基于機(jī)器視覺(jué)技術(shù)的羊體尺參數(shù)無(wú)接觸測(cè)量

前言
1 緒論
1.1 背景及意義
1.1.1 研究背景
1.1.2 羊體尺參數(shù)及體型對(duì)羊性能的影響
1.1.3 福利化養(yǎng)殖是現(xiàn)代畜牧業(yè)發(fā)展的必然趨勢(shì)
1.1.4 無(wú)應(yīng)激的體尺測(cè)量是改善動(dòng)物福利的有效手段
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 羊體尺參數(shù)與體重的研究現(xiàn)狀
1.2.2 視覺(jué)技術(shù)在動(dòng)物形態(tài)參數(shù)測(cè)量中的應(yīng)用研究
1.2.3 動(dòng)物三維模型構(gòu)建技術(shù)的研究
1.3 研究?jī)?nèi)容和技術(shù)路線
1.3.1 研究目標(biāo)和內(nèi)容
1.3.2 存在問(wèn)題
1.3.3 技術(shù)路線
2 雙目立體視覺(jué)的基本理論與攝像機(jī)標(biāo)定
2.1 相機(jī)透視投影模型
2.2 雙目立體視覺(jué)原理
2.3 攝像機(jī)標(biāo)定
2.3.1 Zhang攝像機(jī)標(biāo)定法原理
2.3.2 標(biāo)定板圖像采集
2.3.3 攝像機(jī)標(biāo)定過(guò)程
2.4 雙目立體視覺(jué)測(cè)量系統(tǒng)設(shè)計(jì)
2.4.1 系統(tǒng)主界面設(shè)計(jì)及采集功能實(shí)現(xiàn)
2.4.2 攝像機(jī)標(biāo)定功能實(shí)現(xiàn)
2.5 本章小結(jié)
3 復(fù)雜背景下的羊體信息識(shí)別算法與優(yōu)化
3.1 引言
3.2 圖像分割的相關(guān)理論與方法
3.2.1 模糊C均值算法
3.2.2 多尺度分水嶺算法
3.2.3 Graph Cut算法
3.3 基于改進(jìn)的Graph Cut算法的羊體信息提取
3.3.1 改進(jìn)的Graph Cut算法
3.3.2 羊體側(cè)視圖像數(shù)據(jù)采集
3.3.3 多尺度分水嶺預(yù)分割
3.3.4 分割結(jié)果及分析
3.4 算法的適應(yīng)性分析
3.4.1 基于雙目攝像機(jī)的羊體側(cè)視圖像獲取
3.4.2 帶色彩的多尺度Retinex羊體圖像預(yù)處理
3.4.3 羊體圖像分割結(jié)果
3.5 本章小結(jié)
4 羊體尺參數(shù)的測(cè)量
4.1 羊體重預(yù)估
4.1.1 逐步回歸法建模與分析
4.1.2 偏最小二乘回歸法建模與分析
4.2 輪廓提取
4.3 基于包絡(luò)線分析體尺測(cè)點(diǎn)檢測(cè)法
4.3.1 區(qū)間劃分
4.3.2 曲線擬合
4.3.3 基于包絡(luò)線的體尺測(cè)點(diǎn)檢測(cè)法
4.4 基于多姿態(tài)羊體測(cè)點(diǎn)提取
4.5 體尺參數(shù)的計(jì)算
4.6 羊體尺參數(shù)測(cè)量結(jié)果分析
4.7 本章小結(jié)
5 羊體圖像匹配及三維重構(gòu)
5.1 引言
5.2 基于RANSAC改進(jìn)極線約束的特征點(diǎn)匹配算法
5.2.1 特征匹配的相關(guān)理論知識(shí)
5.2.2 改進(jìn)的對(duì)極距離的特征匹配算法
5.2.3 標(biāo)定板圖像匹配結(jié)果及分析
5.3 羊體圖像的立體匹配
5.3.1 基于模板匹配的羊體圖像
5.3.2 基于SIFT的羊體特征點(diǎn)匹配
5.4 基于雙目立體視覺(jué)的羊體三維重建與可視化
5.4.1 基于模板匹配的羊體三維可視化
5.4.2 基于特征點(diǎn)的羊體三維可視化
5.5 主動(dòng)式羊體三維重建
5.5.1 羊體點(diǎn)云數(shù)據(jù)采集
5.5.2 數(shù)據(jù)預(yù)處理及羊體三維重構(gòu)
5.5.3 羊體尺參數(shù)提取與分析
5.6 不同方法的羊體尺檢測(cè)結(jié)果分析
5.7 本章小結(jié)
6 總結(jié)與展望
6.1 總結(jié)
6.2 創(chuàng)新點(diǎn)
6.3 展望
參考文獻(xiàn)