CN112237478B - 医疗微机器人的实时导航控制方法和装置 - Google Patents

医疗微机器人的实时导航控制方法和装置 Download PDF

Info

Publication number
CN112237478B
CN112237478B CN202010922576.9A CN202010922576A CN112237478B CN 112237478 B CN112237478 B CN 112237478B CN 202010922576 A CN202010922576 A CN 202010922576A CN 112237478 B CN112237478 B CN 112237478B
Authority
CN
China
Prior art keywords
time
real
robot
medical micro
navigation
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
CN202010922576.9A
Other languages
English (en)
Other versions
CN112237478A (zh
Inventor
王朱伟
黄潇洁
常琪卿
方超
王衡
孙逸藩
孙阳
李萌
杨睿哲
孙恩昌
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 University of Technology
Original Assignee
Beijing University of Technology
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 University of Technology filed Critical Beijing University of Technology
Priority to CN202010922576.9A priority Critical patent/CN112237478B/zh
Publication of CN112237478A publication Critical patent/CN112237478A/zh
Application granted granted Critical
Publication of CN112237478B publication Critical patent/CN112237478B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B34/20—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
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A61B2034/2046—Tracking techniques
    • A61B2034/2048—Tracking techniques using an accelerometer or inertia sensor
    • 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
    • A61B2034/303—Surgical robots specifically adapted for manipulations within body lumens, e.g. within lumen of gut, spine, or blood vessels

Abstract

本发明实施例提供一种医疗微机器人的实时导航控制方法和装置，该方法包括：实时获取医疗微机器人的参考导航轨迹状态信息，状态信息包括实时期望速度和实时期望位置；基于实时期望速度、实时期望位置、医疗微机器人的实时位置、实时速度和实时加速度，构建导航优化问题的目标函数和约束条件，其中，所述导航优化问题的建立基于离散时间系统采样时间和网络时滞；求解导航优化问题，得到医疗微机器人的实时加速度；将实时加速度发送至磁场控制装置以供调节磁场强度和方向控制医疗微机器人的实时加速度。本发明实施例提供的方法和装置，实现了减少网络时滞的负面影响下的自动控制微机器人达到参考导航轨迹的位置和速度，保证系统的稳定性。

Description

医疗微机器人的实时导航控制方法和装置
技术领域
本发明涉及医疗微机器人技术领域，尤其涉及一种医疗微机器人的实时导航控制方法和装置。
背景技术
医疗微机器人是生物医学微机器人高级服务质量和增强性能的新兴趋势。基于3D轨迹跟踪的微机器人导航控制被广泛认为是实现智能医疗的一种前景很广的技术，它能实现精确、高效的自动控制。
医疗微机器人作为一种具有精确手术操作的装置，可以减少手术误差，自动规划血液中的导航轨迹，实现在窄血管中的闭环控制。
但由于导航控制反馈回路带来的网络延迟和系统不确定性等各种因素，可能会导致显著的跟踪误差和不稳定性。现有的研究建立了基于时滞估计的闭环控制方式，并对磁性驱动的微机器人进行了建模和实现，表明在存在网络诱导延迟的情况下，准确的控制对于微机器人在体内操作中的安全和实现是至关重要的。
目前的研究主要集中在生物医学微机器人的最佳导航控制设计上，而忽略了网络诱导的延迟。但是随着远程手术应用的迅速发展，微机器人导航系统中的随机时间延迟是不可避免的，存在着破坏系统稳定性的潜在缺点。
因此，如何避免微机器人导航系统中的随机时间延迟对导航准确性的干扰，避免随机时间延迟破坏导航系统的稳定性，仍然是本领域技术人员亟待解决的问题。
发明内容
本发明实施例提供一种医疗微机器人的实时导航控制方法和装置，用以解决传统的微机器人导航系统中的随机时间延迟对导航准确性的干扰，随机时间延迟破坏导航系统的稳定性的问题。
第一方面，本发明实施例提供一种医疗微机器人的实时导航控制方法，包括：
实时获取医疗微机器人的参考导航轨迹状态信息，所述参考导航轨迹状态信息包括实时期望速度和实时期望位置；
基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞；
求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度；
将所述实时加速度发送至磁场控制装置以供所述磁场控制装置调节磁场强度和方向控制所述医疗微机器人的实时加速度。
优选地，所述参考导航轨迹状态信息是基于预操作3D影像提取的。
优选地，所述基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞，具体包括：
基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建状态误差方程；
基于所述状态误差方程，确定连续时间系统状态方程，将所述连续时间系统状态方程离散化，获得离散时间系统模型；
基于所述离散时间系统模型构建导航控制优化问题的目标函数和约束条件。
优选地，所述基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建状态误差方程，具体包括：
构建如下状态误差方程：
Figure BDA0002667223880000031
Figure BDA0002667223880000032
Figure BDA0002667223880000033
Figure BDA0002667223880000034
Δl(t)＝l(t)-lref(t)
Δv(t)＝v(t)-vref(t)
其中，c(t)＝[cx(t),cy(t),cz(t)]T为所述医疗微机器人三维方向上的实时加速度，v(t)＝[vx(t),vy(t),vz(t)]T为所述医疗微机器人三维方向上的实时速度，l(t)＝[lx(t),ly(t),lz(t)]T为所述医疗微机器人三维方向上的实时位置，
Figure BDA0002667223880000035
为所述医疗微机器人的实时期望速度，
Figure BDA0002667223880000036
为所述医疗微型机器人由参考导航轨迹确定的所需位置，
Figure BDA0002667223880000037
和
Figure BDA0002667223880000038
分别表示Δvx(t)、Δvy(t)、Δvz(t)和Δl(t)的导数，τ为通信网络引起的时滞，导航系统参数
Figure BDA0002667223880000039
r和γ分别为血管流体密度和血管流体粘度，ρ和m分别是所述医疗微机器人的球形半径和质量，θ和
Figure BDA00026672238800000310
是所述医疗微机器人的球面极坐标角；
对应地，所述基于所述状态误差方程，确定连续时间系统状态方程，将所述连续时间系统状态方程离散化，获得离散时间系统模型，具体包括：
通过如下公式构建状态变量z(t)
z(t)＝[Δlx(t),Δvx(t),Δly(t),Δvy(t),Δlz(t),Δvz(t)]T；
基于所述状态误差方程，构建连续时间系统状态方程如下：
Figure BDA00026672238800000311
Figure BDA00026672238800000312
其中，
Figure BDA00026672238800000313
0i×j表示维度为i×j的全0矩阵；
将所述连续时间系统状态方程离散化，设置采样周期为T，且T>τ,在第k个采样周期[kT,(k+1)T)内，离散时间系统模型为：
Figure BDA0002667223880000041
其中，zk＝z(kT),ck＝c(kT),Dk＝eDT,
Figure BDA0002667223880000042
所述基于所述离散时间系统模型构建导航控制优化问题的目标函数和约束条件，具体包括：
利用二次代价函数将平稳跟随z*≡0的目标基于所述离散时间系统模型转化为如下导航控制优化问题：
Figure BDA0002667223880000043
Figure BDA0002667223880000044
上式中，N为导航控制涉及的采样周期数，
Figure BDA00026672238800000411
表示期望算子，W和V为由所述导航系统决定的权重矩阵；
所述求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度，具体包括：
通过如下公式构建控制变量yk：
Figure BDA0002667223880000045
基于最优控制理论及递归方法，确定所述医疗微机器人的实时加速度
Figure BDA0002667223880000046
上式中，策略系数Qk基于如下公式反向迭代求解得到：
Figure BDA0002667223880000047
Figure BDA0002667223880000048
Figure BDA0002667223880000049
其中，
Figure BDA00026672238800000410
Ii×i表示维度i×i的单位矩阵。
第二方面，本发明实施例提供一种医疗微机器人的实时导航控制装置，包括：
获取单元，用于实时获取医疗微机器人的参考导航轨迹状态信息，所述参考导航轨迹状态信息包括实时期望速度和实时期望位置；
构建单元，用于基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞；
计算单元，用于求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度；
发送单元，用于将所述实时加速度发送至磁场控制装置以供所述磁场控制装置调节磁场强度和方向控制所述医疗微机器人的实时加速度。
优选地，所述参考导航轨迹状态信息是基于预操作3D影像提取的。
优选地，所述基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞，具体包括：
基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建状态误差方程；
基于所述状态误差方程，确定连续时间系统状态方程，将所述连续时间系统状态方程离散化，获得离散时间系统模型；
基于所述离散时间系统模型构建导航控制优化问题的目标函数和约束条件。
优选地，所述基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建状态误差方程，具体包括：
构建如下状态误差方程：
Figure BDA0002667223880000061
Figure BDA0002667223880000062
Figure BDA0002667223880000063
Figure BDA0002667223880000064
Δl(t)＝l(t)-lref(t)
Δv(t)＝v(t)-vref(t)
其中，c(t)＝[cx(t),cy(t),cz(t)]T为所述医疗微机器人三维方向上的实时加速度，v(t)＝[vx(t),vy(t),vz(t)]T为所述医疗微机器人三维方向上的实时速度，l(t)＝[lx(t),ly(t),lz(t)]T为所述医疗微机器人三维方向上的实时位置，
Figure BDA0002667223880000065
为所述医疗微机器人的实时期望速度，
Figure BDA0002667223880000066
为所述医疗微型机器人由参考导航轨迹确定的所需位置，
Figure BDA0002667223880000067
和
Figure BDA0002667223880000068
分别表示Δvx(t)、Δvy(t)、Δvz(t)和Δl(t)的导数，τ为通信网络引起的时滞，导航系统参数
Figure BDA0002667223880000069
r和γ分别为血管流体密度和血管流体粘度，ρ和m分别是所述医疗微机器人的球形半径和质量，θ和
Figure BDA00026672238800000610
是所述医疗微机器人的球面极坐标角；
对应地，所述基于所述状态误差方程，确定连续时间系统状态方程，将所述连续时间系统状态方程离散化，获得离散时间系统模型，具体包括：
通过如下公式构建状态变量z(t)
z(t)＝[Δlx(t),Δvx(t),Δly(t),Δvy(t),Δlz(t),Δvz(t)]T；
基于所述状态误差方程，构建连续时间系统状态方程如下：
Figure BDA00026672238800000611
Figure BDA00026672238800000612
其中，
Figure BDA00026672238800000613
0i×j表示维度为i×j的全0矩阵；
将所述连续时间系统状态方程离散化，设置采样周期为T，且T>τ,在第k个采样周期[kT,(k+1)T)内，离散时间系统模型为：
Figure BDA0002667223880000071
其中，zk＝z(kT),ck＝c(kT),Dk＝eDT,
Figure BDA0002667223880000072
所述基于所述离散时间系统模型构建导航控制优化问题的目标函数和约束条件，具体包括：
利用二次代价函数将平稳跟随z*≡0的目标基于所述离散时间系统模型转化为如下导航控制优化问题：
Figure BDA0002667223880000073
Figure BDA0002667223880000074
上式中，N为导航控制涉及的采样周期数，
Figure BDA0002667223880000075
表示期望算子，W和V为由所述导航系统决定的权重矩阵；
所述求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度，具体包括：
通过如下公式构建控制变量yk：
Figure BDA0002667223880000076
基于最优控制理论及递归方法，确定所述医疗微机器人的实时加速度
Figure BDA0002667223880000077
上式中，策略系数Qk基于如下公式反向迭代求解得到：
Figure BDA0002667223880000078
Figure BDA0002667223880000079
Figure BDA00026672238800000710
其中，
Figure BDA00026672238800000711
Ii×i表示维度i×i的单位矩阵。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的医疗微机器人的实时导航控制方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的医疗微机器人的实时导航控制方法的步骤。
本发明实施例提供的方法和装置，通过基于所述参考导航轨迹确定实时期望速度和实时期望位置，再基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞，所述导航控制优化问题的目标是将医疗微机器人的状态误差控制到最小，最后求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度，所述实时加速度作为控制信号使得磁场控制装置调节磁场强度和方向控制医疗微机器人的实时加速度。由于使用医疗微机器人的速度和位置和获取的参考导航轨迹进行实时动态分析，构建最优化问题，在优化问题构建的过程中考虑离散系统采样时间和网络时滞的影响，最终得到最优控制策略作为实时的控制信号，该方案具有强动态性和相互依赖性的通信和控制系统，保证了系统的稳定性。因此，本发明实施例提供的方法和装置，实现了减少网络时滞的负面影响下的自动控制医疗微机器人达到参考导航轨迹的位置和速度，保证了导航系统的稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的医疗微机器人的实时导航控制方法应用场景示意图；
图2为本发明实施例提供的医疗微机器人的实时导航控制方法的流程示意图；
图3为本发明实施例提供的医疗微机器人的实时导航控制装置的结构示意图；
图4为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
传统的微机器人导航方法普遍存在随机时间延迟对导航准确性的干扰，随机时间延迟破坏导航系统的稳定性的问题。对此，本发明实施例提供了一种医疗微机器人的实时导航控制方法。图1为本发明实施例提供的医疗微机器人的实时导航控制方法应用场景示意图，图1中将场景简化为由参考导航轨迹和医疗微机器人组成，如图1所示，标号“1”指示参考导航轨迹，标号“2”指示磁场，标号“3”指示血管，标号“4”指示血流，中间的圆形物体即医疗微机器人，
Figure BDA0002667223880000091
分别表示三维坐标系中的横轴、竖轴和纵轴，医疗微机器人会受到不同方向的作用力，其中包括阻力
Figure BDA0002667223880000092
磁力
Figure BDA0002667223880000093
和重量
Figure BDA0002667223880000094
图2为本发明实施例提供的医疗微机器人的实时导航控制方法的流程示意图，如图2所示，该方法包括：
步骤210，实时获取医疗微机器人的参考导航轨迹状态信息，所述参考导航轨迹状态信息包括实时期望速度和实时期望位置。
具体地，医疗微机器人是一种被配置有电源、传感器、机械性能、电子结构、计算单元和无线通信单元的边缘设备，医疗微机器人可以提供强大的计算和通信功能用于从宏观上控制自身在参考路线上的状态准确无误，即控制自身能够按照参考导航轨迹行进。而参考导航轨迹是预先通过医疗诊断得到的轨迹，是由经验丰富的医生通过医学手段预先确定的从医疗微机器人被注入血管到医疗微机器人行进至病灶的路线，在确定参考导航轨迹的同时，也会人工确定在该参考导航轨迹上行进的状态信息，所述状态信息包括每一时刻的实时3D位置和实时3D速度，通过参考导航轨迹确定的状态信息也是导航系统需要控制医疗微机器人尽量逼近的期望速度和期望位置。
步骤220，基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞。
具体地，在上一步已经获取的实时期望速度和实时期望位置的基础上，医疗微机器人还能通过自身的传感器获取自身的实时位置和实时速度，上述位置和速度的表示都是三维的，用于在血管内精准定位。通过实时自身位置、速度和实时参考位置、速度之间通过实时加速度(即通过控制信号使医疗微机器人产生的加速度)达到相等形成的方程，构建导航控制优化问题。优化问题的目标是将医疗微机器人的状态与参考状态之间的误差控制到最小，在此目标的基础上构建需要最小化的目标函数以及约束条件。而导航控制优化问题的建立基于离散时间系统采样时间和网络时滞，即在构建状态误差模型的过程中要将连续时间模型离散化，引入采样时间和网络时滞，这样构建的最优化问题求解出来的控制信号能够考虑网络时滞，避免随机网络时延造成的导航不准确以及降低破坏导航系统稳定性的风险。
步骤230，求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度。
具体地，最优化问题的构建中将医疗微机器人的实时加速度作为导航系统对医疗微机器人的控制信号，最终求解出该控制信号，即得到医疗微机器人的实时加速度。
步骤240，将所述实时加速度发送至磁场控制装置以供所述磁场控制装置调节磁场强度和方向控制所述医疗微机器人的实时加速度。
具体地，在求出医疗微机器人的实时加速度后，医疗微机器人将所述实时加速度发送到导航系统(是一个MRI系统)中的磁场控制装置，该装置调节MRI系统的磁场强度和方向使得与微机器人作用产生的磁力让医疗微机器人产生实时加速度。因此，医疗微机器人在血管中的行进是通过MRI系统与自身作用产生的磁力推动的，MRI系统在获取实时加速度后按照该实时加速度调整与医疗微机器人作用的磁场。
本发明实施例提供的方法，通过基于所述参考导航轨迹确定实时期望速度和实时期望位置，再基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞，所述导航控制优化问题的目标是将医疗微机器人的状态误差控制到最小，最后求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度，所述实时加速度作为控制信号使得磁场控制装置调节磁场强度和方向控制医疗微机器人的实时加速度。由于使用医疗微机器人的速度和位置和获取的参考导航轨迹进行实时动态分析，构建最优化问题，在优化问题构建的过程中考虑离散系统采样时间和网络时滞的影响，最终得到最优控制策略作为实时的控制信号，该方案具有强动态性和相互依赖性的通信和控制系统，保证了系统的稳定性。因此，本发明实施例提供的方法，实现了减少网络时滞的负面影响下的自动控制医疗微机器人达到参考导航轨迹的位置和速度，保证了导航系统的稳定性。
基于上述实施例，该方法中，所述参考导航轨迹状态信息是基于预操作3D影像提取的。
具体地，参考导航轨迹状态信息是基于预操作3D影像提取，预先通过3D影像进行诊断，然后再由经验丰富的医生通过医学手段预先确定的从医疗微机器人被注入血管到医疗微机器人行进至病灶的路线，在确定参考导航轨迹的同时，也会人工确定在该参考导航轨迹上行进的状态信息，所述状态信息包括每一时刻的实时3D位置和实时3D速度。
基于上述任一实施例，该方法中，所述基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞，具体包括：
基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建状态误差方程；
基于所述状态误差方程，确定连续时间系统状态方程，将所述连续时间系统状态方程离散化，获得离散时间系统模型；
基于所述离散时间系统模型构建导航控制优化问题的目标函数和约束条件。
具体地，基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，通过分析网络中时滞特性对自动控制医疗微机器人动态方程的影响，得到有时滞的血液中医疗微机器人的动态的状态误差方程，然后将所述状态误差方程联立，得到连续时间系统状态方程，为了后续的处理，一般将连续时间系统状态方程转化为矩阵的形式，再考虑到采样时间的影响，将连续时间系统状态方程离散化，获得离散时间系统模型，最后基于离散时间系统模型，在以状态误差为0的目标下，进行优化问题的目标函数和约束条件的构建。
基于上述任一实施例，该方法中，所述基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建状态误差方程，具体包括：
构建如下状态误差方程：
Figure BDA0002667223880000131
Figure BDA0002667223880000132
Figure BDA0002667223880000133
Figure BDA0002667223880000134
Δl(t)＝l(t)-lref(t)
Δv(t)＝v(t)-vref(t)
其中，c(t)＝[cx(t),cy(t),cz(t)]T为所述医疗微机器人三维方向上的实时加速度，v(t)＝[vx(t),vy(t),vz(t)]T为所述医疗微机器人三维方向上的实时速度，l(t)＝[lx(t),ly(t),lz(t)]T为所述医疗微机器人三维方向上的实时位置，
Figure BDA0002667223880000135
为所述医疗微机器人的实时期望速度，
Figure BDA0002667223880000136
为所述医疗微型机器人由参考导航轨迹确定的所需位置，
Figure BDA0002667223880000137
和
Figure BDA0002667223880000138
分别表示Δvx(t)、Δvy(t)、Δvz(t)和Δl(t)的导数，τ为通信网络引起的时滞，导航系统参数
Figure BDA0002667223880000139
r和γ分别为血管流体密度和血管流体粘度，ρ和m分别是所述医疗微机器人的球形半径和质量，θ和
Figure BDA00026672238800001310
是所述医疗微机器人的球面极坐标角；
对应地，所述基于所述状态误差方程，确定连续时间系统状态方程，将所述连续时间系统状态方程离散化，获得离散时间系统模型，具体包括：
通过如下公式构建状态变量z(t)
z(t)＝[Δlx(t),Δvx(t),Δly(t),Δvy(t),Δlz(t),Δvz(t)]T；
基于所述状态误差方程，构建连续时间系统状态方程如下：
Figure BDA00026672238800001311
Figure BDA00026672238800001312
其中，
Figure BDA00026672238800001313
0i×j表示维度为i×j的全0矩阵；
将所述连续时间系统状态方程离散化，设置采样周期为T，且T>τ,在第k个采样周期[kT,(k+1)T)内，离散时间系统模型为：
Figure BDA0002667223880000141
其中，zk＝z(kT),ck＝c(kT),Dk＝eDT,
Figure BDA0002667223880000142
所述基于所述离散时间系统模型构建导航控制优化问题的目标函数和约束条件，具体包括：
利用二次代价函数将平稳跟随z*≡0的目标基于所述离散时间系统模型转化为如下导航控制优化问题：
Figure BDA0002667223880000143
Figure BDA0002667223880000144
上式中，N为导航控制涉及的采样周期数，
Figure BDA0002667223880000145
表示期望算子，W和V为由所述导航系统决定的权重矩阵；
所述求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度，具体包括：
通过如下公式构建控制变量yk：
Figure BDA0002667223880000146
基于最优控制理论及递归方法，确定所述医疗微机器人的实时加速度
Figure BDA0002667223880000147
上式中，策略系数Qk基于如下公式反向迭代求解得到：
Figure BDA0002667223880000148
Figure BDA0002667223880000149
Figure BDA00026672238800001410
其中，
Figure BDA00026672238800001411
Ii×i表示维度i×i的单位矩阵。
具体地，根据医疗微机器人的动力学公式可以构建如下动力方程：
Figure BDA0002667223880000151
Figure BDA0002667223880000152
Figure BDA0002667223880000153
Figure BDA0002667223880000154
其中，c(t)＝[cx(t),cy(t),cz(t)]T为医疗微机器人三维方向上的实时加速度，v(t)＝[vx(t),vy(t),vz(t)]T为医疗微机器人三维方向上的实时速度，l(t)＝[lx(t),ly(t),lz(t)]T为所述医疗微机器人三维方向上的实时位置，
Figure BDA0002667223880000155
为所述医疗微机器人的实时期望速度，
Figure BDA0002667223880000156
和
Figure BDA0002667223880000157
分别表示Δvx(t)、Δvy(t)、Δvz(t)和Δl(t)的导数，τ为通信网络引起的具有随机特性的时滞，导航系统参数
Figure BDA0002667223880000158
r和γ分别为血管流体密度和血管流体粘度，ρ和m分别是所述医疗微机器人的球形半径和质量，θ和
Figure BDA0002667223880000159
是所述医疗微机器人的球面极坐标角。
在医疗微机器人导航控制中，目标是实现对参考轨迹的跟踪。首先，位置和速度误差可表示为：
Δl(t)＝l(t)-lref(t)
Δv(t)＝v(t)-vref(t)
式中，
Figure BDA00026672238800001510
表示由微型机器人导航轨迹确定的所需位置。
从而可以得到医疗微机器人的状态误差方程：
Figure BDA00026672238800001511
Figure BDA00026672238800001512
Figure BDA00026672238800001513
Figure BDA00026672238800001514
然后，定义状态变量
z(t)＝[Δlx(t),Δvx(t),Δly(t),Δvy(t),Δlz(t),Δvz(t)]T
基于医疗微机器人的状态误差方程，其模型可以描述为
Figure BDA0002667223880000161
式中系数矩阵给定如下：
Figure BDA0002667223880000162
其中，
Figure BDA0002667223880000163
0i×j表示维度为i×j的全0矩阵；
将得到的矩阵形式的连续时间系统状态方程离散化，获得系统模型。令采样周期为T，假设通信时滞τ小于采样周期T。那么，在第k采样周期[kT,(k+1)T)内，对应的离散时间系统模型为：
Figure BDA0002667223880000164
式中，zk＝z(kT),ck＝c(kT),Dk＝eDT,
Figure BDA0002667223880000165
最优导航控制设计的目标是调节微机器人实现目标参考轨迹，从而达到平稳跟随z*≡0。利用传统的二次代价函数，微机器人的轨迹跟踪优化问题可以表示为
Figure BDA0002667223880000166
Figure BDA0002667223880000167
式中，N为控制涉及的采样周期数，
Figure BDA0002667223880000168
表示期望算子，代价函数由于时滞的随机性而为定义为期望值，W和V为由系统决定的权重矩阵。在优化问题中，通过对上述优化问题的求解，给出了血液中医疗微机器人加速度的控制策略，使机器人在位置和速度信息方面的跟踪误差和能量消耗最小化。
定义新的变量
Figure BDA0002667223880000169
针对上述最优化问题，根据最优控制理论及递归方法，其最优控制策略可求解如下：
Figure BDA00026672238800001610
式中的策略系数Qk可反向迭代求解得到：
Figure BDA0002667223880000171
Figure BDA0002667223880000172
Figure BDA0002667223880000173
其中，
Figure BDA0002667223880000174
Ii×i表示维度i×i的单位矩阵。
根据控制信号
Figure BDA0002667223880000175
可以实现对血液中医疗微机器人进行实时自动控制。
基于上述任一实施例，本发明实施例提供一种医疗微机器人的实时导航控制装置，图3为本发明实施例提供的医疗微机器人的实时导航控制装置的结构示意图。如图3所示，该装置包括获取单元310、构建单元320、计算单元330和发送单元340，其中，
所述获取单元310，用于实时获取医疗微机器人的参考导航轨迹状态信息，所述参考导航轨迹状态信息包括实时期望速度和实时期望位置；
所述构建单元320，用于基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞；
所述计算单元330，用于求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度；
所述发送单元340，用于将所述实时加速度发送至磁场控制装置以供所述磁场控制装置调节磁场强度和方向控制所述医疗微机器人的实时加速度。
本发明实施例提供的装置，通过基于所述参考导航轨迹确定实时期望速度和实时期望位置，再基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞，所述导航控制优化问题的目标是将医疗微机器人的状态误差控制到最小，最后求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度，所述实时加速度作为控制信号使得磁场控制装置调节磁场强度和方向控制医疗微机器人的实时加速度。由于使用医疗微机器人的速度和位置和获取的参考导航轨迹进行实时动态分析，构建最优化问题，在优化问题构建的过程中考虑离散系统采样时间和网络时滞的影响，最终得到最优控制策略作为实时的控制信号，该方案具有强动态性和相互依赖性的通信和控制系统，保证了系统的稳定性。因此，本发明实施例提供的装置，实现了减少网络时滞的负面影响下的自动控制医疗微机器人达到参考导航轨迹的位置和速度，保证了导航系统的稳定性。
基于上述任一实施例，该装置中，所述参考导航轨迹状态信息是基于预操作3D影像提取的。
基于上述任一实施例，该装置中，所述基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞，具体包括：
基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建状态误差方程；
基于所述状态误差方程，确定连续时间系统状态方程，将所述连续时间系统状态方程离散化，获得离散时间系统模型；
基于所述离散时间系统模型构建导航控制优化问题的目标函数和约束条件。
基于上述任一实施例，该装置中，所述基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建状态误差方程，具体包括：
构建如下状态误差方程：
Figure BDA0002667223880000191
Figure BDA0002667223880000192
Figure BDA0002667223880000193
Figure BDA0002667223880000194
Δl(t)＝l(t)-lref(t)
Δv(t)＝v(t)-vref(t)
其中，c(t)＝[cx(t),cy(t),cz(t)]T为所述医疗微机器人三维方向上的实时加速度，v(t)＝[vx(t),vy(t),vz(t)]T为所述医疗微机器人三维方向上的实时速度，l(t)＝[lx(t),ly(t),lz(t)]T为所述医疗微机器人三维方向上的实时位置，
Figure BDA0002667223880000195
为所述医疗微机器人的实时期望速度，
Figure BDA0002667223880000196
为所述医疗微型机器人由参考导航轨迹确定的所需位置，
Figure BDA0002667223880000197
和
Figure BDA0002667223880000198
分别表示Δvx(t)、Δvy(t)、Δvz(t)和Δl(t)的导数，τ为通信网络引起的时滞，导航系统参数
Figure BDA0002667223880000199
r和γ分别为血管流体密度和血管流体粘度，ρ和m分别是所述医疗微机器人的球形半径和质量，θ和
Figure BDA00026672238800001910
是所述医疗微机器人的球面极坐标角；
对应地，所述基于所述状态误差方程，确定连续时间系统状态方程，将所述连续时间系统状态方程离散化，获得离散时间系统模型，具体包括：
通过如下公式构建状态变量z(t)
z(t)＝[Δlx(t),Δvx(t),Δly(t),Δvy(t),Δlz(t),Δvz(t)]T；
基于所述状态误差方程，构建连续时间系统状态方程如下：
Figure BDA00026672238800001911
Figure BDA00026672238800001912
其中，
Figure BDA00026672238800001913
0i×j表示维度为i×j的全0矩阵；
将所述连续时间系统状态方程离散化，设置采样周期为T，且T>τ,在第k个采样周期[kT,(k+1)T)内，离散时间系统模型为：
Figure BDA0002667223880000201
其中，zk＝z(kT),ck＝c(kT),Dk＝eDT,
Figure BDA0002667223880000202
所述基于所述离散时间系统模型构建导航控制优化问题的目标函数和约束条件，具体包括：
利用二次代价函数将平稳跟随z*≡0的目标基于所述离散时间系统模型转化为如下导航控制优化问题：
Figure BDA0002667223880000203
Figure BDA0002667223880000204
上式中，N为导航控制涉及的采样周期数，
Figure BDA0002667223880000205
表示期望算子，W和V为由所述导航系统决定的权重矩阵；
所述求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度，具体包括：
通过如下公式构建控制变量yk：
Figure BDA0002667223880000206
基于最优控制理论及递归方法，确定所述医疗微机器人的实时加速度
Figure BDA0002667223880000207
上式中，策略系数Qk基于如下公式反向迭代求解得到：
Figure BDA0002667223880000208
Figure BDA0002667223880000209
Figure BDA00026672238800002010
其中，
Figure BDA00026672238800002011
Ii×i表示维度i×i的单位矩阵。
图4为本发明实施例提供的电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储在存储器403上并可在处理器401上运行的计算机程序，以执行上述各实施例提供的医疗微机器人的实时导航控制方法，例如包括：实时获取医疗微机器人的参考导航轨迹状态信息，所述参考导航轨迹状态信息包括实时期望速度和实时期望位置；基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞；求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度；将所述实时加速度发送至磁场控制装置以供所述磁场控制装置调节磁场强度和方向控制所述医疗微机器人的实时加速度。
此外，上述的存储器403中的逻辑指令可以通过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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的医疗微机器人的实时导航控制方法，例如包括：实时获取医疗微机器人的参考导航轨迹状态信息，所述参考导航轨迹状态信息包括实时期望速度和实时期望位置；基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞；求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度；将所述实时加速度发送至磁场控制装置以供所述磁场控制装置调节磁场强度和方向控制所述医疗微机器人的实时加速度。以上所描述的系统实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (2)

1.一种医疗微机器人的实时导航控制装置，其特征在于，包括：
获取单元，用于实时获取医疗微机器人的参考导航轨迹状态信息，所述参考导航轨迹状态信息包括实时期望速度和实时期望位置；
构建单元，用于基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞；
计算单元，用于求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度；
发送单元，用于将所述实时加速度发送至磁场控制装置以供所述磁场控制装置调节磁场强度和方向控制所述医疗微机器人的实时加速度；
基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建导航控制优化问题的目标函数和约束条件，其中，所述导航控制优化问题的建立基于离散时间系统采样时间和网络时滞，具体包括：基于所述实时期望速度、所述实时期望位置、所述医疗微机器人的实时位置、所述医疗微机器人的实时速度和所述医疗微机器人的实时加速度，构建状态误差方程：
Figure FDA0003258725900000011
Figure FDA0003258725900000012
Figure FDA0003258725900000013
Figure FDA0003258725900000014
Δl(t)＝l(t)-lref(t)
Δv(t)＝v(t)-vref(t)
其中，t表示当前时刻，[cx(t),cy(t),cz(t)]T为所述医疗微机器人三维方向上的实时加速度，v(t)＝[vx(t),vy(t),vz(t)]T为所述医疗微机器人三维方向上的实时速度，l(t)＝[lx(t),ly(t),lz(t)]T为所述医疗微机器人三维方向上的实时位置，
Figure FDA0003258725900000021
为所述医疗微机器人的实时期望速度，
Figure FDA0003258725900000022
为所述医疗微型机器人由参考导航轨迹确定的所需位置，
Figure FDA0003258725900000023
Figure FDA0003258725900000024
和
Figure FDA0003258725900000025
分别表示Δvx(t)、Δvy(t)、Δvz(t)和Δl(t)的导数，τ为通信网络引起的时滞，导航系统参数
Figure FDA0003258725900000026
Figure FDA0003258725900000027
r和γ分别为血管流体密度和血管流体粘度，ρ和m分别是所述医疗微机器人的球形半径和质量，θ和
Figure FDA00032587259000000211
是所述医疗微机器人的球面极坐标角；
基于所述状态误差方程，确定连续时间系统状态方程，将所述连续时间系统状态方程离散化，获得离散时间系统模型：
通过如下公式构建状态变量z(t)
z(t)＝[Δlx(t),Δvx(t),Δly(t),Δvy(t),Δlz(t),Δvz(t)]T；
基于所述状态误差方程，构建连续时间系统状态方程如下：
Figure FDA0003258725900000028
Figure FDA0003258725900000029
其中，t表示当前时刻，c(t)＝[cx(t),cy(t),cz(t)]T表示控制信号，即所述医疗微机器人三维方向上的实时加速度，
Figure FDA00032587259000000210
0i×j表示维度为i×j的全0矩阵；
将所述连续时间系统状态方程离散化，设置采样周期为T，且T>τ,在第k个采样周期[kT,(k+1)T)内，k＝1,2,3…,N；离散时间系统模型为：
Figure FDA0003258725900000031
其中，zk＝z(kT),ck＝c(kT),Dk＝eDT,
Figure FDA0003258725900000032
基于所述离散时间系统模型构建导航控制优化问题的目标函数和约束条件，具体包括：
利用二次代价函数将平稳跟随z*≡0的目标，基于所述离散时间系统模型转化为如下导航控制优化问题：
Figure FDA0003258725900000033
Figure FDA0003258725900000034
上式中，N为导航控制涉及的总采样周期数，
Figure FDA0003258725900000035
表示期望算子，W和V为由所述导航系统决定的权重矩阵；
所述求解所述导航控制优化问题，得到所述医疗微机器人的实时加速度，具体包括：
通过如下公式构建控制变量yk：
Figure FDA0003258725900000036
基于最优控制理论及递归方法，确定所述医疗微机器人的实时加速度
Figure FDA0003258725900000037
上式中，策略系数Qk基于如下公式反向迭代求解得到：
Figure FDA0003258725900000038
Figure FDA0003258725900000039
Figure FDA00032587259000000310
其中，Hk为推导过程中设置的中间参数，N为导航控制涉及的总采样周期数，
Figure FDA0003258725900000041
Ii×i表示维度i×i的单位矩阵。
2.根据权利要求1所述的医疗微机器人的实时导航控制装置，其特征在于，所述参考导航轨迹状态信息是基于预操作3D影像提取的。
CN202010922576.9A 2020-09-04 2020-09-04 医疗微机器人的实时导航控制方法和装置 Active CN112237478B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010922576.9A CN112237478B (zh) 2020-09-04 2020-09-04 医疗微机器人的实时导航控制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010922576.9A CN112237478B (zh) 2020-09-04 2020-09-04 医疗微机器人的实时导航控制方法和装置

Publications (2)

Publication Number Publication Date
CN112237478A CN112237478A (zh) 2021-01-19
CN112237478B true CN112237478B (zh) 2022-01-14

Family

ID=74171144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010922576.9A Active CN112237478B (zh) 2020-09-04 2020-09-04 医疗微机器人的实时导航控制方法和装置

Country Status (1)

Country Link
CN (1) CN112237478B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014141113A2 (en) * 2013-03-15 2014-09-18 Mediguide Ltd. Medical device navigation system
WO2018055395A1 (en) * 2016-09-26 2018-03-29 Ucl Business Plc A system and method for computer-assisted planning of a trajectory for a surgical insertion into a skull
CN209360895U (zh) * 2018-10-22 2019-09-10 中国人民解放军陆军军医大学第一附属医院 一种可精确控制的血管手术机器人
CN111417354A (zh) * 2016-10-25 2020-07-14 Gys科技有限责任公司(经营名称为卡丹机器人) 用于机器人辅助手术的方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014144019A1 (en) * 2013-03-15 2014-09-18 The University Of North Carolina At Chapel Hill Methods, systems, and computer readable media for real-time 2d/3d deformable registration using metric learning
US10299862B2 (en) * 2015-02-05 2019-05-28 Siemens Healthcare Gmbh Three-dimensional quantitative heart hemodynamics in medical imaging
KR101777829B1 (ko) * 2015-02-17 2017-09-13 재단법인대구경북과학기술원 이송용 로봇을 이용한 마이크로 로봇 제어 시스템
US20180330496A1 (en) * 2017-05-11 2018-11-15 Siemens Healthcare Gmbh Generation Of Personalized Surface Data
US11103314B2 (en) * 2017-11-24 2021-08-31 Synaptive Medical Inc. Methods and devices for tracking objects by surgical navigation systems
EP3801348B1 (en) * 2018-05-31 2024-05-01 Auris Health, Inc. Image-based airway analysis and mapping

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014141113A2 (en) * 2013-03-15 2014-09-18 Mediguide Ltd. Medical device navigation system
WO2018055395A1 (en) * 2016-09-26 2018-03-29 Ucl Business Plc A system and method for computer-assisted planning of a trajectory for a surgical insertion into a skull
CN111417354A (zh) * 2016-10-25 2020-07-14 Gys科技有限责任公司(经营名称为卡丹机器人) 用于机器人辅助手术的方法及系统
CN209360895U (zh) * 2018-10-22 2019-09-10 中国人民解放军陆军军医大学第一附属医院 一种可精确控制的血管手术机器人

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《基于车联网和移动边缘计算的时延可容忍数据传输》;李萌，司鹏搏，孙恩昌，张延华;《北京工业大学学报》;20180430;第44卷(第4期);全文 *
基于卡尔曼滤波的多控制器最优状态估计;陈雅雯;《中国优秀硕士论文全文数据库（电子期刊）》;20190531;全文 *

Also Published As

Publication number Publication date
CN112237478A (zh) 2021-01-19

Similar Documents

Publication Publication Date Title
Birn-Jeffery et al. Birds achieve high robustness in uneven terrain through active control of landing conditions
Ho et al. Adaptive gain control strategy for constant optical flow divergence landing
CN105455834B (zh) X光机运动轨迹规划方法与装置
Suluh et al. Spatial navigation principles: Applications to mobile robotics
CN106546261B (zh) 一种基于虚拟现实设备的角度数据补偿方法及装置
Bogadhi et al. Pursuing motion illusions: A realistic oculomotor framework for Bayesian inference
CN112237478B (zh) 医疗微机器人的实时导航控制方法和装置
CN111856942A (zh) 一种远程介入手术控制系统的时滞与误差的改进方法
CN114211484A (zh) 前端工具位姿同步方法、电子设备及存储介质
CN110262565B (zh) 应用于水下六推无人机的目标跟踪运动控制方法及装置
CN115480583A (zh) 飞行作业机器人的视觉伺服跟踪与阻抗控制方法
CN113568422A (zh) 基于模型预测控制优化强化学习的四足机器人控制方法
CN113467496A (zh) 两轮小车平衡轨迹与跟踪控制器的设计方法及控制系统
CN116755323A (zh) 一种基于深度强化学习的多旋翼无人机pid自整定方法
CN111221329A (zh) 一种自主车辆排队间距控制方法
CN110501899A (zh) 一种基于遗传算法参数自整定的pid随动控制方法
CN110203198A (zh) 一种车速调整方法和装置
CN115890666A (zh) 机器人及其碰撞保护方法、装置及存储介质
Andersh et al. Modeling visuo-motor control and guidance functions in remote-control operation
Wang et al. Tracking moving target for 6 degree-of-freedom robot manipulator with adaptive visual servoing based on deep reinforcement learning PID controller
CN112975965B (zh) 仿人机器人的解耦控制方法、装置和仿人机器人
JP7099531B2 (ja) 機械装置の動作を制御する方法とデータの信頼性を判定する方法及び装置
CN113515044A (zh) 一种轮式移动机器人的基于学习预测跟踪控制方法及装置
Han et al. Online viewpoint optimization method for high-accuracy intraoperative optical measurement in orthopedic surgeries: An active navigation approach
CN115509241A (zh) 水下机器人轨迹跟踪控制方法及装置

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