.png){kind=icon}
返回
A Self-Structure-Enhanced Algorithm for Pig Point Cloud Completion
.png){kind=icon}
OA
AI
DOI：10.3390/ani16142237.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
猪的三维表型数据为评估生长、营养状况和健康状况提供了重要信息，并是精准饲喂、性能评估、遗传选择和智能畜牧管理的基础。然而，在真实的猪舍环境中采集的点云因遮挡、有限的相机视角、表面反射、传感器噪声等因素而频繁不完整。为解决猪点云中的局部缺失结构和几何不连续性问题，本文提出了一种自结构增强的补全方法。该方法遵循全局到局部的两阶段框架。在全局阶段，自视图融合网络（SVFNet）整合不完整点云及其三个正交自投影深度图，生成粗略的完整形状。在局部阶段，自结构双生成器（SDG）通过结构分析和相似性对齐，逐步优化和上采样粗略结果。为解决区分单视图遮挡与真实缺失的物理局限性，本文提出了可见性-不完整性掩码（VIM）作为主要贡献，明确建模了几何缺失和多视图可见性。此外，还引入了先验自适应混合生成（PAHG）策略作为次要增强，以结合可学习的全局形状先验与输入自适应的几何查询。构建了一个包含1042对完整-不完整猪点云的数据集，具有六种典型缺失模式，用于模型训练和评估。所提方法在测试集上达到F-Score@1%为0.653，CD-L1为9.766，CD-L2为0.353，与其他最先进的补全方法相比，在各项几何指标上取得了具有竞争力的综合性能，并在不同指标间进行了权衡。
Keyword:
precision livestock farming
point cloud completion
point cloud reconstruction
point cloud missingness
期刊
IF:
2.7
论文数:
6.5K
被引数:
5.1W
机构
引用论文
Semantically Guided 3D Reconstruction and Body Weight Estimation Method for Dairy Cows基于语义引导的奶牛三维重建及体重估算方法.png)
Agriculture
OAAI
AgricultureIF3.6
OAAI分享收藏On-barn pig weight estimation based on body measurements by a Kinect vl depth camera基于Kinect vl深度相机人体测量的猪舍内猪体重估计
PREAI
分享收藏Computer vision-based livestock weight measurement: principles, methods, and challenges基于计算机视觉的牲畜体重测量：原理、方法与挑战
PREAI
分享收藏Peng, W.; Liu, Z.; Cai, J.; Zhao, Y. Research and application progress of electronic ear tags as infrastructure for precision livestock industry: A review. Intell. Robot. 2025, 5, 433–449. [Google Scholar] [CrossRef]彭, W.; 刘, Z.; 蔡, J.; 赵Y. 电子耳标作为精准畜牧业基础设施的研究与应用进展: 一篇综述. Intell. Robot. 2025, 5, 433–449. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Computer vision-based body measurement of cattle and pigs: A systematic review基于计算机视觉的牛和猪体测：一项系统综述
PREAI
分享收藏
查看更多内容