编辑推荐：
在精准畜牧养殖中，猪生长的自动化监测依赖于准确的体参数估计。为解决多视角 3D 点云重建猪模型时腿部和躯干区域数据缺失问题，研究人员提出基于逐步孔洞填充的重建方法。实验显示该方法效果好，误差降低，还建立体重估计模型，MAPE 达 4.06%，意义重大。
在现代畜牧业蓬勃发展的当下，精准掌握牲畜的生长状况成为提升养殖效益与质量的关键。对于养猪产业而言，准确知晓猪的体尺和体重等参数意义非凡，它们不仅能够直观反映猪的日常增重、营养状态以及健康情况，还在预测和把控猪的上市体重方面发挥着重要作用。传统的测量方式，比如用软尺测量体尺、用地秤称重，不仅耗费大量人力，还会因频繁的人工接触让猪产生应激反应，导致体重下降，甚至可能对操作人员和猪造成伤害，显然已经无法满足现代精准畜牧养殖的需求。
随着科技的进步，非接触传感技术尤其是计算机视觉技术，开始在密集型畜牧生产系统中广泛应用。3D 相机所捕捉的数据包含丰富的三维信息，相较于 2D 图像，能更真实地还原现实场景。近年来，商用 3D 相机在畜牧养殖领域的应用逐渐增多，像微软 Kinect 相机，其生成的三维模型可以直观展现牲畜的表面特征。然而，在利用多视角 3D 相机对猪进行点云重建时，由于栏杆遮挡、相机视角盲区等因素，采集到的点云数据在猪的腿部和躯干区域常常出现大面积缺失，严重影响了体尺和体重估计的准确性 。为了攻克这一难题，北京相关研究机构的研究人员开展了深入研究，并将成果发表在《Biosystems Engineering》上。
研究人员提出了一种基于逐步孔洞填充的猪不完全点云重建方法，致力于提升猪 3D 模型的完整性和准确性，进而为精准畜牧养殖提供有力支持。
在研究过程中，研究人员运用了多种关键技术方法：首先，设计了一套自动触发的点云采集与猪提取系统，该系统配备了 5 个 Kinect DK 深度相机，通过基于刚性栏杆匹配的配准、去噪和分割等操作，实现猪点云的有效提取；其次，将点云数据转换为网格模型，这是因为网格孔洞填充在处理孔洞问题时更为便捷高效；最后，采用逐步孔洞填充策略，根据猪的形态特征，先填充部分难以处理的大曲率孔洞，缩小其范围，再完成剩余区域的填充。
下面来看看具体的研究结果：
- 可视化定性评估：通过可视化的方式对重建和孔洞填充效果进行定性评估。结果显示，该方法的完成效果在视觉上明显优于现有的其他完成方法，能够更逼真地还原猪的外形。
- 体尺测量定量评估：从体尺测量的角度对逐步孔洞填充算法的有效性进行定量评估。使用完成后的模型计算猪的管围、胸围和腹围，与人工测量相比，平均相对误差分别为 5.04%、3.83% 和 3.51%，相较于直接使用不完全点云的方法，误差显著降低，分别减少了 1.24%、11.47% 和 9.48%，这充分证明了该方法在体尺测量方面具有更高的准确性。
- 体重估计模型建立：利用该方法完成的网格模型具备水密性这一特性，研究人员据此计算猪的体积，并建立了基于体积的 Logistic 回归体重估计模型。经过验证，该模型的平均绝对百分比误差（MAPE）为 4.06% ，表明其在猪体重估计方面具有较高的精度。
在研究结论和讨论部分，研究人员提出的基于逐步孔洞填充的猪不完全点云重建方法，有效解决了多视角深度相机在有遮挡环境下重建 3D 点云时数据缺失的问题。通过设计专门的点云采集装置，并对预处理后的猪点云进行切片、网格化、孔洞三角化、细化、平滑和逐步填充等一系列处理，成功重建出猪的水密网格模型。该模型在体尺测量和体重估计方面展现出较高的准确性，为精准畜牧养殖中猪生长状况的实时、精准监测提供了可靠的技术手段，有助于推动畜牧养殖行业向智能化、精准化方向发展，提升整个行业的生产效率和经济效益。同时，研究也指出该方法存在计算时间较长的问题，每头猪的处理时间约为 2 - 3 分钟，这限制了其实时性。不过，通过采用多线程处理技术，可以在一定程度上提高其在实际应用中的实用性。总体而言，这项研究成果为精准畜牧养殖领域带来了新的突破和发展方向，具有重要的理论意义和实际应用价值。
