CN111603241B - 一种基于差分粒子滤波的医疗机器人定位装置和改进方法 - Google Patents
一种基于差分粒子滤波的医疗机器人定位装置和改进方法 Download PDFInfo
- Publication number
- CN111603241B CN111603241B CN202010476353.4A CN202010476353A CN111603241B CN 111603241 B CN111603241 B CN 111603241B CN 202010476353 A CN202010476353 A CN 202010476353A CN 111603241 B CN111603241 B CN 111603241B
- Authority
- CN
- China
- Prior art keywords
- particle
- state
- medical robot
- needle
- noise
- 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
Links
- 239000002245 particle Substances 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001914 filtration Methods 0.000 title claims abstract description 36
- 230000006872 improvement Effects 0.000 title abstract description 8
- 238000005259 measurement Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 65
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 14
- 238000012952 Resampling Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000003190 augmentative effect Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 108010010803 Gelatin Proteins 0.000 claims description 5
- 229920000159 gelatin Polymers 0.000 claims description 5
- 239000008273 gelatin Substances 0.000 claims description 5
- 235000019322 gelatine Nutrition 0.000 claims description 5
- 235000011852 gelatine desserts Nutrition 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 241000764238 Isis Species 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 230000036544 posture Effects 0.000 claims 7
- 210000004872 soft tissue Anatomy 0.000 abstract description 4
- 230000003416 augmentation Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000035515 penetration Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 206010052428 Wound Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013152 interventional procedure Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- XEBWQGVWTUSTLN-UHFFFAOYSA-M phenylmercury acetate Chemical compound CC(=O)O[Hg]C1=CC=CC=C1 XEBWQGVWTUSTLN-UHFFFAOYSA-M 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Images
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
- A61B34/30—Surgical robots
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Robotics (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Manipulator (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种基于差分粒子滤波的医疗机器人定位装置和改进方法,属于软组织自动穿刺手术装置的改进,包括图像传感系统、电控系统、执行系统和上位机;模型计算器,状态扩展器和差分粒子滤波器;模型计算器根据装配柔性针的医疗机器人的运动学特性,在惯性坐标系XOY下搭建非高斯噪声误差的针尖运动学平面模型;状态扩展器对针尖运动学平面模型进行改进,消除模型误差和测量误差中的有色噪声,得到只含白噪声的扩展状态方程并进行简化;最后对只含白噪声的扩展状态方程结合差分粒子滤波理论搭建差分粒子滤波估计器处理白噪声,对柔性针针尖位置和姿态进行估计。本发明能有效处理非高斯噪声的模型误差与测量误差,精确估计医疗机器人的位置姿态。
Description
技术领域
本发明属于软组织自动穿刺手术装置的改进,涉及对位置定位模块估计算法的改进,具体是一种基于差分粒子滤波的医疗机器人定位装置和改进方法。
背景技术
近年来,基于医疗机器人的软组织穿刺技术不断发展,由于创口微小、恢复较快等特点,受到研究人员的青睐。如,出版于2015年1月,Minimally Invasive Therapy&AlliedTechnologies Mitat Official Journal of the Society for Minimally InvasiveTherapy,名称为“Robotic systems for percutaneous needle-guided interventions”,作者Joachim,Kettenbach,Gernot。此文介绍了基于医疗机器人的自动穿刺手术装置,该装置由工作站、监视器、C形臂和穿刺医疗机器人组成。为了方便说明具体系统结构,请参考图1所示。自动穿刺手术通过设定穿刺医疗机器人位置作为输入,来控制医疗机器人运动,具体的控制方式与系统介绍如下。如,出版于2012年3月,第34卷第2期,《机器人ROBOT》,名称为“微创血管介入手术机器人控制系统与零位定位装置设计”,作者段星光,陈悦,于华涛。此文介绍了穿刺用医疗机器人的控制系统具体组成,包括PMAC卡,驱动器与电机。为了清楚地说明,请参考图2所示。
穿刺装置最重要的目的就是控制医疗机器人精确达到手术位置,进行给药或者操作。精准控制的前提是获取医疗机器人的精确位置。然而,由于其装配柔性针的医疗机器人的横截面直径较小,在装配柔性针的医疗机器人针尖放置传感器并不可行。现存的超声等定位技术对医疗机器人的位置进行测量的精度较低。于是,需要设计估计算法对针尖的位置与姿态信息进行估计。
研究人员普遍遇到的问题是:其一,测量针尖位置的噪声不可视为高斯噪声;其二,由于装配柔性针的医疗机器人在软组织内的运动比较复杂,很难建立精确和用于实时计算的模型,所以在估计中,简化模型的模型误差也不可简单视为高斯噪声。而研究人员使用成熟的估计算法进行估计时,一般只能处理高斯噪声,对位置和姿态进行估计时误差比较大。为了解决这一技术问题,本发明提出了在传统定位方法中引入改进估计器来解决非高斯噪声的问题
发明内容
本发明的目的是针对装配柔性针的医疗机器人的精准定位需求,提出一种基于差分粒子滤波的医疗机器人定位装置,并开发了对应的位置估计方法,以克服定位过程中的较大误差。
所述的基于差分粒子滤波的医疗机器人定位装置,包括图像传感系统、电控系统、执行系统和上位机。其中,图像传感系统包括摄像头和图像处理模块,由摄像头采集在明胶中移动的装载柔性针的医疗机器人的图像,由图像处理模块对图像信号进行初步处理。电控系统包括医疗机器人控制信号的计算与执行驱动器,实现医疗机器人的控制。上位机负责基于差分粒子滤波的医疗机器人位置估计的计算,为医疗机器人控制提供精确的反馈量。
针对基于差分粒子滤波的医疗机器人的位置估计,最主要的问题在于解决实际情况下的噪声问题,由模型误差造成的过程噪声,由摄像头精度,以及在明胶中图像不清晰造成的测量噪声都不可以视为简单的高斯噪声。于是,为了在装配柔性针的医疗机器人控制中获得精确的针尖位置与姿态估计信息,本发明改进了传统的基于差分粒子滤波的估计方法,使其可以处理非高斯噪声的模型误差与测量误差,具体是一种基于差分粒子滤波算法的装配柔性针的医疗机器人针尖位置与姿态估计改进方法。
具体步骤如下:
步骤一、根据装配柔性针的医疗机器人的运动学特性,在惯性坐标系下搭建非高斯噪声误差的针尖运动学平面模型;
装配柔性针的医疗机器人的运动学特性与装配柔性针的医疗机器人的给进运动和自转运动相关,给进运动实现针的穿刺,而针的自转则是随着针尖的方向而改变的。
针尖运动学平面模型包括模型误差和测量误差,具体公式如下:
v为装配柔性针的医疗机器人针尖处的速度;为针尖在惯性坐标系XOY下x轴方向上的速度;/>为针尖在惯性坐标系XOY下y轴方向上的速度;/>为在XOY坐标系下装配柔性针的医疗机器人针尖运动方向与x轴的夹角;ρ为针尖运动的曲率半径。
步骤二、将针尖运动学平面模型,先通过状态扩展消除模型误差中的有色噪声,再通过差分同类观测消除测量误差中的有色噪声,得到只含白噪声的扩展状态方程并进行简化;
具体步骤为:
首先,将针尖运动学平面模型进行改进,得到离散形式的针尖运动学平面模型;
公式如下:
ηk+1=L1ηk+ωk
Δk+1=L2Δk+vk
状态为3×1的状态向量;/>为3×1的观测向量;/>为针尖运动学平面模型中显示的非线性函数;ηk为白噪声驱动的模型误差中的有色噪声,是由参数不确定性或建模的不精确带来的;/>为模型误差中的有色噪声ηk的输入矩阵;Δk为白噪声驱动的测量误差中的有色噪声,是由传感器误差带来的;ωk为模型误差中的有色噪声ηk中的白噪声随机向量,vk为测量误差中的有色噪声Δk中的白噪声随机向量;L1为模型误差中的有色噪声ηk的状态增益。L2为测量误差中的有色噪声Δk的状态增益。k是迭代参数,k=1,2,...n。
然后,通过状态扩展和差分同类观测分别消除模型误差中的有色噪声ηk和测量误差中的有色噪声Δk,分别得到只含白噪声的扩展状态方程并简化;
扩展状态方程为:
I为单位矩阵;
简化得到:
xk+1=A(xk)xk+Gωk
yk=Cxk+vk
步骤三、对简化后只含白噪声的扩展状态方程,利用差分粒子滤波器处理白噪声,结合差分粒子滤波算法对装配柔性针的医疗机器人的针尖位置和姿态进行估计;
差分粒子滤波算法具体过程为:
步骤301、在迭代参数k=0时,初始化各参数值,同时生成粒子;
步骤302、当迭代参数k≥1,计算每个粒子的先验信息及协方差矩阵;
步骤303、利用每个粒子的先验信息及协方差矩阵预测各自的状态;
预测是对待求的装配柔性针的医疗机器人的针尖位置和姿态,根据先验信息进行一步预测。
首先,利用第i个粒子的先验信息得到该粒子的状态估计值与观测估计值;
公式如下:
然后,利用该粒子的状态向量估计值与观测向量估计值计算协方差矩阵;
步骤304、对预测状态后的各个粒子的状态值不断迭代更新权值,取得后验概率表示为粒子的新状态。
步骤305、根据原始粒子、粒子状态估计值,以及预测得到的协方差矩阵对粒子进行抽样;
抽样公式如下:
权值代表了粒子状态接近真实值的概率:
步骤307、根据抽样粒子和粒子权值,判断是否残差重采样,如果是,则重新采集粒子样本后计算估算值。否则,计算估算值;
根据有效样本数Neff(Effective sample size)来衡量粒子集的退化程度,其计算公式为:
其中δ(x)为狄克拉函数。
步骤308、接着将残差重采样的结果,返回预测与更新步骤进行下一次迭代计算。
步骤309、达到所设置的滤波步长时,得到的结果即使用差分粒子滤波方法对针尖位置与姿态的准确估计。
步骤四、对准确估计的针尖位置与姿态进行仿真验证。
本发明的优点在于:
一种基于差分粒子滤波算法的装配柔性针的医疗机器人针尖位置与姿态估计改进方法,调整了装配柔性针的医疗机器人运动学模型,基于此改进模型,设计了差分粒子滤波估计方法,可以有效处理非高斯噪声的模型误差与测量误差,在惯性坐标系下对装配柔性针的医疗机器人的位置与姿态做出精确的估计。
附图说明
图1为基于医疗机器人的自动穿刺手术装置图。
图2为穿刺用医疗机器人的控制系统。
图3为本发明基于差分粒子滤波的医疗机器人定位装置简图。
图4为本发明基于差分粒子滤波算法的医疗机器人针尖位置与姿态估计改进方法的流程图。
图5为本发明装配柔性针的医疗机器人的运动学模型示意图。
图6为本发明利用差分粒子滤波器处理白噪声得到针尖位置和姿态估计值的流程图;
图7为本发明的仿真结果图。
具体实施方式
下面将结合附图和实例对本发明作进一步的详细说明。
本发明的目的是针对装配柔性针的医疗机器人的精准定位需求,提出一种基于差分粒子滤波的医疗机器人定位装置,并开发了对应的位置估计方法,以克服定位过程中的较大误差。
本发明提供了一种基于差分粒子滤波的医疗机器人定位装置,包括图像传感系统、电控系统、执行系统和上位机,如图3所示。其中,图像传感系统包括摄像头和图像处理系统,由摄像头采集在明胶中移动的装载柔性针的医疗机器人的图像,由图像处理系统对图像信号进行初步处理。电控系统包括医疗机器人控制系统与执行驱动器,实现医疗机器人的控制。上位机负责基于差分粒子滤波的医疗机器人位置估计的计算,为医疗机器人控制提供精确的反馈量。
针对基于差分粒子滤波的医疗机器人的位置估计,最主要的问题在于解决实际情况下的噪声问题,由模型误差造成的过程噪声,由摄像头精度,以及在明胶中图像不清晰造成的测量噪声都不可以视为简单的高斯噪声。于是,本发明针对装配柔性针的医疗机器人针尖位置与姿态估计中,模型误差与测量误差均为非高斯噪声,普通估计算法容易发散的问题,提出了一种改进的基于差分粒子滤波算法的估计算法,是一种切实有效的方案。如图4所示。
1.名义模型计算器
根据装配柔性针的医疗机器人的运动学特性,在惯性坐标系XOY下搭建非高斯噪声误差的针尖运动学平面模型;
装配柔性针的医疗机器人的运动学特性与装配柔性针的医疗机器人的给进运动和自转运动相关,给进运动实现针的穿刺,而针的自转则是随着针尖的方向而改变的。如同自行车,后轮给进,前轮决定前进的方向,根据装配柔性针的医疗机器人的运动学特性,搭建装配柔性针的医疗机器人运动模型如图5所示。
针尖运动学平面模型包括模型误差和测量误差,将针尖所处坐标表示为(X,Y);则针尖(X,Y)处的速度表示为:
其中,v为装配柔性针的医疗机器人针尖处的速度;为针尖在惯性坐标系XOY下x轴方向上的速度;/>为针尖在惯性坐标系XOY下y轴方向上的速度;/>为在XOY坐标系下装配柔性针的医疗机器人针尖运动方向与x轴的夹角;
针尖运动学约束为:
通过联立方程(1)、(2),可以得到
利用图示运动关系,可解得横摆角速度ω为:
其中,θ为针尖与x轴夹角的变化量;ρ为针尖运动的曲率半径,曲率半径由针尖的转角r确定:
结合上式得到针尖的运动学模型如下:
2.状态扩展器
对针尖运动学平面模型进行改进,先通过状态扩展消除模型误差中的有色噪声,再通过差分同类观测消除测量误差中的有色噪声,得到只含白噪声的扩展状态方程并进行简化;
具体步骤为:
首先,将针尖运动学平面模型公式(6)改写为离散形式,设定模型误差与测量误差均为非高斯噪声,公式如下:
状态为3×1的状态向量;/>为3×1的观测向量;/>为如公式(6)所示的非线性函数;ηk为白噪声驱动的模型误差中的有色噪声,是由参数不确定性或建模的不精确带来的;/>为模型误差中的有色噪声ηk的输入矩阵;Δk为白噪声驱动的测量误差中的有色噪声,是由传感器误差带来的;ωk为模型误差中的有色噪声ηk中的高斯白噪声随机向量,vk为测量误差中的有色噪声Δk中的高斯白噪声随机向量;L1为模型误差中的有色噪声ηk的状态增益。L2为测量误差中的有色噪声Δk的状态增益。k是迭代参数,k=1,2,...n。
然后对有色噪声进行白化处理,有色噪声在成熟的估计算法中无法进行有效的处理,会造成估计结果的发散。所以要将模型扩展为增广模型,将有色噪声变为状态量的一部分;其方法是,首先通过状态扩展消除模型误差中的有色噪声ηk,再通过差分同类观测值可消除测量误差中的有色噪声Δk,由此得到只含白噪声的增广系统的扩展状态方程。
扩展状态方程为:
3.差分粒子滤波器
对简化后只含白噪声的扩展状态方程,结合差分粒子滤波理论搭建差分粒子滤波估计器,利用差分粒子滤波器处理白噪声,对装配柔性针的医疗机器人的针尖位置和姿态进行估计;
根据简化的增广系统公式(9),搭建差分粒子滤波估计器。差分粒子滤波方法是一种比较成熟的可以处理模型误差和测量误差都是高斯白噪声的估计方法。本发明应用的是二阶差分粒子滤波算法,滤波方程中采用了协方差矩阵的平方根形式,不需要对函数的偏导数求解,与同样可以处理非高斯噪声的UKF滤波算法相比,具有更好的数值特性。
差分粒子滤波分为两个阶段,分别是初始化阶段和状态与更新阶段。首先设置初值,进而利用模型信息进行状态的预测与更新。如图6所示,具体过程为:
步骤301、在迭代参数k=0时,初始化各参数值,同时生成粒子;
粒子先验信息公式为:
协方差矩阵公式为:
步骤302、当迭代参数k≥1时状态预测与更新,计算每个粒子的先验信息及协方差矩阵;
步骤303、利用每个粒子的先验信息及协方差矩阵预测各自的状态;
预测是对待求的装配柔性针的医疗机器人的针尖位置和姿态,根据先验信息进行一步预测。
首先,利用第i个粒子的先验信息得到该粒子的状态估计值与观测估计值;
公式如下:
然后,利用该粒子的状态向量估计值与观测向量估计值计算协方差矩阵;
步骤304、对预测状态后的各个粒子的状态值不断迭代更新权值,取得后验概率表示为粒子的新状态。
步骤305、根据原始粒子、粒子状态估计值,以及预测得到的协方差矩阵对粒子进行抽样;
抽样公式如下:
权值代表了粒子状态接近真实值的概率:
步骤307、根据抽样粒子和粒子权值,判断是否残差重采样,如果是,则重新采集粒子样本后计算估算值。否则,计算估算值;
根据有效样本数Neff(Effective sample size)来衡量粒子集的退化程度,其计算公式为:
其中δ(x)为狄克拉函数。
步骤308、接着将残差重采样的结果,返回预测与更新步骤进行下一次迭代计算。
步骤309、达到所设置的滤波步长时,得到的结果即使用差分粒子滤波方法对针尖位置与姿态的准确估计。
在matlab中编程对传统装配柔性针的医疗机器人模型和改进的装配柔性针的医疗机器人模型进行状态估计,并与真实值进行对比,结果如图7所示,用于验证本发明所提出方法的准确性。
Claims (5)
1.一种基于差分粒子滤波的医疗机器人定位装置,其特征在于,包括图像传感系统、电控系统、执行系统和上位机;
其中,图像传感系统包括摄像头和图像处理模块,由摄像头采集在明胶中移动的装载柔性针的医疗机器人的图像,由图像处理模块对图像信号进行初步处理;电控系统包括医疗机器人控制信号的计算与执行驱动器,实现医疗机器人的控制;上位机负责基于差分粒子滤波的医疗机器人位置估计的计算,为医疗机器人控制提供精确的反馈量;
所述的定位装置还包括1)名义模型计算器,根据装配柔性针的医疗机器人的运动学特性,在惯性坐标系XOY下搭建非高斯噪声误差的针尖运动学平面模型;2)状态扩展器,对针尖运动学平面模型进行改进,先通过状态扩展消除模型误差中的有色噪声,再通过差分同类观测消除测量误差中的有色噪声,得到只含白噪声的扩展状态方程并进行简化;以及3)差分粒子滤波器,对简化后只含白噪声的扩展状态方程,结合差分粒子滤波理论搭建差分粒子滤波估计器,利用差分粒子滤波器处理白噪声,对医疗机器人装配的柔性针针尖位置和姿态进行估计。
2.如权利要求1所述的一种基于差分粒子滤波的医疗机器人定位装置,其特征在于,所述的名义模型计算器根据装配柔性针的医疗机器人的运动学特性,搭建装配柔性针的医疗机器人运动模型,具体过程如下:
装配柔性针的医疗机器人的运动学特性与装配柔性针的医疗机器人的给进运动和自转运动相关,给进运动实现针的穿刺,而针的自转则是随着针尖的方向而改变的;
针尖运动学平面模型包括模型误差和测量误差,具体公式如下:
3.如权利要求1所述的一种基于差分粒子滤波的医疗机器人定位装置,其特征在于,所述的状态扩展器简化白噪声的扩展状态方程具体步骤为:
首先,将针尖运动学平面模型进行改进,得到离散形式的针尖运动学平面模型;
公式如下:
ηk+1=L1ηk+ωk
Δk+1=L2Δk+vk
状态为3×1的状态向量;/>为3×1的观测向量;/>为针尖运动学平面模型中显示的非线性函数;ηk为白噪声驱动的模型误差中的有色噪声,是由参数不确定性或建模的不精确带来的;/>为模型误差中的有色噪声ηk的输入矩阵;Δk为白噪声驱动的测量误差中的有色噪声,是由传感器误差带来的;ωk为模型误差中的有色噪声ηk中的白噪声随机向量,vk为测量误差中的有色噪声Δk中的白噪声随机向量;L1为模型误差中的有色噪声ηk的状态增益;L2为测量误差中的有色噪声Δk的状态增益;k是迭代参数,k=1,2,...n;
然后,通过状态扩展和差分同类观测分别消除模型误差中的有色噪声ηk和测量误差中的有色噪声Δk,分别得到只含白噪声的扩展状态方程并简化;
扩展状态方程为:
简化得到:
xk+1=A(xk)xk+Gωk
yk=Cxk+vk
4.如权利要求1所述的一种基于差分粒子滤波的医疗机器人定位装置,其特征在于,所述的差分粒子滤波器处理白噪声,对医疗机器人装配的柔性针针尖位置和姿态进行估计;
差分粒子滤波算法具体过程为:
首先、在迭代参数k=0时,初始化各参数值,同时生成粒子;迭代参数k≥1,计算每个粒子的先验信息,利用每个粒子的先验信息得到各粒子的状态估计值与观测估计值;利用各粒子的状态向量估计值与观测向量估计值计算协方差矩阵,预测各粒子的针尖位置和姿态状态;
然后、对预测状态后的各个粒子的状态值不断迭代更新权值,取得后验概率表示为粒子的新状态;并根据原始粒子、粒子状态估计值,以及预测得到的协方差矩阵对粒子进行抽样;
最后、根据抽样粒子和粒子权值,判断是否残差重采样,如果是,则重新采集粒子样本后计算估算值;否则,计算估算值;达到所设置的滤波步长时,得到的结果即使用差分粒子滤波方法对针尖位置与姿态的准确估计。
5.应用如权利要求1所述的一种基于差分粒子滤波的医疗机器人定位装置进行装配柔性针针尖位置与姿态估计改进方法,其特征在于,具体步骤如下:
步骤一、根据装配柔性针的医疗机器人的运动学特性,在惯性坐标系下搭建非高斯噪声误差的针尖运动学平面模型;
装配柔性针的医疗机器人的运动学特性与装配柔性针的医疗机器人的给进运动和自转运动相关,给进运动实现针的穿刺,而针的自转则是随着针尖的方向而改变的;
针尖运动学平面模型包括模型误差和测量误差,具体公式如下:
v为装配柔性针的医疗机器人针尖处的速度;为针尖在惯性坐标系XOY下x轴方向上的速度;/>为针尖在惯性坐标系XOY下y轴方向上的速度;/>为在XOY坐标系下装配柔性针的医疗机器人针尖运动方向与x轴的夹角;ρ为针尖运动的曲率半径;
步骤二、将针尖运动学平面模型,先通过状态扩展消除模型误差中的有色噪声,再通过差分同类观测消除测量误差中的有色噪声,得到只含白噪声的扩展状态方程并进行简化;
具体步骤为:
首先,将针尖运动学平面模型进行改进,得到离散形式的针尖运动学平面模型;
公式如下:
ηk+1=L1ηk+ωk
Δk+1=L2Δk+vk
状态为3×1的状态向量;/>为3×1的观测向量;/>为针尖运动学平面模型中显示的非线性函数;ηk为白噪声驱动的模型误差中的有色噪声,是由参数不确定性或建模的不精确带来的;/>为模型误差中的有色噪声ηk的输入矩阵;Δk为白噪声驱动的测量误差中的有色噪声,是由传感器误差带来的;ωk为模型误差中的有色噪声ηk中的白噪声随机向量,vk为测量误差中的有色噪声Δk中的白噪声随机向量;L1为模型误差中的有色噪声ηk的状态增益;L2为测量误差中的有色噪声Δk的状态增益;k是迭代参数,k=1,2,...n;
然后,通过状态扩展和差分同类观测分别消除模型误差中的有色噪声ηk和测量误差中的有色噪声Δk,分别得到只含白噪声的扩展状态方程并简化;
扩展状态方程为:
简化得到:
xk+1=A(xk)xk+Gωk
yk=Cxk+vk
步骤三、对简化后只含白噪声的扩展状态方程,利用差分粒子滤波器处理白噪声,结合差分粒子滤波算法对装配柔性针的医疗机器人的针尖位置和姿态进行估计;
差分粒子滤波算法具体过程为:
步骤301、在迭代参数k=0时,初始化各参数值,同时生成粒子;
步骤302、当迭代参数k≥1,计算每个粒子的先验信息及协方差矩阵;
步骤303、利用每个粒子的先验信息及协方差矩阵预测各自的状态;
预测是对待求的装配柔性针的医疗机器人的针尖位置和姿态,根据先验信息进行一步预测;
首先,利用第i个粒子的先验信息得到该粒子的状态估计值与观测估计值;
公式如下:
然后,利用该粒子的状态向量估计值与观测向量估计值计算协方差矩阵;
步骤304、对预测状态后的各个粒子的状态值不断迭代更新权值,取得后验概率表示为粒子的新状态;
步骤305、根据原始粒子、粒子状态估计值,以及预测得到的协方差矩阵对粒子进行抽样;
抽样公式如下:
权值代表了粒子状态接近真实值的概率:
步骤307、根据抽样粒子和粒子权值,判断是否残差重采样,如果是,则重新采集粒子样本后计算估算值;否则,计算估算值;
根据有效样本数Neff(Effective sample size)来衡量粒子集的退化程度,其计算公式为:
其中δ(x)为狄克拉函数;
步骤308、接着将残差重采样的结果,返回预测与更新步骤进行下一次迭代计算;
步骤309、达到所设置的滤波步长时,得到的结果即使用差分粒子滤波方法对针尖位置与姿态的准确估计;
步骤四、对准确估计的针尖位置与姿态进行仿真验证。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910455254.5A CN110269683A (zh) | 2019-05-29 | 2019-05-29 | 一种基于差分粒子滤波算法的柔性针针尖位置与姿态估计改进方法 |
CN2019104552545 | 2019-05-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111603241A CN111603241A (zh) | 2020-09-01 |
CN111603241B true CN111603241B (zh) | 2023-06-27 |
Family
ID=67959132
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910455254.5A Pending CN110269683A (zh) | 2019-05-29 | 2019-05-29 | 一种基于差分粒子滤波算法的柔性针针尖位置与姿态估计改进方法 |
CN202010476353.4A Active CN111603241B (zh) | 2019-05-29 | 2020-05-29 | 一种基于差分粒子滤波的医疗机器人定位装置和改进方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910455254.5A Pending CN110269683A (zh) | 2019-05-29 | 2019-05-29 | 一种基于差分粒子滤波算法的柔性针针尖位置与姿态估计改进方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN110269683A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111796522B (zh) * | 2020-07-16 | 2022-06-03 | 上海智驾汽车科技有限公司 | 一种车辆状态估计方法 |
CN112507597B (zh) * | 2020-11-02 | 2021-10-22 | 中国南方电网有限责任公司超高压输电公司广州局 | 基于多簇粒子滤波的多端柔性直流输电系统状态评估方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7049824B2 (en) * | 2003-03-27 | 2006-05-23 | International Business Machines Corporation | Differential particulate detection system for electronic devices |
US7289906B2 (en) * | 2004-04-05 | 2007-10-30 | Oregon Health & Science University | Navigation system applications of sigma-point Kalman filters for nonlinear estimation and sensor fusion |
US7822458B2 (en) * | 2005-05-19 | 2010-10-26 | The Johns Hopkins University | Distal bevel-tip needle control device and algorithm |
FR2920961B1 (fr) * | 2007-09-18 | 2017-06-02 | Koelis | Systeme et procede d'imagerie et de localisation de ponctions sous echographie prostatique |
JP6120497B2 (ja) * | 2012-06-26 | 2017-04-26 | キヤノン株式会社 | 穿刺制御装置及び方法 |
CN103256928B (zh) * | 2013-04-28 | 2015-05-20 | 南京航空航天大学 | 一种分布式惯性导航系统及其姿态传递对准方法 |
CN106500695B (zh) * | 2017-01-05 | 2019-02-01 | 大连理工大学 | 一种基于自适应扩展卡尔曼滤波的人体姿态识别方法 |
CN207627384U (zh) * | 2017-06-14 | 2018-07-20 | 孙晶 | 一种高精度硬膜外麻醉穿刺定位装置 |
CN107655824A (zh) * | 2017-11-01 | 2018-02-02 | 哈尔滨理工大学 | 一种预估柔性针穿刺软组织摩擦系数的方法 |
CN108759815B (zh) * | 2018-04-28 | 2022-11-15 | 温州大学激光与光电智能制造研究院 | 一种用于全局视觉定位方法中的信息融合组合导航方法 |
-
2019
- 2019-05-29 CN CN201910455254.5A patent/CN110269683A/zh active Pending
-
2020
- 2020-05-29 CN CN202010476353.4A patent/CN111603241B/zh active Active
Non-Patent Citations (2)
Title |
---|
一种改进的高光谱图像中多小目标检测算法;尹继豪;王艳;王义松;;电子学报(第09期);全文 * |
基于差分进化和粒子群优化算法的混合优化算法;池元成;方杰;蔡国飙;;计算机工程与设计(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110269683A (zh) | 2019-09-24 |
CN111603241A (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yun et al. | Design, implementation, and experimental results of a quaternion-based Kalman filter for human body motion tracking | |
CN111603241B (zh) | 一种基于差分粒子滤波的医疗机器人定位装置和改进方法 | |
CN110076772B (zh) | 一种机械臂的抓取方法及装置 | |
CN108932737B (zh) | 车载相机俯仰角标定方法和装置、电子设备以及车辆 | |
Dong-Si et al. | Estimator initialization in vision-aided inertial navigation with unknown camera-IMU calibration | |
CN110068326B (zh) | 姿态计算方法、装置、电子设备以及存储介质 | |
CN109506642A (zh) | 一种机器人多相机视觉惯性实时定位方法及装置 | |
CN112837352B (zh) | 基于图像的数据处理方法、装置及设备、汽车、存储介质 | |
CN106504275A (zh) | 一种惯性定位与点云配准耦合互补的实时三维重建方法 | |
CN104778661A (zh) | 在姿态估计中使用的骨架平滑方法和设备 | |
CN114343847A (zh) | 基于光学定位系统的手术机器人的手眼标定方法 | |
CN110470297A (zh) | 一种空间非合作目标的姿态运动与惯性参数估计方法 | |
JP6851038B2 (ja) | 打具の挙動の解析装置 | |
CN108961337B (zh) | 车载相机航向角标定方法和装置、电子设备以及车辆 | |
US20220203526A1 (en) | Humanoid robot control method, humanoid robot using the same, and computer readable storage medium | |
Lyu et al. | Ttr-based reward for reinforcement learning with implicit model priors | |
CN115511935A (zh) | 基于迭代离散化与线性插值的正态分布变换点云配准方法 | |
CN112991445B (zh) | 模型训练方法、姿态预测方法、装置、设备及存储介质 | |
CN103954289A (zh) | 一种光学成像卫星敏捷机动姿态确定方法 | |
CN114764830A (zh) | 一种基于四元数ekf和未标定手眼系统的物体位姿估算方法 | |
CN111637894B (zh) | 一种定常系数陆标图像导航滤波方法 | |
CN114454981A (zh) | 双足机器人的弹跳运动控制方法、装置及双足机器人 | |
Mishra et al. | Motion and parameter estimation for the robotic capture of a non-cooperative space target considering egomotion uncertainty | |
Manerikar et al. | Riccati observer design for homography decomposition | |
CN114310878A (zh) | 基于力控的大质量零件人工引导装配方法、系统及介质 |
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 |