任興超

摘?要：為提高豬胴體自動(dòng)化定級(jí)的準(zhǔn)確性，利用雙攝像機(jī)構(gòu)建了三維重建系統(tǒng)對(duì)豬胴體定級(jí)所涉及的胴體特征進(jìn)行提取，該系統(tǒng)通過(guò)胴體圖像處理、攝像機(jī)標(biāo)定、基于極線約束的立體匹配、三維坐標(biāo)計(jì)算等步驟對(duì)豬胴體特征部位進(jìn)行了三維重建。三維重建得到的胴體1/2處橫長(zhǎng)的特征值相對(duì)于其真實(shí)值的誤差小于5%，而利用單一圖像獲取的該特征值的誤差為10%；胴體6～7肋處膘厚的三維重建的結(jié)果相對(duì)于其真實(shí)值的誤差小于8%，而利用單一圖像獲取的該特征值的誤差為20%；表明豬胴體體型特征值的三維重建結(jié)果比從單幅圖像中提取更貼近實(shí)際值。

關(guān)鍵詞：三維重建；立體匹配；圖像處理；豬胴體體型特征；攝像機(jī)標(biāo)定

中圖分類(lèi)號(hào)：S126；TP182 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-8123(2013)10-0001-05

近年來(lái)，很多國(guó)內(nèi)外學(xué)者利用圖像處理和計(jì)算機(jī)視覺(jué)技術(shù)開(kāi)展了對(duì)豬胴體等級(jí)的評(píng)定工作，也有針對(duì)企業(yè)生產(chǎn)線上的等級(jí)評(píng)定系統(tǒng)[1-5]；此類(lèi)系統(tǒng)多以數(shù)碼相機(jī)或工業(yè)相機(jī)及圖像采集卡拍攝胴體圖像，經(jīng)圖像處理后提取與等級(jí)有關(guān)的體形特征數(shù)據(jù)，如胴體6～7肋處、1/2處、臀中肌處等部位的橫長(zhǎng)及對(duì)應(yīng)的膘厚度等?，F(xiàn)有的等級(jí)評(píng)定系統(tǒng)中這些體型數(shù)據(jù)的提取多以單幅二維圖像為基礎(chǔ)，即首先從圖像中提取各部位的像素個(gè)數(shù)，通過(guò)所預(yù)先建立的預(yù)測(cè)模型公式[1-2]估算其真實(shí)值；例如在獲取胴體6～7肋處實(shí)際膘厚度時(shí)，采用模型公式y(tǒng)=0.241x＋0.542[2]進(jìn)行換算，其中，x為在圖像中提取的6～7肋處膘厚的圖像像素個(gè)數(shù)，y為膘厚度的實(shí)際值，該模型公式通過(guò)大量的圖像數(shù)據(jù)和胴體實(shí)際數(shù)據(jù)間的關(guān)系統(tǒng)計(jì)獲得；如此若要得到較為準(zhǔn)確的結(jié)果，所提取的像素個(gè)數(shù)應(yīng)能真實(shí)反映該部位的實(shí)際數(shù)值，所以處理的圖像應(yīng)盡可能是標(biāo)準(zhǔn)的胴體正面圖像，這對(duì)圖像的拍攝過(guò)程提出了很高的要求。在實(shí)際的拍攝過(guò)程中，由于受到胴體姿勢(shì)、拍攝角度等問(wèn)題的影響，所拍攝的胴體圖像往往會(huì)發(fā)生不同程度的偏轉(zhuǎn)，這樣獲取的數(shù)據(jù)準(zhǔn)確性受到限制，如胴體的偏轉(zhuǎn)可能致使胴體某特征部位在圖像中所占的像素個(gè)數(shù)減少，因而再使用上述模型公式進(jìn)行換算時(shí)，得到的結(jié)果必然比該特征部位的實(shí)際數(shù)值要小。因此引入三維重建技術(shù)來(lái)修正單1二維圖像中信息的局限性是十分必要的。

由多幅圖像獲取物體的三維幾何信息是當(dāng)前計(jì)算機(jī)視覺(jué)領(lǐng)域中的重要研究方向，基于圖像的三維重建技術(shù)作為圖像處理的1個(gè)重要研究分支，已被廣泛應(yīng)用于檢測(cè)和觀察中[6-10]。本實(shí)驗(yàn)使用2臺(tái)攝像機(jī)構(gòu)建了1個(gè)三維重建系統(tǒng)同時(shí)對(duì)豬胴體的左半片正面進(jìn)行拍攝，通過(guò)對(duì)攝像機(jī)進(jìn)行標(biāo)定、胴體圖像預(yù)處理，特征點(diǎn)立體匹配等過(guò)程，計(jì)算胴體各特征部位點(diǎn)的三維坐標(biāo)值，進(jìn)而得到各特征部位的三維重建值，最終獲取更為準(zhǔn)確的胴體分級(jí)指標(biāo)。

1 材料與方法

1.1 材料與儀器

三元雜交豬胴體 北京資源食品集團(tuán)生產(chǎn)線上包含各個(gè)等級(jí)的70片左半胴體。

MV-VS140FC工業(yè)數(shù)字CCD攝像機(jī) 陜西維視數(shù)字圖像技術(shù)有限；1394接口M0814- MP鏡頭(攝像機(jī)最高分辨率1392×1040) CBC ComputarTM公司。

1.2 方法

1.2.1 圖像獲取

本實(shí)驗(yàn)所架設(shè)的2臺(tái)攝像機(jī)約有相同的水平高度，2攝像機(jī)光軸約成30°角且面向豬胴體拍攝，進(jìn)而使拍攝的2幅圖像間有一定的視差，2臺(tái)攝像機(jī)光心距離30cm，固定焦距8mm，物距約210cm，2臺(tái)攝像機(jī)同時(shí)對(duì)胴體切割正面進(jìn)行拍攝，為減少拍攝背景所引入的噪聲影響，實(shí)驗(yàn)中使用1黑色背景板置于胴體后側(cè)以屏蔽拍攝背景中其他非胴體信息；另外，手工測(cè)量出胴體各特征部位的實(shí)際值用于后期計(jì)算結(jié)果的比較。試驗(yàn)所選取的豬胴體涵蓋較優(yōu)等次及較劣等次的各個(gè)人工等級(jí)，選取的也盡量是包含不同體型與質(zhì)量的樣本，如此使得選取的胴體不失一般性。

1.2.2 相機(jī)標(biāo)定

攝像機(jī)標(biāo)定的目的，就是要建立三維空間坐標(biāo)與二維圖像坐標(biāo)之間的對(duì)應(yīng)關(guān)系[11]。在單目視覺(jué)中，這種對(duì)應(yīng)關(guān)系是一對(duì)多的對(duì)應(yīng)，即二維圖像上1個(gè)像素點(diǎn)對(duì)應(yīng)著真實(shí)三維空間中的1條直線上的多個(gè)點(diǎn)；而在雙目視覺(jué)中，可以通過(guò)2幅二維圖像上的對(duì)應(yīng)像素點(diǎn)計(jì)算得到三維世界坐標(biāo)與二維圖像坐標(biāo)的一一對(duì)應(yīng)關(guān)系，由此便可以得到物體的三維坐標(biāo)值[12]。為確定2攝像機(jī)在空間中的位置，試驗(yàn)采用張正友提出的平面模板2步法[13]對(duì)2像機(jī)進(jìn)行標(biāo)定，該方法因具有較好的精度以及實(shí)現(xiàn)過(guò)程簡(jiǎn)單，被廣泛應(yīng)用于實(shí)踐中。平面模板2步法是1種介于傳統(tǒng)標(biāo)定和自標(biāo)定[14-19]之間的方法，它不需要知道攝像機(jī)的運(yùn)動(dòng)信息，比傳統(tǒng)的標(biāo)定方法靈活，同時(shí)該方法仍需要1個(gè)特定的標(biāo)定物以及標(biāo)定物上1系列的空間坐標(biāo)，因而沒(méi)有自標(biāo)定方法靈活。本試驗(yàn)中所使用的標(biāo)定物為自制的1個(gè)7×5方格的黑白棋盤(pán)模板，模板中每個(gè)小正方形方格的邊長(zhǎng)為30mm；保持2臺(tái)攝像機(jī)拍攝胴體圖像時(shí)的原有位置不變，拍攝不同方位的6組標(biāo)定圖像。對(duì)每個(gè)攝像機(jī)拍攝的棋盤(pán)圖像分別進(jìn)行標(biāo)定從而計(jì)算出2攝像機(jī)的內(nèi)外參數(shù)。

1.2.3 圖像預(yù)處理

為準(zhǔn)確確定胴體各特征部位的位置，需對(duì)所拍攝的圖像進(jìn)行預(yù)處理。為加強(qiáng)胴體特征部位識(shí)別能力，本實(shí)驗(yàn)首先對(duì)原始拍攝的圖像進(jìn)行圖像增強(qiáng)處理。直接對(duì)圖像像素進(jìn)行處理是圖像增強(qiáng)中最簡(jiǎn)便和直觀的方法，這些方法包括對(duì)數(shù)變換和冪次變換2種形式[20]，其中對(duì)數(shù)變換方法在很大程度上壓縮了圖像像素值的動(dòng)態(tài)范圍，經(jīng)其處理后圖像中的很多細(xì)節(jié)會(huì)丟失，因而為使圖像增強(qiáng)操作更具適應(yīng)性，本實(shí)驗(yàn)采用冪次變換函數(shù)y = cxγ對(duì)圖像進(jìn)行增強(qiáng)處理，其中，x, y分別為變換前后圖像像素點(diǎn)的灰度值，變換系數(shù)γ把輸入窄帶暗值映射到寬帶輸出值。變換系數(shù)γ的選取依據(jù)拍攝現(xiàn)場(chǎng)的光照條件進(jìn)行調(diào)整，本試驗(yàn)中設(shè)置γ的值為0.55。

用于懸掛豬胴體的鉤子或其他類(lèi)似部件在攝像機(jī)拍攝過(guò)程中也進(jìn)入到胴體圖像中，該些部件的出現(xiàn)會(huì)對(duì)胴體特征的定位和數(shù)值提取產(chǎn)生影響，因而應(yīng)先去除掉這些多余的信息。根據(jù)拍攝位置及光照環(huán)境的固定性，試驗(yàn)中采用固定閾值法將懸掛鉤子及拍攝背景中的少許噪音去除，去除的圖像部分填充以背景色以使得圖像中僅包含胴體部分。

當(dāng)獲得僅包含豬胴體的圖像后，則開(kāi)始提取與胴體定級(jí)有關(guān)的特征數(shù)據(jù)如胴體6～7肋處、1/2處、臀中肌處的橫長(zhǎng)及對(duì)應(yīng)的膘厚度，該些部位多為胴體中脂肪與肌肉的交界位置，為了便于該些部位的定位，將胴體圖像進(jìn)行分割處理，以將整個(gè)胴體分割成脂肪和肌肉兩部分，其他則為圖像背景。其中，脂肪部分圖像趨向于白色，肌肉部分圖像趨向于暗紅色，通過(guò)設(shè)定灰度閾值可將2部分分開(kāi)，最終得到只含有脂肪、肌肉和背景的圖像。完成以上圖像處理后，即可在圖像中對(duì)各特征進(jìn)行定位，如計(jì)算胴體長(zhǎng)度的起點(diǎn)為圖像中胴體部分的最高點(diǎn)，終點(diǎn)為圖像中白色背膘部分的最低點(diǎn)。

1.2.4 立體匹配

同1空間點(diǎn)在2幅圖像中形成不同的成像點(diǎn)，立體匹配則是在成像點(diǎn)之間建立起對(duì)應(yīng)關(guān)系[21]。對(duì)于本實(shí)驗(yàn)中以雙攝像機(jī)為基礎(chǔ)的三維重建系統(tǒng)，立體匹配的任務(wù)就是對(duì)于在所拍攝的其中1幅圖像中確定的胴體特征部位的特征點(diǎn)，在另1幅圖像中尋找其對(duì)應(yīng)的像點(diǎn)并建立起兩者的對(duì)應(yīng)關(guān)系[14-15]。然而所拍攝物體因視角、鏡頭畸變、光照等因素影響會(huì)出現(xiàn)不同的成像結(jié)果，所有影響因素均體現(xiàn)為圖像中的單一灰度值信息，這種復(fù)雜的環(huán)境變化使得到1個(gè)可靠的匹配結(jié)果變得非常困難。在豬胴體圖像中，所要提取的特征點(diǎn)多為脂肪、肌肉或背景的交界點(diǎn)，圖像特征明顯，故本試驗(yàn)采用1種基于極線約束幾何模型的窗口灰度特征匹配方法。

如圖1所示，空間點(diǎn)P在兩幅圖像中的成像點(diǎn)分別為p1和p2，C1和C2分別是2臺(tái)攝像機(jī)的中心，即攝像機(jī)坐標(biāo)系的原點(diǎn)，C1和C2的連線稱(chēng)為基線，基線和2臺(tái)攝像機(jī)成像面的交點(diǎn)e1、e2分別是2臺(tái)攝像機(jī)的極點(diǎn)，它們也都分別是2臺(tái)攝像機(jī)中心C1和C2在對(duì)應(yīng)攝像機(jī)成像平面上的投影坐標(biāo)點(diǎn)。點(diǎn)P、C1和C2組成的平面π稱(chēng)為極平面，它和2臺(tái)攝像機(jī)成像平面的交線l1和l2稱(chēng)為極線；一般地，l1為點(diǎn)P2對(duì)應(yīng)的極線，l2為點(diǎn)P1對(duì)應(yīng)的極線，l1和l2互為對(duì)應(yīng)極線，根據(jù)極線幾何成像原理[12]，點(diǎn)p2的匹配點(diǎn)在它所對(duì)應(yīng)的極線l1上。根據(jù)此成像原理，可以將特征點(diǎn)匹配的搜索范圍從整個(gè)圖像的二維平面縮小到一維直線上，極大地降低了待驗(yàn)證點(diǎn)的數(shù)量，從而減少了匹配時(shí)間，同時(shí)也減小了誤匹配的幾率。

在極線上進(jìn)行點(diǎn)的匹配計(jì)算時(shí)，單個(gè)點(diǎn)的圖像參考信息有限，可以參考的依據(jù)只有匹配點(diǎn)和待匹配點(diǎn)的灰度值和坐標(biāo)位置，直接進(jìn)行2個(gè)點(diǎn)的匹配計(jì)算極易出現(xiàn)錯(cuò)誤匹配；因此文中綜合考慮分別以匹配點(diǎn)和待匹配點(diǎn)為中心的n×n窗口的匹配(n為像素個(gè)數(shù))，如此可以增加匹配信息的數(shù)量，降低匹配誤差。例如對(duì)點(diǎn)p1、p2進(jìn)行匹配度的計(jì)算，對(duì)于點(diǎn)p1及其所在匹配窗口中的其他點(diǎn)(以3×3大小的匹配窗口為例)，將它們的灰度值轉(zhuǎn)化為向量v1表示(圖2)，p2也做同樣的轉(zhuǎn)換。

如此，對(duì)2個(gè)窗口間的相似性計(jì)算被轉(zhuǎn)換成2個(gè)向量間的相似性計(jì)算，相似性的判定以2個(gè)向量間的夾角大小為標(biāo)準(zhǔn)：夾角越小則2個(gè)向量越相似，即兩個(gè)窗口間的差異越小，2個(gè)匹配點(diǎn)的匹配程度越高。以上是針對(duì)3×3的匹配窗口進(jìn)行說(shuō)明，但同樣也可采用其他大小的窗口；當(dāng)窗口較小時(shí)，由于考慮的像素點(diǎn)比較少，可用的對(duì)比信息量相對(duì)也少，誤匹配的幾率會(huì)比較大，但使用較小的匹配窗口也使得平滑的區(qū)域較小，這能夠讓很多細(xì)節(jié)得以保留；如果窗口較大，誤匹配的情況就會(huì)明顯減少，但這會(huì)對(duì)圖像產(chǎn)生類(lèi)似平滑的效果，使胴體部位更多特征細(xì)節(jié)在匹配過(guò)程中丟失，同時(shí)隨著窗口的不斷增大，運(yùn)算量也相應(yīng)劇增，完成匹配的時(shí)間也越多，因而過(guò)大的匹配窗口的使用也會(huì)影響到整個(gè)三維重建系統(tǒng)的實(shí)時(shí)性；綜合各方面因素，本試驗(yàn)中采用7×7大小的匹配窗口。

2 結(jié)果與分析

2.1 相機(jī)標(biāo)定

圖3是標(biāo)定過(guò)程中所使用的自制標(biāo)定板，所拍攝的標(biāo)定板圖像分辨率為1040×440像素。標(biāo)定過(guò)程中采用OpenCV提供的檢測(cè)算法進(jìn)行標(biāo)定板上角點(diǎn)的檢測(cè)并計(jì)算角點(diǎn)的亞像素坐標(biāo)，圖3中的小圓圈示出了標(biāo)定板圖像上角點(diǎn)檢測(cè)的結(jié)果。由于標(biāo)定板尺寸已知，可以直接給出各角點(diǎn)的三維空間坐標(biāo)，繼而求出兩個(gè)攝像機(jī)的內(nèi)外參數(shù)，完成標(biāo)定。

為檢測(cè)攝像機(jī)標(biāo)定的準(zhǔn)確定，本實(shí)驗(yàn)利用獲取的攝像機(jī)內(nèi)外參數(shù)對(duì)標(biāo)定板上的角點(diǎn)進(jìn)行重投影，將得到的新投影點(diǎn)與原始投影點(diǎn)坐標(biāo)進(jìn)行對(duì)比，統(tǒng)計(jì)得出，本實(shí)驗(yàn)的總體平均標(biāo)定誤差約為1.26個(gè)像素，具有較好的精度。

2.2 圖像預(yù)處理

在實(shí)際生產(chǎn)線上拍攝的胴體圖像經(jīng)過(guò)增強(qiáng)、去除背景及圖像分割操作后，得到了僅含有脂肪、肌肉及黑色背景的圖像，如圖4，脂肪以白色區(qū)域表示，肌肉以灰色區(qū)域表示，黑色則為背景。

如圖4所示，在分割后圖像的基礎(chǔ)上對(duì)胴體進(jìn)行特征提取，所要提取的部位包括胴體長(zhǎng)、臀中肌橫長(zhǎng)及膘厚、1/2處橫長(zhǎng)及膘厚、6～7肋處橫長(zhǎng)及膘厚等。

2.3 立體匹配

首先在1幅圖像中定位出各特征部位的點(diǎn)，如圖5所示，在左側(cè)圖像中找到胴體1/2處的左端點(diǎn)，運(yùn)用極線約束方法在右側(cè)圖像中找出其對(duì)應(yīng)的極線，右側(cè)圖像中示出的直線即所求得的極線，在右側(cè)圖像中，匹配過(guò)程是從所述極線的左端到右端按照給定的匹配窗口大小逐個(gè)點(diǎn)進(jìn)行比較，圖像中的虛線方框代表匹配窗口的大小，遍歷結(jié)束時(shí)記錄下具有最優(yōu)匹配結(jié)果的圖像點(diǎn)，該點(diǎn)即為最終匹配點(diǎn)。

2.4 三維重建

三維重建即確定圖像點(diǎn)的三維空間坐標(biāo)。經(jīng)過(guò)立體匹配確定對(duì)應(yīng)點(diǎn)后，就可以通過(guò)解方程求出各特征點(diǎn)的三維坐標(biāo)。對(duì)于空間一點(diǎn)P(XW, YW, ZW)，有如下方程組：

式中：(u1, v1)、(u2, v2)為1對(duì)匹配點(diǎn)在2幅圖像中的二維坐標(biāo)，可在所拍攝的圖像中直接讀??；mpq、wpq(p=1、2、3，q=1、2、3)為根據(jù)張氏標(biāo)定法計(jì)算出的2臺(tái)攝像機(jī)所對(duì)應(yīng)的透視投影矩陣中的元素，其在攝像機(jī)標(biāo)定階段得到。理論上，這4個(gè)方程中的某2個(gè)方程一定是線性相關(guān)的，但由于計(jì)算中的誤差，以及圖像的噪聲等因素使得這種線性相關(guān)的情況幾乎不可能發(fā)生，所以此方程組可用最小二乘法求出3個(gè)變量的解。在求得胴體各個(gè)特征點(diǎn)的三維坐標(biāo)后，可利用相應(yīng)2點(diǎn)之間的距離獲取胴體各特征部位的實(shí)際數(shù)值。

本實(shí)驗(yàn)分別利用三維重建方法和單幅圖像分別提取60組胴體各特征部位的數(shù)據(jù)，將2者同胴體特征測(cè)量的真實(shí)值作對(duì)比，以對(duì)2種方法進(jìn)行評(píng)價(jià)。試驗(yàn)中所提取的胴體特征較多，本實(shí)驗(yàn)以胴體1/2處橫長(zhǎng)及6～7肋處膘厚為例作分析。

2.4.1 胴體1/2處橫長(zhǎng)數(shù)據(jù)統(tǒng)計(jì)

部分胴體1/2處橫長(zhǎng)的數(shù)據(jù)統(tǒng)計(jì)如表1所示。

由表1得出，若僅依靠單幅二維圖像進(jìn)行橫長(zhǎng)的提取，提取結(jié)果的相對(duì)誤差在10%以?xún)?nèi)，且與真實(shí)值相比波動(dòng)性較大。由于在圖像的拍攝過(guò)程中，當(dāng)胴體相對(duì)于攝像機(jī)成像面的水平偏轉(zhuǎn)較小時(shí)，圖像中的像素個(gè)數(shù)比較真實(shí)的反映了橫長(zhǎng)的數(shù)值，此時(shí)得到的結(jié)果貼近實(shí)際；當(dāng)不能拍攝到標(biāo)準(zhǔn)正面圖像時(shí)，則數(shù)據(jù)在提取過(guò)程中會(huì)因不同的偏轉(zhuǎn)角度產(chǎn)生不同程度的誤差，偏轉(zhuǎn)的程度越大，則誤差就越大。三維重建的結(jié)果相對(duì)誤差在5%以?xún)?nèi)，它依靠?jī)煞鶊D像在空間中的相對(duì)位置進(jìn)行計(jì)算，克服了圖像偏轉(zhuǎn)的影響，其結(jié)果總體上優(yōu)于前者。

2.4.2 6～7肋處膘厚數(shù)據(jù)統(tǒng)計(jì)

如表2所示，從單幅圖像中提取的數(shù)據(jù)相對(duì)誤差最高可達(dá)20%，其原因在于，1方面胴體正面相對(duì)于攝像機(jī)成像平面的大幅度偏轉(zhuǎn)導(dǎo)致該膘厚在圖像中拍攝的像素?cái)?shù)明顯減少，較少的像素個(gè)數(shù)根據(jù)模型公式的換算反映為較小的膘厚計(jì)算值，從而與實(shí)際膘厚值相差甚遠(yuǎn)；另1方面，真實(shí)的膘厚數(shù)據(jù)本身較小，多為25～40mm，所以即使較小的誤差在計(jì)算結(jié)果中也表現(xiàn)得更加明顯。三維重建的結(jié)果相對(duì)誤差在8%以?xún)?nèi)，總體比較穩(wěn)定。

3 結(jié)?論

通過(guò)對(duì)胴體1/2處橫長(zhǎng)、6～7肋處膘厚及其他各個(gè)胴體特征部位數(shù)據(jù)的分析發(fā)現(xiàn)，利用三維重建技術(shù)恢復(fù)出的胴體特征值比僅依靠單幅二維圖像提取的數(shù)據(jù)更具有準(zhǔn)確性，且三維重建的結(jié)果誤差相對(duì)穩(wěn)定，從而修正了僅利用單幅圖像提取的胴體特征數(shù)值。

本實(shí)驗(yàn)將獨(dú)立的胴體圖像結(jié)合起來(lái)對(duì)胴體各特征部位進(jìn)行三維重建，提取出了更貼近實(shí)際的三維體型數(shù)據(jù)，有助于擴(kuò)展胴體定級(jí)系統(tǒng)的視覺(jué)功能，增強(qiáng)其外形特征提取能力，從而為胴體分級(jí)階段提供更準(zhǔn)確的決策依據(jù)。三維重建技術(shù)的應(yīng)用降低了豬胴體自動(dòng)化定級(jí)系統(tǒng)在胴體圖像拍攝時(shí)的難度，允許胴體切割面相對(duì)于攝像機(jī)成像面存在一定角度的偏轉(zhuǎn)，節(jié)省了用于擺放胴體姿勢(shì)的人力物力，同時(shí)也保證了胴體體型特征值提取的準(zhǔn)確性。

參考文獻(xiàn)：

[1] GAO Li, ZHENG Limin, REN Fazheng, et al. Study on estimating lean percentage and grading of pig carcass in slaughter line[C]//The 3rd IFIP international conference on computer and computer technologies in agriculture. New York: Springer, 2009: 14-17.

[2] 唐毅, 鄭麗敏, 任發(fā)政, 等. 基于幾何特征的圖像感興趣區(qū)域的自動(dòng)定位研究[J]. 計(jì)算機(jī)工程, 2007, 33(1): 200-203.

[3] 于鉑, 任發(fā)政，鄭麗敏, 等. 利用圖像處理技術(shù)估算豬肉等級(jí)評(píng)價(jià)指標(biāo)的應(yīng)用研究[J]. 肉類(lèi)研究, 2004, 18(3): 41-44.

[4] 張楠, 周光宏, 徐幸蓮. 豬胴體分級(jí)技術(shù)研究進(jìn)展[J]. 食品科學(xué), 2005, 26(9): 558-561.

[5] YU Bo, ZHENG Limin, REN Fazheng, et al. Evaluating pork grade by digital image processing[J]. Transactions of the CSAE, 2007, 23(4): 242-248.

[6] 閆震, 錢(qián)東平, 王東平, 等. 奶牛體型評(píng)定三維圖像同步采集系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2009, 40(2): 176-179.

[7] PARK J S. Interactive 3D reconstruction from multiple images: a primitive-based approach[J]. Pattern Recognition Letters, 2005, 26(16): 2558-2571.

[8] 徐奕, 周軍, 周源華. 立體視覺(jué)匹配技術(shù)[J]. 計(jì)算機(jī)工程與應(yīng)用, 2003, 39(15): 1-5.

[9] WU J, TILLETT R, MCFARLAN N, et al. Extracting the three-dimensional shape of live pigs using stereo photogrammetry[J]. Computers and Electronics in Agriculture, 2004(44): 203-222.

[10] PARK J S. Interactive 3D reconstruction from multiple images: a primitive-based approach[J]. Pattern Recognition Letters, 2005, 26(16): 2558-2571.

[11] TSAI R. An efficient and accurate camera calibration technique for 3D machine vision[C]//Proceedings of computer vision and pattern recognition, 1986: 364-374.

[12] 陳勝勇, 劉盛, 姚春燕, 等. 基于OpenCV的計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)[M]. 北京: 科學(xué)出版社, 2008: 364-365.

[13] ZHANG Zhengyou. A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(11): 1330-1334.

[14] 余洪山, 王耀南. 主動(dòng)立體雙目視覺(jué)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 工業(yè)儀表與自動(dòng)化裝置, 2004(1): 61-63.

[15] FAIG W. Calibration of close-range photogrammetry system[J]. Mathematical Formulation, 1975(12): 1486-1497.

[16] MAYBANK S J, FAUGERAS O D. A theory of self-calibration of a moving camera[J]. International Journal of Computer Vision, 1992, 8(2): 123-151.

[17] POLLEFEYS M, GOOL L V. Self-calibration from the absolute conic on the plane at infinity[J]. Proceedings of Computer Analysis of Images and Patterns, 1997, 1296: 175-182.

[18] 邱茂林, 馬頌德, 李毅. 計(jì)算機(jī)視覺(jué)中攝像機(jī)定標(biāo)綜述[J]. 自動(dòng)化學(xué)報(bào), 2000, 26(1): 43-49.

[19] 毛劍飛, 鄒細(xì)勇, 諸靜. 改進(jìn)的平面兩步法標(biāo)定攝像機(jī)[J]. 中國(guó)圖形圖像學(xué)報(bào), 2004, 9(7): 847-851.

[20] GONZALEZ R C, WOODS R E. Digital image processing[M]. 北京: 電子工業(yè)出版社, 2003: 286-187.

[21] 康晶. 基于立體視覺(jué)攝像機(jī)標(biāo)定方法的三維重建技術(shù)研究[D]. 長(zhǎng)沙: 湖南大學(xué), 2006.