技术领域
[0001] 本发明涉及体重测量技术领域，尤其涉及一种猪姿态自适应的单视角三维点云体重估算方法及装置。
相关背景技术
[0002] 猪养殖是畜牧业的重要组成部分。猪养殖的规模和品质直接关系到畜牧业的整体发展水平。其中，猪体重测量是猪养殖业中的重要环节。通过定期测量猪的体重，可以及时了解猪的生长情况，评估猪的健康指标，可以为饲养管理和疾病预防提供直接的数据依据，如果发现猪的体重增长出现异常，可能是患有疾病，通过及时的检查和治疗，可以避免疾病的扩散与降低养殖损失。总之，猪体重测量在猪养殖中具有重要的作用。
[0003] 但是，传统的人工测量猪体重主要是通过将猪赶上体重秤进行测量，这样不仅耗时耗力，还会对猪产生较为严重的应激影响，同时称重设备一般为电子秤，猪在秤上时会产生无法预测的晃动以及排泄等状况，严重影响测量准确度，产生极大的误差，还会带来一些其他影响如需要多次测量。
具体实施方式
[0045] 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作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。
[0046] 基于体尺估计体重的前提是数据准确和各部位体尺数据信息完备。当前猪舍培育猪的养殖方式是栏内群养，猪与猪之间距离较近，获取的整体数据存在遮挡，这就使得体尺的计算遇到瓶颈，因此基于体尺估重的方法不符合实际生猪养殖生产的需要。
[0047] 另外，在估计体重的最大问题之一是动物姿势的变化，缓解这个问题的一个方法就是提供信息从获得的数据中删除动物头部的数据等，然而，删除所获得数据的信息可能会导致有价值信息的丢失，而姿势的改变不仅会影响头部区域，还会影响身体的其他部位，并且所建立的模型可能在不同品种或不同生长阶段的猪之间泛化能力有限。
[0048] 为了解决上述问题，如图1所示，本发明实施例的猪姿态自适应的单视角三维点云体重估算方法，包括：
[0049] S100，获取生猪的背部点云。
[0050] 其中，可以通过深度相机拍摄的图像获取生猪的背部点云。
[0051] S200，基于背部点云，确定生猪的体积，以及得到背部脊线，基于背部脊线，提取多个曲线控制点，并根据多个曲线控制点确定多个姿态角。
[0052] S300，根据多个姿态角对体积进行校正，以得到生猪的体重。
[0053] 在本发明实施例中，通过使用一台深度相机，可以连续且快速的采集四种不同数据，并完成体重估算，相较于多个相机多视角的数据采集与体重计算方案，需要更少的空间占用，较为节约成本且高效；另外，基于猪体背部点云的体积估重优化算法，通过采集的猪体背部点云可以直接实现猪体重估算，相较于多视角的需要大量数据的计算模型而言，计算时间得到大幅度缩短，且数据量需求较少，采集和计算高同步性进行，例如计算时间2s内，计算误差5％以内。
[0054] 在可选的实施例中，根据多个姿态角对体积进行校正，以得到生猪的体重，包括：
[0055] 根据校正后的体积以及体积与体重之间的对应关系得到生猪的体重。
[0056] 其中，使用线性回归模型来估计BW，以体积V作为自变量：
[0057] BW＝slope×V+intercept；
[0058] 另外，由上式可知：
[0059]
[0060] 其中斜率(slope)和截距(intercept)是在之前的BW和“体积”之间的线性回归模型中计算的。
[0061] 使用“理想体积”(Videal)和“体积”(V)，使用以下公式计算指数Vfactor：
[0062]
[0063] 在可选的实施例中，根据多个姿态角对体积进行校正，包括：
[0064] 分别确定每个姿态角与体积之间的相关性系数；
[0065] 根据相关性系数的大小确定目标姿态角，其中，目标姿态角为多个姿态角中的至少一者；
[0066] 根据目标姿态角确定体积影响指数，并根据体积影响指数对体积进行校正，以得到校正后的体积。
[0067] 示例性地，基于提取7个姿态角作为姿态定量评价指标。计算代表猪姿势的角度与体积的相关性，其中姿态角v1和v0垂直方向和体积的相关性为0.55，这意味着头部的垂直运动影响了体积，从而影响了BW(体重)估计的误差。
[0068] 颈部的垂直角度会影响体重估计。因此，EVfactor(体积影响指数)由姿态角θv0+v1获得：
[0069] EVfactor＝0.0018×θv0+v1+0.077；
[0070]
[0071] 猪的姿势变化会影响体积，导致体重估计误差增加，同时也发现了使用体积估计体重的最佳姿势，因此，提出了基于姿态角调整体积。
[0072] 在可选的实施例中，基于背部点云得到背部脊线，包括：
[0073] 把背部点云划分成多个区域，确定每个区域的质心，并在背部点云中确定与每个质心相对应的多个点云；
[0074] 根据多个点云以及贝塞尔曲线拟合得到背部脊线。
[0075] 示例性地，将背部划分24个区域，取每个区域的中心。使用贝塞尔曲线拟合背部生猪点云背部脊线。贝塞尔曲线拟合到点P(P0,…,P23)。贝塞尔曲线由一组控制点CP0到CPn定义，其中n是曲线的阶数。
[0076] 使用四次贝塞尔曲线进行拟合：
[0077] B(t)＝(1‑t)4CP0+4t(1‑t)3CP1+6t2(1‑t)2CP2+
[0078] 4t3(1‑t)CP3+t4CP4,(0≤t≤1)。
[0079] 后续，使用最小二乘法提取多个曲线控制点，例如，使用最小二乘法提取5个曲线控制点。
[0080] 最后，根据5个曲线控制点确定7个姿态角。
[0081] 在可选的实施例中，基于背部点云，确定生猪的体积，包括：
[0082] 采用网格积分法对背部点云进行网格划分；
[0083] 基于每个网格点云在地面上的投影体积确定生猪的体积。
[0084] 需要说明的是，生猪背部点云投影到地面的体积近似于所有网格的投影体积之‑4和。将点云划分为面积为A(1.0×10 m)的网格，“体积”V计算为每个网格中点的平均高度Hi与A面积的乘积之和：
[0085]
[0086] 在可选的实施例中，获取生猪的背部点云之后，还包括：
[0087] 对背部点云进行预处理。
[0088] 其中，预处理包括背部点云分割、点云去噪平滑、点云下采样，处理后的点云比原点云表面光滑，点分布均匀。
[0089] 图2和图3是提取猪的点云存在两个问题。其中，第一个问题为得到的点云的表面不光滑，猪的表面应该是光滑的。这是因为在深度相机的数据采集过程中存在噪声。第二个问题为点的不均匀性，特别是点云边缘周围。这些点被称为飞行像素，可以在Kinect v2测量的点云中找到。为了解决这些问题，对猪点云进行了预处理。Python用于预处理，主要使用了Open3D库。其中采用了双边滤波平滑方法和栅格下采样方法。
[0090] 图4是估算生猪未调整前体积。将点云划分为面积为1cm2的网格，计算每个网格点云最高点到地面的投影空间体积，根据累元积分的思想，生猪背部点云投影到地面的体积近似于所有网格的投影体积之和。这个体积并不是猪身体的实际体积，因为它还包括了脖子和躯干下的空间。
[0091] 图5和图6是将猪的点云切片为24个区域，提取猪背部区域的中心位置。计算每个区域的质心，在点云中选择离质心最近的点。在采集数据时，猪的姿势会发生变化。随着姿势的改变，猪的颈部和背部会上下移动。因此，腹部和颈部以下的空间大小发生了变化。因此体积也会根据姿势的不同而增加或减少。如果对姿态的变化进行定量评估，预计利用这一信息可以提高体重估计的准确性。
[0092] 图7和图8是提取贝塞尔曲线控制点。其中第一个和最后一个控制点总是曲线的端点，利用最小二乘法对提取的中心点进行估计。该曲线可以平滑地逼近脊柱周围的位置。并为了比较不同大小猪的脊柱，将贝塞尔曲线的长度按比例缩放为1。
[0093] 图9和图10以特征点为基础，计算出7个角度作为姿态定量评价指标。对于水平角，向右转的情况是正的，对于对顶角，向下的角度是负的。分析7个角度与体积的相关程度，选择姿态角v1和v0最为建立姿态角与标准体积之间数学模型的变量。
[0094] 图11由近似方程计算可知，猪的头微微向下的姿势使从体积估计体重的误差最小化，在此基础上，提出了一种利用调整体积来提高估计精度的方法。研究发现，颈部的垂直角度会影响体重估计，|基于最优姿态角的数据选择颈部的角度会影响使用体积和角度θ来估计体重，使用选择的数据校准一个简单的回归模型。
[0095] 本发明实施例的猪姿态自适应的单视角三维点云体重估算装置，包括：控制主板、深度相机以及移动支架。
[0096] 移动支架包括支架本体以及设置于支架本体的移动组件，移动组件被配置为形成于支架本体上的多个转向轮。控制主板和深度相机均设置于支架本体，深度相机与控制主板电性连接，控制主板被配置为根据深度相机获取的生猪的背部点云数据确定生猪的体重。
[0097] 需要说明的是，猪姿态自适应的单视角三维点云体重估算装置，旨在通过单个深度相机实时获取生猪的背部点云数据，并通过控制主板进行处理和分析，以实现对生猪体重的准确估算。
[0098] 具体而言，支架本体作为整个装置的支撑结构，需要具备一定的稳定性和承重能力。移动组件设置于支架本体上，由多个转向轮组成。这些转向轮使得装置能够灵活移动，便于对猪舍内的生猪进行体重估算。深度相机被安装在支架本体上，与控制主板电性连接。它负责实时捕获生猪的背部三维点云数据。深度相机具有高分辨率和快速成像的特点，能够确保数据的准确性和实时性。控制主板是整个装置的核心部件，负责接收深度相机传输的生猪背部点云数据，并进行处理和分析，控制主板内置了先进的图像处理算法和体重估算模型，能够根据点云数据准确估算出生猪的体重。
[0099] 在本发明实施例中，深度相机可以位于生猪的顶部，进而获取生猪背部点云数据，也就是说，深度相机获取的深度图像不会存在视角遮挡的问题；另外，相较于固定式设备的位置固定，移动支架可以灵活移动，亦即，通过一台控制主板、一台深度相机以及移动支架可以实现可移动的、非接触的、高实时性的猪体数据采集与活体估重。
[0100] 可移动式猪姿态自适应的单视角三维点云体重估算装置，使用标准材料组装，具有价格低廉且方便安装拆卸等特点，同时可以解决猪体估重技术中固定视角模式的局限性问题，相较于吊挂式、龙门架式、滑轨式等固定方式，可移动的非接触式数据采集与体重估算设备更加灵活，使用与计算的鲁棒性较强。
[0101] 在可选的实施例中，还包括供电电源，供电电源设置于支架本体，控制主板和深度相机均与供电电源电性连接。
[0102] 需要说明的是，供电电源与控制主板和深度相机均建立了电性连接，以确保猪姿态自适应的单视角三维点云体重估算装置在移动和使用过程中能够获得稳定的电力供应。换言之，通过独立的供电电源，能够提升猪姿态自适应的单视角三维点云体重估算装置的工作范围和应用场景。
[0103] 在可选的实施例中，移动支架还包括握持部，握持部设置于支架本体。
[0104] 需要说明的是，在支架本体的适当位置增设了握持部，握持部需要确保操作人员能够舒适、稳定地握持，并方便地进行移动和定位。
[0105] 在可选的实施例中，控制主板包括控制模块和人机交互触碰屏，深度相机与控制模块电性连接，人机交互触碰屏与控制模块电性连接。
[0106] 需要说明的是，控制模块负责接收、处理和分析深度相机捕获的数据，并执行体重估算的算法。而人机交互触碰屏则提供了用户与装置进行交互的界面。
[0107] 具体而言，控制模块是控制主板的“大脑”，它与深度相机电性连接，接收来自深度相机的生猪背部点云数据。控制模块内置了图像处理算法和体重估算模型，能够对这些数据进行处理和分析，从而估算出生猪的体重。人机交互触碰屏是控制主板的一个重要组成部分，它与控制模块电性连接。触碰屏提供了直观的用户界面，操作人员可以通过触碰屏幕上的图标、按钮等，轻松地进行各种操作，如启动/停止体重估算、查看估算结果、调整设置参数等。
[0108] 示例性地，触碰屏的界面上设置了“数据采集按钮”，“体重估算按钮”，“显示切换按钮”，按下分别表示功能：“开始猪体背部的RGB图像，红外图像，深度图像与点云数据采集与存储”，“基于采集的背部点云进行活猪体重估算”，“RGB图像与深度图像视频流切换显示”。
[0109] 在本发明实施例中，通过增加人机交互触碰屏，不仅提高了交互性和操作便捷性，还使得操作人员能够更加直观地了解和控制体重估算的过程和结果，进一步提升了用户体验。
[0110] 人机交互触碰屏可以实现RGB图像与深度图像视频流与深度图像视频流显示，且提供了人机交互机制，可以较为方便的做非接触移动式数据采集，与传统的输入数据与输出结果模型对比，使用起来更为直观与方便。使用了点云内存交互设计，使得点云的加载与输入算法的时间可以在0.02s内完成，相较于点云库内的加载函数，时间从30s左右缩短至0.02s左右，极大地升了体重估算算法运行时间，使得数据采集与体重估算可以几乎在同一时间完成。
[0111] 在可选的实施例中，支架本体包括相连接的支撑部以及安装部，支撑部被配置为形成有适于容置生猪的容置空间，转向轮设置于支撑部背离安装部的一端，控制主板和深度相机均设置于安装部，深度相机朝向容置空间设置。
[0112] 需要说明的是，支撑部是支架本体的主体结构，其形状和尺寸被设计为能够形成一个适于容置生猪的容置空间。这个容置空间可以是一个开口的或半封闭的结构，确保生猪可以自由进入和离开，同时又能被装置稳定地捕获和测量。其中，转向轮被安装在支撑部背离安装部的一端，使得整个装置能够方便地移动和定位。转向轮的数量和布局可以根据需要进行调整，以确保装置在不同地形和环境中都能稳定、灵活地移动。
[0113] 此外，安装部与支撑部相连接，并用于安装控制主板和深度相机等关键组件。安装部可以采用平板或框架等结构形式，以便于安装和固定各种设备。控制主板和深度相机均被安装在安装部上，并通过电性连接实现数据传输和控制。深度相机被朝向容置空间设置，以确保能够准确地捕获生猪背部的点云数据。
[0114] 使用固定顶部低成本深度相机获取生猪背部的点云，在猪舍的顶部安装深度相机，因为顶部获取的深度图像不会存在视角遮挡的问题。计算出的猪背部与地面之间的投影体积与体重具有非常高的相关性，采用体积作为解释变量的简单回归模型作为估计体重的基本模型。要定量地评价一头猪的姿势，有七个姿势角度，分析代表头部位置高度的姿势角是相关的，根据姿态角与体积的关系调整估计误差，最后利用回归模型估计体重。
[0115] 在可选的实施例中，支撑部包括两组支撑单元，两组支撑杆单元相对设置，两组支撑杆单元之间形成有容置空间以及分别与容置空间连通的进口和出口。
[0116] 需要说明的是，支撑部作为支架本体的主体结构，包括两组相对设置的支撑杆单元。这两组支撑杆单元之间的容置空间用于容置待称重的生猪，在容置空间的两侧，分别设置有与容置空间连通的进口和出口，以便于生猪的进入和离开。
[0117] 其中，支撑杆单元是构成支撑部的基本结构，可以是由金属、塑料或其他坚固耐用的材料制成的杆件。每组支撑杆单元包括两根或多根杆件，多根杆件并排设置，形成一个稳定的支撑结构。支撑杆单元的高度和间距可以根据生猪的体型和体重进行调整，以确保容置空间足够宽敞并适应不同体型的生猪。
[0118] 在可选的实施例中，深度相机设置于安装部的中心位置处。
[0119] 需要说明的是，选择安装部的中心位置作为深度相机的安装点，主要是基于其对生猪背部点云数据捕获效率和准确性的考虑。中心位置能够确保相机视角的广度和深度，使得相机能够覆盖容置空间内生猪的背部大部分区域。同时，中心位置还能够减少由于相机视角偏移而带来的误差，提高体重估算的精度。
[0120] 此外，深度相机通过适当的支架或夹具固定在安装部的中心位置，确保其在工作过程中保持稳定，不会因外力或振动而移动或晃动。安装时还需要注意相机镜头与生猪背部的距离和角度，以确保相机能够捕捉到清晰、完整的点云数据。
[0121] 在可选的实施例中，支架本体包括相连接的支撑部和悬臂部，悬臂部悬设于支撑部，转向轮设置于支撑部，控制主板设置于支撑部，深度相机设置于悬臂部。
[0122] 需要说明的是，支架本体由支撑部和悬臂部两部分组成，二者通过适当的连接方式稳固地连接在一起。支撑部作为整个装置的基础，提供稳定的支撑；而悬臂部则悬设于支撑部之上，用于安装深度相机，使得相机能够以更灵活的角度和位置捕获生猪背部的点云数据。
[0123] 具体而言，支撑部是支架本体的主体结构，用以支撑整个装置的重量。在支撑部的底部，安装了转向轮，以便于装置的移动和定位。控制主板也被设置在支撑部上，方便与深度相机和其他组件进行电性连接，同时也有利于对控制主板进行使用、保护和维护。
[0124] 悬臂部是支架本体的一个特殊部分，它悬设于支撑部之上。悬臂部的设计可以根据需要调整长度、角度和高度，以适应不同场景和生猪体型的需求。深度相机被安装在悬臂部的末端，通过悬臂部的调节，可以灵活地调整相机的位置和角度，确保能够准确地捕获生猪背部的点云数据。
[0125] 在可选的实施例中，支架本体还包括安装部，安装部设置于支撑部的外侧面，安装部所在的平面与支撑部的外侧面之间呈夹角设置，控制主板设置于安装部。
[0126] 需要说明的是，支架本体包括支撑部、悬臂部和安装部三个部分。支撑部作为主体结构，提供稳定的支撑；悬臂部悬设于支撑部之上，用于安装深度相机；而安装部则位于支撑部的外侧面，用于安装控制主板等关键组件。
[0127] 安装部设置于支撑部的外侧面，并通过适当的连接方式(如焊接、螺栓连接等)与支撑部稳固连接。安装部所在的平面与支撑部的外侧面之间呈一定的夹角，例如安装部为一平板，安装部所在的平面与支撑部的外侧面之间呈90°。
[0128] 在可选的实施例中，悬臂部包括立杆以及横杆，立杆设置于支撑部，横杆与立杆连接，横杆延伸至支撑部外，深度相机设置于横杆的自由端。
[0129] 其中，立杆是悬臂部的主要支撑结构，它牢固地设置于支撑部上。立杆的设计考虑到强度和稳定性，以确保整个悬臂部能够承受深度相机的重量和运作时产生的振动。立杆竖直设置，横杆与立杆垂直连接，也就是说，横杆水平设置，并延伸至支撑部外部。横杆的设计允许深度相机在水平方向上进行移动和调整，以适应不同位置和角度的生猪。横杆的长度和强度根据实际需要进行设计，以确保其稳定性和耐用性。
[0130] 此外，深度相机被安装在横杆的自由端。这意味着深度相机可以根据需要沿横杆移动，如此，使得深度相机能够更准确地捕获生猪背部的点云数据，从而提高体重估算的精度。
[0131] 在猪养殖过程中，养殖人员可以使用移动式的非接触单深度相机数据采集及体重估算设备进行猪体数据的采集以及体重计算，相较于多相机的活猪体重估算方案，使用一台深度相机即可完成体重估算，成本较为低廉，相较于固定式的活猪体重估算设备，本发明的可移动式的非接触数据采集设备，更加方便灵活，相较于只有数据输入和输出的大预测模型计算设备，本发明拥有人机交互系统与优化的估重算法，更加直观高效。
[0132] 与现有的采用基于体尺估计体重的方法相比，本发明通过调整体积的回归模型估算猪的体重，MAPE和RMSPE分别为4.87％和6.13％。使用深相机度获得的深度值随着传感器温度的增加而增加。深相机度有一个风扇用于冷却，在极端温度条件下，深度值会发生变化。深相机度使用红外光进行测量，深颜色的深度值比浅颜色的深值高10mm，深颜色的标准差为4mm，浅颜色的标准差约为1mm。
[0133] 下面对本发明提供的猪姿态自适应的单视角三维点云体重估算装置进行描述，下文描述的猪姿态自适应的单视角三维点云体重估算装置与上文描述的猪姿态自适应的单视角三维点云体重估算方法可相互对应参照。
[0134] 图12是本发明实施例提供的猪姿态自适应的单视角三维点云体重估算装置的结构示意图。参照图12，本发明实施例提供的猪姿态自适应的单视角三维点云体重估算装置，可以包括：
[0135] 获取模块1210，用于获取生猪的背部点云；
[0136] 确定模块1220，用于用于基于背部点云，确定生猪的体积，以及得到背部脊线，基于背部脊线，提取多个曲线控制点，并根据多个曲线控制点确定多个姿态角；
[0137] 计算模块1230，用于根据多个姿态角对体积进行校正，以得到生猪的体重。
[0138] 本发明实施例提供的猪姿态自适应的单视角三维点云体重估算装置，通过使用一台深度相机，可以连续且快速的采集四种不同数据，并完成体重估算，相较于多个相机多视角的数据采集与体重计算方案，需要更少的空间占用，较为节约成本且高效；另外，基于猪体背部点云的体积估重优化算法，通过采集的猪体背部点云可以直接实现猪体重估算，相较于多视角的需要大量数据的计算模型而言，计算时间得到大幅度缩短，且数据量需求较少，采集和计算高同步性进行，例如计算时间2s内，计算误差5％以内。
[0139] 具体地，本发明实施例提供的上述猪姿态自适应的单视角三维点云体重估算装置，能够实现上述执行主体为控制器的方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
[0140] 图13示例了一种电子设备的实体结构示意图，如图13所示，该电子设备可以包括：处理器(processor)1310、通信接口(Communications Interface)1320、存储器(memory)
1330和通信总线1340，其中，处理器1310，通信接口1320，存储器1330通过通信总线1340完成相互间的通信。处理器1310可以调用存储器1330中的逻辑指令，以执行猪姿态自适应的单视角三维点云体重估算方法，例如包括：
[0141] 获取生猪的背部点云；
[0142] 基于背部点云，确定生猪的体积，以及得到背部脊线，基于背部脊线，提取多个曲线控制点，并根据多个曲线控制点确定多个姿态角；
[0143] 根据多个姿态角对体积进行校正，以得到生猪的体重。
[0144] 此外，上述的存储器1330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(Read‑Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
[0145] 另一方面，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方法提供的猪姿态自适应的单视角三维点云体重估算方法的步骤，例如包括：
[0146] 获取生猪的背部点云；
[0147] 基于背部点云，确定生猪的体积，以及得到背部脊线，基于背部脊线，提取多个曲线控制点，并根据多个曲线控制点确定多个姿态角；
[0148] 根据多个姿态角对体积进行校正，以得到生猪的体重。
[0149] 又一方面，本发明还提供一种计算机程序产品，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，计算机程序被处理器执行时，计算机能够执行上述各方法所提供的猪姿态自适应的单视角三维点云体重估算方法的步骤，例如包括：
[0150] 获取生猪的背部点云；
[0151] 基于背部点云，确定生猪的体积，以及得到背部脊线，基于背部脊线，提取多个曲线控制点，并根据多个曲线控制点确定多个姿态角；
[0152] 根据多个姿态角对体积进行校正，以得到生猪的体重。
[0153] 以上所描述的装置实施例仅仅是示意性的，其中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。
[0154] 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的方法。
[0155] 另外需要说明的是：本发明实施例中术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。
[0156] 本发明实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0157] 本发明实施例中的“基于A确定B”表示确定B时要考虑A这个因素。并不限于“只基于A就可以确定出B”，还应包括：“基于A和C确定B”、“基于A、C和E确定B”、基于“A确定C，基于C进一步确定B”等。另外还可以包括将A作为确定B的条件，例如，“当A满足第一条件时，使用第一方法确定B”；再例如，“当A满足第二条件时，确定B”等；再例如，“当A满足第三条件时，基于第一参数确定B”等。当然也可以是将A作为确定B的因素的条件，例如，“当A满足第一条件时，使用第一方法确定C，并进一步基于C确定B”等。
[0158] 本发明实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
[0159] 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。
