153 lines
4.6 KiB
Markdown
Executable File
153 lines
4.6 KiB
Markdown
Executable File
# 鱼类分割功能增强计划
|
||
|
||
## 概述
|
||
|
||
本文档描述在现有鱼类测量管道中添加鱼类分割功能的计划。该功能将实现鱼尾、鱼中段和鱼头的自动分割，以支持更智能的模板匹配和朝向检测。
|
||
|
||
## 功能目标
|
||
|
||
### 1. 鱼类部位分割
|
||
- **鱼头（Fish Head）**：识别鱼的前端部分
|
||
- **鱼中段（Fish Middle）**：识别鱼的主体部分
|
||
- **鱼尾（Fish Tail）**：识别鱼的后端部分
|
||
|
||
### 2. 自动朝向检测
|
||
- 基于分割结果自动确定鱼的朝向（头尾方向）
|
||
- 识别鱼是头朝前还是尾朝前
|
||
- 为后续的模板对齐提供方向信息
|
||
|
||
### 3. 点云完整性检测
|
||
- 检测鱼尾部分是否包含完整的点云数据
|
||
- 判断鱼尾点云是否存在缺失或遮挡
|
||
|
||
### 4. 智能模板选择
|
||
- **如果鱼尾有点云**：使用包含尾部的完整模板进行对齐
|
||
- **如果鱼尾没有点云**：使用不包含尾部的模板进行对齐
|
||
- 根据分割结果自动选择合适的模板
|
||
|
||
## 实现方案
|
||
|
||
### 阶段 1：分割模型开发
|
||
|
||
#### 1.1 数据准备
|
||
- 收集并标注鱼类点云数据，标记头、中段、尾三个部位
|
||
- 创建分割数据集，包含不同角度、不同姿态的鱼类点云
|
||
- 数据格式：点云 + 部位标签（head/middle/tail）
|
||
|
||
#### 1.2 模型训练
|
||
- 使用 PointNet++ 或 Point Transformer 进行点云分割
|
||
- 参考现有 `pointcloud_classifier` 模块的架构
|
||
- 训练三分类分割模型（头/中段/尾）
|
||
|
||
#### 1.3 模型集成
|
||
- 将分割模型集成到主处理管道中
|
||
- 在点云提取后立即进行分割
|
||
- 保存分割结果用于后续处理
|
||
|
||
### 阶段 2：朝向检测
|
||
|
||
#### 2.1 基于分割的朝向判断
|
||
- 分析鱼头和鱼尾的空间位置关系
|
||
- 计算鱼的主轴方向（PCA）
|
||
- 确定头尾方向向量
|
||
|
||
#### 2.2 方向标准化
|
||
- 统一鱼的朝向（例如：统一为头朝正X方向）
|
||
- 与现有的 `head_tail_alignment` 模块集成
|
||
- 确保后续模板匹配的一致性
|
||
|
||
### 阶段 3：点云完整性检测
|
||
|
||
#### 3.1 鱼尾点云分析
|
||
- 统计鱼尾部分的点云数量
|
||
- 检测鱼尾点云的连续性
|
||
- 判断是否存在明显的缺失区域
|
||
|
||
#### 3.2 完整性评估
|
||
- 定义完整性阈值（例如：点云数量、覆盖率等）
|
||
- 输出布尔标志：`has_tail_pointcloud`
|
||
|
||
### 阶段 4：模板选择逻辑
|
||
|
||
#### 4.1 模板管理
|
||
- 维护两套模板：
|
||
- **完整模板**：包含尾部的完整鱼类模板
|
||
- **无尾模板**：不包含尾部的鱼类模板
|
||
|
||
#### 4.2 自动选择
|
||
```python
|
||
if has_tail_pointcloud:
|
||
template = load_template("fish_with_tail.obj")
|
||
else:
|
||
template = load_template("fish_without_tail.obj")
|
||
```
|
||
|
||
#### 4.3 模板对齐
|
||
- 根据选择的模板进行点云对齐
|
||
- 利用朝向信息优化对齐过程
|
||
- 确保对齐质量
|
||
|
||
## 技术实现细节
|
||
|
||
### 数据流
|
||
|
||
```
|
||
原始点云
|
||
↓
|
||
[分割模块] → 头/中段/尾标签
|
||
↓
|
||
[朝向检测] → 方向向量 + 标准化点云
|
||
↓
|
||
[完整性检测] → has_tail_pointcloud 标志
|
||
↓
|
||
[模板选择] → 选择合适的模板
|
||
↓
|
||
[模板对齐] → 对齐后的点云
|
||
↓
|
||
[体积计算] → 重量估算
|
||
```
|
||
|
||
### 模块集成点
|
||
|
||
1. **在 `fish_video_weight_evaluation.py` 中**：
|
||
- 在点云提取后添加分割步骤
|
||
- 在模板匹配前添加模板选择逻辑
|
||
|
||
2. **在 `template_matching/fish_align_cli.py` 中**：
|
||
- 添加模板选择参数
|
||
- 根据分割结果选择模板
|
||
- 优化对齐算法以利用分割信息
|
||
|
||
3. **新增模块**：
|
||
- `segmentation/fish_segmentation.py`：分割模型推理
|
||
- `segmentation/orientation_detection.py`：朝向检测
|
||
- `segmentation/tail_completeness.py`：尾部完整性检测
|
||
|
||
## 预期效果
|
||
|
||
1. **提高对齐精度**：通过选择合适的模板，提高点云对齐的准确性
|
||
2. **自动化处理**：减少人工干预，自动处理不同完整度的鱼类点云
|
||
3. **鲁棒性增强**：能够处理尾部缺失或遮挡的情况
|
||
4. **朝向一致性**：确保所有处理的鱼类朝向统一，便于后续分析
|
||
|
||
## 实施优先级
|
||
|
||
1. **高优先级**：分割模型开发和训练
|
||
2. **中优先级**：朝向检测和点云完整性检测
|
||
3. **低优先级**：模板选择逻辑优化和性能调优
|
||
|
||
## 相关文件
|
||
|
||
- `fish_video_weight_evaluation.py`：主处理管道
|
||
- `template_matching/fish_align_cli.py`：模板对齐模块
|
||
- `utils/head_tail_alignment.py`：现有的头尾对齐工具
|
||
- `pointcloud_classifier/`：可参考的点云分类架构
|
||
|
||
## 后续扩展
|
||
|
||
- 支持多部位精细分割（例如：鱼鳍、鱼眼等）
|
||
- 基于分割结果进行更精确的体积计算
|
||
- 利用分割信息进行鱼类姿态估计
|
||
- 支持不同鱼类品种的分割模型
|
||
|