logo móvil
Contáctanos

Extracción del esqueleto de curvas de nubes de puntos incompletas de ganado y su aplicación en la evaluación de postura

Autores: Hu, Yihu; Luo, Xinying; Gao, Zicheng; Du, Ao; Guo, Hao; Ruchay, Alexey; Marinello, Francesco; Pezzuolo, Andrea

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

Extracción del esqueleto de curvas de nubes de puntos incompletas de ganado y su aplicación en la evaluación de postura


Categoría

Ciencias Agrícolas y Biológicas

Subcategoría

Ciencias Agrícolas y Biológicas Generales

Palabras clave

Sensores de profundidad de grado de consumidor
Datos de nube de puntos
Ganado
Esqueletos de curvas
Extracción de esqueletos
Vistas 2D

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 22

Citaciones: Sin citaciones


Descripción
A medida que los sensores de profundidad de grado de consumidor proporcionan una forma eficiente y de bajo costo de obtener datos de nube de puntos, se han propuesto un número creciente de aplicaciones relacionadas con la adquisición y procesamiento de nubes de puntos de ganado. Los esqueletos de curvas son representaciones abstractas de datos 3D y tienen un gran potencial para el análisis y la comprensión de nubes de puntos de ganado. La extracción de esqueletos articulados ha sido ampliamente estudiada en datos 2D y 3D. Sin embargo, la extracción de esqueletos robustos y precisos a partir de secuencias de conjuntos de puntos capturadas por cámaras de profundidad de grado de consumidor sigue siendo un desafío, ya que dichos datos suelen estar corruptos por ruido sustancial y valores atípicos. Además, se han propuesto pocas aproximaciones para superar este problema. En este documento, presentamos un nuevo método de extracción de esqueletos de curvas para nubes de puntos de animales de cuatro patas. Primero, se construyó la vista superior 2D del ganado utilizando el algoritmo de casco cóncavo. Los datos del ganado se dividieron en los lados izquierdo y derecho a lo largo del plano de simetría bilateral del ganado. Luego, se construyeron las vistas laterales 2D correspondientes. En segundo lugar, se utilizó la evolución de esqueletos discretos (DSE) para extraer los esqueletos de esas vistas 2D. Finalmente, dividimos los esqueletos extraídos en ramas del torso y ramas de las patas. Tradujimos cada punto de esqueleto de la pata al borde del grupo de puntos de banda más cercano y luego lo movimos al centro aproximado de la pata. Los puntos de esqueleto del torso se calcularon según sus posiciones en la vista lateral y la vista superior. Experimentos extensos muestran que se pueden extraer esqueletos de curvas de calidad de muchas especies de ganado. Además, comparamos nuestro método con enfoques representativos de extracción de esqueletos, y los resultados muestran que nuestro método funciona mejor para evitar errores topológicos causados por las características de forma del ganado. Además, demostramos la efectividad de nuestro esqueleto extraído en la detección de cuadros que contienen cerdos con posturas correctas de la transmisión de nube de puntos.

Otros recursos que podrían interesarte

Temas Virtualpro