[发明专利]一种基于3D的马体尺测量系统及数据修正方法

权利要求书

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，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；

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，首先进行3D图像的轮廓提取；仿真中，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；

(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(3)的回归模型成立；

模型的仿真中，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；

所述基于3D的马体尺测量系统，针对马体站姿不标准的两类情况，提出修正方法，应用CINEMA 4D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：

(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；

行走姿态下，剔除体高指标，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；

由于体长与管围的相关性低，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＝122.67；P＝1.20×10^-3；由P可知，公式(6)的回归模型成立；

综上，体测系统实现了行走姿态下马体尺各项指标的测量及数据修正；

(2)马体站姿倾斜时体尺数据的修正；

马体相对相机平面倾斜时，呈现出体重不变，体高不变，体长变小，胸径不变、管径变小体尺变化规律，剔除体长、管径指标，体尺预测模型的有效参数仅有体重、体高、胸径三项指标，据此预测了马体站姿倾斜时体尺数据的模型；

以马的体重、体高、胸径为自变量x₁、x₂、x₃，以体长为因变量y，建立多元线性回归方程，如公式(7)所示；

y＝4.794-0.0607*x₁+1.2462*x₂-0.2327*x₃ (7)

其中r²＝0.9998；F＝5474.5；P＝4.19×10^-6，由P可知，公式(7)的回归模型成立；

同样地，以体重、体高、胸径为自变量x₁、x₂、x₃，以胸围为因变量y，建立多元线性回归方程，如公式(8)所示；

y＝-112.9238+0.0098*x₁+1.8258*x₂+0.3662*x₃ (8)

其中r²＝0.995；F＝199.65；P＝5.964×10^-4；由P可知，公式(8)的回归模型成立；

再以体重、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(9)所示；

y＝7.1195+0.0287*x₁-0.0204*x₂+0.0691*x₃ (9)

其中r²＝0.99976；F＝4182.45；P＝6.2736×10^-6，由P可知，公式(9)的回归模型成立；

综上，完成了站姿倾斜时马体尺各项指标的测量及数据修正。