向量的點云配準(zhǔn)算法[J]. 孫培芪,卜俊洲,陶庭葉,房興博,賀晗,馮佳琪.  測繪通報. 2019(08)
[5]一種改進(jìn)的基于PCA的ICP點云配準(zhǔn)算法研究[J]. 劉哲,周天,彭東東,馮晨.  黑龍江大學(xué)自然科學(xué)學(xué)報. 2019(04)
[6]點云數(shù)據(jù)精簡與配準(zhǔn)研究[J]. 龐正雅,周志峰,錢莉,葉玨磊.  軟件導(dǎo)刊. 2019(06)
[7]三維激光點云數(shù)據(jù)精簡算法[J]. 黃曉銘,楊劍,陳輝.  吉首大學(xué)學(xué)報(自然科學(xué)版). 2018(05)
[8]基于改進(jìn)八叉樹的三維點云壓縮算法[J]. 黃源,達(dá)飛鵬,唐林.  光學(xué)學(xué)報. 2017(12)
[9]基于點云旋轉(zhuǎn)歸一化的豬體體尺測點提取方法[J]. 王可,郭浩,劉威林,馬欽,蘇偉,朱德海.  農(nóng)業(yè)工程學(xué)報. 2017(S1)
[10]一種改進(jìn)的點云數(shù)據(jù)精簡算法[J]. 樊彥國,楊洪旭,張維康.  現(xiàn)代制造工程. 2016(12)

博士論文
[1]基于機器視覺的奶牛個體信息感知及行為分析[D]. 趙凱旋.西北農(nóng)林科技大學(xué) 2017
[2]基于視覺模型的紅外圖像增強技術(shù)研究[D]. 李毅.中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所) 2016
[3]動物體表三維數(shù)據(jù)獲取與處理算法研究[D]. 郭浩.中國農(nóng)業(yè)大學(xué) 2015
[4]基于雙目視覺的豬體體尺參數(shù)提取算法優(yōu)化及三維重構(gòu)[D]. 劉同海.中國農(nóng)業(yè)大學(xué) 2014

碩士論文
[1]基于Kinect的奶牛體尺檢測與試驗研究[D]. 趙新強.山東農(nóng)業(yè)大學(xué) 2018
[2]基于三維點云的奶牛體尺測量與體重預(yù)測方法研究[D]. 牛金玉.西北農(nóng)林科技大學(xué) 2018
[3]基于Kinect和激光傳感器的植株點云信息融合方法研究[D]. 潘成凱.江蘇大學(xué) 2018
[4]紅外熱成像系統(tǒng)實現(xiàn)及其圖像增強技術(shù)研究[D]. 蘇慶旦.西安電子科技大學(xué) 2015
[5]基于Kinect與PCL的三維重建系統(tǒng)研究[D]. 薄夫祥.東北大學(xué) 2013
[6]激光三維掃描點云數(shù)據(jù)的配準(zhǔn)研究[D]. 彭博.天津大學(xué) 2011



本文編號：3205966