石 煒，陳禹州，張萬(wàn)鍇，張曉瑩，張國(guó)英

（1. 內(nèi)蒙古科技大學(xué)機(jī)械工程學(xué)院， 內(nèi)蒙古 包頭 014010；2. 內(nèi)蒙古智牧溯源技術(shù)開發(fā)有限公司， 內(nèi)蒙古 包頭014010；3.內(nèi)蒙古中農(nóng)高科科技有限公司，內(nèi)蒙古 東勝 017010）

隨著現(xiàn)代養(yǎng)牛業(yè)水平的不斷提高， 通過(guò)體尺參數(shù)評(píng)定家畜的生長(zhǎng)和健康狀況已經(jīng)成為一種剛性需求。在養(yǎng)牛業(yè)中，為了監(jiān)測(cè)牛的生長(zhǎng)和健康狀況、適時(shí)調(diào)整飼養(yǎng)管理方案，體長(zhǎng)、體高和胸圍等體尺信息是重要的考查指標(biāo)。在散養(yǎng)方式下，養(yǎng)殖戶需要對(duì)牛群每月測(cè)定一次體尺。 傳統(tǒng)的體尺指標(biāo)人工測(cè)量方式需要借助半圓儀、卡尺、皮尺等器具，還需要對(duì)測(cè)量數(shù)據(jù)進(jìn)行人工記錄處理，全群牛只監(jiān)測(cè)一次需要較高的人工和時(shí)間成本。 通過(guò)機(jī)器視覺的非接觸式測(cè)量可以降低人工成本，保證了測(cè)定過(guò)程中的人身安全，還能提升監(jiān)測(cè)效率［1-4］，因此， 對(duì)非接觸式測(cè)量動(dòng)物體尺技術(shù)的研究具有一定實(shí)用價(jià)值。

為此， 筆者首次提出一種基于單鏡頭無(wú)人機(jī)平臺(tái)三維重建的牛體尺檢測(cè)方法。 首先采用無(wú)人機(jī)對(duì)野外散養(yǎng)牛群進(jìn)行傾斜環(huán)繞拍攝采集圖像，對(duì)采集的圖像進(jìn)行預(yù)處理，并進(jìn)行空中三角計(jì)算；然后通過(guò)SFM（structure from motion）方法進(jìn)行整個(gè)環(huán)境重建，得到整個(gè)牛群點(diǎn)云數(shù)據(jù)；最后提取單個(gè)牛體點(diǎn)云，并測(cè)量牛體參數(shù)。該方法的建立旨在為散養(yǎng)模式下牛群體尺信息的高效、 安全采集提供技術(shù)參考。

1 材料與方法

1.1 無(wú)人機(jī)選定

固定翼飛行器搭載傾斜相機(jī)常應(yīng)用于較大型的地理測(cè)繪，且需要結(jié)合野外控制點(diǎn)等坐標(biāo)信息。 為了達(dá)到圖像采集設(shè)備低成本且易操作的目的［5-6］，采用多旋翼布局的無(wú)人機(jī)進(jìn)行圖像采集。將現(xiàn)有四軸無(wú)人飛行器與六軸無(wú)人飛行器進(jìn)行對(duì)比（見表1）。

從便攜性、 易操作性、 成本可控性等方面考慮，該研究將無(wú)人機(jī)類別定為四軸無(wú)人機(jī)。單鏡頭小范圍航空傾斜攝影發(fā)展到如今， 已不需要通過(guò)外業(yè)控制點(diǎn)的方法就能精準(zhǔn)獲取外方位元素，基于后期全球定位系統(tǒng)/慣性導(dǎo)航系統(tǒng)（GPS/INS）輔助空中三角測(cè)量的POS 數(shù)據(jù)需求， 在INS 系統(tǒng)上需要三軸陀螺儀、氣壓計(jì)、三軸重力加速度傳感器等傳感器模塊，與GPS 定位模塊相結(jié)合，從而達(dá)到GPS/INS 系統(tǒng)要求。 綜上所述，對(duì)所需飛控模塊及部件做出布局設(shè)計(jì)（見圖1）。

圖1 無(wú)人機(jī)布局與結(jié)構(gòu)

基于上述布局，根據(jù)后期試驗(yàn)要求，為使飛行穩(wěn)定可靠，分別采用2 種機(jī)型進(jìn)行測(cè)試。 機(jī)型1：自組裝四軸無(wú)人機(jī)，軸距450 mm，尼龍+碳纖維機(jī)架；N5065 無(wú)刷外轉(zhuǎn)子直流電機(jī)與SKYWALKER 40A 航模無(wú)刷電子調(diào)速器；DJI Naza M Lite 飛行控制器（PID 控制）及其配套GPS 模塊；懸掛式兩軸無(wú)刷云臺(tái)及鷹眼飛螢8SE 運(yùn)動(dòng)版無(wú)畸變CMOS 相機(jī)（內(nèi)置WIFI 圖傳功能）；容量為5 400 mAh 的3S鋰電池及2.4 Ghz 天地飛10 通道遙控器。 機(jī)型2：軸距335 mm 大疆消費(fèi)級(jí)無(wú)人機(jī)御MAVIC2 PRO。經(jīng)過(guò)測(cè)試對(duì)所選兩款無(wú)人機(jī)進(jìn)行各項(xiàng)參數(shù)對(duì)比（見圖2、表2）?；诶m(xù)航能力、最大通信距離和云臺(tái)穩(wěn)定性等因素，通過(guò)實(shí)地拍攝效果對(duì)比，選取大疆消費(fèi)級(jí)無(wú)人機(jī)御MAVIC2 PRO 作為該研究的試驗(yàn)用機(jī)型。

表2 2 種備選機(jī)型各項(xiàng)參數(shù)對(duì)比

圖2 2 種備選機(jī)型實(shí)物

1.2 試驗(yàn)準(zhǔn)備

確定以上圖像采集設(shè)備后， 將試驗(yàn)地點(diǎn)定在內(nèi)蒙古自治區(qū)錫林郭勒盟蘇尼特左旗。 因草原放牧牛大都處于散養(yǎng)狀態(tài)， 符合該研究覆蓋面廣的遠(yuǎn)距離圖像采集要求以及多頭牛牛體影像同時(shí)采集的要求。由于對(duì)圖像采取的是離線后期處理，在圖像采集后即可完成野外操作。 之后進(jìn)行圖像處理與三維點(diǎn)云重建，進(jìn)行交互式測(cè)量。具體流程如圖3 所示。

圖3 試驗(yàn)流程

1.3 牛體點(diǎn)云獲取及測(cè)量

該研究在蘇尼特左旗選取1 家牧戶的3 個(gè)散養(yǎng)牛群、1 個(gè)圈養(yǎng)牛群以及1 頭單體牛，分別記作R0、R1、R2、R3 及R。 對(duì)牛的體直長(zhǎng)、體高、胸圍參數(shù)進(jìn)行人工測(cè)量，以便后期進(jìn)行數(shù)據(jù)對(duì)比，并根據(jù)耳標(biāo)（IFID）進(jìn)行標(biāo)注，以匹配人工測(cè)量參數(shù)。 該研究采用的是單鏡頭傾斜攝影， 與傳統(tǒng)航空攝影測(cè)繪的規(guī)劃航線不同，因此，需要無(wú)人機(jī)將起飛點(diǎn)與返航點(diǎn)設(shè)定為（113°43′53.76″N，44°1′45.9336″E），即為了驗(yàn)證遠(yuǎn)距離拍攝的可行性， 在起飛點(diǎn)與返航點(diǎn)距離牛群約為300 m、懸停高度為40 m 時(shí)，通過(guò)旋轉(zhuǎn)進(jìn)行牛群搜索。 在確定牛群后飛往目標(biāo)牛群進(jìn)行拍攝。

1.3.1 無(wú)人機(jī)圖像獲取

無(wú)人機(jī)到達(dá)牛群上空后， 為了避免無(wú)人機(jī)發(fā)出的噪聲導(dǎo)致牛群出現(xiàn)應(yīng)激反應(yīng)，經(jīng)多次驗(yàn)證，無(wú)人機(jī)飛行高度至少需要達(dá)到5 m，因此，實(shí)地采集牛群圖像在6～13 m 高度進(jìn)行拍攝，相機(jī)相比目測(cè)中心點(diǎn)水平傾斜角21～90°。 根據(jù)目測(cè)范圍選定牛群中心近似點(diǎn)為興趣環(huán)繞點(diǎn)， 環(huán)繞點(diǎn)與無(wú)人機(jī)水平距離為環(huán)繞半徑進(jìn)行環(huán)繞飛行拍攝。 三維重建點(diǎn)云數(shù)量及精度取決于圖像重疊率與地面分辨率，見式（1）。

式（1）中，H 為相對(duì)飛行高度，f 為鏡頭焦距，gsd 為圖像地面分辨率，a 為像元尺寸。 由式（1）可知，在鏡頭焦距與像元尺寸大小固定的情況下，為保證重建質(zhì)量， 相鄰2 張照片的重疊率至少在70%， 因此， 無(wú)人機(jī)應(yīng)以6～14 km/h 的速度以及0.5～3.0 張/s 延時(shí)的快門速度進(jìn)行拍攝。 采樣牛群拍攝軌跡圖顯示（見圖4）：?jiǎn)误w牛R 采集67 張圖像，用時(shí)8 min；牛群R0 采集46 張圖像，用時(shí)5 min；牛群R1 采集152 張圖像，用時(shí)17 min；牛群R2 采集198 張圖像，用時(shí)21 min；牛群R3 采集96 張圖像，用時(shí)11 min。 考慮到后期匹配POS信息難度問(wèn)題， 并未采集視頻信息進(jìn)行抽幀獲取圖像。理論上，通過(guò)影像資料抽幀獲取圖像進(jìn)行三維重建方法同樣可行， 且圖像的重疊率可以人為控制。

圖4 圖像采集軌跡

1.3.2 圖像預(yù)處理

圖像獲取過(guò)程中存在一些內(nèi)在或外在的噪聲干擾，在圖像的形成、傳輸、接收等過(guò)程中出現(xiàn)的干擾與誤差都會(huì)造成噪聲干擾。 噪聲會(huì)使圖像清晰度降低以及圖像特征不夠明顯， 直接影響后期圖像區(qū)域分割、三維重建特征點(diǎn)檢測(cè)等操作。預(yù)處理的目的在于改善采集圖像的質(zhì)量， 即抑制圖像上不必要的一些變形和增強(qiáng)， 從而保證后期需要的牛體特征點(diǎn)與點(diǎn)云數(shù)量， 以及提高精度降低測(cè)量誤差，且不會(huì)影響圖片信息量。 基于以上要求，從去噪、增強(qiáng)兩方面對(duì)圖像進(jìn)行預(yù)處理，在以上操作之前需要將圖像POS 信息制作成文本再進(jìn)行處理，以防止圖片自帶POS 信息丟失。

在圖像采集過(guò)程中， 傳輸和壓縮圖像時(shí)可能會(huì)造成一定誤差，由此產(chǎn)生噪聲。常見的噪聲去除方法包括空間域?yàn)V波和頻率域?yàn)V波等。 采集圖像特征只需要去除少量的椒鹽噪聲， 對(duì)圖像不需要進(jìn)行圖像模糊化操作，因此，該研究采用的降噪方式為中值濾波。

中值濾波本質(zhì)上是一種統(tǒng)計(jì)排序?yàn)V波器，即設(shè)定濾波器模板大小， 對(duì)圖像中點(diǎn)的周圍模板范圍像素進(jìn)行排序得到中值， 以該濾波器對(duì)圖像進(jìn)行濾波。根據(jù)圖像特點(diǎn)設(shè)定濾波器大小為窗口。同時(shí)，為使牛體邊界信息更加明顯、突出，該研究在進(jìn)行圖像去噪之后增加了一步圖像增強(qiáng)操作。 圖像增強(qiáng)可分為空間域圖像增強(qiáng)和頻率域圖像增強(qiáng)。 直方圖均衡化是一種簡(jiǎn)單有效的圖像增強(qiáng)技術(shù)， 通過(guò)改變圖像的直方圖優(yōu)化圖像中各像素的灰度，主要用于增強(qiáng)動(dòng)態(tài)范圍偏小的圖像對(duì)比度。為了有效提升圖像對(duì)比度并使圖像帶有原本色彩， 該研究采用有別于灰度圖像的直方圖均衡化方法： 分別將圖像RGB 的3 個(gè)通道直方圖求出；對(duì)3 個(gè)通道的直方圖進(jìn)行灰度圖像直方圖均衡化；將3 個(gè)通道圖像融合，得出增強(qiáng)后的圖像。 算法偽代碼如下：

RGB=imread（′1.jpg′）；//輸入拍攝圖像，得到三通道數(shù)組。

R=RGB（：，：，1）；

G=RGB（：，：，2）；

B=RGB （：，：，3）；//分別取3 個(gè)通道數(shù)組的一個(gè)通道，得到紅藍(lán)綠3 個(gè)分量。

R=histeq（R）；

g=histeq（G）；

b=histeq（B）；//對(duì)個(gè)分量直方圖均衡化，得到個(gè)分量均衡化圖像。

figure，

newimg=cat（3，r，g，b）；//通過(guò)均衡化后的輸出圖。

基于以上步驟將單體牛R 采集圖像作為效果圖（見圖5）。

圖5 單體牛R 圖像預(yù)處理效果

1.3.3 三維重建

不同于航測(cè)需要野外控制點(diǎn)， 該研究利用無(wú)人機(jī)自帶GPS/INS 系統(tǒng)輔助空中三角測(cè)量，同時(shí)，只需生成點(diǎn)云數(shù)據(jù)，無(wú)需生成TIN（triangulate irregular network） 網(wǎng)格模型及DSM （digital surface model）表面模型，因此，在重建時(shí)間上獲得了一定程度的減少。該研究采用ContextCapture 軟件進(jìn)行的點(diǎn)云重建流程如下：

1.3.3.1 SIFT 特征點(diǎn)提取與匹配

SIFT 特征點(diǎn)提取需要計(jì)算關(guān)鍵點(diǎn)的大小、方向、尺度信息，利用這些信息組成特征點(diǎn)的描述。SIFT 特征匹配采用特征向量的歐氏距離進(jìn)行，確定一個(gè)合適的閾值， 先取一幅圖像中的一個(gè)SIFT關(guān)鍵點(diǎn)， 并找出與另一幅圖像中歐式距離最近的前兩個(gè)關(guān)鍵點(diǎn)。在這兩個(gè)關(guān)鍵點(diǎn)中，歐式距離最小值與次小值的比值少于該閾值， 則確定這是一對(duì)匹配點(diǎn)。

1.3.3.2 空三處理生成點(diǎn)云及迭代光束平差

根據(jù)共線方程式（式2、式3）計(jì)算空三處理結(jié)果。

（x，y）為以像點(diǎn)為原點(diǎn)的坐標(biāo)；x 為以像主點(diǎn)為原點(diǎn)圖像中橫軸坐標(biāo)，y 為以像主點(diǎn)為原點(diǎn)圖像中縱軸坐標(biāo)。 式（2）、（3）中，（XA，YA，ZA）為地面物體外方坐標(biāo)，（XS，YS，ZS）分別對(duì)應(yīng)攝影中心即相機(jī)中心在空間輔助坐標(biāo)系中對(duì)應(yīng)的坐標(biāo)，f 為相片主距，POS 信息中對(duì)應(yīng)的GPS 坐標(biāo)點(diǎn)與氣壓高度計(jì)即為S 點(diǎn)的外方坐標(biāo)相片主距與像原點(diǎn)坐標(biāo)，通過(guò)相機(jī)位姿恢復(fù)得到，式（2）、（3）中，a1、a2、a3，b1、b2、b3，c1、c2、c3 旋轉(zhuǎn)矩陣元素分別對(duì)應(yīng)X、Y、Z 三軸中主光軸所在二維平面中的夾角余弦，可以通過(guò)慣性測(cè)量系統(tǒng)（IMU）獲取，則上式中只有3個(gè)地面坐標(biāo)為未知數(shù)， 通過(guò)兩幅圖像特征點(diǎn)的匹配進(jìn)行三角化的投影，可以聯(lián)立出4 個(gè)方程，解算地面坐標(biāo)。

1.3.3.3 利用初始點(diǎn)云配合空三加密結(jié)果得到最終點(diǎn)云

該研究采用ContextCapture 軟件對(duì)以上方法進(jìn)行驗(yàn)證：?jiǎn)误w牛R 重建時(shí)間為21 min；牛群R0重建時(shí)間為12 min； 牛群R1 重建時(shí)間為71 min；牛群R2 重建時(shí)間為132 min； 牛群R3 重建時(shí)間為42 min。 單體牛點(diǎn)云最低個(gè)數(shù)為200 000 個(gè)，已達(dá)到測(cè)量精度要求。

1.3.4 點(diǎn)云測(cè)量

由于重建牛體點(diǎn)云基于牛群和牧場(chǎng)環(huán)境，利用CloudCompare 軟件加載出完整的重建場(chǎng)景，再對(duì)場(chǎng)景中重建完整的牛體與場(chǎng)景分割提取 （如圖6 所示）。

圖6 三維重建過(guò)程及效果

牛群R0 共提取可用牛體點(diǎn)云3 頭； 牛群R1共提取8 頭；牛群R2 因站姿牛較少所以僅提取2頭；牛群R3 共提取7 頭；單體牛R 提取1 頭。 共獲得21 頭可用牛體， 對(duì)其分別進(jìn)行編號(hào)標(biāo)記，將通過(guò)航拍圖片獲得的牛信息與人工測(cè)量的牛信息匹配。

由于提取出的點(diǎn)云依舊與地面存在粘連，影響后期測(cè)量結(jié)果， 通過(guò)修改點(diǎn)云坐標(biāo)軸位置和RANSAC 隨機(jī)采樣一致性算法， 對(duì)點(diǎn)云地面與牛體進(jìn)行分離。 從提取后的點(diǎn)云中進(jìn)一步提取牛腳與地面中的一個(gè)子集， 使用最小方差估計(jì)算法計(jì)算該子集的模型參數(shù)， 再計(jì)算整個(gè)樣本與模型的偏差， 通過(guò)預(yù)先設(shè)定的閾值與偏差比較對(duì)樣本點(diǎn)進(jìn)行分類。 重復(fù)以上操作進(jìn)行迭代，以降低誤差。而迭代次數(shù)可以由式（4）推出：

式（4）中，P 為良好期望概值，ε 為局內(nèi)點(diǎn)與總體個(gè)數(shù)比值，K 為模型參數(shù)最小值，N 為最小抽樣數(shù)。 由式（4）可知，迭代次數(shù)的增加可以提高最終結(jié)果合理性的概率，因此，基于點(diǎn)云特點(diǎn)及迭代次數(shù)考慮，將閾值設(shè)定為0.07，即分割高度為0.07 m，并將點(diǎn)云PCL 庫(kù)中代碼封裝為CloudCompare 軟件插件以便使用。 分割效果如圖7 所示。

圖7 點(diǎn)云分割效果圖

提取出牛體點(diǎn)云后對(duì)牛體的體高、體直長(zhǎng)、胸圍利用CloudCompare 軟件進(jìn)行了交互式測(cè)量，結(jié)果如圖8 所示，檢測(cè)指標(biāo)分別為：體高，即由鬐甲的最高點(diǎn)到地面的垂直距離；體直長(zhǎng)，由肩端至坐骨端后緣垂直線的水平距離；胸圍，肩胛骨后緣胸部的圓周長(zhǎng)度。其中，胸圍測(cè)量選取肩胛骨后緣胸部進(jìn)行Y 軸向切片， 然后對(duì)其切口進(jìn)行曲線擬合測(cè)量。

圖8 牛體體尺測(cè)量示意圖

2 結(jié)果與分析

該研究共對(duì)重建可用點(diǎn)云的21 頭牛分別進(jìn)行了體高、體直長(zhǎng)、胸圍檢測(cè)，同時(shí)，對(duì)基于無(wú)人機(jī)平臺(tái)的交互式測(cè)量值以及人工測(cè)量值進(jìn)行了比較，結(jié)果見圖9～11。 由圖9～11 可知，基于無(wú)人機(jī)平臺(tái)的牛體高、體直長(zhǎng)、胸圍的交互式測(cè)量值與人工實(shí)測(cè)值最大誤差分別為5.67%、5.82%、7.36%，最小誤差分別為0.71%、0.93%、1.45%， 平均相對(duì)誤差分別為3.87%、4.16%、5.06%。對(duì)于體高而言，在RANSAC 隨機(jī)采樣地面分割過(guò)程中，對(duì)牛腳與地面分割參數(shù)的調(diào)整沒(méi)有精確到通用的程度，產(chǎn)生的誤差會(huì)參差不齊；同時(shí)，牛在野外站立可能低頭吃草，也可能抬頭休息，這也會(huì)直接影響測(cè)量誤差。對(duì)于體直長(zhǎng)而言，主要誤差產(chǎn)生在三維點(diǎn)云重建過(guò)程中是否有足夠的無(wú)人機(jī)影像能夠?qū)⑴ｓw表面點(diǎn)云表達(dá)出來(lái)。 胸圍的誤差主要存在于無(wú)人機(jī)拍攝角度能否覆蓋到牛胸口輪廓， 以及點(diǎn)云的曲線擬合程度。

圖9 牛體高交互式測(cè)量值與人工測(cè)量值對(duì)比

3 討論

體尺是牛生長(zhǎng)周期中最直觀的健康參數(shù)。 同時(shí)，在選種育種、肉品質(zhì)評(píng)估、飼養(yǎng)管理中牛體尺也是一項(xiàng)重要的評(píng)價(jià)指標(biāo)。 在對(duì)于牛的選種飼養(yǎng)過(guò)程中，牛體的體重、體長(zhǎng)、體高和胸圍等的測(cè)量信息是作為對(duì)牛體體征測(cè)量的一個(gè)重要考查指標(biāo)。

圖10 牛體直長(zhǎng)交互式測(cè)量值與人工測(cè)量值對(duì)比

圖11 牛胸圍交互式測(cè)量值與人工測(cè)量值對(duì)比

不同的學(xué)者采用非接觸式測(cè)量在機(jī)器視覺圖像處理領(lǐng)域通過(guò)邊緣檢測(cè)、特征提取、深度學(xué)習(xí)等方法均得到家畜體尺數(shù)據(jù)［7-12］。在機(jī)器視覺圖像處理方向的研究具有成本低、魯棒性強(qiáng)等優(yōu)點(diǎn)。同時(shí)也存在著對(duì)環(huán)境背景干擾要求較嚴(yán)格、 無(wú)法測(cè)量胸圍等缺點(diǎn)。在此基礎(chǔ)上，出現(xiàn)了基于三維重建家畜點(diǎn)云的體尺測(cè)量方法。 王可等［13］則通過(guò)單視角點(diǎn)云鏡像的方法測(cè)量了豬體的尺寸。 在家畜點(diǎn)云三維重建中硬件可以采用點(diǎn)云相機(jī)、 雙目相機(jī)、Kinect 相機(jī)等各種圖像采集設(shè)備［14-16］。 總體來(lái)說(shuō)，獲取了點(diǎn)云數(shù)據(jù)便可以在家畜體尺非接觸測(cè)量研究中進(jìn)一步提高測(cè)量數(shù)據(jù)的多樣性與準(zhǔn)確性。

該文研究的方法相比傳統(tǒng)機(jī)器視覺通過(guò)圖像處理進(jìn)行的非接觸式測(cè)量方案引入了點(diǎn)云概念，將二維測(cè)量變?yōu)槿S測(cè)量， 借此可以獲得更多可測(cè)量數(shù)據(jù)， 例如二維圖像無(wú)法處理的牛體胸圍測(cè)量。 同時(shí)，因?yàn)椴捎昧俗詣?dòng)空中三角測(cè)量原理，對(duì)于相機(jī)提前標(biāo)定便可以省去，提高了檢測(cè)的效率。而對(duì)于點(diǎn)云相機(jī)等三維重建方式， 該文采用的重建方案對(duì)環(huán)境的要求并不太苛刻， 可以在無(wú)人為干預(yù)、 無(wú)設(shè)備采集通道搭建的情況下對(duì)散養(yǎng)牛群進(jìn)行圖像拍攝，有效地節(jié)約了人工成本。而且與現(xiàn)有的重建方式對(duì)單體牛進(jìn)行點(diǎn)云重建相比， 該方法在實(shí)驗(yàn)過(guò)程中可以通過(guò)大場(chǎng)景圖像一次性重建多頭牛體點(diǎn)云數(shù)據(jù)，精度能夠達(dá)到要求。

以內(nèi)蒙古蘇尼特左旗牧戶為例， 該方法利用散養(yǎng)牛對(duì)環(huán)境敏感度不高且行動(dòng)緩慢的特點(diǎn)，可以在野外散養(yǎng)牛群中同時(shí)重建出多頭牛體點(diǎn)云進(jìn)行測(cè)量，且受環(huán)境光源影響較小，可實(shí)施性較高。利用無(wú)人機(jī)進(jìn)行牛體體尺測(cè)量大大減少了人工消耗可以進(jìn)一步提高測(cè)量數(shù)據(jù)的多樣性與準(zhǔn)確性。在今后的研究中要在無(wú)人機(jī)圖片采集上用更多方法進(jìn)行探索，提升牛群中牛體重建成功率，如多臺(tái)無(wú)人機(jī)進(jìn)行同步拍攝，牛體點(diǎn)云的擴(kuò)展應(yīng)用，如牛體體重預(yù)測(cè)、自動(dòng)測(cè)量等。

4 結(jié)論

與現(xiàn)有牛體尺檢測(cè)方案相比， 該研究所用的測(cè)量方法分別對(duì)不同種類牛群中的牛個(gè)體進(jìn)行了三維重建與體尺的測(cè)量， 通過(guò)對(duì)比試驗(yàn)測(cè)得的牛體高、體長(zhǎng)、胸圍平均誤差分別為3.87%、4.16%、5.06%，驗(yàn)證了該方法的可行性，適用于散養(yǎng)牧戶及大規(guī)模中低密度養(yǎng)殖牧戶對(duì)牛體況進(jìn)行間斷性體尺檢測(cè)。