本发明专利技术公开了一种基于3D的马体尺测量系统的数据修正方法，马的体尺数据是衡量马的生长发育及科学饲养、育种的重要依据。区别于人工测量方法，基于机器视觉的马体尺测量系统在测量的安全和高效方面具有显著优势。基于CINEMA 4D软件的骨骼设计，依据线性回归方程的建模思想，首先完成了焉耆马的体高、体长、胸围、管围的数据采集；然后分别讨论马体站姿不标准的两类情况下，相应体尺数据的修正方法；最后利用Matlab软件初步完成马体测量系统的仿真测试。仿真结果表明，基于3D图像的机器视觉测量方法，对于马站姿不标准时体尺数据的采集具备测量依据，利用线性回归理论预测马体尺的数据对相关体测系统的开发具备借鉴意义。
【技术实现步骤摘要】
一种基于3D的马体尺测量系统及数据修正方法
本专利技术涉及一种动物体尺领域，具体为一种基于3D的马体尺测量系统及数据修正方法。
技术介绍
新疆是我国传统的养马大区，马的品种资源丰富，据国家品种资源调查显示，目前全疆共有哈萨克马、巴里坤马、焉耆马、柯尔克孜马等4个地方品种，有伊犁马、伊吾马2个培育品种，为全国各省市自治区之首。马品种登记即由专门的登记机构依据系谱、体尺外貌、生产性能等资料来划分马的品种，因此体尺的测量技术就成为鉴定新疆马的品种、推进马的良种化进程中不可或缺的技术。目前，机器视觉的动物体尺测量在国内已经取得一定进展，如利用背景减法和去除噪声算法得到猪体体尺测点；利用背景差分法提取羊体轮廓；运用自动阈值分割与形态学处理进行轮廓分割；采用Kinect传感器搭建的羊体尺测量系统，利用彩色、深度图像的多元信息提取羊的体尺；基于机器视觉技术测量鱼体侧面积，并将面积与质量进行数据拟合建立模型，评价鱼的质量等等。相比国内研究现状，国外对动物体尺进行测度的设备专利较多。测度动物的体型，建立结构化专用装置，优势在于方便图像采集和标定，实现对感兴趣参照点进行线性测量，但不足之处在于建立结构化装置成本较高，还必须诱导动物到指定位置。综上，目前采用的自动化指标获取方法主要基于二维图像和结构化设施限制动物的位姿来实现获取，对动物的位姿或环境光照和背景要求较严格，在实际生产中难以得到满足，且2D机器视觉技术本身不能获取和动物身体曲面形状相关的指标。借鉴动物体尺的研究成果，依据新疆马业协会发布的地方标准，利用3D绘图技术，模拟多元线性回归算法，我们建立了新疆马体尺基础指标的采集模型，旨在完成马体尺测量系统的初步设计。
技术实现思路
本专利技术的目的在于提供一种基于3D的马体尺测量系统及数据修正方法，基于3D的马体尺测量系统初步完成了马体的体长、体高、胸围、管围的测量，对于站姿不标准造成的测量误差，讨论了两种特定姿态下的修正方法。本专利技术采用的技术方案如下：一种基于3D的马体尺测量系统，测量马体尺的基本数据包括体高、体长、胸围、管围，其测量标准如下：体高：从鬐甲顶点到地面的垂直距离；体长：从肩端到臀端的直线距离；胸围：在肩脚骨后缘垂直绕胸一周的长度；管围：左前管部上1/3部的下端最细处，水平绕其一周的长度；其特征在于：(1)应用CINEMA4D软件设计马体的骨骼，据此建立马体3D模型；在3D图像中，马的体高、体长、胸围、管围指标均属于体尺测量的基础数据，基于机器视觉，马体各项指标的测量值必需与图像像素点的坐标距离相关，才具备可测性，而马的体高、体长测量方式符合这一标准；且定义了相关指标：胸径、管径(胸围、管围的平面的直径)，利用可测的体高、体长、胸径、管径，构成马体胸围、管围预测模型的重要参数；(2)测量系统中，马体胸围、管围的预测建立在多元线性回归模型的基础之上；依据多元线性回归理论，因变量与自变量的相关程度越高，回归方程越显著，即：获取与胸围、管围相关程度较高的马体尺指标，拟合多元线性回归方程，在方程成立的条件下，预测胸围、管围，即可完成马体尺的有效测量；为此，我们以20匹焉耆马的体尺数据为依据，在Matlab仿真软件中首先获取马体尺各项指标间线性相关程度的数据；根据相关系数的标准定义：r＝E{(x-E{x})*(y-E{y})}/(sqrt({(x-E{x})^2)*sqrt({(y-E{y})^2))(1)其中E{}为期望值，|r|＝1表明两者相关，|r|＝0表明两者不相关。我们调用matlab软件中corrcoef()函数，得到马体的体高、体长、胸围、管围、胸径、管径间线性关系的数据；马体的体高、体长、胸围、管围、胸径、管径指标之间满足两两线性相关条件，具有不同程度的相关性；利用体高、体长、胸径、管径的优化组合构成方程的自变量，通过回归方程的检验参数评估方程的显著性，即可搭建胸围、管围的预测模型；(3)在基于CINEMA4D软件设计的马体骨骼图像中，为了精准获取像素点的坐标距离，我们首先进行3D图像的轮廓提取；仿真中，我们采用Sobel算子的边缘检测算法提取马体轮廓；首先将马体图像变为灰度图，然后分别利用Sobel垂直方向的模板和水平方向模板对转化的灰度图像做卷积，求得垂直方向和水平方向梯度，将两个梯度相加即可求得整个图像的梯度，即为图像的轮廓；Sobel算法边缘检测的运算速度快，对3D骨骼刻画地较为精准，具有测量优势；(4)基于上述体尺测量的设计方案，建立胸围的预测模型，与胸围相关性较高的指标依次为：胸径、体高、管径；设计中马体的胸径、体高、管径为自变量x1、x2、x3，以胸围为因变量y，建立多元线性回归方程，如公式(2)所示；y＝-129.3573+0.0195*x1+2.1510*x2-0.7809*x3(2)其中r2＝0.9986；F＝694.0975；P＝9.2596×10-5；由P可知，公式(2)的回归模型成立；同样的，与管围相关性较高的指标依次为：管径、体高、胸径；马体的管径、体高、胸径为自变量x1、x2、x3，以管围为因变量y，建立多元线性回归方程，如公式(3)所示；y＝5.9163+1.6586*x1+0.0350*x2-0.1*x3(3)其中r2＝0.9988；F＝820.3486；P＝7.2094×10-5。由P可知，公式(2)的回归模型成立；模型的仿真中，我们调用Matlab的线性拟合函数regress()方法建立回归方程，为了提高预测的准确度，还针对数据进行rcoplot()残差分析，剔除异常点，并利用判定系数测定方程的拟合程度是否符合建模的条件。一种基于3D的马体尺测量系统的数据修正方法，针对马体站姿不标准的两类情况，提出修正方法，应用CINEMA4D软件设计马体骨骼，绘制了同一匹马行走和倾斜站立的姿态，据此模拟两种姿态下马体尺数据的变化规律；在马体站姿不标准的情况下，引入马体尺的另一指标：体重，重构预测模型；其特征在于：(1)马行走姿态下体尺数据的修正；马体在行走状态下，其体高减小，体长不变、胸径不变、管径不变，首先需要修正体高，即建立体高的预测模型；在马体尺指标相关系数列表中，体高与体长、胸径、管径的相关程度高，即以马体的体长、胸径、管径为自变量x1、x2、x3，以体高为因变量y，建立多元线性回归方程，如公式(4)所示；y＝0.7056+0.9598*x1-0.4895*x2+3.3868*x3(4)其中r2＝0.9983；F＝583.6；P＝1.2×10-4；由P可知，公式(4)的回归模型成立；类似地，行走姿态下，剔除体高指标，我们以马的体重、胸径、管径为自变量x1、x2、x3，以胸围为因变量y，建立多元线性回归方程，如公式(5)所示；y＝14.2836+0.1548*x1+2.2569*x2-3.7371*x3(5)其中r2＝0.9990；F＝954.5；P＝5.746×10-5；由P可知，公式(5)的回归模型成立；同样地，由于体长与管围的相关性较低，我们以马的体重、胸径、管径为自变量x1、x2、x3，以管围为因变量y，建立多元线性回归方程，如公式(6)所示；y＝7.2289+0.0149*x1-0.0378*x2+0.9849*x3(6)其中r2＝0.9919；F＝122.本文档来自技高网...
【技术保护点】
1.一种基于3D的马体尺测量系统，测量马体尺的基本数据包括体高、体长、胸围、管围，其测量标准如下：体高：从鬐甲顶点到地面的垂直距离；体长：从肩端到臀端的直线距离；胸围：在肩脚骨后缘垂直绕胸一周的长度；管围：左前管部上1/3部的下端最细处，水平绕其一周的长度；其特征在于：(1)应用CINEMA 4D软件设计马体的骨骼，据此建立马体3D模型；在3D图像中，马的体高、体长、胸围、管围指标均属于体尺测量的基础数据，基于机器视觉，马体各项指标的测量值必需与图像像素点的坐标距离相关，才具备可测性，而马的体高、体长测量方式符合这一标准；且定义了相关指标：胸径、管径，胸径即胸围、管径即管围的平面的直径，利用可测的体高、体长、胸径、管径，构成马体胸围、管围预测模型的重要参数；(2)测量系统中，马体胸围、管围的预测建立在多元线性回归模型的基础之上；依据多元线性回归理论，因变量与自变量的相关程度越高，回归方程越显著，即：获取与胸围、管围相关程度较高的马体尺指标，拟合多元线性回归方程，在方程成立的条件下，预测胸围、管围，即可完成马体尺的有效测量；为此，我们以20匹焉耆马的体尺数据为依据，在Matlab仿真软件中首先获取马体尺各项指标间线性相关程度的数据；根据相关系数的标准定义：r＝E{(x‑E{x})*(y‑E{y})}/(sqrt({(x‑E{x})^2)*sqrt({(y‑E{y})^2)) (1)其中E{}为期望值，|r|＝1表明两者相关，|r|＝0表明两者不相关。我们调用matlab软件中corrcoef()函数，得到马体的体高、体长、胸围、管围、胸径、管径间线性关系的数据；马体的体高、体长、胸围、管围、胸径、管径指标之间满足两两线性相关条件，具有不同程度的相关性；利用体高、体长、胸径、管径的优化组合构成方程的自变量，通过回归方程的检验参数评估方程的显著性，即可搭建胸围、管围的预测模型；(3)在基于CINEMA 4D软件设计的马体骨骼图像中，为了精准获取像素点的坐标距离，我们首先进行3D图像的轮廓提取；仿真中，我们采用Sobel算子的边缘检测算法提取马体轮廓；首先将马体图像变为灰度图，然后分别利用Sobel垂直方向的模板和水平方向模板对转化的灰度图像做卷积，求得垂直方向和水平方向梯度，将两个梯度相加即可求得整个图像的梯度，即为图像的轮廓；Sobel算法边缘检测的运算速度快，对3D骨骼刻画地较为精准，具有测量优势；(4)基于上述体尺测量的设计方案，建立胸围的预测模型，与胸围相关性较高的指标依次为：胸径、体高、管径；设计中马体的胸径、体高、管径为自变量x1、x2、x3，以胸围为因变量y，建立多元线性回归方程，如公式(2)所示；y＝‑129.3573+0.0195*x1+2.1510*x2‑0.7809*x3 (2)其中r2＝0.9986；F＝694.0975；P＝9.2596×10‑5；由P可知，公式(2)的回归模型成立；同样的，与管围相关性较高的指标依次为：管径、体高、胸径；马体的管径、体高、胸径为自变量x1、x2、x3，以管围为因变量y，建立多元线性回归方程，如公式(3)所示；y＝5.9163+1.6586*x1+0.0350*x2‑0.1*x3 (3)其中r2＝0.9988；F＝820.3486；P＝7.2094×10‑5。由P可知，公式(2)的回归模型成立；模型的仿真中，我们调用Matlab的线性拟合函数regress()方法建立回归方程，为了提高预测的准确度，还针对数据进行rcoplot()残差分析，剔除异常点，并利用判定系数测定方程的拟合程度是否符合建模的条件。...
【技术特征摘要】
1.一种基于3D的马体尺测量系统，测量马体尺的基本数据包括体高、体长、胸围、管围，其测量标准如下：体高：从鬐甲顶点到地面的垂直距离；体长：从肩端到臀端的直线距离；胸围：在肩脚骨后缘垂直绕胸一周的长度；管围：左前管部上1/3部的下端最细处，水平绕其一周的长度；其特征在于：(1)应用CINEMA4D软件设计马体的骨骼，据此建立马体3D模型；在3D图像中，马的体高、体长、胸围、管围指标均属于体尺测量的基础数据，基于机器视觉，马体各项指标的测量值必需与图像像素点的坐标距离相关，才具备可测性，而马的体高、体长测量方式符合这一标准；且定义了相关指标：胸径、管径，胸径即胸围、管径即管围的平面的直径，利用可测的体高、体长、胸径、管径，构成马体胸围、管围预测模型的重要参数；(2)测量系统中，马体胸围、管围的预测建立在多元线性回归模型的基础之上；依据多元线性回归理论，因变量与自变量的相关程度越高，回归方程越显著，即：获取与胸围、管围相关程度较高的马体尺指标，拟合多元线性回归方程，在方程成立的条件下，预测胸围、管围，即可完成马体尺的有效测量；为此，我们以20匹焉耆马的体尺数据为依据，在Matlab仿真软件中首先获取马体尺各项指标间线性相关程度的数据；根据相关系数的标准定义：r＝E{(x-E{x})*(y-E{y})}/(sqrt({(x-E{x})^2)*sqrt({(y-E{y})^2))(1)其中E{}为期望值，|r|＝1表明两者相关，|r|＝0表明两者不相关。我们调用matlab软件中corrcoef()函数，得到马体的体高、体长、胸围、管围、胸径、管径间线性关系的数据；马体的体高、体长、胸围、管围、胸径、管径指标之间满足两两线性相关条件，具有不同程度的相关性；利用体高、体长、胸径、管径的优化组合构成方程的自变量，通过回归方程的检验参数评估方程的显著性，即可搭建胸围、管围的预测模型；(3)在基于CINEMA4D软件设计的马体骨骼图像中，为了精准获取像素点的坐标距离，我们首先进行3D图像的轮廓提取；仿真中，我们采用Sobel算子的边缘检测算法提取马体轮廓；首先将马体图像变为灰度图，然后分别利用Sobel垂直方向的模板和水平方向模板对转化的灰度图像做卷积，求得垂直方向和水平方向梯度，将两个梯度相加即可求得整个图像的梯度，即为图像的轮廓；Sobel算法边缘检测的运算速度快，对3D骨骼刻画地较为精准，具有测量优势；(4)基于上述体尺测量的设计方案，建立胸围的预测模型，与胸围相关性较高的指标依次为：胸径、体高、管径；设计中马体的胸径、体高、管径为自变量x1、x2、x3，以胸围为因变量y，建立多元线性回归方程，如公式(2)所示；y＝-129.3573+0.0195*x1+2.1510*x2-0.7809*x3(2)其中r2＝0.9986；F＝694.0975；P＝9.2596×10-5；由P可知，公式(2)的回归模型成立；同样的，与管围相关性较高的指标依次为：管径、体高、胸径；马体的管径、体高、胸径为自变量x1、x2、x3，以管围为因变量y，建立多元线性回归方程，如公式(3)所示；y＝5.9163+1.6586*x1+0.0350*x2-0.1*x3(3)其中r2＝0.9988；F＝820.3486；P＝7.2094×10-5。由P可知，公式(2)的回归模型成立；模型的仿真中，我们调用Matlab的线性拟合函数regress()...
【专利技术属性】
技术研发人员：张婧婧，李勇伟，达新民，董峦，张靓靓，赵新苗，
申请(专利权)人：新疆农业大学，
类型：发明
国别省市：新疆,65
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。