CN109512509A - 一种机器人的柔顺控制方法、装置及设备 - Google Patents

一种机器人的柔顺控制方法、装置及设备 Download PDF

Info

Publication number
CN109512509A
CN109512509A CN201811614026.XA CN201811614026A CN109512509A CN 109512509 A CN109512509 A CN 109512509A CN 201811614026 A CN201811614026 A CN 201811614026A CN 109512509 A CN109512509 A CN 109512509A
Authority
CN
China
Prior art keywords
robot
shared control
security boundary
image
voxel
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.)
Granted
Application number
CN201811614026.XA
Other languages
English (en)
Other versions
CN109512509B (zh
Inventor
杨远源
胡颖
王宇
赵世佳
何玉成
高鹏
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.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
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 Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201811614026.XA priority Critical patent/CN109512509B/zh
Publication of CN109512509A publication Critical patent/CN109512509A/zh
Application granted granted Critical
Publication of CN109512509B publication Critical patent/CN109512509B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/70—Manipulators specially adapted for use in surgery
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A61B2034/2046—Tracking techniques
    • A61B2034/2065—Tracking using image or pattern recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/374—NMR or MRI

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Robotics (AREA)
  • Gynecology & Obstetrics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pathology (AREA)
  • Manipulator (AREA)

Abstract

一种机器人的柔顺控制方法包括：获取目标对象的磁共振MR图像，对所述MR图像进行归一化处理；根据相邻体素法，分割经过归一化处理后的图像的软骨区域；根据所述MR图像进行三维重建，建立目标对象的3D模型，根据分割了软骨区域的图像确定所述3D模型的安全边界；监测机器人末端执行器在所述3D模型的实时位置更新所述安全边界；根据所更新的安全边界作为反馈对所述机器人进行柔顺控制。从而能够有效的提高机器人的控制效率和精度，提高机器人控制的柔顺性。

Description

一种机器人的柔顺控制方法、装置及设备
技术领域
本申请属于机器人领域，尤其涉及一种机器人的柔顺控制方法、装置及设备。
背景技术
机器人应用在骨科手术时，主要是用于实现高精度的钻削、磨削、切削骨组织等操作，以及通过灵巧的机构实现医生的精巧操作，以实现微创化的手术能力和尽量减少手术过程中X光暴露对医生所产生的射线伤害。在机器人操作过程中，保证操作的安全性，需要将患者的病骨与周边余骨、软组织区分识别，建立模型并划分安全边界和手术区域。
目前的安全边界和手术区域，一般是在机器人操作之前规划完成。但是，在机器人手术操作过程中，病骨组织会逐步切除，安全边界和手术区域也会发生相应的改变。如果按照机器人操作之前所规划的安全边界和手术区域，不利于保证手术的精度和效率，以及不利于提高手术操作的柔顺性。
发明内容
有鉴于此，本申请实施例提供了一种机器人的柔顺控制方法、装置及设备，以解决现有技术中机器人进行手术操作时，按照机器人操作之前所规划的安全边界和手术区域，不利于保证手术的精度和效率，以及不利于提高手术操作的柔顺性的问题。
本申请实施例的第一方面提供了一种机器人的柔顺控制方法，所述机器人的柔顺控制方法包括：
获取目标对象的磁共振MR图像，对所述MR图像进行归一化处理；
根据相邻体素法，分割经过归一化处理后的图像的软骨区域；
根据所述MR图像进行三维重建，建立目标对象的3D模型，根据分割了软骨区域的图像确定所述3D模型的安全边界；
监测机器人末端执行器在所述3D模型的实时位置更新所述安全边界；
根据所更新的安全边界作为反馈对所述机器人进行柔顺控制。
结合第一方面，在第一方面的第一种可能实现方式中，所述根据相邻体素法，分割经过归一化处理后的图像的软骨区域的步骤包括：
随机选择体素，判断所选择的体素属于软骨体素或者背景；
如果所选择的体素属于软骨体素，则对其邻近的体素进行分类，直到所确定的软骨的相邻体素为背景。
结合第一方面，在第一方面的第二种可能实现方式中，所述监测机器人末端执行器在所述3D模型的实时位置更新所述安全边界的步骤包括：
判断机器人是否正在进行磨削操作；
如果机器人正在进行磨削操作，根据机器人末端执行器的轨迹计算磨削操作去除的骨量及去除骨的位置；
根据去除的骨量及去除骨的位置更新所述安全边界。
结合第一方面，在第一方面的第三种可能实现方式中，所述根据所更新的安全边界作为反馈对所述机器人进行柔顺控制的步骤包括：
通过更新的安全边界，结合机器人末端执行器的位置以及施加给机器人的牵引力，通过导纳控制器计算输出至机器人控制参数。
结合第一方面，在第一方面的第四种可能实现方式中，所述根据所更新的安全边界作为反馈对所述机器人进行柔顺控制的步骤包括：
根据导纳控制器的控制公式：
计算导纳控制器输出的机器人控制参数xr，并根据所述机器人控制参数控制机器人末端执行器的移动距离，其中：Fh为施加给机器人的牵引力，Kd为变导纳系数，且Kd＝fgrad(x,LΩ)，x为机器人末端执行器位移，Bd为阻尼矩阵，Md为惯量矩阵，fgrad为位置梯度函数，LΩ为机器人末端执行器与安全边界的距离。
本申请实施例的第二方面提供了一种机器人的柔顺控制装置，所述机器人的柔顺控制装置包括：
归一化处理单元，用于获取目标对象的磁共振MR图像，对所述MR图像进行归一化处理；
分割单元，用于根据相邻体素法，分割经过归一化处理后的图像的软骨区域；
安全边界确定单元，用于根据所述MR图像进行三维重建，建立目标对象的3D模型，根据分割了软骨区域的图像确定所述3D模型的安全边界；
安全边界更新单元，用于监测机器人末端执行器在所述3D模型的实时位置更新所述安全边界；
柔顺控制单元，用于根据所更新的安全边界作为反馈对所述机器人进行柔顺控制。
结合第二方面，在第二方面的第一种可能实现方式中，所述分割单元包括：
随机选择子单元，用于随机选择体素，判断所选择的体素属于软骨体素或者背景；
分类子单元，用于如果所选择的体素属于软骨体素，则对其邻近的体素进行分类，直到所确定的软骨的相邻体素为背景。
结合第二方面，在第二方面的第二种可能实现方式中，所述安全边界更新单元包括：
操作判断子单元，用于判断机器人是否正在进行磨削操作；
计算子单元，用于如果机器人正在进行磨削操作，根据机器人末端执行器的轨迹计算磨削操作去除的骨量及去除骨的位置；
更新子单元，用于根据去除的骨量及去除骨的位置更新所述安全边界。
结合第二方面，在第二方面的第三种可能实现方式中，所述柔顺控制单元用于：
通过更新的安全边界，结合机器人末端执行器的位置以及施加给机器人的牵引力，通过导纳控制器计算输出至机器人控制参数。
结合第二方面，在第二方面的第四种可能实现方式中，所述柔顺控制单元用于：
根据导纳控制器的控制公式：
计算导纳控制器输出的机器人控制参数xr，并根据所述机器人控制参数控制机器人末端执行器的移动距离，其中：Fh为施加给机器人的牵引力，Kd为变导纳系数，且Kd＝fgrad(x,LΩ)，x为机器人末端执行器位移，Bd为阻尼矩阵，Md为惯量矩阵，fgrad为位置梯度函数，LΩ为机器人末端执行器与安全边界的距离。
本申请实施例的第三方面提供了一种机器人的柔顺控制设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如第一方面任一项所述机器人的柔顺控制方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述机器人的柔顺控制方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：对归一化的图像采用相邻体素法分割图像的软骨区域，有利于提高图像的处理效率，通过监测机器人末端执行器的实时位置，对3D模型的安全边界实时更新，有利于提高机器人控制精度，并且通过更新的安全边界反馈进行控制，有利于提高机器人控制的柔顺性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种机器人的柔顺控制方法的实现流程示意图；
图2是本申请实施例提供的一种更新安全边界方法的实现流程示意图；
图3是本申请实施例提供的一种柔顺控制原理示意图；
图4是本申请实施例提供的一种机器人的柔顺控制装置的示意图；
图5是本申请实施例提供的一种机器人柔顺控制系统结构的示意图；
图6是本申请实施例提供的机器人的柔顺控制设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
图1为本申请实施例提供的一种机器人的柔顺控制方法的实现流程示意图，详述如下：
在步骤S101中，获取目标对象的磁共振MR图像，对所述MR图像进行归一化处理；
具体的，本申请所述目标对象的磁共振MR图像，可以对目标进行MR扫描的方式获取，或者也可以直接读取由存储设备所存储的MR图像。在每张MR图像中，可能包括目标对象的软骨等。所述目标对象可以为需要进行手术的关节部位，比如患者膝关节等，所述手术可以为关节转换手术等。当然，所述目标对象也可以为仿真模型，通过获取仿真模型的核磁共振MR图像，并对其进行分割、建模和更新安全边界，并根据更新的安全边界进行柔顺控制，可以方便用户模拟手术过程，对柔顺控制过程进行练习。
对所述MR图像进行归一化处理，可以使得所获取的MR图像的比例一致，从而便于后续的三维重建，以及体素的相邻关系的确认等。
在步骤S102中，根据相邻体素法，分割经过归一化处理后的图像的软骨区域；
为了有效的提高软骨区域的识别效率，本申请采用相邻体素法，可以通过随机选择体素的方式，或者按照预定的间隔选择体素的方式，来判断所选择的体素是否属于软骨体素，如果是，则根据该确定的软骨体素，查找与其相邻的其它体素是否为软骨体素。如此反复，一旦确定某个体素为软骨体素后，则查找与其相邻的其它体素是否为软骨体素，直到所查找的体素不是软骨体素。通过随机选择或者按照预定间隔选择的方式，可以避免对图像中的每个体素进行判断，能够大大的提高对图像的软骨的分割效率。
本申请对选择的体素是否为软骨的判断，可以基于软骨特征进行比对的方式，也可以通过神经网络模型学习软骨样本的方式，由训练后的神经网络模型来自动识别体素是否为软骨体素。
在步骤S103中，根据所述MR图像进行三维重建，建立目标对象的3D模型，根据分割了软骨区域的图像确定所述3D模型的安全边界；
通过连续的MR图像的间隔、MR图像内容，对目标对象进行三维重建，得到3D模型。根据3D模型中所包括的软骨体素的位置，或者还可以包括所识别的其它内容，比如韧带等结构，确定3D模型中的安全边界。
在建立所述3D模型后，可以根据所述3D模型启动导航系统，显示3D模型中的操作位置(比如手术位置)，对机器人末端执行器的位置进行定位等操作，便于用户根据导航系统控制机器人进行磨削等操作。
在步骤S104中，监测机器人末端执行器在所述3D模型的实时位置更新所述安全边界；
当机器人处于手术进行中时，机器人可能会对目标进行磨削操作，在磨削操作过程中，安全边界会发生改变，为了有效的监测所述安全边界的变化，可以如图2所示，包括：
在步骤S201中，判断机器人是否正在进行磨削操作；
如果机器人没有处于手术中，或者虽然处于手术中，但并没有进行磨削操作时，则可以不需要对所述安全边界进行更新处理。
在步骤S202中，如果机器人正在进行磨削操作，根据机器人末端执行器的轨迹计算磨削操作去除的骨量及去除骨的位置；
如果机器人处于磨削操作，则可以根据机器人末端执行器的轨迹，即末端执行器的位置变化信息，确定磨削操作去除的骨量，以及去除骨的位置。去骨量可以根据磨削的力度、磨削的速度、磨削位移的变化程度等确定。
在步骤S203中，根据去除的骨量及去除骨的位置更新所述安全边界。
根据去除的骨量和位置可以得到余骨(剩余的骨)的信息，根据余骨的信息，结合预定的安全边界规则，对所述安全边界进行更新。
在步骤S105中，根据所更新的安全边界作为反馈对所述机器人进行柔顺控制。
在更新了磨削过程中的安全边界后，可以根据更新的安全边界作为反馈，来确定机器人控制的柔顺度。所述机器人的柔顺度可以通过导纳控制器计算的方式，向所述导纳控制器输入更新的安全边界、机器人末端执行器的位置以及施加给机器人的牵引力，来确定导纳控制器输出至机器人的控制参数，使得机器人根据所述控制参数输出末端执行器的移动距离。
其中，所述导纳控制器的计算公式可以为：
计算导纳控制器输出的机器人控制参数xr，并根据所述机器人控制参数控制机器人末端执行器的移动距离，其中：Fh为施加给机器人的牵引力，Kd为变导纳系数，且Kd＝fgrad(x,LΩ)，x为机器人末端执行器位移，Bd为阻尼矩阵，Md为惯量矩阵，fgrad为位置梯度函数，LΩ为机器人末端执行器与安全边界的距离，为对x一阶求导，为对x二阶求导。
如图3所示，在在手术过程中，医生301可以通过牵引机器人到预定的手术位置，完成骨磨削操作。因此，控制系统的输入包括医生对机器人的牵引力Fh，输出为机器人末端执行器的位置x。通过设置了导纳控制器302，所述导纳控制器302的输入包括医生对机器人的牵引力Fh、位置梯度模型303环节的输出变导纳系数Kd。导纳控制器302的输出为xr，并将xr作为机器人304的参考输入。通过采集机器人编码器的测量信号，结合所述xr可以计算机器人304末端执行器的位置x，并参考导航系统的反馈信号，对手术区域305进行边界检测306，边界检测306可以获得机器人末端执行器与安全边界的距离信息，将该距离信息和位置x输入到位置梯度模型303环节，获取变导纳系数Kd，并反馈给导纳控制器302。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图4为本申请实施例提供的一种机器人柔顺控制系统的结构示意图。所述机器人柔顺控制系统包括：
上位机401、导航系统402、电机驱动器403、电机404、电机编码器405、电机制动器406、数据采集卡407、关节编码器408、扭矩传感器409、关节制动器410以及数据总线。其中，上位机401通过数据总线与电机驱动器403、电机编码器405、数据采集卡407、关节制动器410相连。上位机401可以通过总线给电机驱动器403和关节制动器410单向发送控制信号，并通过总线单向接收电机编码器405和数据采集卡407的信号。同时导航系统402与上位机401直接相连，并可以提供反馈数据给上位机401。电机驱动器403采集电机编码器405信号，并可以将驱动信号传递给电机404和电机制动器406。数据采集卡407采集关节编码器408和扭矩传感器409的信号，经过数据处理后通过数据总线上传给上位机401。
图5为本申请实施例提供的一机器人的柔顺控制装置的结构示意图，如图5所示，所述机器人的柔顺控制装置包括：
归一化处理单元501，用于获取目标对象的磁共振MR图像，对所述MR图像进行归一化处理；
分割单元502，用于根据相邻体素法，分割经过归一化处理后的图像的软骨区域；
安全边界确定单元503，用于根据所述MR图像进行三维重建，建立目标对象的3D模型，根据分割了软骨区域的图像确定所述3D模型的安全边界；
安全边界更新单元504，用于监测机器人末端执行器在所述3D模型的实时位置更新所述安全边界；
柔顺控制单元505，用于根据所更新的安全边界作为反馈对所述机器人进行柔顺控制。
优选的，所述分割单元包括：
随机选择子单元，用于随机选择体素，判断所选择的体素属于软骨体素或者背景；
分类子单元，用于如果所选择的体素属于软骨体素，则对其邻近的体素进行分类，直到所确定的软骨的相邻体素为背景。
优选的，所述安全边界更新单元包括：
操作判断子单元，用于判断机器人是否正在进行磨削操作；
计算子单元，用于如果机器人正在进行磨削操作，根据机器人末端执行器的轨迹计算磨削操作去除的骨量及去除骨的位置；
更新子单元，用于根据去除的骨量及去除骨的位置更新所述安全边界。
优选的，所述柔顺控制单元用于：
通过更新的安全边界，结合机器人末端执行器的位置以及施加给机器人的牵引力，通过导纳控制器计算输出至机器人控制参数。
优选的，所述柔顺控制单元用于：
根据导纳控制器的控制公式：
计算导纳控制器输出的机器人控制参数xr，并根据所述机器人控制参数控制机器人末端执行器的移动距离，其中：Fh为施加给机器人的牵引力，Kd为变导纳系数，且Kd＝fgrad(x,LΩ)，x为机器人末端执行器位移，Bd为阻尼矩阵，Md为惯量矩阵，fgrad为位置梯度函数，LΩ为机器人末端执行器与安全边界的距离。
图5所述机器人的柔顺控制装置，与图1所述的机器人的柔顺控制方法对应。
图6是本申请一实施例提供的机器人的柔顺控制设备的示意图。如图6所示，该实施例的机器人的柔顺控制设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如机器人的柔顺控制程序。所述处理器60执行所述计算机程序62时实现上述各个机器人的柔顺控制方法实施例中的步骤。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能。
示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述机器人的柔顺控制设备6中的执行过程。例如，所述计算机程序62可以被分割成：
归一化处理单元，用于获取目标对象的磁共振MR图像，对所述MR图像进行归一化处理；
分割单元，用于根据相邻体素法，分割经过归一化处理后的图像的软骨区域；
安全边界确定单元，用于根据所述MR图像进行三维重建，建立目标对象的3D模型，根据分割了软骨区域的图像确定所述3D模型的安全边界；
安全边界更新单元，用于监测机器人末端执行器在所述3D模型的实时位置更新所述安全边界；
柔顺控制单元，用于根据所更新的安全边界作为反馈对所述机器人进行柔顺控制。
所述机器人的柔顺控制设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述机器人的柔顺控制设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是机器人的柔顺控制设备6的示例，并不构成对机器人的柔顺控制设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机器人的柔顺控制设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述机器人的柔顺控制设备6的内部存储单元，例如机器人的柔顺控制设备6的硬盘或内存。所述存储器61也可以是所述机器人的柔顺控制设备6的外部存储设备，例如所述机器人的柔顺控制设备6上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述机器人的柔顺控制设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述机器人的柔顺控制设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (12)

1.一种机器人的柔顺控制方法，其特征在于，所述机器人的柔顺控制方法包括：
获取目标对象的磁共振MR图像，对所述MR图像进行归一化处理；
根据相邻体素法，分割经过归一化处理后的图像的软骨区域；
根据所述MR图像进行三维重建，建立目标对象的3D模型，根据分割了软骨区域的图像确定所述3D模型的安全边界；
监测机器人末端执行器在所述3D模型的实时位置更新所述安全边界；
根据所更新的安全边界作为反馈对所述机器人进行柔顺控制。
2.根据权利要求1所述的机器人的柔顺控制方法，其特征在于，所述根据相邻体素法，分割经过归一化处理后的图像的软骨区域的步骤包括：
随机选择体素，判断所选择的体素属于软骨体素或者背景；
如果所选择的体素属于软骨体素，则对其邻近的体素进行分类，直到所确定的软骨的相邻体素为背景。
3.根据权利要求1所述的机器人的柔顺控制方法，其特征在于，所述监测机器人末端执行器在所述3D模型的实时位置更新所述安全边界的步骤包括：
判断机器人是否正在进行磨削操作；
如果机器人正在进行磨削操作，根据机器人末端执行器的轨迹计算磨削操作去除的骨量及去除骨的位置；
根据去除的骨量及去除骨的位置更新所述安全边界。
4.根据权利要求1所述的机器人的柔顺控制方法，其特征在于，所述根据所更新的安全边界作为反馈对所述机器人进行柔顺控制的步骤包括：
通过更新的安全边界，结合机器人末端执行器的位置以及施加给机器人的牵引力，通过导纳控制器计算输出至机器人控制参数。
5.根据权利要求1或4所述的机器人的柔顺控制方法，其特征在于，所述根据所更新的安全边界作为反馈对所述机器人进行柔顺控制的步骤包括：
根据导纳控制器的控制公式：
计算导纳控制器输出的机器人控制参数xr，并根据所述机器人控制参数控制机器人末端执行器的移动距离，其中：Fh为施加给机器人的牵引力，Kd为变导纳系数，且Kd＝fgrad(x,LΩ)，x为机器人末端执行器位移，Bd为阻尼矩阵，Md为惯量矩阵，fgrad为位置梯度函数，LΩ为机器人末端执行器与安全边界的距离。
6.一种机器人的柔顺控制装置，其特征在于，所述机器人的柔顺控制装置包括：
归一化处理单元，用于获取目标对象的磁共振MR图像，对所述MR图像进行归一化处理；
分割单元，用于根据相邻体素法，分割经过归一化处理后的图像的软骨区域；
安全边界确定单元，用于根据所述MR图像进行三维重建，建立目标对象的3D模型，根据分割了软骨区域的图像确定所述3D模型的安全边界；
安全边界更新单元，用于监测机器人末端执行器在所述3D模型的实时位置更新所述安全边界；
柔顺控制单元，用于根据所更新的安全边界作为反馈对所述机器人进行柔顺控制。
7.根据权利要求6所述的机器人的柔顺控制装置，其特征在于，所述分割单元包括：
随机选择子单元，用于随机选择体素，判断所选择的体素属于软骨体素或者背景；
分类子单元，用于如果所选择的体素属于软骨体素，则对其邻近的体素进行分类，直到所确定的软骨的相邻体素为背景。
8.根据权利要求6所述的机器人的柔顺控制装置，其特征在于，所述安全边界更新单元包括：
操作判断子单元，用于判断机器人是否正在进行磨削操作；
计算子单元，用于如果机器人正在进行磨削操作，根据机器人末端执行器的轨迹计算磨削操作去除的骨量及去除骨的位置；
更新子单元，用于根据去除的骨量及去除骨的位置更新所述安全边界。
9.根据权利要求6所述的机器人的柔顺控制装置，其特征在于，所述柔顺控制单元用于：
通过更新的安全边界，结合机器人末端执行器的位置以及施加给机器人的牵引力，通过导纳控制器计算输出至机器人控制参数。
10.根据权利要求6或9所述的机器人的柔顺控制装置，其特征在于，所述柔顺控制单元用于：
根据导纳控制器的控制公式：
计算导纳控制器输出的机器人控制参数xr，并根据所述机器人控制参数控制机器人末端执行器的移动距离，其中：Fh为施加给机器人的牵引力，Kd为变导纳系数，且Kd＝fgrad(x,LΩ)，x为机器人末端执行器位移，Bd为阻尼矩阵，Md为惯量矩阵，fgrad为位置梯度函数，LΩ为机器人末端执行器与安全边界的距离。
11.一种机器人的柔顺控制设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述机器人的柔顺控制方法的步骤。
12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述机器人的柔顺控制方法的步骤。
CN201811614026.XA 2018-12-27 2018-12-27 一种机器人的柔顺控制方法、装置及设备 Active CN109512509B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811614026.XA CN109512509B (zh) 2018-12-27 2018-12-27 一种机器人的柔顺控制方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811614026.XA CN109512509B (zh) 2018-12-27 2018-12-27 一种机器人的柔顺控制方法、装置及设备

Publications (2)

Publication Number Publication Date
CN109512509A true CN109512509A (zh) 2019-03-26
CN109512509B CN109512509B (zh) 2020-07-03

Family

ID=65797531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811614026.XA Active CN109512509B (zh) 2018-12-27 2018-12-27 一种机器人的柔顺控制方法、装置及设备

Country Status (1)

Country Link
CN (1) CN109512509B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112336461A (zh) * 2020-11-05 2021-02-09 苏州微创畅行机器人有限公司 手术机器人、控制方法、系统及可读存储介质
CN112998863A (zh) * 2021-03-12 2021-06-22 杭州柳叶刀机器人有限公司 机器人安全边界交互方法及装置、电子设备和存储介质
CN113679472A (zh) * 2021-08-27 2021-11-23 深圳市大族机器人有限公司 一种用于自然腔道远程手术的人机协作方法及装置
CN118121265A (zh) * 2024-05-07 2024-06-04 杭州三坛医疗科技有限公司 一种具有导纳功能的髋关节手术机器人磨搓控制系统及其方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102768541A (zh) * 2012-04-28 2012-11-07 中国科学院深圳先进技术研究院 手术机器人的控制方法和系统
CN103440665A (zh) * 2013-09-13 2013-12-11 重庆大学 膝关节软骨图像自动分割方法
CN104780849A (zh) * 2012-08-27 2015-07-15 休斯顿大学 用于成像制导和机器人辅助的手术的机器人装置和系统软件、硬件和方法
CN106725711A (zh) * 2016-12-13 2017-05-31 中国科学院深圳先进技术研究院 骨质磨削机器人、椎板磨削手术机器人控制系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102768541A (zh) * 2012-04-28 2012-11-07 中国科学院深圳先进技术研究院 手术机器人的控制方法和系统
CN104780849A (zh) * 2012-08-27 2015-07-15 休斯顿大学 用于成像制导和机器人辅助的手术的机器人装置和系统软件、硬件和方法
CN103440665A (zh) * 2013-09-13 2013-12-11 重庆大学 膝关节软骨图像自动分割方法
CN106725711A (zh) * 2016-12-13 2017-05-31 中国科学院深圳先进技术研究院 骨质磨削机器人、椎板磨削手术机器人控制系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杜志江，等: "基于模糊强化学习的微创外科手术机械臂人机交互方法", 《机器人》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112336461A (zh) * 2020-11-05 2021-02-09 苏州微创畅行机器人有限公司 手术机器人、控制方法、系统及可读存储介质
CN112336461B (zh) * 2020-11-05 2022-08-12 苏州微创畅行机器人有限公司 手术机器人、控制方法、系统及可读存储介质
EP4241715A4 (en) * 2020-11-05 2024-05-15 Microport Navibot (Suzhou) Co., Ltd. SURGICAL ROBOT, CONTROL METHOD, SYSTEM, AND READABLE STORAGE MEDIUM
CN112998863A (zh) * 2021-03-12 2021-06-22 杭州柳叶刀机器人有限公司 机器人安全边界交互方法及装置、电子设备和存储介质
CN113679472A (zh) * 2021-08-27 2021-11-23 深圳市大族机器人有限公司 一种用于自然腔道远程手术的人机协作方法及装置
CN113679472B (zh) * 2021-08-27 2022-11-01 深圳市牛耳机器人有限公司 一种用于自然腔道远程手术的人机协作方法及装置
CN118121265A (zh) * 2024-05-07 2024-06-04 杭州三坛医疗科技有限公司 一种具有导纳功能的髋关节手术机器人磨搓控制系统及其方法

Also Published As

Publication number Publication date
CN109512509B (zh) 2020-07-03

Similar Documents

Publication Publication Date Title
CN109512509A (zh) 一种机器人的柔顺控制方法、装置及设备
CN110349147B (zh) 模型的训练方法、眼底黄斑区病变识别方法、装置及设备
CN109300107B (zh) 磁共振血管壁成像的斑块处理方法、装置和计算设备
CN110263724A (zh) 图片识别方法、识别模型训练方法、装置及存储介质
CN109397285A (zh) 一种装配方法、装配装置及装配设备
CN109146868A (zh) 3d肺结节生成方法、装置及电子设备
CN110142765A (zh) 一种加工橡胶塞的方法、装置及系统
Choi et al. Video recognition of simple mastoidectomy using convolutional neural networks: Detection and segmentation of surgical tools and anatomical regions
CN114022548A (zh) 一种内窥镜碰撞检测方法、装置、设备及存储介质
Retrouvey The role of AI and machine learning in contemporary orthodontics
Chae et al. Generating 3D bio-printable patches using wound segmentation and reconstruction to treat diabetic foot ulcers
Ciszkiewicz et al. Path planning for minimally-invasive knee surgery using a hybrid optimization procedure
Fang et al. Deep learning-based facial appearance simulation driven by surgically planned craniomaxillofacial bony movement
CN108985302A (zh) 一种皮肤镜图像处理方法、装置及设备
CN107341791A (zh) 一种基于混合现实的勾靶方法、装置及系统
Yadollahi et al. The use of combined illumination in segmentation of orthodontic bodies
Nichols et al. Models of human-centered automation in a debridement task
CN116747017A (zh) 脑出血手术规划系统及方法
CN115294426B (zh) 介入医学设备的跟踪方法、装置、设备及存储介质
US11756200B2 (en) Medical imaging with functional architecture tracking
JP2024526671A (ja) ロボット補助レーザ骨切除術
CN115422838A (zh) 手术机器人的自主学习方法、装置、设备和介质
WO2021252868A1 (en) Image segmentation for sets of objects
CN107633882B (zh) 混合云架构下的微创医疗服务系统及其辅助决策方法
CN112884714A (zh) 一种淋巴结ct图像自动分割方法及系统

Legal Events

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