CN105232161B - 一种手术机器人标志点识别定位方法 - Google Patents

一种手术机器人标志点识别定位方法 Download PDF

Info

Publication number
CN105232161B
CN105232161B CN201510673140.XA CN201510673140A CN105232161B CN 105232161 B CN105232161 B CN 105232161B CN 201510673140 A CN201510673140 A CN 201510673140A CN 105232161 B CN105232161 B CN 105232161B
Authority
CN
China
Prior art keywords
point
group mark
mark point
candidate
group
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510673140.XA
Other languages
English (en)
Other versions
CN105232161A (zh
Inventor
李晓芸
赵永强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Tinavi Medical Technology Co Ltd
Original Assignee
Beijing Tinavi Medical Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Tinavi Medical Technology Co Ltd filed Critical Beijing Tinavi Medical Technology Co Ltd
Priority to CN201510673140.XA priority Critical patent/CN105232161B/zh
Publication of CN105232161A publication Critical patent/CN105232161A/zh
Application granted granted Critical
Publication of CN105232161B publication Critical patent/CN105232161B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及一种手术机器人标志点识别定位方法,包括以下步骤:(1)选用标定标尺,并获取特征三角形模板表;(2)对X线透视图像进行处理,并获取初次候选点集合;(3)将初次候选点集合中的点组成待匹配三角形与特征三角形模板表进行匹配,以获取二次的候选点集合;(4)通过计算得到完整的候选点集合,并计算其是否在初次候选点集合中,若在则作为输出为初步结果,若不在则进行搜索,并将搜索到的点校正后输出为初步结果;(5)将初步结果换算成原图坐标输出,结束。本发明不但能够兼容各种不同型号的成像设备,而且对不同成像质量的X线透视图像上的标志点均能够准确、有效识别。

Description

一种手术机器人标志点识别定位方法
技术领域
本发明涉及一种标志点识别定位方法,特别是涉及一种手术机器人标志点识别定位方法。
背景技术
手术机器人需要利用二维X线透视图像进行手术定位,其原理主要是利用C型臂等医学成像设备拍摄病人在手术中的X线透视图像,并根据X线透视图像上特定的标志点计算手术机器人与手术空间之间的映射关系,从而进行精准的手术路径规划,进而协助医生实现透视辐射少、手术精度高且手术效果优良的机器人辅助手术。其中,怎样实现X线透视图像上特定标志点的自动有效识别是影响手术时间和效果的关键步骤。
目前,标志点自动识别方法是先通过计算标志点之间的距离和垂直度识别符合既定设置的标志点;再对有限阈值限制范围内能够搜索到的标志位标志点进行识别,并排序和编号。该方法虽然在一定程度上能够缩短手术时间和提高手术效率,但是该方法仍具有如下两种缺陷:第一种是该方法容易受到图像灰度分布、导针和骨头等背景因素的干扰,从而使得无法检测到有效的候选点或者检测到过多的候选点而无法正确识别出有效标志点;第二种是该方法应用于不同型号C型臂输出的X线透视图像时,会因为受到X线透视图像大小等的限制,而需要设置不同的识别阈值,所以该方法不能兼容不同型号的成像设备。
发明内容
针对上述问题,本发明的目的是提供一种手术机器人标志点识别定位方法,不但能够兼容各种不同型号的成像设备,而且对不同成像质量的X线透视图像上的标志点均能够准确、有效识别。
为实现上述技术目的,本发明采取以下技术方案:一种手术机器人标志点识别定位方法,包括以下步骤:(1)根据选用具有两组标志点的标定标尺,获取相应的两组特征三角形模板表,具体过程为:1)第一组标志点包括一个特征点和两个以上的顶点标志点,将第一组标志点中的特征标志点分别与第一组标志点中的任意两个顶点标志点组成若干特征三角形,分别计算每一特征三角形三个内角的角度,并将计算结果存入第一组特征三角形模板表;2)第二组标志点包括一个特征点和两个以上的顶点标志点,将第二组标志点中的特征标志点分别与第二组标志点中的任意两个顶点标志点组成若干特征三角形,分别计算每一特征三角形三个内角的角度,并将计算结果存入第二组特征三角形模板表;(2)通过医学成像设备透过步骤(1)所选用标定标尺拍摄获取X线透视图像;(3)基于BLOB检测方法,对步骤(2)的X线透视图像依次进行二值化处理和连通域提取,并对提取的得到BLOB进行选择,如果不能选择出有效的候选点,则结束;如果能选择出有效的候选点,则组成两组标志点的初次候选点集合;(4)将步骤(3)得到的两组标志点初次的候选点集合中的候选点组成待匹配三角形,并与步骤(1)获取的两组特征三角形模板表进行匹配,并判断是否能获取两组标志点的候选点集合,如果不能,则结束,如果能,则进行下一步计算,具体过程为:1)将步骤(3)中的两组标志点的初次候选点集合的候选点每三个作为一组构成待匹配三角形,计算待匹配三角形三个内角的角度,并将计算结果分别与步骤(1)中获得的第一组特征三角形模板表和第二组特征三角形模板表进行匹配计算,当匹配计算结果和待匹配三角形三个内角的角度差值均在-5°~+5°范围内时,将组成该待匹配三角形的三个候选点作为一个组,对应存入第一组标志点的初次候选点集合或第二组标志点的初次候选点集合;2)判断第一组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第一组标志点的分布方式,若能符合,则将该两三角形组合作为一组对应存入第一组标志点的二次候选点集合A,若不能符合,则将该两三角形组合分别存入第一组标志点的二次候选点集合B,与此同时,判断第二组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第二组标志点的分布方式,若能符合,则将该两三角形组合作为一组对应存入第二组标志点的二次候选点集合A,若不能符合,则将该两三角形组合分别存入第二组标志点的二次候选点集合B;3)将第一组标志点的二次候选点集合A和第一组标志点的二次候选点集合B组成第一组标志点的候选点集合;将第二组标志点的二次候选点集合A和第二组标志点的二次候选点集合B组成第二组标志点的候选点集合;(5)根据步骤(4)得到的两组标志点的候选点集合中的已知点,分别计算出该组对应的每一点坐标,以得到两组标志点的完整候选点集合,具体过程为:1)根据第一组标志点的二次候选点集合A和标定标尺上既定的第一组标志点的分布方式,通过计算第一组标志点中所有点的坐标,对应得到第一组标志点的完整候选点集合A;2)根据第一组标志点的二次候选点集合B和标定标尺上既定的第一组标志点的分布方式,通过计算第一组标志点中所有点的坐标,对应得到第一组标志点的完整候选点集合B;3)根据第二组标志点的二次候选点集合A和标定标尺上既定的第二组标志点的分布方式,通过计算第二组标志点中所有点的坐标,对应得到第二组标志点的完整候选点集合A;4)根据第二组标志点的二次候选点集B和标定标尺上既定的第二组标志点的分布方式,通过计算第二组标志点中所有点的坐标,对应得到第二组标志点的完整候选点集合B;(6)将步骤(5)得到的两组标志点的完整候选点集合进行相互匹配,具体过程为:1)将步骤(5)得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A输出为初步结果,则进入步骤(8);若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤2);2)将步骤(5)得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B输出为初步结果;则进入步骤(8);若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤3);3)将步骤(5)得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A输出为初步结果,则进入步骤(8);若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤4);4)将步骤(5)得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B输出为初步结果;则进入步骤(8);若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤(7);(7)以第一组标志点的完整候选点集合A或第二组标志点的完整候选点集合A为基准,根据标定标尺上既定的两组标志点的分布方式以及步骤(3)得到的两组标志点初次的候选点集合,对应计算出第二组标志点或者第一组标志点的坐标,并输出为初步结果;并进入步骤(8);若无法计算出第二组标志点或者第一组标志点的坐标,则结束;(8)根据图像缩放比例,将步骤(6)或(7)初步结果换算成原图坐标输出,结束。
所述步骤(6)或(7)的初步结果先经过判断后,再进入所述步骤(8),具体过程为:判断步骤(6)或步骤(7)得到的初步结果是否包含在步骤(3)得到的两组标志点初次的候选点集合中,若包含在其中,则将对应的判断过后的点作为此点的实际位置,并进入步骤(8);若不包含在其中,则通过在步骤(3)得到的两组标志点初次的候选点集合中为该判断过后的点设定阈值距离,并进行二次搜索计算,若能在设定的阈值距离范围内搜索到点,则通过该搜索到的点对该判断过后的点进行校正,并将校正后的点的位置作为此点的实际位置,并转步骤(8);若不能在设定的阈值距离范围内搜索到点,则以该判断过后的点作为此点的实际位置,并转步骤(8)。
对所述步骤(2)获取的X线透视图像进行缩放,将缩放处理后的X线透视图像转化成灰度图并依次进行灰度均衡化处理和滤波平滑处理。
所述滤波平滑处理采用中值滤波或高斯滤波。
所述步骤(3)通过设置颜色为黑色、圆形度良好、包含区域面积适中和半径适中的BLOB特征对提取到的BLOB进行选择。
本发明由于采取以上技术方案,其具有以下优点:1、本发明由于通过采用特征三角形进行匹配计算,因此不但能够兼容各种不同型号的成像设备,而且对不同成像质量的X线透视图像上的标志点均能够准确、有效识别。2、本发明由于采用小区域二次搜索计算和根据标尺上既定的点与点之间的几何关系计算,使得即使在初步提取候选点集时不能够提取到包含所有有效点的候选集,也可以得到有效的标志点,进一步显著提高了识别精度。本发明识别精度高,识别速度快,可以广泛应用于标志点识别定位技术领域。
附图说明
图1是本发明的流程示意图;
图2是本发明的包括有两组标志点的标定标尺的成像结构示意图;
图3是图2中的第一组标志点组成特征三角形的结构示意图;
图4是图2中的第二组标志点组成特征三角形的结构示意图;
图5是本发明的待匹配三角形进行匹配的流程示意图。
具体实施方式
以下结合附图对本发明进行详细的描述。
如图1所示,本发明提出了一种手术机器人标志点识别定位方法,包括以下步骤:
1、根据选用具有两组标志点的标定标尺,获取相应的两组特征三角形模板表,具体过程为:
(1)如图2所示,选用包括两组标志点的标定标尺,为了方便描述,将标定标尺中的两组标志点分别定义为第一组标志点1和第二组标志点2,且在图2中以直径大小不同区分第一组标志点1和第二组标志点2,但是实际使用时,对标志点的直径没有限制;第一组标志点1包括一个特征点11和两个以上的顶点标志点12,本实施例中,第一组标志点1包括四个顶点标志点12;第二组标志点2包括一个特征点21和两个以上的顶点标志点22,本实施例中,第二组标志点2包括四个顶点标志点22;
(2)如图3所示,将第一组标志点1中的特征标志点11与第一组标志点1中的任意两个顶点标志点12组成若干特征三角形,并根据标定标尺上既定的第一组标志点1的分布方式,计算每一特征三角形三个内角的角度,并将计算结果存入第一组特征三角形模板表;
(3)如图4所示,将第二组标志点2中的特征标志点21与第二组标志点2中的任意两个顶点标志点22组成若干特征三角形,并根据标定标尺上既定的第二组标志点2的分布方式,计算每一特征三角形三个内角的角度,并将计算结果存入第二组特征三角形模板表;
2、输入通过医学成像设备透过步骤1所选用标定标尺拍摄的X线透视图像,其中,为了提高X线透视图像的处理速度,可以根据实际使用时对处理速度的要求,对尺寸超过800*800的X线透视图像,进行一定比例的缩放;
为了使得所有载入的X线透视图像均具有同样的灰度分布范围,将缩放处理后的X线透视图像转化成灰度图,并进行灰度均衡化处理,其中,灰度值处理范围为0~255;
为了减少噪声干扰,对灰度均衡化处理后的X线透视图像进行滤波平滑处理,其中,滤波平滑处理可以采用中值滤波或者高斯滤波;
3、基于BLOB(二进制大对象)检测方法,对步骤2处理后的X线透视图像依次进行二值化处理和连通域提取;
为了得到近似为圆形黑色的BLOB点集合,通过设置颜色为黑色、圆形度良好、包含区域面积适中和半径适中的BLOB特征对提取到的BLOB进行选择,如果不能够选择出有效的候选点,即候选点集合为空,则结束;如果能够选择出有效的候选点,则得到两组标志点的初次候选点集合;
4、将步骤3得到的两组标志点初次的候选点集合中的候选点组成待匹配三角形,并与步骤1获取的两组特征三角形模板表进行匹配,并判断是否能获取两组标志点的候选点集合,如果不能,则结束,如果能,则进行下一步计算,具体过程,如图5所示:
(1)将步骤3中的两组标志点的初次候选点集合的候选点每三个作为一组构成待匹配三角形,计算待匹配三角形三个内角的角度,并将计算结果分别与步骤1中获得的第一组特征三角形模板表和第二组特征三角形模板表进行匹配计算,当匹配计算结果和待匹配三角形三个内角的角度差值均在-5°~+5°范围内时,将组成该待匹配三角形的三个候选点作为一个组,对应存入第一组标志点的初次候选点集合或第二组标志点的初次候选点集合;
(2)判断第一组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第一组标志点的分布方式,若能符合,则将该两三角形组合作为一组对应存入第一组标志点的二次候选点集合A,若不能符合,则将该两三角形组合分别存入第一组标志点的二次候选点集合B,与此同时,判断第二组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第二组标志点的分布方式,若能符合,则将该两三角形组合作为一组对应存入第二组标志点的二次候选点集合A,若不能符合,则将该两三角形组合分别存入第二组标志点的二次候选点集合B;
(3)将第一组标志点的二次候选点集合A和第一组标志点的二次候选点集合B组成第一组标志点的候选点集合;将第二组标志点的二次候选点集合A和第二组标志点的二次候选点集合B组成第二组标志点的候选点集合;
5、根据步骤4得到的两组标志点的候选点集合中的已知点,分别计算出该组对应的每一点坐标,以得到两组标志点的完整候选点集合,具体过程为:
(1)根据第一组标志点的二次候选点集合A和标定标尺上既定的第一组标志点的分布方式,通过计算第一组标志点中所有点的坐标,对应得到第一组标志点的完整候选点集合A;
(2)根据第一组标志点的二次候选点集合B和标定标尺上既定的第一组标志点的分布方式,通过计算第一组标志点中所有点的坐标,对应得到第一组标志点的完整候选点集合B;
(3)根据第二组标志点的二次候选点集合A和标定标尺上既定的第二组标志点的分布方式,通过计算第二组标志点中所有点的坐标,对应得到第二组标志点的完整候选点集合A;
(4)根据第二组标志点的二次候选点集B和标定标尺上既定的第二组标志点的分布方式,通过计算第二组标志点中所有点的坐标,对应得到第二组标志点的完整候选点集合B;
6、将步骤5得到的两组标志点的完整候选点集合进行相互匹配,具体过程为:
(1)将步骤5得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A输出为初步结果,则进入步骤8;若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤(2);
(2)将步骤5得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B输出为初步结果;则进入步骤8;若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤(3);
(3)将步骤5得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A输出为初步结果,则进入步骤8;若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤(4);
(4)将步骤5得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B输出为初步结果;则进入步骤8;若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤7;
7、以步骤5得到的第一组标志点的完整候选点集合A或第二组标志点的完整候选点集合A为基准,根据标定标尺上既定的两组标志点的分布方式以及步骤3得到的两组标志点初次的候选点集合,对应计算出第二组标志点或者第一组标志点的坐标,并输出为初步结果;并进入步骤8;若无法计算出第二组标志点或者第一组标志点的坐标,则结束;
另外,本步骤也可以以第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B为基准,根据标定标尺上既定的第一组标志点和第二组标志点之间的分布方式以及步骤3得到的两组标志点初次的候选点集合,对应计算出第二组标志点或者第一组标志点的坐标,只是因为第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A所包含的信息分别对应多于第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B,所以优选第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A进行计算;
8、判断步骤6或者步骤7得到的初步结果是否包含在步骤3得到的两组标志点初次的候选点集合中,若包含在其中,则将对应的判断过后的点作为此点的实际位置,并进入步骤9;若不包含在其中,则通过在步骤3得到的两组标志点初次的候选点集合中为该判断过后的点设定阈值距离,并进行二次搜索计算,若能在设定的阈值距离范围内搜索到点,则通过该搜索到的点对该判断过后的点进行校正,并将校正后的点的位置作为此点的实际位置,并转步骤9;若不能在设定的阈值距离范围内搜索到点,则以该判断过后的点作为此点的实际位置,并转步骤9;
9、根据图像缩放比例,将步骤8得到的实际位置的点的坐标换算成原图坐标输出,并结束。
上述实施例仅用于说明本发明,其中各部件的结构、连接方式和制作工艺等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。

Claims (5)

1.一种手术机器人标志点识别定位方法,包括以下步骤:
(1)根据选用具有两组标志点的标定标尺,获取相应的两组特征三角形模板表,具体过程为:
1)第一组标志点包括一个特征点和两个以上的顶点标志点,将第一组标志点中的特征标志点分别与第一组标志点中的任意两个顶点标志点组成若干特征三角形,分别计算每一特征三角形三个内角的角度,并将计算结果存入第一组特征三角形模板表;
2)第二组标志点包括一个特征点和两个以上的顶点标志点,将第二组标志点中的特征标志点分别与第二组标志点中的任意两个顶点标志点组成若干特征三角形,分别计算每一特征三角形三个内角的角度,并将计算结果存入第二组特征三角形模板表;
(2)通过医学成像设备透过步骤(1)所选用标定标尺拍摄获取X线透视图像;
(3)基于BLOB检测方法,对步骤(2)的X线透视图像依次进行二值化处理和连通域提取,并对提取到的BLOB进行选择,如果不能选择出有效的候选点,则结束;如果能选择出有效的候选点,则组成两组标志点的初次候选点集合;
(4)将步骤(3)得到的两组标志点初次的候选点集合中的候选点组成待匹配三角形,并与步骤(1)获取的两组特征三角形模板表进行匹配,并判断是否能获取两组标志点的候选点集合,如果不能,则结束,如果能,则进行下一步计算,具体过程为:
1)将步骤(3)中的两组标志点的初次候选点集合的候选点每三个作为一组构成待匹配三角形,计算待匹配三角形三个内角的角度,并将计算结果分别与步骤(1)中获得的第一组特征三角形模板表和第二组特征三角形模板表进行匹配计算,当匹配计算结果和待匹配三角形三个内角的角度差值均在-5°~+5°范围内时,将组成该待匹配三角形的三个候选点作为一个组,对应存入第一组标志点的初次候选点集合或第二组标志点的初次候选点集合;
2)判断第一组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第一组标志点的分布方式,若能符合,则将该两三角形组合作为一组对应存入第一组标志点的二次候选点集合A,若不能符合,则将该两三角形组合分别存入第一组标志点的二次候选点集合B,与此同时,判断第二组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第二组标志点的分布方式,若能符合,则将该两三角形组合作为一组对应存入第二组标志点的二次候选点集合A,若不能符合,则将该两三角形组合分别存入第二组标志点的二次候选点集合B;
3)将第一组标志点的二次候选点集合A和第一组标志点的二次候选点集合B组成第一组标志点的候选点集合;将第二组标志点的二次候选点集合A和第二组标志点的二次候选点集合B组成第二组标志点的候选点集合;
(5)根据步骤(4)得到的两组标志点的候选点集合中的已知点,分别计算出该组对应的每一点坐标,以得到两组标志点的完整候选点集合,具体过程为:
1)根据第一组标志点的二次候选点集合A和标定标尺上既定的第一组标志点的分布方式,通过计算第一组标志点中所有点的坐标,对应得到第一组标志点的完整候选点集合A;
2)根据第一组标志点的二次候选点集合B和标定标尺上既定的第一组标志点的分布方式,通过计算第一组标志点中所有点的坐标,对应得到第一组标志点的完整候选点集合B;
3)根据第二组标志点的二次候选点集合A和标定标尺上既定的第二组标志点的分布方式,通过计算第二组标志点中所有点的坐标,对应得到第二组标志点的完整候选点集合A;
4)根据第二组标志点的二次候选点集B和标定标尺上既定的第二组标志点的分布方式,通过计算第二组标志点中所有点的坐标,对应得到第二组标志点的完整候选点集合B;
(6)将步骤(5)得到的两组标志点的完整候选点集合进行相互匹配,具体过程为:
1)将步骤(5)得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A输出为初步结果,则进入步骤(8);若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤2);
2)将步骤(5)得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B输出为初步结果;则进入步骤(8);若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤3);
3)将步骤(5)得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A输出为初步结果,则进入步骤(8);若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤4);
4)将步骤(5)得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B进行互相匹配关系验证计算,若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符,则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B输出为初步结果;则进入步骤(8);若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符,则进入步骤(7);
(7)以第一组标志点的完整候选点集合A或第二组标志点的完整候选点集合A为基准,根据标定标尺上既定的两组标志点的分布方式以及步骤(3)得到的两组标志点初次的候选点集合,对应计算出第二组标志点或者第一组标志点的坐标,并输出为初步结果;并进入步骤(8);若无法计算出第二组标志点或者第一组标志点的坐标,则结束;
(8)根据图像缩放比例,将步骤(6)或(7)初步结果换算成原图坐标输出,结束。
2.如权利要求1所述一种手术机器人标志点识别定位方法,其特征在于:所述步骤(6)或(7)的初步结果先经过判断后,再进入所述步骤(8),具体过程为:判断步骤(6)或步骤(7)得到的初步结果是否包含在步骤(3)得到的两组标志点初次的候选点集合中,若包含在其中,则将对应的判断过后的点作为此点的实际位置,并进入步骤(8);若不包含在其中,则通过在步骤(3)得到的两组标志点初次的候选点集合中为该判断过后的点设定阈值距离,并进行二次搜索计算,若能在设定的阈值距离范围内搜索到点,则通过该搜索到的点对该判断过后的点进行校正,并将校正后的点的位置作为此点的实际位置,并转步骤(8);若不能在设定的阈值距离范围内搜索到点,则以该判断过后的点作为此点的实际位置,并转步骤(8)。
3.如权利要求2所述一种手术机器人标志点识别定位方法,其特征在于:对所述步骤(2)获取的X线透视图像进行缩放,将缩放处理后的X线透视图像转化成灰度图并依次进行灰度均衡化处理和滤波平滑处理。
4.如权利要求3所述一种手术机器人标志点识别定位方法,其特征在于:所述滤波平滑处理采用中值滤波或高斯滤波。
5.如权利要求1或2或3或4所述一种手术机器人标志点识别定位方法,其特征在于:所述步骤(3)通过设置颜色为黑色、圆形度良好、包含区域面积适中和半径适中的BLOB特征对提取到的BLOB进行选择。
CN201510673140.XA 2015-10-16 2015-10-16 一种手术机器人标志点识别定位方法 Active CN105232161B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510673140.XA CN105232161B (zh) 2015-10-16 2015-10-16 一种手术机器人标志点识别定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510673140.XA CN105232161B (zh) 2015-10-16 2015-10-16 一种手术机器人标志点识别定位方法

Publications (2)

Publication Number Publication Date
CN105232161A CN105232161A (zh) 2016-01-13
CN105232161B true CN105232161B (zh) 2017-05-17

Family

ID=55030182

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510673140.XA Active CN105232161B (zh) 2015-10-16 2015-10-16 一种手术机器人标志点识别定位方法

Country Status (1)

Country Link
CN (1) CN105232161B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109363770A (zh) * 2018-12-06 2019-02-22 安徽埃克索医疗机器人有限公司 一种手术导航机器人标志点自动识别定位方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107481276B (zh) * 2016-06-08 2020-02-14 北京天智航医疗科技股份有限公司 一种三维医学图像中标记点序列的自动识别方法
CN107468350B (zh) * 2016-06-08 2020-12-08 北京天智航医疗科技股份有限公司 一种三维图像专用标定器、手术定位系统及定位方法
CN107468351A (zh) * 2016-06-08 2017-12-15 北京天智航医疗科技股份有限公司 一种手术定位装置、定位系统及定位方法
CN110123456A (zh) * 2019-05-15 2019-08-16 北京天智航医疗科技股份有限公司 示踪设备和定位系统
CN116350352B (zh) * 2023-02-23 2023-10-20 北京纳通医用机器人科技有限公司 手术机器人标志位识别定位方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1801896A (zh) * 2006-01-17 2006-07-12 东南大学 摄像机标定数据的采集方法及其标定板
CN101853333A (zh) * 2010-05-26 2010-10-06 中国科学院遥感应用研究所 医疗机器人导航定位图像中的标记拾取方法
CN104123540A (zh) * 2014-07-15 2014-10-29 北京天智航医疗科技股份有限公司 手术机器人定位标志点自动识别方法
CN104406538A (zh) * 2014-12-01 2015-03-11 南京航空航天大学 用于点云拼接的标志点三维匹配方法及三维扫描方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1300551C (zh) * 2002-07-25 2007-02-14 索卢申力士公司 使用光学标记自动排列三维扫描数据的设备和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1801896A (zh) * 2006-01-17 2006-07-12 东南大学 摄像机标定数据的采集方法及其标定板
CN101853333A (zh) * 2010-05-26 2010-10-06 中国科学院遥感应用研究所 医疗机器人导航定位图像中的标记拾取方法
CN104123540A (zh) * 2014-07-15 2014-10-29 北京天智航医疗科技股份有限公司 手术机器人定位标志点自动识别方法
CN104406538A (zh) * 2014-12-01 2015-03-11 南京航空航天大学 用于点云拼接的标志点三维匹配方法及三维扫描方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
智能内窥镜显形系统研究;易新华;《中国博士学位论文全文数据库 信息科技辑(月刊)》;20090115(第1期);第138-260页 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109363770A (zh) * 2018-12-06 2019-02-22 安徽埃克索医疗机器人有限公司 一种手术导航机器人标志点自动识别定位方法
CN109363770B (zh) * 2018-12-06 2021-08-10 安徽埃克索医疗机器人有限公司 一种手术导航机器人标志点自动识别定位方法

Also Published As

Publication number Publication date
CN105232161A (zh) 2016-01-13

Similar Documents

Publication Publication Date Title
CN105232161B (zh) 一种手术机器人标志点识别定位方法
CN104123540B (zh) 手术机器人定位标志点自动识别方法
CN107481276A (zh) 一种三维医学图像中标记点序列的自动识别方法
CN106340044B (zh) 摄像机外参自动标定方法及标定装置
Wolf et al. 3D tracking of laparoscopic instruments using statistical and geometric modeling
CN111340797A (zh) 一种激光雷达与双目相机数据融合检测方法及系统
CN106890031B (zh) 一种标记物识别及标记点定位方法及手术导航系统
US8554016B2 (en) Image registration system and method for registering images for deformable surfaces
CN107595388A (zh) 一种基于反光球标记点的近红外双目视觉立体匹配方法
CN104517101B (zh) 一种基于像素平方差匹配的游戏扑克牌识别方法
CN105574527A (zh) 一种基于局部特征学习的快速物体检测方法
CN108394814A (zh) 基于图像识别的岸桥大车引导系统及方法
CN106709950A (zh) 一种基于双目视觉的巡线机器人跨越障碍导线定位方法
CN107862690A (zh) 一种基于特征点匹配的电路板元器件定位方法和定位装置
CN104899609A (zh) 一种基于图像配准的机械式表计识别方法
CN109994188A (zh) 基于ndi的神经外科导航配准测试方法和系统
CN106344152A (zh) 腹部外科手术导航配准方法及系统
CN104248454A (zh) 一种二维超声图像与穿刺针共面判断方法
CN112289416B (zh) 一种引导针置入精度评价方法
CN109965979A (zh) 一种无需标志点的稳健的神经导航自动注册方法
CN109363770A (zh) 一种手术导航机器人标志点自动识别定位方法
CN103533332A (zh) 一种2d视频转3d视频的图像处理方法
Zhao Real-time 3D visual tracking of laparoscopic instruments for robotized endoscope holder
CN106780470A (zh) Ct图像乳头自动化检测方法
CN107330936A (zh) 一种基于单目视觉的双圆形标志物定位方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant