Monokulare Mesh-Rekonstruktion und Körpervermessung weiblicher Saanen-Ziegen
Monocular Mesh Recovery and Body Measurement of Female Saanen Goats
February 23, 2026
Autoren: Bo Jin, Shichao Zhao, Jin Lyu, Bin Zhang, Tao Yu, Liang An, Yebin Liu, Meili Wang
cs.AI
Zusammenfassung
Die Milchleistung von Saanen-Milchziegen, die für ihre hohe Milchproduktion bekannt sind, steht in einem intrinsischen Zusammenhang mit ihrer Körpergröße, was eine präzise 3D-Körpermessung für die Bewertung des Milchproduktionspotenzials unerlässlich macht. Bisherigen Rekonstruktionsverfahren mangelt es jedoch an ziegen-spezifischen, authentischen 3D-Daten. Um diese Lücke zu schließen, etablieren wir den FemaleSaanenGoat-Datensatz, der synchronisierte Acht-Kanal-RGBD-Videos von 55 weiblichen Saanen-Ziegen (6-18 Monate alt) enthält. Unter Verwendung von Multi-View-DynamicFusion fusionieren wir verrauschte, nicht-rigide Punktwolken-Sequenzen zu hochauflösenden 3D-Scans und überwinden dabei Herausforderungen durch unregelmäßige Oberflächen und schnelle Bewegungen. Auf Basis dieser Scans entwickeln wir SaanenGoat, ein parametrisches 3D-Formmodell, das speziell für weibliche Saanen-Ziegen konzipiert ist. Dieses Modell verfügt über eine verfeinerte Vorlage mit 41 Skelettgelenken und einer verbesserten Euter-Darstellung, die mit unseren Scandaten registriert ist. Ein umfassender Formraum, der auf Daten von 48 Ziegen basiert, ermöglicht die präzise Darstellung verschiedener individueller Variationen. Mithilfe des SaanenGoat-Modells erreichen wir eine hochpräzise 3D-Rekonstruktion aus Single-View-RGBD-Eingaben und ermöglichen die automatisierte Messung von sechs kritischen Körpermaßen: Körperlänge, Widerristhöhe, Brustbreite, Brustumfang, Beckenbreite und Beckenhöhe. Experimentelle Ergebnisse demonstrieren die überlegene Genauigkeit unserer Methode sowohl in der 3D-Rekonstruktion als auch bei der Körpermessung und stellen ein neuartiges Paradigma für groß angelegte 3D-Vision-Anwendungen in der Präzisionsviehwirtschaft dar.
English
The lactation performance of Saanen dairy goats, renowned for their high milk yield, is intrinsically linked to their body size, making accurate 3D body measurement essential for assessing milk production potential, yet existing reconstruction methods lack goat-specific authentic 3D data. To address this limitation, we establish the FemaleSaanenGoat dataset containing synchronized eight-view RGBD videos of 55 female Saanen goats (6-18 months). Using multi-view DynamicFusion, we fuse noisy, non-rigid point cloud sequences into high-fidelity 3D scans, overcoming challenges from irregular surfaces and rapid movement. Based on these scans, we develop SaanenGoat, a parametric 3D shape model specifically designed for female Saanen goats. This model features a refined template with 41 skeletal joints and enhanced udder representation, registered with our scan data. A comprehensive shape space constructed from 48 goats enables precise representation of diverse individual variations. With the help of SaanenGoat model, we get high-precision 3D reconstruction from single-view RGBD input, and achieve automated measurement of six critical body dimensions: body length, height, chest width, chest girth, hip width, and hip height. Experimental results demonstrate the superior accuracy of our method in both 3D reconstruction and body measurement, presenting a novel paradigm for large-scale 3D vision applications in precision livestock farming.