[发明专利]牛体格测量方法、模型训练方法和系统

权利要求书

1.一种牛体格测量方法，其特征在于，包括以下步骤：

获取待测对象的3D点云数据；

获取与所述3D点云数据处于同一坐标系下的三维点阵，其中，所述三维点阵的尺寸为A*B*C，A、B和C均为正整数，所述三维点阵中处于同一轴向上的任意两个相邻点的距离相同；

根据所述3D点云数据中的各点与所述三维点阵中点的位置关系，将所述3D点云数据的各点的位置信息映射到所述三维点阵中，得到点阵信息；

根据所述点阵信息得到多通道图像；

将所述多通道图像输入到经过训练的模型中得到测量结果。

2.根据权利要求1所述的牛体格测量方法，其特征在于，所述三维点阵为三维矩阵，任意两个相邻点的距离均等，其中，两个点相邻是指两个点的距离最近。

3.根据权利要求1所述的牛体格测量方法，其特征在于，所述点阵信息由所述三维点阵中点的灰度值表示。

4.根据权利要求3所述的牛体格测量方法，其特征在于，所述根据所述3D点云数据中的各点与所述三维点阵中点的位置关系，将所述3D点云数据的各点的位置信息映射到所述三维点阵中，得到点阵信息，包括：

计算所述三维点阵中每个点的灰度信息，其中，所述三维点阵中点的灰度信息根据所述3D点云数据中的点与三维点阵中的点的距离计算，所述多通道图像各点的灰度值以所述点阵信息中对应位置的点的灰度值表示。

5.根据权利要求4所述的牛体格测量方法，其特征在于，所述三维点阵中点的灰度信息根据3D点云数据中的点与三维点阵中的点的距离计算，具体为通过以下公式计算：

其中，‖.‖₂是一个L2范数，用于计算两个点的坐标距离，M(m)表示M通道图像中点m的灰度值，s是指三维矩阵中与点m相对应的点，是3D点云数据中的点，表示点s的第k个支撑点的坐标，t_s表示点s的支撑点的数量，当点距离所述三维点阵中最近的点为点s，则称点是点s的支撑点。

6.根据权利要求4所述的牛体格测量方法，其特征在于，所述三维点阵中点的灰度信息根据3D点云数据中的点与三维点阵中的点的距离计算，具体为通过以下公式计算：

其中，σ为用户设定的值，‖.‖₂是一个L2范数，用于计算两个点的坐标距离，M(m)表示M通道图像中点m的灰度值，s是指三维矩阵中与点m相对应的点，是3D点云数据中的点，表示点s的第k个支撑点的坐标，T表示点s的支撑点的数量，所有的3D点云数据中的点均为点s的支撑点。

7.根据权利要求1所述的牛体格测量方法，其特征在于，所述模型为卷积神经网络模型。

8.一种牛体格测量模型训练方法，其特征在于，包括以下步骤：

获取多个训练样本和多个所述训练样本对应的标签，所述训练样本为3D点云数据；

获取与所述3D点云数据处于同一坐标系下的三维点阵，其中，所述三维点阵的尺寸为A*B*C，A、B和C均为正整数，所述三维点阵中处于同一轴向上的任意两个相邻点的距离相同；

初始化模型参数；

通过多个所述训练样本和多个所述训练样本对应的标签对模型进行训练，直到满足停止条件；

在每一次的训练中，包括以下步骤：

根据所述3D点云数据中的各点与所述三维点阵中点的位置关系，将所述3D点云数据的各点的位置信息映射到所述三维点阵中，得到点阵信息；

根据所述点阵信息得到多通道图像；

将所述多通道图像输入到当前的模型中得到测量结果；

根据所述测量结果与所述训练样本对应的标签，更新模型参数。

9.一种牛体格测量系统，其特征在于，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种牛体格测量模型训练方法，其特征在于，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求8所述的方法。