(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 202210831007.2 (22)申请日 2022.07.15 (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 申请人 广州市金宝生态农业有限公司 (72)发明人 梁云　陈浩铭　黄蓝　黄琼　 刘定发　邱少健　刘凯　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 李斌 (51)Int.Cl. G06T 17/00(2006.01) G06T 3/00(2006.01) G06T 7/66(2017.01) (54)发明名称 基于最近点迭代和标志点匹配的活猪三维 点云建模方法及装置 (57)摘要 本发明公开了基于最近点迭代和标志点匹 配的活猪三维点云建模方法及装置， 方法包括： 得到目标猪体左上、 左下、 右上和右下四个视角 的点云数据； 将目标猪体左上、 右上视角点云数 据作为源点云， 左下、 右下视角点云数据作为目 标点云， 计算源点云中每个点在目标点云中的最 近邻点； 获得左右 两个视角的点云数据； 基于RGB 信息识别活猪周围四个圆形标志点， 通过圆心拟 合获取左右两个视角中标志点在各自点云中的 圆心坐标； 将活猪前后视角的点 云数据变换到同 一坐标系下进行配准， 得到活猪三维点云模型。 本发明基于最近点迭代配准， 再融合标志点配准 法， 进而获得活猪整个三维点云模型， 提高了各 角度的活猪点云模型跨度， 有效减少三维深度相 机的数量， 同时保证建模精度。 权利要求书4页 说明书11页 附图7页 CN 115439600 A 2022.12.06 CN 115439600 A 1.基于最近点迭代和标志点匹配的活猪三维点云建模方法， 其特征在于， 包括下述步 骤： (1)获取活猪左上、 左下、 右上和右下四个视角的点云数据， 对点云数据进行降噪， 并将 目标猪体与背景切割， 去除点云数据中的地面， 得到目标猪体左上、 左下、 右上和右下四个 视角的点云数据； (2)将目标猪体左上、 右上视角点云数据作为源点云， 左下、 右下视角点云数据作为目 标点云， 计算源点云中每 个点在目标点云中的最近邻点； (3)将左上视角的点云数据作为源点云， 左下视角的点云数据作为目标点云， 将两个点 云都转换至质心坐标系， 基于SVD分解计算当前目标点云旋转变换到源点云坐标系下 的最 优旋转矩阵和最优平移矩阵， 将旋转矩阵和平移矩阵作用于目标点云获得旋转平移后的目 标点云， 替代原本的目标点云； 计算目标点云与源点云的旋转误差和平移误差， 判断是否达 到停止迭代条件， 否则重复步骤(2)到步骤(3)， 最终得到左 上视角点云和右上视角点云在 同一坐标系 下配准的点云数据； 右上视角和右下视角点云数据匹配同理， 最终获得左右两 个视角的点云数据； (4)基于RGB信息识别活猪周围四个圆形标志点， 通过圆心拟合获取左右两个视角中标 志点在各自点云中的圆心坐标； (5)基于三点法计算同一组标志点在左右不同视角点云数据中转换到同一坐标系下所 需的旋转变换矩阵， 利用该旋转变换矩阵， 将活猪前后视角的点云数据变换到同一坐标系 下进行配准， 得到活猪三维点云模型。 2.根据权利要求1所述基于最近点迭代和标志点匹配的活猪三维点云建模方法， 其特 征在于， 步骤(1)中， 去除点云地 面数据采用的是Ransac算法， 具体如下： (1‑1)以目标猪体所在的区域为中心， 对上下左右四个方向扩展k个坐标作为边界以进 行切割， 得到无背景的点云数据； (1‑2)对无背景的点云数据进行中值滤波， 去除离 散点； (1‑3)从无背景的点云数据中随机选取三个点组成一个平面， 计算其余点云数据中其 余点到该平面的距离， 若小于阈值T， 则认为处于同一平面； 若处于同一平面的点超过n个， 则保存该平面， 并将该平面的点都记为 地面点云， 进行去除， 得到无地 面的点云数据。 3.根据权利要求1所述基于最近点迭代和标志点匹配的活猪三维点云建模方法， 其特 征在于， 步骤(2)中， 所述计算源点云中每个点在目标点云中的最近邻点采用的是KD ‑Tree 算法， 具体为： (2‑1)对于KD ‑Tree的比较维度， 采取随着KD ‑Tree的深度的递进轮流选择XYZ三个轴当 作比较维度； (2‑2)随机选择目标点云数据中的一个点作为KD ‑Tree根节点， 遵循左子节点小于父节 点， 右子节点大于父节点的规则构造KD ‑Tree； (2‑3)在目标点云中设置一个当前全局最佳点和最短距离， 初始为KD ‑Tree的根节点和 无穷大； (2‑4)计算目标点云当前节点到源点云中被搜索点的距离， 若小于当前的最短距离则 更新当前节点 为全局最佳点和最短距离； (2‑5)若源点云中的被搜索点的划分尺度小于目标点云中当前节点的划分尺度， 则设权　利　要　求　书 1/4 页 2 CN 115439600 A 2当前节点的左子节点为新的当前节点， 反之则设置当前节点的右子节点作为新的当前节 点； 若源点云中的被搜索点到目标点云中当前节点的划分尺度距离小于全局 最短距离， 则 将目标点云的当前节点的另一子树的根节点作为新的当前节点； 所述划分尺度是指该被搜 索点左右子树的距离尺度； (2‑6)循环步骤(2 ‑4)和(2‑5)， 直至当前节点为空， 得到源点云中每一个点在目标点云 中的最近邻点； 采用同样的方法计算右上视角和右下视角的最近邻点。 4.根据权利要求1所述基于最近点迭代和标志点匹配的活猪三维点云建模方法， 其特 征在于， 所述 步骤(3)具体为： (3‑1)继续将左上视角的点云数据作为源点云， 左下视角的点云数据作为目标点云， 计 算源点云和目标点云的质心， 将源点云和目标点云转换到质心坐标系； 质心： 转换坐标系： 其中 等表示源点云与目标点云的坐标点在各轴上的值， 表示源点云与 目标点云的质心， 表示源点云与目标点云的坐标点， 表示变换坐标系后源 点云与目标点云的坐标点； (3‑2)令 对其进行奇异值分解得到H＝U∑VT,得到当前目标点云变换 到源点云坐标系的最优旋转： R*＝VUT和最优平移 U为左奇异向量， V为右 奇异向量， R*为当前最优旋转矩阵， t*为当前最优平 移矩阵； (3‑3)设旋转 误差为： 平移误差为 将每一次迭代得到的最优旋转矩阵和最优平移 矩阵R*,t*作用于当前目标点云进行旋 转平移， 再将旋 转平移后的目标点云数据作为原始目 标点云数据， 重复步骤(2 ‑1)至(3‑3)计算得到新的最优 旋转矩阵R*和变换矩阵t*， 直到满足 设定条件； (3‑4)最后得到源点云数据和目标点云数据在同一坐标系下配准成功的点云数据； 右 上视角点云数据和右下视角点云数据的匹配同理， 最 终获得左视角点云数据和右视角点云 数据分别匹配成功的点云数据。 5.根据权利要求1所述基于最近点迭代和标志点匹配的活猪三维点云建模方法， 其特 征在于， 所述满足设定条件， 是指满足下列其中一个条件： R*,t*的变化量小于设定值； 旋转误差和平 移误差小于设定值； 重复次数达 到设定值。权　利　要　求　书 2/4 页 3 CN 115439600 A 3