CN110751132A - 一种基于双目视觉的手背静脉成像装置及方法 - Google Patents
一种基于双目视觉的手背静脉成像装置及方法 Download PDFInfo
- Publication number
- CN110751132A CN110751132A CN201911152974.0A CN201911152974A CN110751132A CN 110751132 A CN110751132 A CN 110751132A CN 201911152974 A CN201911152974 A CN 201911152974A CN 110751132 A CN110751132 A CN 110751132A
- Authority
- CN
- China
- Prior art keywords
- image
- light source
- vein
- camera
- binocular
- 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.)
- Pending
Links
- 210000003462 vein Anatomy 0.000 title claims abstract description 89
- 238000003384 imaging method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000003702 image correction Methods 0.000 claims abstract description 11
- 230000003287 optical effect Effects 0.000 claims description 19
- 239000004744 fabric Substances 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 238000003709 image segmentation Methods 0.000 claims description 8
- 230000031700 light absorption Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 238000009434 installation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000001953 Hypotension Diseases 0.000 description 1
- 241001292296 Skimmia Species 0.000 description 1
- 206010047139 Vasoconstriction Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 208000012866 low blood pressure Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008728 vascular permeability Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/32—Normalisation of the pattern dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于双目视觉的手背静脉成像装置及在上位机的静脉成像方法。其中装置包括：近红外环形光源模块、图像采集模块、图像处理模块、安装架、水平仪等。在自然光的环境下，环形近红外光源均匀的照射在实验手背，两台相机水平安装在近红外环形光源的上方进行采集图像，对采集到的图像对在上位机进行图像校正、去噪增强、特征提取以及匹配等处理，从而对静脉进行三维重建。通过上述方式，本发明能够对实现对象的手背静脉进行三维重建，能提取静脉的深度，获得更丰富的静脉信息，对医护人员的静脉穿刺起到辅助作用。
Description
技术领域
本发明涉及光学、图像学等在医疗领域上的研究，更具体的说，涉及一种基于双目视觉的手背静脉成像装置和方法。
背景技术
静脉穿刺是目前全球最基本的医疗手段之一，然而面临着许多问题，例如患者因脂肪层较厚、皮肤颜色过深、贫血、血压低、红血球増多症等因素导致静脉质量差和外周血管收缩，都会出现血管不能清晰显于手背的情况，导致穿刺失败。烧伤病人由于体液缺失、血管通透性变差等原因，使穿刺不易成功。针对以上问题国内外研究人员纷纷投入研究，市面上涌现了大量的相关医疗辅助设备，就目前的临床使用来看，这类产品存在一些不足，主要表现在现有的浅层静脉成像技术仅仅存在于二维层面，而不能提供三维的图像，无法提供静脉血管的深度信息。若静脉血管在各个深度都表现为适宜穿刺的状态，那么，将会存在因静脉血管处于不同深度的问题，导致穿刺失败的风险。浅层静脉的三维图像不仅可以为医护人员提供浅层静脉的位置关系，而且相较于二维图像使得医护人员更容易判断出适合进行穿刺的静脉血管，尤其是对于婴幼儿或者脂肪层较厚的患者而言，三维静脉血管图像有望降低穿刺失败率，达到二维手背静脉图像无法实现的目标。
公开号为103584836的中国专利公开了一种实时静脉定位显示装置，该装置包括近红外LED光源、红光LED光源、二次透镜、二向色镜、均匀照明系统、图像采集与处理系统、投影系统和控制系统。同时，该专利还公开了一种静脉定位显示方法。然而，这种传统的静脉显示方式仍然提供的是二维的静脉图像，获取不了更多的静脉信息。
公开号为104414620的中国专利公开了一种基于双目摄像的静脉定位方法和装置，该装置包括红外光源、用于双目测距的相机、图像处理模块、投影显示模块。该发明通过双目相机采集静脉血管图像，去除了传统方法里的分光镜，并且把两个相机采集的图像进行拼接以及剪裁与缩放处理，能够在被测对象的表面投影显示出静脉血管图像。
发明内容
本发明的目的和要解决的技术问题是为克服现有技术的不足，提供一种基于双目视觉的手背静脉成像装置及方法，该装置能够在近红外环形的光源照射下同时获取两个相机的手部静脉图像，在经过图像处理后获取静脉的深度和三维图像，以便医护人员选择合适的静脉进行穿刺，并对静脉信息进行分析。
本发明所采用的技术方案为：一种基于双目视觉的手背静脉成像装置，该装置包括：
能够均匀的发射包括拍摄平台在内的近红外光、可以调节近红外光的照射角度、可调节光源的功率的近红外环形光源模块；
用于同时拍摄待测人员的手背静脉，对待测人员的手背图像进行采集近红外图像和可见光图像的图像采集模块；
用于提取在图像采集模块图像数据中的静脉信息对静脉图像进行三维重建的图像处理模块；
承载放置实验装置的光学平台；
用于放待测人员的手部的黑色吸光布；
固定支撑近红外环形光源模块的第一支撑杆；
固定支撑图像采集模块的第二支撑杆。
所述近红外光源模块包括环形光源、光源旋转固定板和光源功率控制器，其中环形光源通过第一支撑杆设置在光源旋转固定板的底面光学平台上方；所述环形光源是由四层环绕的LED排列组合构成，环形光源的出光角度为90度，环形光源的波长是850nm，所述光源旋转固定板和第一支撑杆之间由万向轮连接，环形光源与光源功率控制器由连接线连接，光源功率控制器可调节光源的功率。
所述图像采集模块包括第一相机、第二相机、双目固定支架、水平仪和滤光片；其中第一相机和第二相机横向并排对应黑色吸光布的正上方设置在双目固定支架上，在第一相机和第二相机的前方设置有850nm的滤光片，所述双目固定支架上带有凹槽，所述凹槽可以对设置在凹槽上的第一相机和第二相机双目距离进行调节；所述水平仪放置在双目固定支架上面，所述双目固定支架通过两个第二支撑杆被设置在光学平台上。
所述图像处理模块用于提取在图像采集模块图像数据中的静脉信息，进行图像校正、图像剪裁、图像去噪、图像增强、多级图像分割、特征提取和匹配、获取视差图和深度图七个图像处理算法操作步骤，最后根据匹配结果对静脉图像进行三维重建。
工作原理：在自然光的环境中，近红外环形光源模块中的环形光源均匀的照射在待测人员的手背上，待测人员将手背平放在拍摄平台(光学平台)上。通过图像采集模块对手背静脉图像进行采集，图像采集模块固定在支撑杆和双目固定支架上，水平仪放置在双目固定支架上，用于观测整体装置的是否水平；图像处理模块对采集到的图像进行图像校正、图像去噪、图像增强、特征提取及匹配等处理，最后得到静脉图像的三维立体图像。
与现有的技术相比，本发明的有益效果为：
1、本发明提出的基于双目视觉的手背静脉成像装置及方法，能够提供静脉的三维图像，方便医护人员获取静脉的更多信息。
2、本发明提出的基于双目视觉的手背静脉成像装置及方法，能够对静脉信息更加准确的提取，保证后期特征匹配更加精准。
3、本发明提出的基于双目视觉的手背静脉成像装置及方法，能够实时调节光源的高度、角度、和功率。
附图说明
图1是本发明的基于双目视觉的手背静脉成像装置的结构示意图；
图2是本发明图像处理模块的流程图；
图3是本发明图像处理模块中图像校正前后示意图；
图4是本发明图像处理模块中多级图像分割的流程图；
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示：一种基于双目视觉的手背静脉成像装置，该装置包括近红外环形光源模块110、图像采集模块120、图像处理模块130、光学平台140、黑色吸光布150、第一支撑杆160、第二支撑杆170。
所述近红外环形光源模块110包括环形光源111、光源旋转固定板112和光源功率控制器113，其中环形光源111通过四个螺丝固定在光源旋转固定板112上，光源旋转固定板112通过第一支撑杆160固定在底面光学平台140上方。环形光源111能够均匀的发射包括拍摄平台在内的近红外光，本实施例所述环形光源111是采用的东莞乐视光源厂家的LTS-RN12090-IR850型号光源，出光角度为90度，环形光源111的波长是850nm，所述光源旋转固定板112和第一支撑杆160之间由万向轮连接，可以调节近红外光的照射角度；环形光源111与光源功率控制器113由连接线连接，光源功率控制器113可调节光源的功率，本实施例所述的光源功率控制器是采用东莞乐视光源厂家的LTS-2APC2424-2型号控制器。
所述图像采集模块120包括第一相机121、第二相机122、双目固定支架123和水平仪124；其中第一相机121和第二相机122横向并排对应黑色吸光布150的正上方设置在双目固定支架123上，用于同时拍摄待测人员的手背静脉，对待测人员的手背图像进行采集近红外图像和可见光图像；在第一相机121和第二相机122的前方设置有850nm的滤光片125，用于吸收850nm波长的光，滤掉其他波长的外界光，所述双目固定支架123上带有凹槽126，所述凹槽126可以对第一相机121和第二相机122双目距离进行调节；所述水平仪124放置在双目固定支架123上面，通过观察水平仪124中气泡的位置来判断双目固定支架123安装是否水平；所述双目固定支架123通过两个第二支撑杆170被设置在光学平台140上。待测人员的手背反射回来的光经滤光片125后，两个相机可以同时采集到手背静脉的近红外图像数据，去掉滤光片，两个相机可以同时采集到可见光的图像数据。
所述光学平台140用于放置近红外环形光源模块模块110、图像采集模块120、图像处理模块130、黑色吸光布150、第一支撑杆160和第二支撑杆170。
所述黑色吸光布150设置在光学平台140上用于放待测人员的手部。
如图2所示：所述图像处理模块130用于提取在图像采集模块120图像数据中的静脉信息，进行图像校正、图像剪裁、图像去噪、图像增强、多级图像分割、特征提取和匹配、获取视差图和深度图等图像处理算法操作，最后根据匹配结果对静脉图像进行三维重建。
所述图像校正用于对相机拍摄到的原始图像进行校正，理想的摄像机模型是针孔模型，但是实际的镜头不符合这种假设。另外，相机的构造以及制造、安装、工艺等因素也会造成误差，导致相机通常会存在多种非线性畸变，使得上面介绍的针孔相机模型并不能准确地描述最终的成像关系。
如图3所示的是畸变校正前后的示意图，图中Ⅰ为相机采集的原图，图中Ⅱ为根据相机的内参与外参矩阵得到的图像校正图，图像校正是采用MATLAB中的calib_gui工具箱和stereo_gui工具箱进行。相机标定后可以得到两个相机的内参矩阵和外参矩阵。
所述图像去噪采用双边滤波算法。
所述图像增强采用的是直方图均衡法。
所述图像剪裁是让目标区域占到全图像的更大百分比，以加快后期匹配速度。
所述多级图像分割是要精准提取手背静脉图像，如图4所示。第一级分割是OTSU自适应阈值方法，目的是将前景目标与后景进行分离。然后在手背静脉原图中将前景目标提取出来。对前景目标进行第二级分割，此次阈值选定为前景目标的均值，后根据统计学分布在前景目标图像的直方图中选取灰度值密集的区间进行灰度拉伸，经实验表明，灰度拉伸区间一般为[0.2,0.8]。第三级分割采用改进的NiBlack算法，阈值T＝m*average+(1+n*((s/max)-1))，其中m为权重系数，n为修正系数，s为区间标准差，max是所有遍历区间的最大标准差，average为图像灰度平均值。当m范围在0.8-0.9区间可得手部及静脉边缘图像a，当m范围在0.4-0.6区间，可得手部边缘图像b，图像a减去图像b可得较清晰的二值化静脉纹路图像。第四级分割采用的是霍夫变换，霍夫变换前进行一次高斯模糊滤波去除多余噪点，设置HoughLinesP的后三位参数为(5，1，1)以准确检测出静脉轮廓。
特征提取是依据静脉图像的特征利用Harris算子进行提取，经试验验证将算法中threshold取值为0.1。特征提取后的匹配是用基于sad算法的全局匹配，匹配后可以得到双目图像的视差图和深度图。
所述三维重建根据视差图生成三维坐标，然后再VC平台上结合OpenCV和OpenGL进行三维图像重建。
一种基于双目视觉的手背静脉成像方法，包括以下步骤：
1)开启设备，将待测人员的手背放在待测位；
2)开启光源，将光源功率调到最低；
3)开启图像采集模块，观察图像，并调节光源合适功率、高度和角度；
4)多角度拍摄标定板，在MATLAB中对第一相机和第二相机进行标定；
5)用图像采集模块对第一相机和第二相机的图像进行同时提取；
6)将提取到的图像在MATLAB平台中对图像校正；
7)采用双边滤波算法对图像进行去噪：
8)采用直方图均衡法对图像进行增强：
9)对图像进行剪裁：
10)采用多级图像分割算法对图像进行分割；
11)采用Harris算子对图像进行特征提取；
12)采用sad算法对双目图像进行匹配，得到视差图与深度图；
13)结合OpenCV和OpenGL对静脉进行三维重建；
14)医护人员可以提取到对应的静脉的深度，并根据静脉的三维图像对患者的静脉进行分析。
Claims (10)
1.一种基于双目视觉的手背静脉成像装置，其特征在于：该装置包括：
能够均匀的发射包括拍摄平台在内的近红外光、可以调节近红外光的照射角度、可调节光源的功率的近红外环形光源模块(110)；
用于同时拍摄待测人员的手背静脉，对待测人员的手背图像进行采集近红外图像和可见光图像的图像采集模块(120)；
用于提取在图像采集模块(120)图像数据中的静脉信息对静脉图像进行三维重建的图像处理模块(130)；
承载放置实验装置的光学平台(140)；
用于放待测人员的手部的黑色吸光布(150)；
固定支撑近红外环形光源模块(110)的第一支撑杆(160)；
固定支撑图像采集模块(120)的第二支撑杆(170)。
2.根据权利要求1所述的一种基于双目视觉的手背静脉成像装置，其特征在于：所述近红外光源模块(110)包括环形光源(111)、光源旋转固定板(112)和光源功率控制器(113)，其中环形光源(111)通过第一支撑杆(160)设置在光源旋转固定板(112)的底面光学平台(140)上方；所述环形光源(111)是由四层环绕的LED排列组合构成，环形光源(111)的出光角度为90度，环形光源(111)的波长是850nm，所述光源旋转固定板(112)和第一支撑杆(160)之间由万向轮连接，环形光源(111)与光源功率控制器(113)由连接线连接，光源功率控制器(113)可调节光源的功率。
3.根据权利要求1所述的一种基于双目视觉的手背静脉成像装置，其特征在于：所述图像采集模块(120)包括第一相机(121)、第二相机(122)、双目固定支架(123)、水平仪(124)和滤光片(125)；其中第一相机(121)和第二相机(122)横向并排对应黑色吸光布(150)的正上方设置在双目固定支架(123)上，在第一相机(121)和第二相机(122)的前方设置有850nm的滤光片(125)，所述双目固定支架(123)上带有凹槽(126)，所述凹槽(126)可以对设置在凹槽(126)上的第一相机(121)和第二相机(122)双目距离进行调节；所述水平仪(124)放置在双目固定支架(123)上面，所述双目固定支架(123)通过两个第二支撑杆(170)被设置在光学平台(140)上。
4.根据权利要求1所述的一种基于双目视觉的手背静脉成像装置，其特征在于：所述图像处理模块(130)用于提取在图像采集模块(120)图像数据中的静脉信息，进行图像校正、图像剪裁、图像去噪、图像增强、多级图像分割、特征提取和匹配、获取视差图和深度图七个图像处理算法操作步骤，最后根据匹配结果对静脉图像进行三维重建。
5.根据权利要求4所述的一种基于双目视觉的手背静脉成像装置，其特征在于：所述图像校正是对相机拍摄到的原始图像进行校正，图像校正是采用MATLAB中的calib_gui工具箱和stereo_gui工具箱进行，相机标定后可以得到两个相机的内参矩阵和外参矩阵。
6.根据权利要求4所述的一种基于双目视觉的手背静脉成像装置，其特征在于：所述图像去噪采用双边滤波和高斯滤波算法实现；所述图像增强采用的是直方图均衡法实现；所述图像剪裁是让目标区域占到全图像的更大百分比以加快后期匹配速度。
7.根据权利要求4所述的一种基于双目视觉的手背静脉成像装置，其特征在于：所述多级图像分割是要精准提取手背静脉图像，第一级分割是OTSU自适应阈值方法，目的是将前景目标与后景进行分离，然后在手背静脉原图中将前景目标提取出来，对前景目标进行第二级分割，此次阈值选定为前景目标的均值，后根据统计学分布在前景目标图像的直方图中选取灰度值密集的区间进行灰度拉伸；第三级分割采用改进的NiBlack算法，阈值T＝m*average+(1+n*((s/max)-1))，其中m为权重系数，n为修正系数，s为区间标准差，max是所有遍历区间的最大标准差，average为图像灰度平均值；当m范围在0.8-0.9区间可得手部及静脉边缘图像a，当m范围在0.4-0.6区间，可得手部边缘图像b，图像a减去图像b可得较清晰的二值化静脉纹路图像；第四级分割采用的是霍夫变换，霍夫变换前进行一次高斯模糊滤波去除多余噪点，设置HoughLinesP的后三位参数为(5，1，1)以准确检测出静脉轮廓。
8.根据权利要求4所述的一种基于双目视觉的手背静脉成像装置，其特征在于：特征提取是依据静脉图像的特征利用Harris算子进行提取，经试验验证将算法中threshold取值为0.1；特征提取后的匹配是用基于sad算法的全局匹配，匹配后可以得到双目图像的视差图和深度图。
9.根据权利要求4所述的一种基于双目视觉的手背静脉成像装置，其特征在于：所述三维重建根据视差图生成三维坐标，然后再VC平台上结合OpenCV和OpenGL进行三维图像重建。
10.如权利要求1所述的一种基于双目视觉的手背静脉成像装置的成像方法，包括以下步骤：
一种基于双目视觉的手背静脉成像方法，包括以下步骤：
1)开启设备，将待测人员的手背放在待测位；
2)开启光源，将光源功率调到最低；
3)开启图像采集模块，观察图像，并调节光源合适功率、高度和角度；
4)多角度拍摄标定板，在MATLAB中对第一相机和第二相机进行标定；
5)用图像采集模块对第一相机和第二相机的图像进行同时提取；
6)将提取到的图像在MATLAB平台中对图像校正；
7)采用双边滤波算法对图像进行去噪：
8)采用直方图均衡法对图像进行增强：
9)对图像进行剪裁：
10)采用多级图像分割算法对图像进行分割；
11)采用Harris算子对图像进行特征提取；
12)采用sad算法对双目图像进行匹配，得到视差图与深度图；
13)结合OpenCV和OpenGL对静脉进行三维重建；
14)医护人员可以提取到对应的静脉的深度，并根据静脉的三维图像对患者的静脉进行分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911152974.0A CN110751132A (zh) | 2019-11-22 | 2019-11-22 | 一种基于双目视觉的手背静脉成像装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911152974.0A CN110751132A (zh) | 2019-11-22 | 2019-11-22 | 一种基于双目视觉的手背静脉成像装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110751132A true CN110751132A (zh) | 2020-02-04 |
Family
ID=69284121
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911152974.0A Pending CN110751132A (zh) | 2019-11-22 | 2019-11-22 | 一种基于双目视觉的手背静脉成像装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110751132A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553322A (zh) * | 2020-05-21 | 2020-08-18 | 山东交通学院 | 一种基于双目原理的手部静脉血管深度检测装置及检测方法 |
| CN111882936A (zh) * | 2020-07-18 | 2020-11-03 | 纽智医疗科技(苏州)有限公司 | 一种基于力反馈与虚拟现实的手术预演及教学系统 |
| CN112085802A (zh) * | 2020-07-24 | 2020-12-15 | 浙江工业大学 | 一种基于双目摄像头获取三维指静脉图像的方法 |
| CN112767276A (zh) * | 2021-01-26 | 2021-05-07 | 深圳瑞为智能科技有限公司 | 一种基于上下双目设备图像的立体匹配方法及装置 |
| CN112932482A (zh) * | 2021-01-28 | 2021-06-11 | 南通帕克医用材料有限公司 | 一种基于单目相机识别的穿刺技术 |
-
2019
- 2019-11-22 CN CN201911152974.0A patent/CN110751132A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553322A (zh) * | 2020-05-21 | 2020-08-18 | 山东交通学院 | 一种基于双目原理的手部静脉血管深度检测装置及检测方法 |
| CN111882936A (zh) * | 2020-07-18 | 2020-11-03 | 纽智医疗科技(苏州)有限公司 | 一种基于力反馈与虚拟现实的手术预演及教学系统 |
| CN112085802A (zh) * | 2020-07-24 | 2020-12-15 | 浙江工业大学 | 一种基于双目摄像头获取三维指静脉图像的方法 |
| CN112767276A (zh) * | 2021-01-26 | 2021-05-07 | 深圳瑞为智能科技有限公司 | 一种基于上下双目设备图像的立体匹配方法及装置 |
| CN112932482A (zh) * | 2021-01-28 | 2021-06-11 | 南通帕克医用材料有限公司 | 一种基于单目相机识别的穿刺技术 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110751132A (zh) | 一种基于双目视觉的手背静脉成像装置及方法 | |
| CN103717122B (zh) | 眼科诊断支持设备和眼科诊断支持方法 | |
| CN104537373B (zh) | 舌下络脉诊断用多光谱舌下图像特征提取方法 | |
| CN110675335B (zh) | 基于多分辨率残差融合网络的浅表静脉增强方法 | |
| CN110705468B (zh) | 基于图像分析的眼动范围识别方法和系统 | |
| CN111553322A (zh) | 一种基于双目原理的手部静脉血管深度检测装置及检测方法 | |
| CN107358612A (zh) | 一种基于分形维数与高斯滤波结合的视网膜血管分割系统及方法 | |
| CN113192015A (zh) | 基于深度信息的表面缺陷检测方法和系统 | |
| Deka et al. | Detection of macula and fovea for disease analysis in color fundus images | |
| CN104799815A (zh) | 一种基于图像引导的血气采集装置及方法 | |
| Noor et al. | The properties of the cornea based on hyperspectral imaging: Optical biomedical engineering perspective | |
| CN114659463B (zh) | 一种植物表型采集装置及其采集方法 | |
| US9867586B2 (en) | Stereo X-ray tube based suppression of outside body high contrast objects | |
| CN211149465U (zh) | 一种基于双目视觉的手背静脉成像装置 | |
| Elbita et al. | Preparation of 2D sequences of corneal images for 3D model building | |
| CN117095443A (zh) | 一种脸部皱纹检测方法 | |
| CN116883498A (zh) | 基于灰度质心提取算法的视觉合作靶标特征点定位方法 | |
| CN114998279B (zh) | 一种石材大板表面凹坑和裂缝的识别定位方法 | |
| CN214749873U (zh) | 基于深度信息的表面缺陷检测系统 | |
| CN110349171A (zh) | 一种基于灰度中值的脊柱侧弯背部轮廓曲线提取方法 | |
| Kumara et al. | Active contour-based segmentation and removal of optic disk from retinal images | |
| EP3785600A2 (en) | Ophthalmic device | |
| CN117442190B (zh) | 一种基于目标检测的创面自动测量方法及系统 | |
| CN207636505U (zh) | 一种鞋模表面破损检测装置 | |
| Zhang et al. | The design of wound area measurement software based on Android operating system |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210111 Address after: Building E12, phase 2-1, Beihu science and Technology Park, 3333 Shengbei street, Beihu science and Technology Development Zone, Changchun City, Jilin Province, 130000 Applicant after: CHANGCHUN GUOKE MEDICAL TECHNOLOGY DEVELOPMENT CO.,LTD. Applicant after: The First Hospital of Jilin University Address before: 130000 no.2686 Xiantai street, Changchun, Jilin Province Applicant before: CHANGCHUN GUOKE MEDICAL TECHNOLOGY DEVELOPMENT Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| CB02 | Change of applicant information |
Address after: Building E12, phase 2-1, Beihu science and Technology Park, 3333 Shengbei street, Beihu science and Technology Development Zone, Changchun City, Jilin Province, 130000 Applicant after: Changchun Guoke Xilai Technology Co.,Ltd. Applicant after: The First Hospital of Jilin University Address before: Building E12, phase 2-1, Beihu science and Technology Park, 3333 Shengbei street, Beihu science and Technology Development Zone, Changchun City, Jilin Province, 130000 Applicant before: CHANGCHUN GUOKE MEDICAL TECHNOLOGY DEVELOPMENT CO.,LTD. Applicant before: The First Hospital of Jilin University |
|
| CB02 | Change of applicant information |