牲畜体况评分方法、装置、电子设备及存储介质与流程

1.本发明涉及图像处理技术领域，尤其涉及一种牲畜体况评分方法、装置、电子设备及存储介质。


背景技术：

2.随着畜牧业的快速发展，对牲畜的体况研究至关重要。例如，对奶牛来说，良好的奶牛体况是奶牛高产与健康的标志，通常采用奶牛体况评分(cow body condition scoring，bcs)将奶牛体况进行量化。通常情况下，奶牛体况评分采用5分制，级差为0.25。奶牛体况评分越高，奶牛越胖，反之越瘦。当奶牛的分数高于4.0或低于2.5时，表明该奶牛有严重的健康问题。因此，奶牛体况评分能为牛群饲养的管理提供参考，具有重要的意义。
3.目前，奶牛的体况评分主要是基于深度图像的建模方法确定，在该方法中，通常使用rgb-d视频，提取视频中的关键帧，并在关键帧中使用改进的单级多框预测模型(single shot multibox detector，ssd)来预测到奶牛的臀部区域，然后使用核相关滤波算法(kernel correlation filter，kcf)对奶牛的臀部区域进行跟踪，得到满足要求的关键帧，然后对奶牛的臀部区域的rgb-d关键帧提取特征，输入到分类模型最后得到奶牛的体况评分。
4.上述方法中，由于采用ssd与kcf相结合的方法确定奶牛的体况评分，而ssd受限于自身模型结构的影响，可能会出现漏检问题，kcf则会因ssd引起的漏检问题出现漏帧跟踪问题，这都将导致该方法的稳定性降低，进而影响奶牛的体况评分的准确性。而且，由于奶牛与其他牲畜存在较大区别，因此现有技术中适用于奶牛的体况评分方法也并不能很好地适用于其他牲畜。


技术实现要素：

5.本发明提供一种牲畜体况评分方法、装置、电子设备及存储介质，用以解决现有技术中存在的缺陷。
6.本发明提供一种牲畜体况评分方法，包括：
7.获取待评分牲畜的目标点云图像；
8.将所述目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果；
9.基于所述第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
10.根据本发明提供的一种牲畜体况评分方法，所述基于所述第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分，包括：
11.若所述第一配准结果为配准成功，则基于第一关键部位点云图像模板集合对应的第一标准体况评分，确定所述待评分牲畜的体况评分；所述第一关键部位点云图像模板集合为与所述目标点云图像配准成功的关键部位点云图像模板集合；
12.若所述第一配准结果为配准未成功，则基于所述目标点云图像，确定所述待评分牲畜的目标体尺特征，将所述目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果，并基于所述第一配准结果、所述第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
13.根据本发明提供的一种牲畜体况评分方法，所述配准未成功包括部分配准成功和配准失败；
14.相应地，所述基于所述第一配准结果、所述第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分，包括：
15.若所述第一配准结果为部分配准成功，且所述第二配准结果为配准成功，则基于所述第二关键部位点云图像模板集合对应的第二标准体况评分，以及目标体尺特征模板集合对应的第三标准体况评分之间的平均值，确定所述待评分牲畜的体况评分；
16.其中，所述第二关键部位点云图像模板集合为与所述目标点云图像部分配准成功的关键部位点云图像模板集合，所述目标体尺特征模板集合为与所述目标体尺特征配准成功的体尺特征模板集合。
17.根据本发明提供的一种牲畜体况评分方法，所述目标体尺特征包括多个，所述各体尺特征模板集合中均包含有多个体尺特征模板，所述多个体尺特征模板与所述目标体尺特征一一对应；
18.相应地，所述将所述目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果，包括：
19.对于所述各体尺特征模板集合中任一体尺特征模板集合，计算所述任一体尺特征模板集合中各体尺特征模板与对应的目标体尺特征之间的相对误差，并基于所述相对误差，确定所述任一体尺特征模板集合对应的配准结果；
20.基于各体尺特征模板集合对应的配准结果，确定所述第二配准结果。
21.根据本发明提供的一种牲畜体况评分方法，所述基于所述第一关键部位点云图像模板集合对应的第一标准体况评分，确定所述待评分牲畜的体况评分，包括：
22.基于所述目标点云图像，确定所述待评分牲畜的目标体尺特征，并将所述目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果；
23.基于所述第一标准体况评分、所述第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
24.根据本发明提供的一种牲畜体况评分方法，所述基于所述第一标准体况评分、所述第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分，包括：
25.若所述第二配准结果为配准成功，且所述第一标准体况评分以及目标体尺特征模板集合对应的第三标准体况评分之间的差值在预设范围内，则基于所述第一标准体况评分与所述第三标准体况评分的平均值，确定所述待评分牲畜的体况评分；
26.其中，所述目标体尺特征模板集合为与所述目标体尺特征配准成功的体尺特征模板集合。
27.根据本发明提供的一种牲畜体况评分方法，还包括：获取所述待评分牲畜的目标基本信息；
28.相应地，所述将所述目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果，包括：
29.基于所述目标基本信息对应的目标点云配准模型，确定目标位姿信息对应的误差值；
30.基于所述目标位姿信息对应的误差值，确定所述第一配准结果；
31.其中，所述目标位姿信息为所述目标点云图像与目标关键部位点云图像模板之间的位姿信息，目标关键部位点云图像模板为所述目标基本信息对应的关键部位点云图像模板集合中的关键部位点云图像模板；所述目标点云配准模型采用所述目标关键部位点云图像模板的模板特征与对应的模板估计特征之间的推土机距离损失函数训练得到，所述模板估计特征基于样本位姿信息估计得到，所述样本位姿信息为所述目标基本信息对应的样本牲畜的样本点云图像与目标关键部位点云图像模板之间的位姿信息。
32.根据本发明提供的一种牲畜体况评分方法，所述模板估计特征基于如下方法估计得到：
33.对所述样本点云图像中各区域以及所述目标关键部位点云图像模板进行特征提取，得到所述各区域的区域特征以及所述目标关键部位点云图像模板的模板特征；
34.计算所述模板特征与所述各区域的区域特征的距离，并选取所述距离较小的预设数量个区域特征作为目标区域特征；
35.将所述模板特征与所述目标区域特征进行拼接，得到拼接特征，并基于所述拼接特征，确定所述样本位姿信息；
36.基于所述目标区域特征与所述样本位姿信息，确定所述模板估计特征。
37.根据本发明提供的一种牲畜体况评分方法，所述获取待评分牲畜的目标点云图像，包括：
38.获取所述待评分牲畜在多个视角下的局部点云图像；
39.将所述多个视角下的局部点云图像输入至三维重建模型，得到所述三维重建模型输出的所述目标点云图像；
40.其中，所述三维重建模型基于多个视角下的样本局部点云图像训练得到。
41.根据本发明提供的一种牲畜体况评分方法，所述待评分牲畜的关键部位包括坐骨、髋关节、锁骨、短肋、荐骨韧带以及尾根韧带中的至少一个；
42.相应地，所述各标准体况评分对应的关键部位点云图像模板集合中均包括所述各标准体况评分对应的样本牲畜的各关键部位对应的关键部位点云图像模板。
43.本发明还提供一种牲畜体况评分装置，包括：
44.图像获取模块，用于获取待评分牲畜的目标点云图像；
45.配准模块，用于将所述目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果；
46.体况评分确定模块，用于基于所述第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
47.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述牲畜体况评分方法的步骤。
48.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述牲畜体况评分方法的步骤。
49.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述牲畜体况评分方法的步骤。
50.本发明提供的牲畜体况评分方法、装置、电子设备及存储介质，首先获取待评分牲畜的目标点云图像；然后将目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果；最后基于第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定待评分牲畜的体况评分。通过图像配准的方式确定待评分牲畜的体况评分，不需要引入人为操作，可以提高评分的自动化，并排除人为因素带来的干扰。而且，该方法中不需要采用ssd或kcf，避免了漏检问题或漏帧跟踪问题的出现，具有较强的稳定性，提高了体况评分的准确性。而且，该方法不仅可以适用于奶牛，还可以适用于其他牲畜，具有很强的适应性。
附图说明
51.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
52.图1是本发明提供的牲畜体况评分方法的流程示意图；
53.图2是本发明提供的牲畜体况评分装置的结构示意图；
54.图3是本发明提供的电子设备的结构示意图。
具体实施方式
55.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
56.目前，对牲畜的体况研究仅限于对奶牛的体况进行研究，并未对其他牲畜的体况进行研究。而且，现有技术中，通常采用奶牛体况评分(cow body condition scoring，bcs)将奶牛体况进行量化。奶牛体况评分主要有以下三类确定方法：
57.1)由经验丰富的工作人员基于一定标准对奶牛体况进行评分，得到奶牛体况评分。
58.2)对单视角的3d图像进行3d特征的提取和降维处理，并采用faster rcnn等2d目标检测算法得到奶牛体况评分。
59.3)对rgb-d视频提取关键帧，并在关键帧中使用改进的ssd来预测奶牛的臀部区域，然后使用kcf对奶牛的臀部区域进行跟踪，得到满足要求的关键帧，最后对奶牛的臀部区域在各个视角下的rgb-d关键帧提取特征，并将提取的特征输入到分类模型得到奶牛体况评分。
60.上述方法中，1)由于依赖人工评分，不仅增加人力成本，而且大量的奶牛评分工作将会增加工作人员的压力。另外，工作人员在经过长时间评分后，评分结果容易产生偏差，
导致得到的奶牛体况评分不准确。2)针对的是单视角的3d图像，无法得到奶牛的全面信息，而且使用对于3d图像采用2d目标检测算法进行奶牛体况评分将大大增加评分的误差。3)使用rgb-d视频仅增加了深度信息，但仅仅考虑奶牛的臀部区域，过于片面。而且，由于利用ssd进行检测会存在漏检问题，进而在使用kcf进行跟踪时也存在漏帧问题，这都将导致该方法的稳定性降低，进而影响奶牛的体况评分的准确性。而且，由于奶牛与其他牲畜存在较大区别，因此现有技术中适用于奶牛的体况评分方法也并不能很好地适用于其他牲畜。
61.为此，本发明实施例中提供了一种牲畜体况评分方法，以解决上述技术问题。
62.图1为本发明实施例中提供的一种牲畜体况评分方法的流程示意图，如图1所示，该方法包括：
63.s1，获取待评分牲畜的目标点云图像；
64.s2，将所述目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果；
65.s3，基于所述第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
66.具体地。本发明实施例中提供的牲畜体况评分方法，其执行主体为牲畜体况评分装置，该装置可以配置于服务器内，该服务器可以是本地服务器，也可以是云端服务器，本地服务器具体可以是计算机、平板电脑以及智能手机等，本发明实施例中对此不作具体限定。
67.首先执行步骤s1，获取待评分牲畜的目标点云图像，待评分牲畜是指需要确定其体况评分的牲畜。本发明实施例中涉及的牲畜可以为奶牛、肉牛、山羊等哺乳类牲畜。该目标点云图像是指待评分牲畜的整体三维点云图像，可以通过对待评分牲畜进行全方位扫描得到，也可以通过其他方式得到，本发明实施例中对此不作具体限定。
68.在目标点云图像中可以包含待评分牲畜的目标关键部位，目标关键部位是指对待评分牲畜的体况评分产生影响的身体部位，可以为一个或多个，例如可以是坐骨、髋关节、锁骨、短肋、荐骨韧带以及尾根韧带中的至少一个，本发明实施例中对此不作具体限定。需要说明的是，目标关键部位中可以不包含对待评分牲畜的体况评分无影响的牲畜头部。
69.然后执行步骤s2，将目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果。各关键部位点云图像模板集合可以存储在关键部位点云图像模板库中，每个关键部位点云图像模板集合中均包含有各目标关键部位对应的关键部位点云图像模板。每个关键部位点云图像模板集合中包含的关键部位点云图像模板与目标关键部位一一对应。
70.关键部位点云图像模板是指体况评分已知的牲畜样本的关键部位的点云图像。每个关键部位点云图像模板集合均对应有一个标准体况评分，即每个关键部位点云图像模板集合是具有某一标准体况评分的样本牲畜的关键部位对应的关键部位的点云图像的集合。牲畜样本已知的体况评分即为关键部位点云图像模板集合对应的标准体况评分，该标准体况评分可以通过专家标注得到，本发明实施例中对此不作具体限定。
71.由于不同基础信息的牲畜，其体况评分有所不同，因此每个标准体况评分对应于一个基础信息，即标准体况评分、基础信息以及关键部位点云图像模板集合是一一对应的。此处，基础信息可以包括牲畜日龄、牲畜品种等信息中的至少一项。
72.将目标点云图像与各关键部位点云图像模板集合进行配准的过程，即确定各关键部位点云图像模板集合中与目标关键部位相匹配的关键部位点云图像模板的数量。第一配准结果可以包括配准成功和配准未成功，配准未成功可以包括部分配准成功以及配准失败。
73.首先，确定目标关键部位点云图像模板集合，该目标关键部位点云图像模板集合是指其中包含的、与对应的目标关键部位的匹配结果为匹配成功的关键部位点云图像模板的数量最大的关键部位点云图像模板集合。
74.若目标关键部位点云图像模板集合中与对应的目标关键部位的匹配结果为匹配成功的关键部位点云图像模板的数量大于第一预设数量，则认为第一配准结果为配准成功，且配准对象为该目标关键部位点云图像模板集合；若目标关键部位点云图像模板集合中与对应的目标关键部位的匹配结果为匹配成功的关键部位点云图像模板的数量大于第二预设数量且小于等于所述第一预设数量，则认为第一配准结果为部分配准成功；若目标关键部位点云图像模板集合中与对应的目标关键部位的匹配结果为匹配成功的关键部位点云图像模板的数量小于等于所述第二预设数量，则认为第一配准结果为配准失败。
75.其中，第一预设数量可以是所有关键部位的总数的2/3，第二预设数量可以是所有关键部位的总数的1/3。例如，若所有关键部位包括坐骨、髋关节、锁骨、短肋、荐骨韧带以及尾根韧带，其总数为6，则第一预设数量可以是4，第二预设数量可以是2，第一配准结果为配准成功时，目标关键部位点云图像模板集合中与对应的目标关键部位的匹配结果为匹配成功的关键部位点云图像模板的数量可以是5或6，第一配准结果为部分配准成功时，目标关键部位点云图像模板集合中与对应的目标关键部位的匹配结果为匹配成功的关键部位点云图像模板的数量可以是3或4，第一配准结果为配准失败时，目标关键部位点云图像模板集合中与对应的目标关键部位的匹配结果为匹配成功的关键部位点云图像模板的数量可以是0-2中的任一个。
76.特别地，当关键部位为一个时，若该目标关键部位点云图像模板集合中的关键部位点云图像模板与目标关键部位匹配成功，则可以认为第一配准结果为配准成功；若目标关键部位点云图像模板集合中的关键部位点云图像模板与目标点关键部位匹配失败，则可以认为第一配准结果为配准失败。即当关键部位为一个时，第一配准结果只包含有配准成功和配准失败两类。
77.最后执行步骤s3，根据第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定待评分牲畜的体况评分。此处，可以根据第一配准结果的具体类别，并结合各关键部位点云图像模板集合对应的标准体况评分确定待评分牲畜的体况评分。例如，若第一配准结果为配准成功，则既可以直接将与目标点云图像配准成功的关键部位点云图像模板集合对应的标准体况评分作为待评分牲畜的体况评分，也可以结合目标点云图像中的其他特征，综合确定待评分牲畜的体况评分。若第一配准结果为配准未成功，则只能通过结合目标点云图像中的其他特征的方式确定待评分牲畜的体况评分。
78.本发明实施例中提供的牲畜体况评分方法，首先获取待评分牲畜的目标点云图像；然后将目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果；最后基于第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定待评分牲畜的体况评分。通过图像配准的方式确定待评分牲畜的体况评分，不需要引入人为操作，
可以提高评分的自动化，并排除人为因素带来的干扰。而且，该方法中不需要采用ssd或kcf，避免了漏检问题或漏帧跟踪问题的出现，具有较强的稳定性，提高了体况评分的准确性。而且，该方法不仅可以适用于奶牛，还可以适用于其他牲畜，具有很强的适应性。
79.在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，所述各关键部位点云图像模板集合可以基于如下方法确定：
80.获取不同基础信息的样本牲畜的样本点云图像；
81.提取所述样本点云图像中的关键部位点云图像并进行标注，得到关键部位点云图像模板集合；
82.确定所述样本牲畜的标准体况评分，并将所述标准体况评分与所述关键部位点云图像模板集合进行关联。
83.具体地，本发明实施例中，不同基础信息的样本牲畜是指不同品种、不同日龄的样本牲畜。样本点云图像是指样本牲畜的整体三维点云图像，可以通过对样本牲畜进行全方位扫描得到，也可以通过其他方式得到，本发明实施例中对此不作具体限定。
84.然后对样本点云图像中的关键部位进行提取并分割得到关键部位点云图像，进而可以通过专家手动进行标注，即将关键部位点云图像与部位名称进行关联，即可得到携带有部位名称的关键部位点云图像模板。
85.最后，还可以通过专家人工确定出样本牲畜的标准体况评分，并将标准体况评分与关键部位点云图像模板进行关联，即确定标准体况评分与关键部位点云图像模板之间的对应关系。
86.可以理解的是，上述确定各关键部位点云图像模板集合的过程，即构建关键部位点云图像模板库的过程。
87.本发明实施例中，可以独立于评分过程确定各关键部位点云图像模板集合，进而可以提高评分效率。
88.在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，所述基于所述第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分，包括：
89.若所述第一配准结果为配准成功，则基于第一关键部位点云图像模板集合对应的第一标准体况评分，确定所述待评分牲畜的体况评分；所述第一关键部位点云图像模板集合为与所述目标点云图像配准成功的关键部位点云图像模板集合；
90.若所述第一配准结果为配准未成功，则基于所述目标点云图像，确定所述待评分牲畜的目标体尺特征，将所述目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果，并基于所述第一配准结果、所述第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
91.具体地，本发明实施例中，在通过第一配准结果以及各标准体况评分确定待评分牲畜的体况评分时，若第一配准结果为配准成功，则可以先确定第一关键部位点云图像模板集合，即与目标点云图像配准成功的关键部位点云图像模板集合。然后根据第一关键部位点云图像模板对应的第一标准体况评分，确定待评分牲畜的体况评分。此处，第一标准体况评分为第一关键部位点云图像模板对应的标准体况评分，“第一”仅起区分作用。本发明实施例中，既可以直接将第一标准体况评分作为待评分牲畜的体况评分，也可以将第一标
准体况评分以及目标点云图像中的其他特征进行结合，综合确定待评分牲畜的体况评分，本发明实施例中对此不作具体限定。
92.若第一配准结果为配准未成功，则为保证体况评分的准确性，需要根据目标点云图像，确定待评分牲畜的目标体尺特征。目标体尺特征是指待评分牲畜的体尺特征，该体尺特征可以是二维特征，可以通过对目标点云图像进行特征提取得到。此处，体尺特征是指对体况评分产生影响的牲畜体型尺寸特征，体尺特征可以为一个或多个，例如可以包括腹部轮廓面积和长度、臀部区域轮廓面积和长度、背部轮廓面积和长度、臀宽、背宽、体高等特征中的至少一个。
93.在确定目标体尺特征之后，可以将目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果。其中，各体尺特征模板集合可以存储至体尺特征模板库中，每个体尺特征模板集合中均包含有各体尺特征对应的体尺特征模板。每个体尺特征模板集合中包含的体尺特征模板的数量可以为一个或多个。
94.体尺特征模板是指体况评分已知的牲畜样本的体尺特征。每个体尺特征模板集合均对应有一个标准体况评分，即每个体尺特征模板集合是具有某一标准体况评分的样本牲畜的体尺特征的集合。牲畜样本已知的体况评分即为体尺特征模板集合对应的标准体况评分，该标准体况评分也可以通过专家标注得到，本发明实施例中对此不作具体限定。
95.由于对于牲畜来说，不同基础信息的牲畜，其具有不同的体况评分，因此标准体况评分、基础信息以及体尺特征模板集合是一一对应的。
96.将目标体尺特征与各体尺特征模板集合进行配准的过程，即确定各体尺特征模板集合中与目标体尺特征相匹配的体尺特征模板的数量。第二配准结果可以包括配准成功以及配准失败两类。
97.为确定第二配准结果，可以先确定目标体尺特征模板集合，该目标体尺特征模板集合是指其中包含的、与对应的目标体尺特征的匹配结果为匹配成功的体尺特征模板的数量最大的体尺特征模板集合。
98.若目标体尺特征模板集合中与对应的目标体尺特征的匹配结果为匹配成功的体尺特征模板的数量大于等于第三预设数量，则认为第二配准结果为配准成功，且配准对象为该目标体尺特征模板集合；若目标体尺特征模板集合中与对应的目标体尺特征的匹配结果为匹配成功的体尺特征模板的数量小于所述第三预设数量，则认为第二配准结果为配准失败。
99.其中，第三预设数量可以是所有目标体尺特征的总数的2/3。例如，若所有目标体尺特征包括腹部轮廓面积和长度、臀部区域轮廓面积和长度、背部轮廓面积和长度、臀宽、背宽以及体高，其总数为9，则第三预设数量可以是6，第二配准结果为配准成功时，目标体尺特征模板集合中与对应的目标体尺特征的匹配结果为匹配成功的体尺特征模板的数量可以是6、7、8或9，第二配准结果为配准失败时，目标体尺特征模板集合中与对应的目标体尺特征的匹配结果为匹配成功的体尺特征模板的数量可以是0-5中的任一个。
100.最后，根据第一配准结果、第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定出待评分牲畜的体况评分。此处，可以根据第一配准结果、第二配准结果的具体类别，并结合各体尺特征模板集合对应的标准体况评分确定待评分牲畜的体况评分。例如，若第一配准结果为部分配准成功、第二配置结果为配准成功，则可以确定与目标点云图
像部分配准成功的关键部位点云图像模板集合(即此时的目标关键部位点云图像模板集合)对应的标准体况评分，然后基于该标准体况评分以及与目标体尺特征配准成功的体尺特征模板集合(即此时的目标体尺特征模板集合)对应的标准体况评分，确定待评分牲畜的体况评分。
101.若第一配准结果为配准失败、第二配准结果为配准成功，则可以直接将与目标体尺特征配准成功的目标体尺特征模板(即此时的目标体尺特征模板集合)对应的标准体况评分作为待评分牲畜的体况评分。
102.若第一配准结果为部分配准成功、第二配置结果为配准失败，或者第一配准结果为配准失败、第二配准结果为配准失败，则均无法确定出待评分牲畜的体况评分。
103.本发明实施例中，根据第一配准结果、第二配准结果的具体类型，分别采用不同的方法确定待评分牲畜的体况评分，可以更加具有针对性，保证了待评分牲畜的体况评分的成功获取。
104.在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，所述各体尺特征模板集合基于如下方法构建：
105.1)获取不同基础信息的样本牲畜的样本点云图像。
106.2)构建牲畜坐标系。
107.可以以样本牲畜的头部为坐标原点、以牛身方向为x轴、以牛身所在的平面内与牛身方向垂直的方向作为y轴、以垂直于牛身所在的平面的方向作为z轴，构建右手的牲畜坐标系。本发明实施例中，x轴正方向可以是牛头至牛尾的方向，z轴正方向可以是垂直于牛身所在的平面向上。
108.3)将样本点云图像沿着x轴进行投影，确定样本牲畜的臀部区域的点云轮廓。
109.投影后可以得到最大面积的投影轮廓和对应的轮廓点云，该轮廓点云作为样本牲畜的腹部轮廓点云，根据样本牲畜的腹部轮廓点云，可以得到腹部点云的坐标位置，在设定样本牲畜的朝向的情况下，可以在得到腹部点云的坐标位置后能够确定样本牲畜的臀部区域。然后，计算样本牲畜的臀部区域的点云轮廓。其中，样本牲畜的臀部区域为牲畜臀部边缘点为起点，沿着x轴反方向的间隔预设距离值的点为终点，该终点对应的横截面与样本牲畜的臀部边缘包围的区域。其中，预设距离值可以是臀部长度值，可以为经验值。
110.4)将样本点云图像沿着z轴进行投影，确定样本牲畜的背部区域的点云轮廓。
111.投影后可以得到样本牲畜的背部区域的点云轮廓。
112.通过腹部轮廓点云、臀部区域轮廓点云、背部轮廓点云这三个体尺特征可以计算对应的面积和长度、臀宽、背宽、体高。
113.5)按照样本牲畜的基本信息，确定每一基础信息对应的各体尺特征模板集合。
114.可以理解的是，上述确定各体尺特征模板集合的过程即为建立体尺特征模板库的过程。
115.本发明实施例中，可以独立于评分过程确定各体尺特征模板集合，进而可以提高评分效率。
116.在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，所述配准未成功包括部分配准成功和配准失败；
117.相应地，所述基于所述第一配准结果、所述第二配准结果以及各体尺特征模板集
合对应的标准体况评分，确定所述待评分牲畜的体况评分，包括：
118.若所述第一配准结果为部分配准成功，且所述第二配准结果为配准成功，则基于第二关键部位点云图像模板集合对应的第二标准体况评分，以及目标体尺特征模板集合对应的第三标准体况评分之间的平均值，确定所述待评分牲畜的体况评分；
119.其中，所述第二关键部位点云图像模板集合为与所述目标点云图像部分配准成功的关键部位点云图像模板集合，所述目标体尺特征模板集合为与所述目标体尺特征配准成功的体尺特征模板集合。
120.具体地，本发明实施例中，在根据第一配准结果、第二配准结果以及各标准体况评分确定待评分牲畜的体况评分时，若第一配准结果为部分配准成功、第二配准结果为配准成功，则可以先确定与目标点云图像部分配准成功的关键部位点云图像模板集合(即此时的目标关键部位点云图像模板集合)对应的标准体况评分，并将该标准体况评分记即为第二标准体况评分，并确定与目标二维体尺特征配准成功的体尺特征模板集合(即此时的目标体尺特征模板集合)对应的标准体况评分，并将该标准体况评分记即为第三标准体况评分，然后将第二标准体况评分以及第三标准体况评分之间的平均值，并根据该平均值确定待评分牲畜的体况评分。
121.需要说明的是，由于目标点云图像以及体尺特征这两种配准的对象不同，因此得到的第二标准体况评分与第三标准体况评分不一定相同，本发明实施例中，可以计算二者的平均值，然后通过该平均值确定待评分牲畜的体况评分。例如，可以直接将该平均值作为待评分牲畜的体况评分，本发明实施例中对此不作具体限定。
122.本发明实施例中，在第一配准结果为部分配准成功、第二配准结果为配准成功的情况下，通过第二标准体况评分以及第三标准体况评分之间的平均值，确定出待评分牲畜的体况评分，结合了目标点云图像的配准以及目标体尺特征的配准，可以使得到的待评分牲畜的体况评分更加准确。
123.在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，所述目标二维体尺特征包括多个，所述各体尺特征模板集合中均包含有多个体尺特征模板，所述多个体尺特征模板与所述目标体尺特征一一对应；
124.相应地，所述将所述目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果，包括：
125.对于所述各体尺特征模板集合中任一体尺特征模板集合，计算所述任一体尺特征模板集合中各体尺特征模板与对应的目标体尺特征之间的相对误差，并基于所述相对误差，确定所述任一体尺特征模板集合对应的配准结果；
126.基于各体尺特征模板集合对应的配准结果，确定所述第二配准结果。
127.具体地，本发明实施例中，目标体尺特征可以包括多个，例如可以包括腹部轮廓面积和长度、臀部区域轮廓面积和长度、背部轮廓面积和长度、臀宽、背宽以及体高。相应地，体尺特征模板也可以包括多个，且考虑到牲畜的基础信息会对体尺特征产生影响，因此体尺特征模板集合、基础信息以及标准体况评分之间一一对应。
128.在配准得到第二配准结果时，对于各体尺特征模板集合中任一体尺特征模板集合，计算该任一体尺特征模板集合中各体尺特征模板与对应的目标体尺特征之间的相对误差。
129.此处，可以通过如下公式计算该任一体尺特征模板集合中各体尺特征模板与对应的目标体尺特征之间的相对误差：
[0130][0131]
其中，err为该任一体尺特征模板集合中任一体尺特征模板与对应的目标体尺特征之间的相对误差，p
t
为该任一体尺特征模板集合中任一体尺特征模板，pe为任一体尺特征模板对应的目标体尺特征。
[0132]
任一体尺特征模板集合中每个体尺特征模板与对应的目标体尺特征之间均会有一个相对误差。根据任一体尺特征模板集合中各体尺特征模板与对应的目标体尺特征之间的相对误差，即可确定任一体尺特征模板集合对应的配准结果。
[0133]
例如，可以设定误差阈值，若任一体尺特征模板与对应的目标体尺特征之间的相对误差小于误差阈值的相对误差，则可以认为该任一体尺特征模板对应的配准结果为配准成功。如果不存在小于误差阈值的相对误差，则认为该任一体尺特征模板对应的配准结果为配准失败。其中，误差阈值可以根据需要进行设置，例如可以设置为小于等于10％。
[0134]
最后，基于各体尺特征模板集合对应的配准结果，确定第二配准结果。由于目标体尺特征共有9个，各体尺特征模板集合中均包含有9个体尺特征模板，因此可以先确定目标体尺特征模板集合，该目标体尺特征模板集合是指其中包含的、与对应的目标体尺特征的匹配结果为匹配成功的体尺特征模板的数量最大的体尺特征模板集合。
[0135]
若目标体尺特征模板集合中与对应的目标体尺特征的匹配结果为匹配成功的体尺特征模板的数量大于等于第三预设数量，则认为第二配准结果为配准成功，且配准对象为该目标体尺特征模板集合；若目标体尺特征模板集合中与对应的目标体尺特征的匹配结果为匹配成功的体尺特征模板的数量小于所述第三预设数量，则认为第二配准结果为配准失败。
[0136]
本发明实施例中，通过计算每个体尺特征模板集合中各体尺特征模板与对应的目标体尺特征之间的相对误差，确定第二配准结果，可以提高第二配准结果的准确性。
[0137]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，所述基于第一关键部位点云图像模板集合对应的第一标准体况评分，确定所述待评分牲畜的体况评分，包括：
[0138]
基于所述目标点云图像，确定所述待评分牲畜的目标体尺特征，并将所述目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果；
[0139]
基于所述第一标准体况评分、所述第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
[0140]
具体地，本发明实施例中，当第一配准结果为配准成功时，可以直接根据第一标准体况评分确定待评分牲畜的体况评分，此时可以先根据目标点云图像，确定出待评分牲畜的目标体尺特征。然后将目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果。此处，配准得到第二配准结果的方法与上述实施例中提供的方法一致，此处不再赘述。
[0141]
最后，根据第一标准体况评分、第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定待评分牲畜的体况评分。即，可以先结合第二配准结果的具体类型，确定出目标体尺特征模板集合，即确定出与目标体尺特征配准成功的体尺特征模板集合。进而，
根据目标体尺特征模板集合对应的标准体况评分(记为第三标准体况评分)以及第一标准体况评分，确定出待评分牲畜的体况评分。
[0142]
本发明实施例中，在第一配准结果为配准成功的情况下，也可以结合目标点云图像中获取的目标体尺特征综合确定出待评分牲畜的体况评分，可以大大提高评分准确性。
[0143]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，所述将所述目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果，包括：
[0144]
基于点云配准模型，确定目标位姿信息对应的误差值；
[0145]
基于所述目标位姿信息对应的误差值，确定所述第一配准结果；
[0146]
其中，所述目标位姿信息为所述目标点云图像与各关键部位点云图像模板集合中关键部位点云图像模板之间的位姿信息；所述点云配准模型采用所述各关键部位点云图像模板集合中关键部位点云图像模板的模板特征与对应的模板估计特征之间的推土机距离损失函数训练得到，所述模板估计特征基于样本位姿信息估计得到，所述样本位姿信息为样本牲畜的样本点云图像与所述各关键部位点云图像模板集合中关键部位点云图像模板之间的位姿信息。
[0147]
具体地，本发明实施例中，在将目标点云图像与各关键部位点云图像模板集合进行配准得到第一配准结果时，可以先根据点云配准模型，确定目标位姿信息对应的误差值。
[0148]
该点云配准模型可以用于确定目标点云图像与各关键部位点云图像模板集合中关键部位点云图像模板之间的位姿信息，即目标位姿信息以及目标位姿信息对应的误差值。此处，位姿信息是指旋转矩阵，可以理解为目标点云图像与各关键部位点云图像模板集合中关键部位点云图像模板中的特征之间的旋转矩阵。例如，目标位姿信息为目标点云图像与各关键部位点云图像模板集合中关键部位点云图像模板之间的旋转矩阵。
[0149]
本发明实施例中，可以将目标点云图像以及各关键部位点云图像模板集合分别输入至点云配准模型，即可通过点云配准模型输出目标点云图像与各关键部位点云图像模板集合中关键部位点云图像模板之间的位姿信息，即目标位姿信息及其对应的误差值。除此之外，还可以将各关键部位点云图像模板集合预先存储至点云配准模型中，然后将目标点云图像输入至点云配准模型中，得到目标位姿信息及其对应的误差值。
[0150]
需要说明的是，点云配准模型可以通过训练得到，因此其可以直接确定出目标位姿信息对应的误差值，在确定过程中并不需要确定出目标点云图像中的关键部位特征。
[0151]
在训练得到点云配准模型的过程中，可以采用各关键部位点云图像模板集合中关键部位点云图像模板的模板特征与对应的模板估计特征之间的推土机距离(earth mover's distance，emd)损失函数(loss)，emd loss计算公式为：
[0152][0153]
其中，为模板估计特征，p
t
为模板特征，为与p
t
之间的映射函数。
[0154]
各关键部位点云图像模板集合中每个关键部位点云图像模板均对应有一个模板估计特征，该模板估计特征可以采用样本位姿信息估计得到，该样本位姿信息为样本牲畜的样本点云图像与各关键部位点云图像模板集合中关键部位点云图像模板之间的位姿信息。样本位姿信息基于点云配准模型得到，例如点云配准模型可以预先存储有各关键部位
点云图像模板集合，然后将样本牲畜的样本点云图像输入至点云配准模型由点云配准模型输出得到，也可以将样本牲畜的样本点云图像以及各关键部位点云图像模板集合均输入至点云配准模型并由点云配准模型输出得到。点云配准模型输出样本位姿信息的同时，还可以输出样本位姿信息对应的误差值。
[0155]
在采用样本位姿信息估计模板估计特征时，由于样本位姿信息为样本点云图像与各关键部位点云图像模板集合中关键部位点云图像模板之间的位姿信息，可以用于表征样本点云图像中的关键部位特征与各关键部位点云图像模板集合中对应的关键部位点云图像模板中的模板特征之间的关联关系，因此可以结合样本点云图像中的关键部位特征，即可确定出模板估计特征。
[0156]
在确定目标位姿信息对应的误差值之后，可以通过该误差值，确定出第一配准结果。由于目标点云图像与各关键部位点云图像模板集合中每个关键部位点云图像模板之间均具有一个目标位姿信息，也均具有一个对应的误差值，因此对于任一关键部位点云图像模板集合，可以根据该任一关键部位点云图像模板集合中每个关键部位点云图像模板对应的误差值，确定第一配准结果。
[0157]
例如，可以设定目标阈值，当该任一关键部位点云图像模板集合中任一关键部位点云图像模板对应的误差值大于目标阈值，则确定该任一关键部位点云图像模板对应的配准结果为配准成功，进而当该任一关键部位点云图像模板集合中各关键部位点云图像模板对应的配准结果为配准成功的模板数量大于第一预设数量，则可以确定第一配准结果为配准成功，且配准成功的对象为该任一关键部位点云图像模板集合。
[0158]
本发明实施例中，引入点云配准模型，通过其确定的目标位姿信息对应的误差值得到第一配准结果，可以使第一配准结果的准确性提高。
[0159]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，还包括：获取所述待评分牲畜的目标基本信息；
[0160]
相应地，所述将所述目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果，包括：
[0161]
基于所述目标基本信息对应的目标点云配准模型，确定目标位姿信息对应的误差值；
[0162]
基于所述目标位姿信息对应的误差值，确定所述第一配准结果；
[0163]
其中，所述目标位姿信息为所述目标点云图像与所述目标关键部位点云图像模板之间的位姿信息，目标关键部位点云图像模板为所述目标基本信息对应的关键部位点云图像模板集合中的关键部位点云图像模板；所述目标点云配准模型采用所述目标关键部位点云图像模板的模板特征与对应的模板估计特征之间的推土机距离损失函数训练得到，所述模板估计特征基于样本位姿信息估计得到，所述样本位姿信息为所述目标基本信息对应的样本牲畜的样本点云图像与目标关键部位点云图像模板之间的位姿信息。
[0164]
具体地，本发明实施例中，可以获取待评分牲畜的目标基本信息，例如待评分牲畜的品种、日龄等信息。
[0165]
进而，在将目标点云图像与各关键部位点云图像模板集合进行配准得到第一配准结果时，可以先根据目标基本信息，确定目标基本信息对应的目标点云配准模型。
[0166]
然后确定目标基础信息对应的关键部位点云图像模板集合中关键部位点云图像
模板，即目标关键部位点云图像模板，该目标点云配准模型可以用于确定目标点云图像与目标关键部位点云图像模板之间的位姿信息，即目标位姿信息以及目标位姿信息对应的误差值。此处，目标位姿信息为目标点云图像与目标关键部位点云图像模板之间的旋转矩阵。
[0167]
本发明实施例中，可以将目标点云图像以及目标关键部位点云图像模板分别输入至点云配准模型，即可通过点云配准模型输出目标点云图像与目标关键部位点云图像模板之间的位姿信息，即目标位姿信息及其对应的误差值。除此之外，还可以将目标关键部位点云图像模板预先存储至点云配准模型中，然后将目标点云图像输入至点云配准模型中，得到目标位姿信息及其对应的误差值。
[0168]
在训练得到点云配准模型的过程中，可以采用目标关键部位点云图像模板的模板特征与对应的模板估计特征之间的emd loss，公式如上。
[0169]
目标关键部位点云图像模板对应的模板估计特征可以采用样本位姿信息估计得到，该样本位姿信息为样本牲畜的样本点云图像与目标关键部位点云图像模板之间的位姿信息。样本位姿信息基于目标点云配准模型得到，例如目标点云配准模型可以预先存储有目标关键部位点云图像模板，然后将样本牲畜的样本点云图像输入至目标点云配准模型由目标点云配准模型输出得到，也可以将样本牲畜的样本点云图像以及目标关键部位点云图像模板均输入至目标点云配准模型并由目标点云配准模型输出得到。目标点云配准模型输出样本位姿信息的同时，还可以输出样本位姿信息对应的误差值。
[0170]
在采用样本位姿信息估计模板估计特征时，由于样本位姿信息为样本点云图像与目标关键部位点云图像模板之间的位姿信息，可以用于表征样本点云图像中的关键部位特征与目标关键部位点云图像模板的模板特征之间的关联关系，因此可以结合样本点云图像中的关键部位特征，即可确定出模板估计特征。
[0171]
在确定目标位姿信息对应的误差值之后，可以通过该误差值，确定出第一配准结果。由于目标点云图像与每个目标关键部位点云图像模板之间均具有一个目标位姿信息，也均具有一个对应的误差值，因此可以根据每个目标关键部位点云图像模板对应的误差值，确定第一配准结果。
[0172]
例如，可以设定目标阈值，当任一目标关键部位点云图像模板对应的误差值大于目标阈值，则确定该任一目标关键部位点云图像模板对应的配准结果为配准成功，进而当所有目标关键部位点云图像模板对应的配准结果为配准成功的模板数量大于第一预设数量，则可以确定第一配准结果为配准成功，且配准成功的对象为目标基础信息对应的关键部位点云图像模板集合，即所有目标关键部位点云图像模板构成的集合。
[0173]
本发明实施例中，引入目标基础信息，并通过其对应的目标点云配准模型，通过其确定的目标位姿信息对应的误差值得到第一配准结果，在提高第一配准结果的准确性的基础上，可以降低配准时的数据处理量，提高配准效率。
[0174]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，还包括：获取所述待评分牲畜的目标基本信息；
[0175]
相应地，所述将所述目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果，包括：
[0176]
对于所述目标基本信息对应的体尺特征模板集合，计算所述目标基本信息对应的体尺特征模板集合中各体尺特征模板与对应的目标体尺特征之间的相对误差，并基于所述
相对误差，确定所述目标基本信息对应的体尺特征模板集合对应的配准结果；
[0177]
将所述目标基本信息对应的体尺特征模板集合对应的配准结果作为所述第二配准结果。
[0178]
具体地，本发明实施例中，引入目标基本信息，通过目标基本信息确定第二配准结果，可以使在提高第二配准结果的准确性的基础上，可以降低配准时的数据处理量，提高配准效率。
[0179]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，所述模板估计特征基于如下方法估计得到：
[0180]
对所述样本点云图像中各区域以及所述各关键部位点云图像模板集合中关键部位点云图像模板进行特征提取，得到所述各区域的区域特征以及所述各关键部位点云图像模板集合中关键部位点云图像模板的模板特征；
[0181]
计算所述模板特征与所述各区域的区域特征的距离，并选取所述距离较小的预设数量个区域特征作为目标区域特征；
[0182]
将所述模板特征与所述目标区域特征进行拼接，得到拼接特征，并基于所述拼接特征，确定所述样本位姿信息；
[0183]
基于所述目标区域特征与所述样本位姿信息，确定所述模板估计特征。
[0184]
具体地，本发明实施例中，在估计模板估计特征时，可以先确定样本点云图像中各区域，各区域可以通过对样本点云图像中样本牲畜进行划分得到。此处，可以先确定样本牲畜的外接包围框，然后根据外接包围框构建一个多尺度立体网格，最后通过该多尺度立体网格对样本牲畜进行划分，即可得到样本点云图像中各区域。
[0185]
例如，样本牲畜的体积为w*h*c，w是样本牲畜的宽度，h是样本牲畜的长度，c是样本牲畜的高度，则可以形成一个立体的样本牲畜的外接包围框。然后构建多尺度立体网格，对于样本牲畜的长宽来说，划分参数为n，n的取值范围可以为[3,4,5,6,7]，对于样本牲畜的高度来说，划分参数为m，m的取值范围可以为[2,3,4,5,5]。根据n和m的取值范围，可以构建多尺度立体网格。
[0186]
根据多尺度立体网格，依次按照n和m的取值对样本牲畜进行区域的划分，得到样本点云图像中不同尺度的各区域。例如，当n＝3，m＝2时，样本牲畜被划分为w*h*c/(n*n*m)个w/3*h/3*c/2的区域。
[0187]
本发明实施例中，可以把一些没有点云数据的立体网格当作背景，不参与训练。
[0188]
然后可以利用pointnet 的特征提取网络对样本点云图像中各区域以及各关键部位点云图像模板集合中关键部位点云图像模板分别进行特征提取，分别得到区域特征(i＝1,2,3,4
……
，i表示不同区域的标号)以及任一关键部位点云图像模板集合中关键部位点云图像模板的模板特征。若关键部位为6个，则任一关键部位点云图像模板集合中存在6个关键部位点云图像模板，对应的模板特征可以表示为(j＝1,2,3,4,5,6；j表示样本牲畜的六个部位的标号)，以下仅以此为例。
[0189]
对于任一关键部位点云图像模板集合，先对各部位进行粗配准，即计算样本牲畜的任一关键部位点云图像模板集合中每个关键部位点云图像模板的模板特征分别与各区域特征的l2距离，然后可以按l2距离由小到大进行排序，然后可以从排序结果中选取靠前
的预设数量个距离对应的区域特征，并将其作为目标区域特征。其中，排序结果中靠前的预设数量个距离对应的区域特征即为距离较小的预设数量个区域特征。预设数量可以根据需要进行设置，例如可以是k个。
[0190]
任一关键部位点云图像模板集合中每个关键部位点云图像模板的模板特征均对应有k个目标区域特征，然后将每个关键部位点云图像模板的模板特征分别与其对应的k个目标区域特征进行拼接(concat)操作，得到k个拼接特征，然后对k个拼接特征进行回归得到k个样本位姿信息。此处，可以将k个拼接特征输入至全连接(fully connected layers，fc)层，得到fc层输出的k个样本位姿信息。最后，通过k个样本位姿信息和k个目标区域特征进行计算，即可得到k个模板估计特征。
[0191]
本发明实施例中，在估计模板估计特征时，通过距离较小的预设数量个区域特征表征样本点云图像中的关键部位特征，并不需要进行实际提取，可以提高模板估计特征的估计效率。
[0192]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，所述模板估计特征基于如下方法估计得到：
[0193]
对所述样本点云图像中各区域以及所述目标关键部位点云图像模板进行特征提取，得到所述各区域的区域特征以及所述目标关键部位点云图像模板的模板特征；
[0194]
计算所述模板特征与所述各区域的区域特征的距离，并选取所述距离较小的预设数量个区域特征作为目标区域特征；
[0195]
将所述模板特征与所述目标区域特征进行拼接，得到拼接特征，并基于所述拼接特征，确定所述样本位姿信息；
[0196]
基于所述目标区域特征与所述样本位姿信息，确定所述模板估计特征。
[0197]
具体地，本发明实施例中实现的前提是需要获取待待评分牲畜的目标基础信息，在估计过程中是对目标基础信息对应的关键部位点云图像模板集合中的目标关键部位点云图像模板，如此可以降低计算量。
[0198]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，所述获取待评分牲畜的目标点云图像，包括：
[0199]
获取所述待评分牲畜在多个视角下的局部点云图像；
[0200]
将所述多个视角下的局部点云图像输入至三维重建模型，得到所述三维重建模型输出的所述目标点云图像；
[0201]
其中，所述三维重建模型基于多个视角下的样本局部点云图像训练得到。
[0202]
具体地，本发明实施例中，在获取待评分牲畜的目标点云图像时，可以先获取待评分牲畜在多个视角下的局部点云图像。可以为待评分牲畜配置一个牲畜行走通道，在该牲畜行走通道上可以分布式设置有多个图像采集装置，每个图像采集装置可以获取待评分牲畜在一个视角下的局部点云图像。例如，多个视角可以包括后视角、上视角、左视角以及右视角，即在牲畜行走通道上可以设置有4个图像采集装置，分别设置于牲畜行走通道的目标端、上侧、左侧以及右侧。
[0203]
在获取待评分牲畜在多个视角下的局部点云图像时，可以将待评分牲畜驱赶至牲畜行走通道内，且使其尾部朝向牲畜行走通道的目标端。
[0204]
本发明实施例中，采用的图像采集装置可以是基于tof的深度相机，也可以采用其
他可以获取点云图像的相机，此处不作具体限定。
[0205]
然后，将多个视角下的局部点云图像输入至三维重建模型，得到三维重建模型输出的目标点云图像。该三维重建模型可以以多个视角下的局部点云图像中的一个作为参考图，其他作为辅助图，最终得到待评分牲畜的目标点云图像。
[0206]
采用的三维重建模型可以基于pointmvsnet构建，并通过多个视角下的样本局部点云图像训练得到。多个视角下的样本局部点云图像可以是将样本牲畜驱赶至牲畜行走过道内，且使其尾部朝向牲畜行走通道的目标端，通过牲畜行走通道上设置的图像采集装置获取得到。在训练得到三维重建模型的过程中，可以将每个样本牲畜的多个视角下的局部点云图像中的一个作为参考图，其他作为辅助图，并结合图像采集装置的参数，采用有监督训练方式或无监督训练方式得到三维重建模型。
[0207]
本发明实施例中，通过多个视角下的局部点云图像，得到待评分牲畜完整的目标点云图像，可以使目标点云图像更加准确，进而可以提高评分结果的准确性。
[0208]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分方法，所述待评分牲畜的关键部位包括坐骨、髋关节、锁骨、短肋、荐骨韧带以及尾根韧带中的至少一个；
[0209]
相应地，所述各标准体况评分对应的部位点云图像模板集合中均包括所述各标准体况评分对应的样本牲畜的各关键部位对应的关键部位点云图像模板。每个标准体况评分对应的部位点云图像模板集合可以对应于一个基础信息。
[0210]
本发明实施例中，考虑了影响体况评分的各个关键部位，相比于仅考虑一个关键部位，其准确性可以大大提高。
[0211]
如图2所示，在上述实施例的基础上，本发明实施例中提供了一种牲畜体况评分装置，包括：
[0212]
图像获取模块21，用于获取待评分牲畜的目标点云图像；
[0213]
配准模块22，用于将所述目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果；
[0214]
体况评分确定模块23，用于基于所述第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
[0215]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分装置，所述体况评分确定模块，包括：
[0216]
第一确定子模块，用于若所述第一配准结果为配准成功，则基于第一关键部位点云图像模板集合对应的第一标准体况评分，确定所述待评分牲畜的体况评分；所述第一关键部位点云图像模板集合为与所述目标点云图像配准成功的关键部位点云图像模板集合；
[0217]
第二确定子模块，用于若所述第一配准结果为配准未成功，则基于所述目标点云图像，确定所述待评分牲畜的目标体尺特征，将所述目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果，并基于所述第一配准结果、所述第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
[0218]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分装置，所述配准未成功包括部分配准成功和配准失败；
[0219]
相应地，所述第二确定子模块，用于：
[0220]
若所述第一配准结果为部分配准成功，且所述第二配准结果为配准成功，则基于
第二关键部位点云图像模板集合对应的第二标准体况评分，以及目标体尺特征模板集合对应的第三标准体况评分之间的平均值，确定所述待评分牲畜的体况评分；
[0221]
其中，所述第二关键部位点云图像模板集合为与所述目标点云图像部分配准成功的关键部位点云图像模板集合，所述目标体尺特征模板集合为与所述目标体尺特征配准成功的体尺特征模板集合。
[0222]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分装置，所述目标体尺特征包括多个，各体尺特征模板集合中均包含有多个体尺特征模板，所述多个体尺特征模板与所述目标体尺特征一一对应；
[0223]
相应地，所述第二确定子模块，用于：
[0224]
对于所述各体尺特征模板集合中任一体尺特征模板集合，计算所述任一体尺特征模板集合中各体尺特征模板与对应的目标体尺特征之间的相对误差，并基于所述相对误差，确定所述任一体尺特征模板集合对应的配准结果；
[0225]
基于各体尺特征模板集合对应的配准结果，确定所述第二配准结果。
[0226]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分装置，所述第一确定子模块，用于：
[0227]
基于所述目标点云图像，确定所述待评分牲畜的目标体尺特征，并将所述目标体尺特征与各体尺特征模板集合进行配准，得到第二配准结果；
[0228]
基于所述第一标准体况评分、所述第二配准结果以及各体尺特征模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
[0229]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分装置，所述第一确定子模块，还用于：
[0230]
若所述第二配准结果为配准成功，且所述第一标准体况评分以及目标体尺特征模板集合对应的第三标准体况评分之间的差值在预设范围内，则基于所述第一标准体况评分与所述第三标准体况评分的平均值，确定所述待评分牲畜的体况评分；
[0231]
其中，所述目标体尺特征模板集合为与所述目标体尺特征配准成功的体尺特征模板集合。
[0232]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分装置，还包括基本信息获取模块，用于：
[0233]
获取所述待评分牲畜的目标基本信息；
[0234]
相应地，所述配准模块，用于：
[0235]
基于所述目标基本信息对应的目标点云配准模型，确定目标位姿信息对应的误差值；
[0236]
基于所述目标位姿信息对应的误差值，确定所述第一配准结果；
[0237]
其中，所述目标位姿信息为所述目标点云图像与目标关键部位点云图像模板之间的位姿信息，目标关键部位点云图像模板为所述目标基本信息对应的关键部位点云图像模板集合中的关键部位点云图像模板；所述目标点云配准模型采用所述目标关键部位点云图像模板的模板特征与对应的模板估计特征之间的推土机距离损失函数训练得到，所述模板估计特征基于样本位姿信息估计得到，所述样本位姿信息为所述目标基本信息对应的样本牲畜的样本点云图像与目标关键部位点云图像模板之间的位姿信息。
[0238]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分装置，还包括估计模块，用于：
[0239]
对所述样本点云图像中各区域以及所述目标关键部位点云图像模板进行特征提取，得到所述各区域的区域特征以及所述目标关键部位点云图像模板的模板特征；
[0240]
计算所述模板特征与所述各区域的区域特征的距离，并选取所述距离较小的预设数量个区域特征作为目标区域特征；
[0241]
将所述模板特征与所述目标区域特征进行拼接，得到拼接特征，并基于所述拼接特征，确定所述样本位姿信息；
[0242]
基于所述目标区域特征与所述样本位姿信息，确定所述模板估计特征。
[0243]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分装置，所述图像获取模块，用于：
[0244]
获取所述待评分牲畜在多个视角下的局部点云图像；
[0245]
将所述多个视角下的局部点云图像输入至三维重建模型，得到所述三维重建模型输出的所述目标点云图像；
[0246]
其中，所述三维重建模型基于多个视角下的样本局部点云图像训练得到。
[0247]
在上述实施例的基础上，本发明实施例中提供的牲畜体况评分装置，所述待评分牲畜的关键部位包括坐骨、髋关节、锁骨、短肋、荐骨韧带以及尾根韧带中的至少一个；
[0248]
相应地，所述各标准体况评分对应的关键部位点云图像模板集合中均包括所述各标准体况评分对应的样本牲畜的各关键部位对应的关键部位点云图像模板。
[0249]
具体地，本发明实施例中提供的牲畜体况评分装置中各模块的作用与上述方法类实施例中各步骤的操作流程是一一对应的，实现的效果也是一致的，具体参见上述实施例，本发明实施例中对此不再赘述。
[0250]
在上述实施例的基础上，本发明实施例中提供了一种牲畜体况评分系统，包括：上述各实施例中提供的牲畜体况评分装置以及多个图像采集装置；
[0251]
所述多个图像采集装置分布式设置于牲畜行走通道上，所述多个图像采集装置用于获取所述待评分牲畜在多个视角下的局部点云图像。
[0252]
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(communications interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行上述各实施例中提供的牲畜体况评分方法，该方法包括：获取待评分牲畜的目标点云图像；将所述目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果；基于所述第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
[0253]
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，
read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0254]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各实施例中提供的牲畜体况评分方法，该方法包括：获取待评分牲畜的目标点云图像；将所述目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果；基于所述第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
[0255]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例中提供的牲畜体况评分方法，该方法包括：获取待评分牲畜的目标点云图像；将所述目标点云图像与各关键部位点云图像模板集合进行配准，得到第一配准结果；基于所述第一配准结果以及各关键部位点云图像模板集合对应的标准体况评分，确定所述待评分牲畜的体况评分。
[0256]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0257]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0258]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。