CN105468033B - 一种基于多摄像头机器视觉的医疗吊臂自动避障控制方法 - Google Patents

Abstract

本发明公开了一种基于多摄像头机器视觉的医疗吊臂自动避障控制方法。本发明包括以下步骤：1）实时采集图像数据；2）传输图像数据到PC机；3）图像预处理；4）图像检测是否有障碍物，并且判断障碍物位置信息；5）将障碍物信息传输给下位机电机控制系统；6）电机控制系统对障碍物位置进行分析、计算，实时规划更新到达目标位置的运动路径；7）电机控制系统运行，避开障碍物，运动到指定位置。本发明运用了机器视觉图像处理的相关理论和路径规划理论，以保障自动避障功能的实现，另外考虑到手术室复杂的现场环境对图像的噪声干扰，本发明还采用了一定的软件滤波处理以增强整体算法的鲁棒性和精确性，可以实现对障碍物的高精度识别以及对吊臂的精确避障控制。

Description

一种基于多摄像头机器视觉的医疗吊臂自动避障控制方法

技术领域

本发明属于自动化控制、人工智能技术和机器视觉领域，具体涉及电机控制、机械臂路径规划、机器视觉检测识别障碍物等方法。

技术背景

近年来，随着现代工业和智能制造技术的不断发展，各行各业都或多或少的在实际的生活、生产中使用了现代化智能自动化设备。其中，智能医疗项目的发展也十分地迅速。并且已经发展成为了一门系统的新兴边缘交叉综合工程学科。而由于计算机技术、传感技术、信号处理技术、人工智能技术和控制理论的不断进步，为设备状态监测与故障诊断技术提供了系统的理论工具和使用分析方法，使得其应用价值更加显著。

目前，国内的医疗吊臂设备都是使用手动的方式推动。这样，手术室的效率就会大大降低。而近年来，随着国家对医疗方面的重视。对医疗器械的要求也在不断提高，各大医院也纷纷引进了国外先进的电控医疗吊塔。然而国内医疗吊塔的发展并不理想，多数国产医疗吊塔还是只能靠手动推动，没有实现自动化，更不必说实时避障等这样的智能功能。

机械臂路径规划，基于得到的障碍物位置信息，实时计算、规划最优路径，使机械臂能够顺利绕开障碍物，并迅速到达目标终点位置。

运动图像障碍物识别，基于一般图像处理过程。包括图像采集，图像预处理，图像边缘检测，图像边缘提取，障碍物识别等步骤。

发明内容

针对现有技术存在的缺陷，本发明的目的是提供一种基于多摄像头机器视觉的医疗吊臂自动避障控制方法，以适应手术室现场环境，提高识别障碍物及其位置的准确性、精确性、快速性以及鲁棒性，优化机械臂路径规划算法。

为达到上述目的，本发明采用了以下技术方案：

基于多摄像头机器视觉的医疗吊臂自动避障控制方法，包括以下步骤：

（1.1），实时采集图像数据；

（1.2），将（1.1）采集到的图像数据传输到PC机上；

（1.3），将（1.2）中的图像进行预处理；

（1.4），图像检测是否有障碍物，并且判断障碍物位置信息；

（1.5），将（1.4）中得到的障碍物信息传输给下位机电机控制系统；

（1.6），电机控制系统对障碍物位置进行分析、计算，实时规划更新到达目标位置的运动路径；

（1.7），电机控制系统按照（1.6）中所规划的路径运行，避开障碍物，运动到指定位置。

所述步骤（1.1）实时采集图像数据,首先需要确定摄像头安装位置，为了更好地采集医疗吊臂末端周围的图像，根据医院手术室的特点，以及医疗吊臂的结构，设计了特殊的摄像头放置位置。将摄像头安装在医疗吊臂末端托盘四周的底部，分别放置在四个方向上，总共四个摄像头，可以采集医疗吊臂末端四个方向周围的图像。

所述步骤（1.4）所述图像检测是否有障碍物，并且判断障碍物位置信息包括以下步骤：

（2.1），对四个摄像头同时采集彩色图像，通过图像拼接算法，再进行灰度化处理，得到完整的灰度图像。由于有多个摄像头同时拍摄吊臂末端的各个方向上的图像，每个摄像头得到的图像都只是吊臂末端周围图像的一部分，通过采用SURF特征的图像拼接融合算法，将所得到的图像融合为一张完整的吊臂末端周围图像。再对彩色图像进行灰度化处理，得到灰度图像；

（2.2），对处理得到的灰度图像再进行二值化处理，先使用OTSU算法，计算出自适应最佳阈值，再将该阈值用于CANNY算子中，作为CANNY算法中的一个参数，对灰度图像进行处理，得到具有障碍物边缘信息的二值图像；

（2.3），识别每个图像中的边缘信息，确定障碍物边缘像素点坐标；

（2.4），通过各个摄像头与吊臂的相对位置，进行坐标转化，将各个图像中障碍物的局部位置坐标转化为全局位置坐标，即获得障碍物位置相对于吊臂的坐标。

所述步骤（1.6）所述的机械臂路径规划算法的实现，其步骤为：

（3.1），对障碍物位置信息进行坐标转换，确定其相对于吊臂末端的位置；

（3.2），判断障碍物是否处于现有规划的路径之上，若是，则重新规划最优路径，以绕过障碍物，否则，继续按照原规划路径前进。

本发明与现有技术相比较，具有以下突出的实质性特点和显著的进步：

（1）本发明使用了一种多摄像头机器视觉系统，对图像中障碍物的识别、定位更加准确、精确，使整体系统的适应性和鲁棒性得到加强。

（2）本发明引入了机械臂实时路径规划算法，可以在机械臂运动时，通过分析、计算实时更新的障碍物位置信息，实时地更细所规划的路径，达到动态规划的效果。

附图说明

图1是本发明基于多摄像头机器视觉的医疗吊臂自动避障控制方法的主程序框图。

具体实施方式

下面结合附图和优选实施例对本发明作进一步的描述。

实施例：

如图1所示，本基于多摄像头机器视觉的医疗吊臂自动避障控制方法，包括如下步骤：

（1.1），实时采集图像数据，即利用安装在吊臂上的多个摄像头，实时采集吊臂周围的图像数据。

（1.2），将采集到的图像数据传输到PC机上。摄像头采用USB接口，可以直接通过USB进行数据传输，传输速度较快。

（1.3），对图像进行预处理，图像预处理包括图像直方图均衡化、简单的图像滤波等，使图像相对于现场环境噪声的影响变小，更为清晰，便于之后的处理。

（1.4），图像检测是否有障碍物，并且判断障碍物位置信息，其步骤包括：对四个摄像头同时采集彩色图像，通过图像拼接算法，再进行灰度化处理，得到完整的灰度图像。对处理得到的灰度图像再进行二值化处理，得到具有障碍物边缘信息的二值图像。识别每个图像中的边缘信息，确定障碍物边缘像素点坐标。最终判断障碍物并最终得到障碍物位置信息。

（1.5），将得到的障碍物信息传输给电机控制系统。通过PC机的串口，将障碍物信息传输给下位机控制系统。

（1.6），电机控制系统对障碍物位置进行分析、计算，实时规划更新到达目标位置的运动路径。其步骤包括：对障碍物位置信息进行坐标转换，确定其相对于吊臂末端的位置；判断障碍物是否处于现有规划的路径之上，若是，则重新规划最优路径，以绕过障碍物，否则，继续按照原规划路径前进。

（1.7），电机控制系统按照（1.6）中所规划的路径运行，避开障碍物，运动到指定位置。

Claims (3)

1.基于多摄像头机器视觉的医疗吊臂自动避障控制方法，其特征在于，包括以下步骤：

(1.1)，实时采集图像数据；

(1.2)，将(1.1)采集到的图像数据传输到PC机上；

(1.3)，将(1.2)中的图像进行预处理；

(1.4)，图像检测是否有障碍物，并且判断障碍物位置信息，具体步骤：

(2.1)，对四个摄像头同时采集彩色图像，通过图像拼接算法，再进行灰度化处理，得到完整的灰度图像，由于有多个摄像头同时拍摄吊臂末端的各个方向上的图像，每个摄像头得到的图像都只是吊臂末端周围图像的一部分，通过采用SURF特征的图像拼接融合算法，将所得到的图像融合为一张完整的吊臂末端周围图像，再对彩色图像进行灰度化处理，得到灰度图像；

(2.2)，对处理得到的灰度图像再进行二值化处理，先使用OTSU算法，计算出自适应最佳阈值，再将该阈值用于CANNY算子中，作为CANNY算法中的一个参数，对灰度图像进行处理，得到具有障碍物边缘信息的二值图像；

(2.3)，识别每个图像中的边缘信息，确定障碍物边缘像素点坐标；

(2.4)，通过各个摄像头与吊臂的相对位置，进行坐标转化，将各个图像中障碍物的局部位置坐标转化为全局位置坐标，即获得障碍物位置相对于吊臂的坐标；

(1.5)，将(1.4)中得到的障碍物信息传输给电机控制系统；

(1.6)，电机控制系统对障碍物位置进行分析、计算，实时规划更新到达目标位置的运动路径；

(1.7)，电机控制系统按照(1.6)中所规划的路径运行，避开障碍物，运动到指定位置。

2.根据权利要求1所述的基于多摄像头机器视觉的医疗吊臂自动避障控制方法，其特征在于：所述步骤(1.1)实时采集图像数据,首先需要确定摄像头安装位置，为了更好地采集医疗吊臂末端周围的图像，根据医院手术室的特点，以及医疗吊臂的结构，设计了特殊的摄像头放置位置，将摄像头安装在医疗吊臂末端托盘四周的底部，分别放置在四个方向上，总共四个摄像头，可以采集医疗吊臂末端四个方向周围的图像。

3.根据权利要求1所述的基于多摄像头机器视觉的医疗吊臂自动避障控制方法，其特征在于：所述步骤(1.6)中的电机控制系统对障碍物位置进行分析、计算，实时规划更新到达目标位置的运动路径包括以下步骤：

(3.1)对障碍物位置信息进行坐标转换，确定其相对于吊臂末端的位置；

(3.2)判断障碍物是否处于现有规划的路径之上，若是，则重新规划最优路径，以绕过障碍物，否则，继续按照原规划路径前进。