FemaleSaanenGoat

FemaleSaanenGoat是由西北农林科技大学等机构联合创建的首个萨能奶山羊三维数据集，包含55只6-18月龄雌性山羊的八视角同步RGBD视频数据。数据集通过多视角动态融合算法处理，生成约3,200个高精度三维扫描模型（训练集2,700个/测试集500个），每个模型标注32个解剖学关键点。数据采集采用轻量化农场环境部署方案，捕捉山羊站立、行走等自然姿态的30秒30FPS视频序列。该数据集为构建物种专用参数化模型SaanenGoat提供基础，支持精准畜牧业中的三维重建、体型测量等应用，解决了现有动物模型在奶山羊形态表征上的精度缺陷问题。The FemaleSaanenGoat dataset, jointly developed by Northwest A&F University and other institutions, is the first 3D dataset for Saanen dairy goats. It contains eight-view synchronized RGBD video data of 55 female goats aged 6 to 18 months. Processed using multi-view dynamic fusion algorithms, the dataset generates approximately 3,200 high-precision 3D scanning models, with 2,700 samples in the training set and 500 in the test set. Each model is annotated with 32 anatomical key points. The data collection adopts a lightweight farm environment deployment plan, capturing 30-second 30FPS video sequences of natural goat postures including standing and walking. This dataset lays a foundation for constructing the species-specific parametric model SaanenGoat, supports applications such as 3D reconstruction and body size measurement in precision livestock farming, and resolves the accuracy deficiencies of existing animal models in characterizing the morphology of Saanen dairy goats.

搜集汇总

数据集介绍

构建方式

在精准畜牧业领域，高质量三维数据的获取是推动技术应用的关键前提。FemaleSaanenGoat数据集的构建采用了一套轻量化的八视角RGBD相机阵列系统，在真实农场环境中同步采集了55只6至18月龄雌性萨能奶山羊的动态视频序列。通过多视角DynamicFusion算法，该研究将含噪声、非刚性的点云序列融合，生成了几何精确且完整的高保真三维扫描模型。最终，数据集包含了约3200个经过降噪处理的三维网格，每个模型均手工标注了32个解剖学三维关键点，为后续参数化模型拟合提供了坚实基础。

特点

该数据集的核心特点在于其针对特定畜牧物种的系统性与真实性。作为首个专注于萨能奶山羊的八视角同步RGBD视频数据集，它涵盖了丰富多样的自然姿态，包括站立、行走、转头等，有效捕捉了动物在动态环境中的形态变化。数据集不仅提供了高精度的三维扫描结果，还附带了详尽的二维关键点、三维网格数据及同步的多视角原始图像，构成了一个多模态、结构化的资源库。其数据源于真实养殖场景，显著提升了模型在实践应用中的泛化能力与可靠性。

使用方法

该数据集主要服务于畜牧学与计算机视觉交叉领域的研究与应用。研究者可利用其高保真三维扫描数据，驱动物种特异性参数化模型（如论文中提出的SaanenGoat模型）的构建与训练。在单目三维重建任务中，数据集提供的多视角真值可用于监督学习或优化算法的评估。此外，基于数据集标注的解剖关键点，可进一步开发自动化体尺测量系统，实现对体长、体高、胸宽等关键生长指标的非接触式精准获取，为遗传育种、健康监测与精准饲喂等智慧养殖场景提供数据支撑。

背景与挑战

背景概述

在精准畜牧业领域，三维视觉技术为动物表型精准测量与遗传改良提供了关键数据支撑。针对萨能奶山羊这一全球重要乳用品种，其泌乳性能与体型参数密切相关，传统人工测量方法存在效率低、应激大等局限。为填补该物种高质量三维数据的空白，西北农林科技大学、清华大学等机构的研究团队于2026年发布了FemaleSaanenGoat数据集。该数据集采集了55头6至18月龄雌性萨能奶山羊在真实农场环境下的八视角同步RGBD视频序列，并基于多视角动态融合技术生成了约3200个高保真三维扫描模型。数据集的建立为核心研究问题——实现山羊单目三维网格恢复与自动化体尺测量——提供了首个真实场景驱动的基准，推动了计算机视觉在智慧畜牧中的深度应用。

当前挑战

该数据集旨在解决从单目RGBD输入中恢复山羊三维网格并实现自动化体尺测量的核心挑战。领域问题的挑战在于，现有通用参数化模型（如SMAL）缺乏山羊物种特异性先验，难以准确表征其关键生理结构（如乳房），导致三维重建与测量精度不足。在数据集构建过程中，研究团队面临两大挑战：其一，在动态、非结构化的农场环境中，山羊表面的不规则性及快速运动导致点云序列噪声显著，高质量三维数据获取困难；其二，缺乏能够精确拟合山羊解剖形态、特别是乳房区域的参数化模型模板，这制约了后续形状空间的构建与高精度测量。

常用场景

经典使用场景

在精准畜牧业领域，三维视觉技术正逐步革新传统动物表型分析方法。FemaleSaanenGoat数据集作为首个针对萨能奶山羊的高质量多视角RGBD同步视频数据集，其经典使用场景集中于构建物种特异性参数化三维形状模型。通过融合八视角动态捕捉系统与多视图DynamicFusion算法，该数据集能够从真实养殖环境中获取山羊在站立、行走、转头等多种自然姿态下的高保真三维扫描数据，为后续的形态学分析与身体尺寸自动测量提供了精确的几何基础。

衍生相关工作

该数据集的建立催生了一系列相关的经典研究工作。最直接的是基于其扫描数据所构建的SaanenGoat参数化模型，该模型在单目三维重建与身体测量任务上显著超越了通用的SMAL与SMAL+模型。此外，该数据集为后续研究提供了基准，促进了如AniMer等利用家族感知Transformer进行动物姿态与形状估计的统一框架的发展。在应用层面，它也与基于点云分割的自动测量方法形成了对比与互补，推动了三维视觉在农业场景中从数据采集、模型构建到最终应用的全链条创新。

数据集最近研究

最新研究方向

在精准畜牧业领域，三维视觉技术正逐步成为实现动物表型精准分析的核心工具。针对萨能奶山羊这一高产乳用品种，其体型参数与泌乳性能的强相关性促使研究者致力于开发非接触式自动化体尺测量方法。近期研究聚焦于构建物种特异性的参数化三维模型，以克服通用四足动物模型在刻画山羊独特生理结构（如乳房形态）时的局限性。通过多视角RGBD同步采集系统，结合动态融合算法生成高保真三维扫描数据，进而驱动专用参数化模型SaanenGoat的建立。该模型不仅实现了从单目RGBD输入的高精度三维重建，还能自动提取体长、体高、胸宽、胸围、臀宽及臀高等关键体尺参数，为遗传选育和健康管理提供了可靠的数据支撑。这一进展标志着计算机视觉在农业应用中的深化，为大规模牲畜三维分析建立了可迁移的技术范式。

相关研究论文

• Monocular Mesh Recovery and Body Measurement of Female Saanen Goats

  西北农林科技大学·信息工程学院; 南方科技大学·电子与电气工程系; 清华大学·北京国家信息科学与技术研究中心; 清华大学·自动化系; 农业农村部农业物联网重点实验室; 陕西省农业信息感知与智能服务重点实验室; 陕西省农业信息智能感知与分析工程研究中心 · 2026年