CN112245014A - 一种医疗机器人、检测机械臂碰撞的方法及存储介质 - Google Patents
一种医疗机器人、检测机械臂碰撞的方法及存储介质 Download PDFInfo
- Publication number
- CN112245014A CN112245014A CN202011190674.4A CN202011190674A CN112245014A CN 112245014 A CN112245014 A CN 112245014A CN 202011190674 A CN202011190674 A CN 202011190674A CN 112245014 A CN112245014 A CN 112245014A
- Authority
- CN
- China
- Prior art keywords
- projection
- bounding box
- execution
- collision
- assembly
- 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
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
- A61B34/70—Manipulators specially adapted for use in surgery
- A61B34/76—Manipulators having means for providing feel, e.g. force or tactile feedback
-
- 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
- A61B34/37—Master-slave robots
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Robotics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (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)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种医疗机器人、检测机械臂碰撞的方法及存储介质，所述医疗机器人包括执行端和中央控制单元，其中：所述执行端包括至少两个执行组件，所述执行组件用于被操作者控制进行手术操作；所述中央控制单元用于根据每个所述执行组件的预期位姿，结合预设的执行组件包围盒模型，获得每个所述执行组件包围盒模型的预期位姿，并通过碰撞检测算法判断所述执行组件之间是否发生碰撞，在对患者进行手术操作的过程中，能够自动进行碰撞检测，提高了手术过程的安全性。
Description
技术领域
本发明涉及手术机器人技术领域，尤其涉及一种医疗机器人、检测机械臂碰撞的方法及存储介质。
背景技术
手术机器人的出现符合精准外科的发展趋势。手术机器人成为帮助医生完成手术有力工具,如达芬奇手术机器人已经应用在全球各大医院,因其伤害小、出血少、恢复快，为患者带来福音。
手术机器人其设计理念是采用微创伤方式，精准地实施复杂的外科手术。在传统的手术面临种种局限的情况下，发展出了手术机器人来替代传统手术，手术机器人突破了人眼的局限，采用立体成像技术，将内部器官更加清晰的呈现给操作者。在原来手伸不进的区域，机器手能完成360度转动、挪动、摆动、夹持，并避免抖动。创口小，出血少，恢复快，大大缩短了患者术后住院时间，术后存活率和康复率也能明显提高，受到广大医患的青睐，现在作为一种高端医疗器械，已广泛运用于各种临床手术中。
而现有技术中的手术机器人一般具有多条用于执行手术操作的机械臂，在机器人进行手术操作时，由于操作空间往往比较狭窄，机械臂之间容易发生碰撞，进而影响手术安全。而且机械臂碰撞发生后，机器人的主手操作端没有碰撞力反馈，操作医生不能直观的感受到碰撞的发生，因此不能及时采取有效措施避免碰撞影响加重或者解除碰撞。
因此，有必要提供一种医疗机器人、检测机械臂碰撞的方法及存储介质以解决上述问题中的至少一个。
发明内容
本发明的目的在于提供一种医疗机器人、检测机械臂碰撞的方法及存储介质，在操作过程中能够自动进行碰撞检测，预估碰撞风险，提高手术过程的安全性。
为实现上述目的，本发明的所述一种医疗机器人，包括执行端和中央控制单元，其中：
所述执行端包括至少两个执行组件，所述执行组件用于进行手术操作；
所述中央控制单元用于根据每个所述执行组件的预期位姿，结合预设的执行组件包围盒模型，获得每个所述执行组件包围盒模型的预期位姿，并通过碰撞检测算法判断所述执行组件之间是否将发生碰撞。
本发明的有益效果在于：通过对医疗机器人的操作组件进行操作，中央控制单元根据操作组件的操作控制执行组件运动到与操作组件对应的位置，实现主从控制，并且在操作运动的过程中，通过包围盒建模的方式模拟执行组件的运动情况，并通过碰撞检测算法对操作过程进行碰撞检测，对碰撞风险进行有效预估，有效提高了医疗机器人在操作使用过程中的安全性。
进一步的，还包括控制端，所述控制端包括操作组件，所述操作组件用于控制所述执行组件运动；
所述中央控制单元还用于根据所述操作组件的位姿和速度，通过预设的操作组件与执行组件的主从映射关系获得每个所述执行组件的当前位姿和当前速度，进而获得每个所述执行组件的预期位姿。其有益效果在于：在使用者对操作组件进行操作之后，根据主从映射关系得到每个执行组件的当前位姿和当前速度，以准确得到每一个执行组件的预期位姿。
进一步的，所述中央控制单元还包括预设的执行组件的手术运动轨迹，所述运动轨迹包括每个执行组件每个时刻点在笛卡尔空间的位姿；
所述中央控制单元用于取当前时刻之后预期时间时所述手术运动轨迹中的所述执行组件在笛卡尔空间的位姿作为每个所述执行组件的预期位姿。其有益效果在于：执行组件根据预设的运动轨迹进行运动，使得中央控制单元可以快速获取每个执行组件的预期位姿。
进一步的，所述中央控制单元还包括预设的用于执行组件自检的自检运动轨迹，所述自检运动轨迹包括每个执行组件每个时刻点在笛卡尔空间的位姿；
所述中央控制单元用于当所述执行组件自检时，根据所述自检运动轨迹，将每个时刻点每个所述执行组件在笛卡尔空间的位姿作为预期位姿。其有益效果在于：通过自检运动轨迹判断执行组件是否将会发生碰撞。
进一步的，所述执行组件包括多个关节和连接件，所述连接件之间通过关节连接；
所述中央控制单元根据所述执行组件的预期位姿，根据机器人运动学，例如D-H法，获取各个关节的转动角度，以获得所述连接件的预期位姿，进而结合预设的连接件包围盒模型，获得每个所述连接件包围盒模型的预期位姿，并通过碰撞检测算法判断所述执行组件之间的连接件是否将发生碰撞。其有益效果在于：中央控制单元根据关节的转动角度获取连接件的当前位姿和当前速度，以及连接件包围盒模型，从而得到连接件包围盒模型的预期位姿，以快速判断执行组件是否会将发生碰撞。
进一步的，所述执行组件包括机械臂和手术器械，所述机械臂由所述连接件和关节依次串联形成，且所述机械臂末端用于与所述手术器械连接，所述机械臂用于驱动所述手术器械围绕一不动点运动，或者，
所述执行组件包括机械臂和内窥镜，所述机械臂由所述连接件和关节依次串联形成，且所述机械臂末端用于与所述内窥镜连接，所述机械臂用于驱动所述内窥镜围绕一不动点运动。
进一步的，所述连接件包括易碰撞连接件和非易碰撞连接件，所述中央控制单元根据所述关节的转动角度，获取连接件的当前位姿和当前速度，进而获得易碰撞连接件的预期位姿，并结合预设的易碰撞连接件的连接件包围盒模型，获得每个易碰撞连接件的所述连接件包围盒模型的预期位姿，进一步通过碰撞检测算法判断所述执行组件之间的易碰撞连接件是否将发生碰撞。其有益效果在于：通过只对易碰撞连接件进行碰撞检测以确定执行组件是否将发生碰撞，在减小检测工作量的同时，提高了执行组件碰撞检测的准确性。
进一步的，所述执行组件包围盒模型还包括特征量，所述执行组件还包括特征参数，所述特征量与所述特征参数相对应，所述中央控制单元根据所述执行组件的预期位姿，获得所述特征参数的预期位姿，从而获得对应的所述特征量的预期位姿，最终获得所述执行组件包围盒模型的预期位姿。其有益效果在于：根据特征量和特征参数相对应的关系，便于最终获得执行组件包围盒模型的预期位姿。
进一步的，所述中央控制单元用于基于所述执行组件包围盒模型的预期位姿，获取所述执行组件包围盒模型之间所有的分离轴，以及所述执行组件包围盒模型在所述分离轴上的投影以采用SAT碰撞检测算法判断所述执行组件之间是否将发生碰撞。其有益效果在于：采用执行组件在分离轴上投影的方式判断执行组件是否会将发生碰撞。
进一步的，所述执行组件包围盒模型包括多个面和相邻的面之间形成的边，所述分离轴包括相邻的两个所述执行组件包围盒模型的面法向量和相邻的所述执行组件包围盒模型的边向量叉乘形成的矢向量。
进一步的，所述中央控制单元用于将相应的两个所述执行组件包围盒模型投影到所述分离轴上并分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞。
进一步的，所述中央控制单元用于基于所述连接件包围盒模型的预期位姿，获得所述连接件包围盒模型的各个顶点的位置，然后将所有所述顶点投影至所述分离轴上，将投影点之间距离最长的投影连线作为投影。
进一步的，所述中央控制单元还用于在判断所述执行组件之间将发生碰撞后，对将要发生碰撞的所述执行组件以第一标识表示，其余所述执行组件以第二标识表示。
进一步的，所述中央控制单元还用于在判断所述执行组件之间将发生碰撞后，获取所述执行组件之间可能发生碰撞的方向，并将所述碰撞的方向予以显示。其有益效果在于：在判断将发生碰撞之后，获取可能发生碰撞的方向并显示，对于操作者起到了很好的提示作用，提高了操作的安全性。
进一步的，所述中央控制单元用于将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞，并取最小的投影重叠的长度所在的分离轴作为所述可能发生碰撞的方向。
进一步的，还包括控制端，所述控制端包括操作组件，所述操作组件用于控制所述执行组件运动；所述中央控制单元根据所述可能发生碰撞的方向，以及预设的主从映射关系，控制所述操作组件运动，以对操作者施加与可能发生碰撞的方向相反方向的作用力。其有益效果在于：在判断将发生碰撞之后，通过控制端根据碰撞方向对操作者施加相反的作用力，使得操作者能够更加直观的了解到碰撞情况。
进一步的，所述中央控制单元用于将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞，并取最小的投影重叠长度所在的分离轴作为可能发生碰撞的方向，所述中央控制单元还包括所述作用力的大小与所述投影重叠的长度之间预设的比例关系，并根据所述最小的投影重叠长度确定所述作用力的大小。
本发明还提供了一种医疗机器人的检测机械臂碰撞的方法，包括：获取所述执行组件的预期位姿，结合预设的执行组件包围盒模型，获得每个所述执行组件包围盒模型的预期位姿，并通过碰撞检测算法判断所述执行组件之间是否将发生碰撞。
本方法的有益效果在于：通过执行组件的预期位姿获得执行组件包围盒模型的预期位姿，并通过碰撞检测算法判断执行组件是否将发生碰撞，通过包围盒模型的方式进行碰撞检测，有效提高了检测结果的准确性。
进一步的，获得所述执行组件的预期位姿的过程包括：
根据所述操作组件的位姿，通过预设的操作组件与执行组件的主从映射关系获得每个所述执行组件的当前位姿和当前速度，进而获得每个所述执行组件的预期位姿。
进一步的，所述手术运动轨迹包括每个执行组件每个时刻点在笛卡尔空间的位姿，获得所述执行组件的预期位姿的过程还包括：
根据预设的执行组件的手术运动轨迹，将当前时刻之后预期时间时所述执行组件在笛卡尔空间的位姿作为每个所述执行组件的预期位姿。
进一步的，所述自检运动轨迹包括每个执行组件每个时刻点在笛卡尔空间的位姿，获得所述执行组件的预期位姿的过程还包括：
当所述执行组件自检时，根据预设的用于执行组件自检的自检运动轨迹，将每个时刻点每个所述执行组件在笛卡尔空间的位姿作为预期位姿。其有益效果在于：通过根据自检运动轨迹获得每个执行组件的预期位姿，以便于对执行组件进行碰撞判断。
进一步的，所述执行组件被配置包括多个关节和连接件，所述连接件之间通过关节连接；
所述执行组件包围盒模型被配置包括连接件包围盒模型；
所述判断所述执行组件之间是否将发生碰撞的过程包括：
根据所述执行组件的预期位姿，获得连接件的预期位姿，并结合所述连接件包围盒模型，获得每个所述连接件包围盒模型的预期位姿，进一步通过碰撞检测算法判断所述执行组件之间的连接件是否将发生碰撞以确定所述执行组件之间是否将发生碰撞。
进一步的，所述执行组件包围盒模型被配置包括特征量；
所述执行组件被配置包括特征参数，所述特征量与所述特征参数相对应；
所述获得所述执行组件的预期位姿的过程还包括：根据所述执行组件的预期位姿，获得所述特征参数的预期位姿，从而获得对应的所述特征量的预期位姿，最终获得所述执行组件包围盒模型的预期位姿。
进一步的，所述判断所述执行组件之间是否将发生碰撞的过程还包括：
基于所述执行组件包围盒模型的预期位姿，获取所述执行组件包围盒模型之间所有的分离轴，以及所述执行组件包围盒模型在所述分离轴上的投影，以采用SAT碰撞检测算法判断所述执行组件之间是否将发生碰撞。
进一步的，所述获取所述执行组件包围盒模型之间所有的分离轴，以及所述执行组件包围盒模型在所述分离轴上的投影，以采用SAT碰撞检测算法判断所述执行组件之间是否将发生碰撞的过程包括：
将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞。
进一步的，基于所述连接件包围盒模型的预期位姿，获得所述连接件包围盒模型的各个顶点的位置，然后将所有所述顶点投影至所述分离轴上，将投影点之间距离最长的投影连线作为投影。
进一步的，在判断所述执行组件之间将发生碰撞后，还包括获取所述执行组件之间可能发生碰撞的方向；
显示所述碰撞的方向。其有益效果在于：通过获取并显示执行组件之间可能发生碰撞的方向，有助于快速提醒操作者将发生碰撞的情况，提高了操作过程的安全性。
进一步的，所述获取所述执行组件之间可能发生碰撞的方向的过程包括：
将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，
并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞，并取最小的投影重叠的长度所在的分离轴作为可能发生碰撞的方向。其有益效果在于：通过最小投影重叠的长度所在的分离轴作为可能发生碰撞的方向，实现碰撞方向的快速检测。
进一步的，还包括：
根据所述可能发生碰撞的方向，以及预设的主从映射关系，控制所述操作组件运动以对操作者施加与可能发生碰撞的方向相反方向的作用力。其有益效果在于：通过施加与碰撞方向相反的作用力，以使得操作者能够直观的获得操作反馈，以了解手术操作的真实情况。
进一步的，将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞，并取最小的投影重叠长度所在的分离轴作为可能发生碰撞的方向；
根据所述作用力的大小与所述投影重叠的长度之间预设的比例关系，所述最小的投影重叠长度确定为所述作用力的大小。其有益效果在于：通过获得碰撞作用力的大小，有助于反馈给操作者准确的作用力，以提高操作者感受反馈的体验的准确性。
本发明还提供了一种存储介质，所述存储介质内存储有计算机程序，所述计算机程序在被处理器执行时实现上述的检测机械臂碰撞的方法。
附图说明
图1为本发明的一个实施例中医疗机器人整体设备使用场景示意图；
图2为本发明的一个实施例中医疗机器人的执行端的机械臂结构示意图；
图3为本发明的一个实施例中机械臂的结构和连接件包围盒模型示意图；
图4为本发明的一个实施例中两个机械臂的连接件包围盒模型的向量方向示意图；
图5为本发明的一个实施例中两个机械臂的连接件包围盒模型在分离轴上的碰撞检测示意图；
图6为本发明的一个实施例中医疗机器人的两个机械臂预期位姿示意图；
图7为图6所示的在预期位姿上的两个机械臂的连接件包围盒模型在分离轴上的碰撞力方向及大小操作示意图；
图8为本发明的一个实施例中安装在机械臂上的信号灯结构示意图；
图9为本发明的一个实施例中医疗机器人主从控制工作原理示意图。
图中标号：
10-图像端；11-执行端；110-第一机械臂；1101-调整臂；1102-第一连接件；1103-第二连接件；1104-第三连接件；1105-第四连接件；1106-第五连接件；1107-第九连接件；111-第二机械臂；112-第三机械臂；113-手术器械；12-病床；13-器械台；14-包装盒模型；141-第一连接件包装盒模型；142-第二连接件包装盒模型；143-第三连接件包装盒模型；144-第四连接件包装盒模型；145-第五连接件包围盒；1421-第一投影；1451-第二投影；
20-控制端。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明的附图，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的一部分实施例，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作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。除非另外定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包括”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。本文中使用的“位姿”包括位置和姿态。
针对现有技术存在的问题，本发明提供了一种医疗机器人，包括执行端和中央控制单元，其中：
所述执行端包括至少两个执行组件，所述执行组件用于进行手术操作；
所述中央控制单元用于根据每个所述执行组件的预期位姿，结合预设的执行组件包围盒模型，获得每个所述执行组件包围盒模型的预期位姿，并通过碰撞检测算法判断所述执行组件之间是否将发生碰撞。
以医疗机器人中的遥操作腹腔镜手术机器人为例，如图1和图2所示，所述医疗机器人包括执行端11和中央控制单元（图中未示出），其中：
所述执行端11包括至少两个执行组件，所述执行组件用于被操作者控制进行手术操作；
所述中央控制单元还根据所述执行组件的预期位姿，获得预设的所述执行组件包围盒模型的预期位姿，并通过碰撞检测算法判断所述执行组件是否将发生碰撞。
本实施例中，所述中央控制单元可以是中央处理单元(Central ProcessingUnit，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，所述处理器是所述电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。
在一种可能的实施方式中，如图1所示，所述遥操作腹腔镜手术机器人还包括控制端20，所述控制端20包括操作组件，所述操作组件用于控制所述执行组件运动。所述中央控制单元用于根据所述操作组件的位姿，通过主从映射关系获得所述执行组件的当前位姿和当前速度，并根据所述执行组件的当前位姿和当前速度获得预期位姿。具体而言，如图9所示，所述控制端20还包括与中央控制单元通信连接的操作组件编码器，所述操作组件编码器用于获取所述操作组件的位姿。所述中央控制单元包括主从映射模块，所述主从映射模块内存储有预设的主从映射关系。所述主从映射关系为所述操作组件的位姿和所述执行组件的位姿、速度之间的线性或非线性关系。所述执行端还包括与中央控制单元通信连接的执行组件驱动器，所述执行组件驱动器用于驱动所述执行组件运动至执行组件的当前位姿和当前速度。本实施例对根据操作组件的位姿以及主从映射关系获取执行组件的当前位姿和当前速度的具体方法没有特别的限制。
进一步，所述中央控制单元用于根据所述执行组件的当前位姿和当前速度，获得所述执行组件的预期位姿。在本实施例中，所述预期位姿不是所述执行组件的实际位姿，而是当前位姿下所述执行组件以当前速度运动预期时间后可能所在的位姿。所述中央控制单元判断所述执行组件在该位姿条件下是否可能发生碰撞，进而可以实现预判执行组件碰撞发生的风险。所述预期时间例如为3-5ms。
在上述过程中，通过对医疗机器人控制端20的操作组件进行操作，中央控制单元根据操作组件的操作控制执行组件运动到与操作组件对应的位姿，实现主从控制，并且在操作运动的过程中，通过包围盒建模的方式模拟执行组件在预期姿态下的运动情况，并通过碰撞检测算法对操作过程进行碰撞检测预判，有效提高了医疗机器人在操作使用过程中的安全性。
在另外一种可能的实施方式中，所述中央控制单元还包括预设的执行组件的手术运动轨迹，所述手术运动轨迹包括每个操作组件每个时刻点在笛卡尔空间的位姿。手术操作时，所述中央控制单元控制每个操作组件在每个时刻处于对应的位姿。在本实施例中，所述预期位姿可以是操作组件当前时刻点下一个或多个时刻点的位姿，即所述中央控制单元根据所述手术运动轨迹中的所述执行组件在笛卡尔空间的位姿获取每个所述执行组件的预期位姿。优选，所述预期时间与手术运动轨迹的时刻点间隔相匹配。例如，手术运动轨迹的时刻点为5ms，而预期时间为5nms，其中n为大于1的自然数。显然，本领域技术人员应理解，所述执行组件包括多个关节和连接件时，所述手术运动轨迹还可以为每个时刻点每个关节的角度。例如执行组件包括6个关节，60个时刻点，则手术运动轨迹为6×60的二维矩阵。此时，每个操作组件每个时刻点在笛卡尔空间的位姿可以根据机器人正运动学，例如D-H法获得。当然手术运动轨迹还可以包括每个关节在每个时刻点的其他信息，例如速度、加速度，以更精确的控制执行组件。
所述执行组件包括多个关节和连接件，所述连接件之间通过关节连接。所述执行组件包围盒模型包括连接件包围盒模型。所述中央控制单元获取所述执行组件的每个连接件的预期位姿，并结合所述的连接件包围盒模型，获得每个所述连接件包围盒模型的预期位姿，并通过碰撞检测算法判断所述执行组件之间的连接件是否将发生碰撞以确定所述执行组件之间是否将发生碰撞。进一步，所述连接件根据是否容易发生碰撞，可以分为易碰撞连接件和非易碰撞连接件。对于易碰撞部件，所述中控制单元判断是否会发生碰撞，而对于非易碰撞部件则不做分析，如此可以节约计算量。不同的执行组件的构型，易碰撞连接件和非易碰撞连接件不尽相同。所述易碰撞连接件例如为手术器械。
在一个具体的实施方式中，所述执行组件包括机械臂和手术器械，所述机械臂由所述连接件和关节依次串联形成，且所述机械臂末端挂载所述手术器械，所述机械臂用于驱动所述手术器械围绕一不动点运动。本实施例中的手术器械包括各种常用的手术器械，对此不作特别限制。同样对机械臂的具体构型没有特别的限制。
进一步，所述不动点可为机械不动点。此时，所述机械臂包括调整臂和工具臂。在工具臂的结构确定之后，其与机械不动点的位置关系也确定。所述调整臂用于调整所述机械不动点的空间位置。机械臂通过挂载手术器械在患者的待操作手术部位完成手术操作，而手术器械被驱动围绕不动点运动，保证了手术过程的准确性和安全性。
此外，所述不动点还可为主动不动点。相应地，所述机械臂为包括至少六个自由度的空间结构，所述医疗机器人的控制器根据所述主动不动点的位置，计算出所述机械臂的各个关节的转动角度，并将所述手术器械通过主动不动点进入人体目标位置内部进行操作。
在另外一个具体的实施方式中，所述执行组件包括机械臂和内窥镜。所述机械臂由所述连接件和关节依次串联形成，且所述机械臂末端挂载所述内窥镜，所述机械臂用于驱动所述内窥镜围绕一不动点运动。所述内窥镜用于采集人体内部手术信息（例如病灶位置，手术器械位姿，组织器官、血管等状况等）。而在控制端20还包括显示装置，用于给操作者显示所述内窥镜所采集的手术信息。本实施例对所述内窥镜没有特别的限制，可以是二维内窥镜或者三维内窥镜，可以是零度镜或者非零度镜。
进一步参考图1、图2，所述医疗机器人中机械臂为三个，分别为第一机械臂110、第二机械臂111和第三机械臂112；主操作臂为两个。其中整个医疗机器人还可以包括其余组件，例如用于放置患者的病床12、用于放置备用手术器械的器械台13。
在获取所述执行组件的预期位姿后，所述中央控制单元还用于根据所述执行组件的预期位姿，以及预设的执行组件包围盒模型，获得所述执行组件包围盒模型的预期位姿。
包围盒是一种求解离散点集最优包围空间的算法，基本思想是用体积稍大且特性简单的几何体（称为包围盒）来近似地代替复杂的几何对象。常见的包围盒算法有AABB包围盒算法、包围球算法、方向包围盒算法（OBB算法）以及固定方向凸包算法（FDH算法）。本实施例对根据所述执行组件获取执行组件包围盒模型的具体方法没有特别的限制。例如，所述执行组件包围盒模型采用OBB包围盒算法获得。
进一步，所述执行组件包围盒模型还包括特征量，所述执行组件还包括特征参数，所述特征量与所述特征参数相对应。所述特征量、特征参数可以为一个或多个。所述特征量例如为所述执行组件包围盒模型的中轴线，所述执行组件包围盒模型端面的几何中心点。相应的，所述特征参数为所述执行组件的中轴线，所述执行组件端面的几何中心点。由于所述特征量与所述执行组件包围盒模型相对位置关系确定；所述特征参数，例如执行组件的中轴线，与所述执行组件相对位置关系确定，所以所述中央控制单元根据所述执行组件的预期位姿，获得所述特征参数的预期位姿（如果特征参数为点，则为预期位置），从而获得对应的所述特征量的预期位姿（如果特征量为点，则为预期位置），最终获得所述执行组件包围盒模型的预期位姿。
进一步，为了精确获知所述执行组件的哪个连接件有潜在的碰撞风险。因此，将整个执行组件分解为连接件和手术器械/内窥镜的组合，需要基于连接件获取连接件包围盒模型以及连接件包围盒模型的预期位姿。所述中央控制单元获取每个连接件的预期位姿，并结合预设的所述的连接件包围盒模型，获得每个所述连接件包围盒模型的预期位姿，并通过碰撞检测算法判断所述执行组件之间的连接件是否将发生碰撞以确定所述执行组件之间是否将发生碰撞。
如图3所示，以所述第一机械臂110以及其所挂载的手术器械113为例做进一步的说明。所述第一机械臂110包括调整臂和工具臂1101。由于，在手术过程中，调整臂基本上被锁定，发生碰撞的概率较低，所以图3中省略了调整臂。所述工具臂1101包括依次活动连接的第一连接件1102，第二连接件1103，第三连接件1104、第四连接件1105和第五连接件1106。所述手术器械113挂载于所述工具臂1101的末端。其中，所述第二连接件1103呈“U”型，其开口端与所述第三连接件1104连接。进一步，对所述工具臂1101的整体结构进行分析，发现第一连接件1102和第三连接件1104发生碰撞风险较低，因此只需要对第二连接件1103、第四连接件1105、第五连接件1106和手术器械113进行OBB包围盒算法进行计算，并获得第一连接件包围盒模型141，第二连接件包围盒模型142，第三连接件包围盒模型143，第四连接件包围盒模型144。更具体地，所述第一连接件包围盒模型141，第二连接件包围盒模型142、第三连接件包围盒模型143为凸四面体，优选为矩形；所述第四连接件包围盒模型144为凸十六面体。
在获取每个所述执行组件包围盒模型的预期位姿后，所述中央控制单元还用于根据每个所述执行组件包围盒模型的预期位姿，通过碰撞检测算法判断所述执行组件之间是否将发生碰撞。在本实施例中，所述中央控制单元用于基于所述执行组件包围盒模型的预期位姿，获取相邻所述执行组件包围盒模型所有的分离轴，以及所述执行组件包围盒模型在所述分离轴上的投影，以采用SAT碰撞检测算法判断所述执行组件之间是否将发生碰撞。
所述执行组件包围盒模型包括多个面和相邻的面之间形成的边。在本实施例中，所述分离轴包括相邻的两个所述执行组件包围盒模型的面法向量和相邻的所述执行组件包围盒模型的边向量叉乘形成的矢向量。在这里，对面法向量和边向量的方向没有特别的限制，例如面法向量垂直于面即可，而边向量沿边的方向延伸即可。显然，所述分离轴的位姿不仅与所述包围盒模型的具体形状相关还与所述包围盒模型的位姿相关。所述中央控制单元根据所述包围盒模型的具体形状，以及所述包围盒模型的位姿可以获得所述分离轴的位姿。然后，所述中央控制单元将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞。
在一个具体实施例中，以第一机械臂110和第二机械臂111为例做进一步的说明，其中第二机械臂111的结构与所述第一机械臂110类似，包括依次活动连接的第六连接件，第七连接件，第八连接件、第九连接件1107和第十连接件。上述连接件的形状、尺寸可以与第一机械臂110的相同，也可以不相同。如图6所示，第一机械臂110的第四连接件1105和第二机械臂111的第九连接件1107处于预期位姿。如上所述，所述第四连接件1105的第二连接件包围盒模型142，第九连接件1107的第五连接件包围盒145为矩形，因此，六个面中相对的两个面相互平行，且两个面中的边线相互平行。如图4所示，第二连接件包围盒模型142的面法向量包括三个面法向量，即第一面法向量，第二面法向量，第三面法向量；边向量包括三个边向量，即第一边向量，第二边向量，第三边向量。同样，第五连接件包围盒145的面法向量包括三个面法向量，即第四面法向量，第五面法向量，第六面法向量；边向量包括三个边向量，即第四边向量，第五边向量，第六边向量。因此，所述分离轴为15个，包括第一面法向量，第二面法向量，第三面法向量，第四面法向量，第五面法向量，第六面法向量，第一矢向量，第二矢向量，第三矢向量，第四矢向量，第五矢向量，第六矢向量，第七矢向量，第八矢向量，第九矢向量。以上分离轴的预期位姿可以根据所述第二连接件包围盒模型142、第五连接件包围盒145的预期位姿来确定，而所述第二连接件包围盒模型142、第五连接件包围盒145的预期位姿可以由第一机械臂110的第四连接件1105和第二机械臂111的第九连接件1107的预期位姿来确定。
本实施例中，对连接件包围盒模型投影至所述分离轴的具体方法没有特别的限制。示范性的，所述中央控制单元基于所述连接件包围盒模型的预期位姿，获得所述连接件包围盒模型的各个顶点的位置，然后将所有所述顶点投影至所述分离轴上，将投影点之间距离最长的投影连线作为投影。例如，所述中央控制单元基于所述第二连接件包围盒模型142预期位姿，获得所述第二连接件包围盒模型142各个顶点的位置，然后将所有顶点投影至所述分离轴上，取投影点之间距离最长的投影连线作为第一投影1421。同样的方式，所述中央控制单元基于所述第五连接件包围盒模型145预期位姿，获得所述第五连接件包围盒模型145各个顶点的位置，然后将所有顶点投影至所述分离轴上，取投影点之间距离最长的投影连线作为第二投影1451。进一步，所述中央控制单元判断所述第一投影1421和第二投影1451是否重叠。如果所述第一投影1421和第二投影1451是不重叠，则说明第四连接件1105和第九连接件1107没有碰撞的风险；如果第一投影1421和第二投影1451重叠，则继续判断第二连接件包围盒模型142和第五连接件包围盒模型145在其他分离轴上的投影是否重叠。如图5所示，所述第二连接件包围盒模型142包括八个顶点，即A2，B2，C2，D2，E2，F2，G2和H2；所述第五连接件包围盒模型145包括八个顶点，即A5，B5，C5，D5，E5，F5，G5和H5。将第二连接件包围盒模型142的八个顶点投影至第二面法向量，得到投影点A2’，B2’，C2’，D2’，E2’，F2’，G2’和H2’。由于第二连接件包围盒模型142为矩形，第二面法向量垂直于平面C2G2H2D2，所以投影点A2’，B2’，E2’和F2’重叠，投影线C2’，D2’，G2’和H2’重叠，投影点之间距离最长的投影连线即第一投影1421为A2’ C2’。类似的，所述第五连接件包围盒模型145的投影点之间距离最长的投影连线即第二投影1451为B5’ H5’。 进一步，第一投影1421与第二投影1451不重叠，则第四连接件1105和第九连接件1107没有碰撞的风险。本实施例对判断第一投影和第二投影是否重叠的具体方法没有特别的限制。例如，通过对每个投影点在分离轴上的坐标值来判断。
进一步，所述中央控制单元在判断所述执行组件之间将发生碰撞后，对将要发生碰撞的所述执行组件以第一标识表示，其余所述执行组件以第二标识表示。本实施例中，对第一标识、第二标识没有特别的限制，只要能将将要发生碰撞的所述执行组件与其余不会发生碰撞的执行组件区别即可。例如，所述第一标识、第二标识为不同的亮度、色彩、图像、文字、图形中的一种或多种。更进一步，所述中央控制单元在判断所述连接件之间将发生碰撞后，将将要发生碰撞的所述连接件以第一标识表示，其余所述连接件以第二标识表示。
进一步，所述中央控制单元还用于在判断所述执行组件之间将发生碰撞时，获取所述执行组件之间可能发生碰撞的方向，并予以显示。在本实施例中，所述中央控制单元在确定两个所述执行组件包围盒模型在所有的分离轴上的投影均重叠后，取最小的投影重叠所在的分离轴作为可能发生碰撞的方向。例如，所述中央控制单元判断上述第二连接件包围盒模型142，第五连接件包围盒145在十五个分离轴上的投影均为重叠后，再获得在这十五个分离轴上投影的重叠部分长度，并取最小的重叠部分长度所在的分离轴的方向作为可能发生碰撞的方向。
本实施例对显示所述执行组件之间将发生碰撞的方向的设备和方法没有特别的限制。所述医疗机器人的执行端还包括第一显示设备、信号灯、蜂鸣器和语音设备。所述中央控制单元分别与所述第一显示设备、信号灯、蜂鸣器和语音设备通信连接。所述信号灯在所述中央控制单元控制下可发出不同颜色、色温、频率和/或光强的光信息；所述蜂鸣器在所述中央控制单元控制下，发出不同声音强度，不同鸣叫的频率的声音信息；所述第一显示设备用于在所述中央控制单元控制下显示文字信息、图像信息、图形信息、动画信息及视频信息；所述语音设备在所述中央控制单元控制下，发出语音信息。
进一步，如果所述医疗机器人还包括控制端20，所述控制端20还包括第二显示设备。所述第二显示设备与所述中央控制单元通信连接，用于显示文字信息、图像信息、图形信息、动画信息及视频信息。此时，所述第一显示设备主要提供给操作辅助人员，例如护士，而第一显示设备主要提供给操作人员，例如医生。进一步，所述中央控制单元根据所述可能发生碰撞的方向，以及主从映射关系，控制所述操作组件运动以对操作者施加与可能发生碰撞的方向相反方向的作用力。
优选，所述作用力的大小与所述最小的重叠部分长度之间呈比例关系。所述中央控制单元还包括所述作用力的大小与所述投影重叠的长度之间预设的比例关系，并根据所述最小的投影重叠长度确定所述作用力的大小。
上述的实施例中，所述医疗机器人可以在术中进行执行组件之间碰撞检测。在另外一些实施例中，所述医疗机器人在术前还对执行组件进行自检，以确定执行组件是否可以正常工作。如果两条执行组件之间空间距离过近，自检时可能会发生碰撞。在本实施例中，所述中央控制单元包括用于执行组件自检的自检运动轨迹。与上述描述类似，所述自检运动轨迹包括每个轨迹点的时间、关节指令位置。优选，所述自检运动轨迹还包括关节指令速度、关节指令加速度。然后，所述执行组件自检时，所述中央控制单元用于根据所述自检运动轨迹，将每个时刻点每个所述执行组件在笛卡尔空间的位姿作为预期位姿进行碰撞检测。具体的碰撞检测方法如上述所示，不再赘述。如果自检路径存在碰撞风险，则所述中央控制单元还将碰撞风险予以显示。
如图8所示，所述信号灯设置在机械臂上。此外，针对不同的碰撞类型，所述中央控制单元选择不同的提示策略。例如，如果在自检时发现碰撞风险，所述中央控制单元控制信号灯发出黄色灯光，且慢速闪烁；控制蜂鸣器以中等频率发声；控制显示设备上显示提示图像、提示文字。又例如，如果在术中发现碰撞风险，除了上述的提醒手段之外，所述中央控制单元控制所述力反馈设备对操作者施加作用力，所述作用力方向与可能发生碰撞的方向相反。
进一步的，本发明还公开了一种医疗机器人的检测机械臂碰撞的方法，包括：
获取所述执行组件的预期位姿，结合预设的执行组件包围盒模型，获得每个所述执行组件包围盒模型的预期位姿，并通过碰撞检测算法判断所述执行组件之间是否将发生碰撞。
在获取到所述执行组件在一段时间（预期时间）之后所达到的预期位姿，然后根据预设的执行组件包围盒模型，获得每个所述执行组件包围盒模型的预期位姿，并将执行组件包围盒模型的预期位姿通过碰撞检测算法判断执行组件是否可能发生碰撞，从而对执行组件的碰撞过程进行预测判断，有效降低了碰撞风险，提高了手术过程的安全性。
在一些实施例中，获得所述执行组件的预期位姿的过程包括：
根据所述操作组件的位姿，通过预设的操作组件与执行组件的主从映射关系获得每个所述执行组件的当前位姿和当前速度，进而获得每个所述执行组件的预期位姿。由于操作组件和执行组件之间的运动关系是根据主从映射关系一一对应的，根据操作组件的位姿即可准确得到执行组件的位姿，并进一步得到执行组件在一段时间之后的预期位姿。
其中，主从映射关系是指医疗机器人的操作组件和对应执行组件之间的运动映射关系，使得操作组件和执行组件之间的运动状态保持相对应。
具体的，所述操作组件包括主操作臂。所述控制端20还包括与中央控制单元通信连接的主操作臂编码器，所述主操作臂编码器用于获取所述主操作臂的位姿。所述执行组件包括机械臂，手术器械或内窥镜。根据所述主操作臂上的主操作臂编码器反馈的位姿信息，获取计算主操作臂的笛卡尔位置和姿态，根据所述主从映射关系，计算出所述主操作臂对应操作的所述机械臂以及手术器械（或内窥镜）的当前位姿和当前速度，进而获取在预期时间之后的预期位姿。即所述执行组件的预期位姿为所述执行组件在所述当前位姿以所述当前速度运动预期时间后所在的位姿。
在医生通过主操作臂进行手术操作的时候，通过上述方式获取机械臂对应的位置和运动状态，将主操作臂和机械臂准确对应起来，便于准确掌握机械臂的运动状态，提高后续的碰撞检测的准确性。
优选的是，所述预期时间为5n ms，其中n为大于或等于1的自然数。
在又一些实施例中，所述手术运动轨迹包括每个执行组件每个时刻点在笛卡尔空间的位姿，获得所述执行组件的预期位姿的过程还包括：
根据预设的执行组件的手术运动轨迹，将当前时刻之后预期时间时所述执行组件在笛卡尔空间的位姿作为每个所述执行组件的预期位姿。
在本实施例中，医疗机器人不包括操作组件，而是通过术前规划来控制执行组件的运动。因此，将手术运动轨迹中当前时刻之后到预期时间时所述执行组件在笛卡尔空间的位姿作为预期位姿。
在一些实施例中，所述自检运动轨迹包括每个执行组件每个时刻点在笛卡尔空间的位姿，获得所述执行组件的预期位姿的过程还包括：
当所述执行组件自检时，根据预设的用于执行组件自检的自检运动轨迹，将每个时刻点每个所述执行组件在笛卡尔空间的位姿作为预期位姿。
由于在医疗机器人在术前，有时候需要对执行组件进行自检以确定执行组件是否可以正常工作，通过根据自检运动轨迹获得每个执行组件的预期位姿，以便于在自检前对执行组件进行碰撞判断。
在另一些实施例中，所述执行组件被配置包括多个关节和连接件，所述连接件之间通过关节连接；
所述执行组件包围盒模型被配置包括连接件包围盒模型；
所述判断所述执行组件之间是否将发生碰撞的过程包括：
根据所述执行组件的预期位姿，获得连接件的预期位姿，并结合所述连接件包围盒模型，获得每个所述连接件包围盒模型的预期位姿，进一步通过碰撞检测算法判断所述执行组件之间的连接件是否将发生碰撞以确定所述执行组件之间是否将发生碰撞。
其中，建立所述连接件包围盒模型的过程包括：
确定所述机械臂上的所述连接件的数量和位置；
根据所述连接件的数量和位置以凸多面体建模进行包络以形成所述关节包围盒。
在一些实施例中，所述执行组件包围盒模型被配置包括特征量；
所述执行组件被配置包括特征参数，所述特征量与所述特征参数相对应；
所述获得所述执行组件的预期位姿的过程还包括：根据所述执行组件的预期位姿，获得所述特征参数的预期位姿，从而获得对应的所述特征量的预期位姿，最终获得所述执行组件包围盒模型的预期位姿。
在一些实施例中，所述判断所述执行组件之间是否将发生碰撞的过程还包括：
基于所述执行组件包围盒模型的预期位姿，获取所述执行组件包围盒模型之间所有的分离轴，以及所述执行组件包围盒模型在所述分离轴上的投影，以采用SAT碰撞检测算法判断所述执行组件之间是否将发生碰撞。
进一步的，获取所述执行组件包围盒模型之间所有的分离轴，以及所述执行组件包围盒模型在所述分离轴上的投影，以采用SAT碰撞检测算法判断所述执行组件之间是否将发生碰撞的过程包括：
将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞。
在一些实施例中，基于所述连接件包围盒模型的预期位姿，获得所述连接件包围盒模型的各个顶点的位置，然后将所有所述顶点投影至所述分离轴上，将投影点之间距离最长的投影连线作为投影。
在一些实施例中，在判断所述执行组件之间将发生碰撞后，还获取所述执行组件之间可能发生碰撞的方向；
显示所述碰撞的方向。
通过获取并显示执行组件之间可能发生碰撞的方向，有助于快速提醒操作者将要发生碰撞的情况，提高了操作过程的安全性。
进一步，获取所述执行组件之间可能发生碰撞的方向的过程包括：
将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞，并取最小的投影重叠的长度所在的分离轴作为可能发生碰撞的方向。通过最小投影重叠的长度所在的分离轴作为碰撞的方向，以提供将要发生的碰撞的方向。
例如，在判断执行组件之间将要发生碰撞之后，还包括：
根据所述可能发生碰撞的方向，以及预设的主从映射关系，控制所述操作组件运动以对操作者施加与可能发生碰撞的方向相反方向的作用力。
通过施加与碰撞方向相反的作用力，以使得操作者能够直观的获得操作反馈，以了解将要发生的碰撞的情况。
进一步，将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞，并取最小的投影重叠长度所在的分离轴作为可能发生碰撞的方向；优选的，根据所述作用力的大小与所述投影重叠的长度之间预设的比例关系，所述最小的投影重叠长度确定所述作用力的大小。
通过获得碰撞作用力的大小，有助于更精确的反馈给操作者作用力，以提高操作者感受反馈的体验的准确性。
本发明还提供了一种存储介质，所述存储介质内存储有计算机程序，所述计算机程序在被处理器执行时实现上述的检测机械臂碰撞的方法。
所述存储介质包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
虽然在上文中详细说明了本发明的实施方式，但是对于本领域的技术人员来说显而易见的是，能够对这些实施方式进行各种修改和变化。但是，应理解，这种修改和变化都属于权利要求书中所述的本发明的范围和精神之内。而且，在此说明的本发明可有其它的实施方式，并且可通过多种方式实施或实现。
Claims (31)
1.一种医疗机器人，其特征在于，包括执行端和中央控制单元，其中：
所述执行端包括至少两个执行组件，所述执行组件用于进行手术操作；
所述中央控制单元用于根据每个所述执行组件的预期位姿，结合预设的执行组件包围盒模型，获得每个所述执行组件包围盒模型的预期位姿，并通过碰撞检测算法判断所述执行组件之间是否将发生碰撞。
2.根据权利要求1所述的医疗机器人，其特征在于，还包括控制端，所述控制端包括操作组件，所述操作组件用于控制所述执行组件运动；
所述中央控制单元还用于根据所述操作组件的位姿，通过预设的操作组件与执行组件的主从映射关系获得每个所述执行组件的当前位姿和当前速度，进而获得每个所述执行组件的预期位姿。
3.根据权利要求1所述的医疗机器人，其特征在于，
所述中央控制单元还包括预设的执行组件的手术运动轨迹，所述手术运动轨迹包括每个执行组件每个时刻点在笛卡尔空间的位姿；
所述中央控制单元用于取当前时刻之后预期时间时所述手术运动轨迹中的所述执行组件在笛卡尔空间的位姿作为每个所述执行组件的预期位姿。
4.根据权利要求1所述的医疗机器人，其特征在于，
所述中央控制单元还包括预设的用于执行组件自检的自检运动轨迹，所述自检运动轨迹包括每个执行组件每个时刻点在笛卡尔空间的位姿；
所述中央控制单元用于当所述执行组件自检时，根据所述自检运动轨迹，将每个时刻点每个所述执行组件在笛卡尔空间的位姿作为预期位姿。
5.根据权利要求1所述的医疗机器人，其特征在于，
所述执行组件包括多个关节和连接件，所述连接件之间通过关节连接；
所述执行组件包围盒模型包括连接件包围盒模型；
所述中央控制单元根据所述执行组件的预期位姿，获得连接件的预期位姿，并结合所述连接件包围盒模型，获得每个所述连接件包围盒模型的预期位姿，进一步通过碰撞检测算法判断所述执行组件之间的连接件是否将发生碰撞。
6.根据权利要求5所述的医疗机器人，其特征在于，所述执行组件包括机械臂和手术器械，所述机械臂由所述连接件和关节依次串联形成，且所述机械臂末端用于与所述手术器械连接，所述机械臂用于驱动所述手术器械围绕一不动点运动，或者，
所述执行组件包括机械臂和内窥镜，所述机械臂由所述连接件和关节依次串联形成，且所述机械臂末端用于与所述内窥镜连接，所述机械臂用于驱动所述内窥镜围绕一不动点运动。
7.根据权利要求5或6所述的医疗机器人，其特征在于，所述连接件包括易碰撞连接件和非易碰撞连接件，所述中央控制单元根据所述关节的转动角度，获取连接件的当前位姿和当前速度，进而获得易碰撞连接件的预期位姿，并结合预设的易碰撞连接件的连接件包围盒模型，获得每个易碰撞连接件的所述连接件包围盒模型的预期位姿，进一步通过碰撞检测算法判断所述执行组件之间的易碰撞连接件是否将发生碰撞。
8.根据权利要求1所述的医疗机器人，其特征在于，所述执行组件包围盒模型还包括特征量，所述执行组件还包括特征参数，所述特征量与所述特征参数相对应，所述中央控制单元根据所述执行组件的预期位姿，获得所述特征参数的预期位姿，从而获得对应的所述特征量的预期位姿，最终获得所述执行组件包围盒模型的预期位姿。
9.根据权利要求1所述的医疗机器人，其特征在于，所述中央控制单元用于基于所述执行组件包围盒模型的预期位姿，获取所述执行组件包围盒模型之间所有的分离轴，以及所述执行组件包围盒模型在所述分离轴上的投影，以采用SAT碰撞检测算法判断所述执行组件之间是否将发生碰撞。
10.根据权利要求9所述的医疗机器人，其特征在于，所述执行组件包围盒模型包括多个面和相邻的面之间形成的边，所述分离轴包括相邻的两个所述执行组件包围盒模型的面法向量和相邻的所述执行组件包围盒模型的边向量叉乘形成的矢向量。
11.根据权利要求9所述的医疗机器人，其特征在于，所述中央控制单元用于将相应的两个所述执行组件包围盒模型投影到所述分离轴上并分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞。
12.根据权利要求9所述的医疗机器人，其特征在于，所述中央控制单元用于基于所述连接件包围盒模型的预期位姿，获得所述连接件包围盒模型的各个顶点的位置，然后将所有所述顶点投影至所述分离轴上，将投影点之间距离最长的投影连线作为投影。
13.根据权利要求1所述的医疗机器人，其特征在于，所述中央控制单元还用于在判断所述执行组件之间将发生碰撞后，对将要发生碰撞的所述执行组件以第一标识表示，其余所述执行组件以第二标识表示。
14.根据权利要求1所述的医疗机器人，其特征在于，所述中央控制单元还用于在判断所述执行组件之间将发生碰撞后，获取所述执行组件之间可能发生碰撞的方向，并将所述碰撞的方向予以显示。
15.根据权利要求14所述的医疗机器人，其特征在于，所述中央控制单元用于将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞，并取最小的投影重叠的长度所在的分离轴作为所述可能发生碰撞的方向。
16.根据权利要求14所述的医疗机器人，其特征在于，还包括控制端，所述控制端包括操作组件，所述操作组件用于控制所述执行组件运动；所述中央控制单元根据所述可能发生碰撞的方向，以及预设的主从映射关系，控制所述操作组件运动，以对操作者施加与可能发生碰撞的方向相反方向的作用力。
17.根据权利要求16所述的医疗机器人，其特征在于，所述中央控制单元用于将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞，并取最小的投影重叠长度所在的分离轴作为碰撞的方向，所述中央控制单元还包括所述作用力的大小与所述投影重叠的长度之间预设的比例关系，并根据所述最小的投影重叠长度确定所述作用力的大小。
18.一种医疗机器人的检测机械臂碰撞的方法，其特征在于，包括：
获取所述执行组件的预期位姿，结合预设的执行组件包围盒模型，获得每个所述执行组件包围盒模型的预期位姿，并通过碰撞检测算法判断所述执行组件之间是否将发生碰撞。
19.根据权利要求18所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，获得所述执行组件的预期位姿的过程包括：
根据所述操作组件的位姿，通过预设的操作组件与执行组件的主从映射关系获得每个所述执行组件的当前位姿和当前速度，进而获得每个所述执行组件的预期位姿。
20.根据权利要求18所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，所述手术运动轨迹包括每个执行组件每个时刻点在笛卡尔空间的位姿，获得所述执行组件的预期位姿的过程还包括：
根据预设的执行组件的手术运动轨迹，将当前时刻之后预期时间时所述执行组件在笛卡尔空间的位姿作为每个所述执行组件的预期位姿。
21.根据权利要求18所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，所述自检运动轨迹包括每个执行组件每个时刻点在笛卡尔空间的位姿，获得所述执行组件的预期位姿的过程还包括：
当所述执行组件自检时，根据预设的用于执行组件自检的自检运动轨迹，将每个时刻点每个所述执行组件在笛卡尔空间的位姿作为预期位姿。
22.根据权利要求18所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，所述执行组件被配置包括多个关节和连接件，所述连接件之间通过关节连接；
所述执行组件包围盒模型被配置包括连接件包围盒模型；
所述判断所述执行组件之间是否发生碰撞的过程包括：
根据所述执行组件的预期位姿，获得连接件的预期位姿，并结合所述连接件包围盒模型，获得每个所述连接件包围盒模型的预期位姿，进一步通过碰撞检测算法判断所述执行组件之间的连接件是否将发生碰撞以确定所述执行组件之间是否将发生碰撞。
23.根据权利要求18所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，
所述执行组件包围盒模型被配置包括特征量；
所述执行组件被配置包括特征参数，所述特征量与所述特征参数相对应；
所述获得所述执行组件的预期位姿的过程还包括：根据所述执行组件的预期位姿，获得所述特征参数的预期位姿，从而获得对应的所述特征量的预期位姿，最终获得所述执行组件包围盒模型的预期位姿。
24.根据权利要求18所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，所述判断所述执行组件之间是否将发生碰撞的过程还包括：
基于所述执行组件包围盒模型的预期位姿，获取所述执行组件包围盒模型之间所有的分离轴，以及所述执行组件包围盒模型在所述分离轴上的投影，以采用SAT碰撞检测算法判断所述执行组件之间是否将发生碰撞。
25.根据权利要求24所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，所述获取所述执行组件包围盒模型之间所有的分离轴，以及所述执行组件包围盒模型在所述分离轴上的投影，以采用SAT碰撞检测算法判断所述执行组件之间是否将发生碰撞的过程包括：
将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞。
26.根据权利要求24所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，
基于所述连接件包围盒模型的预期位姿，获得所述连接件包围盒模型的各个顶点的位置，然后将所有所述顶点投影至所述分离轴上，将投影点之间距离最长的投影连线作为投影。
27.根据权利要求18所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，
在判断所述执行组件之间将发生碰撞后，还获取所述执行组件之间可能发生碰撞的方向；
显示所述碰撞的方向。
28.根据权利要求27所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，所述获取所述执行组件之间可能发生碰撞的方向的过程包括：
将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞，并取最小的投影重叠的长度所在的分离轴作为可能发生碰撞的方向。
29.根据权利要求28所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，还包括：
根据所述可能发生碰撞的方向，以及预设的主从映射关系，控制所述操作组件运动以对操作者施加与可能发生碰撞的方向相反方向的作用力。
30.根据权利要求29所述的医疗机器人的检测机械臂碰撞的方法，其特征在于，还包括：
将相应的两个所述执行组件包围盒模型投影到所述分离轴上分别得到第一投影和第二投影，并且判断所述第一投影和第二投影是否重叠，如果所有分离轴上的第一投影和第二投影均重叠，则认定相邻的两个所述执行组件将发生碰撞，并取最小的投影重叠长度所在的分离轴作为可能发生碰撞的方向；
根据所述作用力的大小与所述投影重叠的长度之间预设的比例关系，通过所述最小的投影重叠长度确定所述作用力的大小。
31.一种存储介质，其特征在于：所述存储介质内存储有计算机程序，所述计算机程序在被处理器执行时实现如权利要求18至30中任一项所述的检测机械臂碰撞的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011190674.4A CN112245014B (zh) | 2020-10-30 | 2020-10-30 | 一种医疗机器人、检测机械臂碰撞的方法及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011190674.4A CN112245014B (zh) | 2020-10-30 | 2020-10-30 | 一种医疗机器人、检测机械臂碰撞的方法及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112245014A true CN112245014A (zh) | 2021-01-22 |
| CN112245014B CN112245014B (zh) | 2023-06-02 |
Family
ID=74267477
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011190674.4A Active CN112245014B (zh) | 2020-10-30 | 2020-10-30 | 一种医疗机器人、检测机械臂碰撞的方法及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112245014B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113487655A (zh) * | 2021-09-07 | 2021-10-08 | 成都博恩思医学机器人有限公司 | 一种室内模型生成方法、一种电子设备及一种存储介质 |
| CN113658247A (zh) * | 2021-07-29 | 2021-11-16 | 武汉联影智融医疗科技有限公司 | 器械空间预测方法、装置、计算机设备和存储介质 |
| CN114043477A (zh) * | 2021-11-23 | 2022-02-15 | 上海微创医疗机器人（集团）股份有限公司 | 机械臂碰撞力检测系统、方法、电子设备和存储介质 |
| CN114099005A (zh) * | 2021-11-24 | 2022-03-01 | 重庆金山医疗机器人有限公司 | 器械是否在视野内、是否被遮挡的判断法及能量显示方法 |
| CN114533274A (zh) * | 2022-02-21 | 2022-05-27 | 哈尔滨思哲睿智能医疗设备有限公司 | 一种基于术式仿真的腔镜手术机器人碰撞检测方法及装置 |
| CN114536342A (zh) * | 2022-03-23 | 2022-05-27 | 宁波睿达医疗器械有限公司 | 一种多臂系统及其臂间防撞控制方法 |
| CN117506965A (zh) * | 2024-01-08 | 2024-02-06 | 武汉联影智融医疗科技有限公司 | 手术机器人的摆位系统、方法、计算机设备和存储介质 |
| CN113658247B (zh) * | 2021-07-29 | 2024-05-28 | 武汉联影智融医疗科技有限公司 | 器械空间预测方法、装置、计算机设备和存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110202318A1 (en) * | 2010-02-12 | 2011-08-18 | Fujitsu Limited | Interference determination device, interference determination method, and computer program product |
| KR20150033473A (ko) * | 2013-09-24 | 2015-04-01 | 삼성전자주식회사 | 로봇 및 그 제어방법 |
| US20150328776A1 (en) * | 2013-02-06 | 2015-11-19 | Mitsubishi Electric Corporation | Interference check device |
| CN106875462A (zh) * | 2017-01-13 | 2017-06-20 | 北京航空航天大学 | 一种基于元球模型和混合驱动方法的实时数字器官切割方法 |
| CN106951631A (zh) * | 2017-03-18 | 2017-07-14 | 李远阳 | 一种圆形与带旋转角度的矩形包围盒碰撞检测方法 |
| WO2017146890A1 (en) * | 2016-02-26 | 2017-08-31 | Intuitive Surgical Operations, Inc. | System and method for collision avoidance using virtual boundaries |
| CN107953334A (zh) * | 2017-12-25 | 2018-04-24 | 深圳禾思众成科技有限公司 | 一种基于a星算法的工业机械臂无碰撞路径规划方法 |
| US20180196566A1 (en) * | 2017-07-28 | 2018-07-12 | Shanghai Tianma Micro-Electronics Co.,Ltd. | Display substrate, display panel and display device |
| CN110047143A (zh) * | 2019-03-04 | 2019-07-23 | 南昌大学 | 一种基于空间细分与动态包围盒的连续碰撞检测方法 |
| CN111026129A (zh) * | 2019-12-27 | 2020-04-17 | 芜湖哈特机器人产业技术研究院有限公司 | 一种多激光导引agv的安全距离检测方法 |
| CN111113428A (zh) * | 2019-12-31 | 2020-05-08 | 深圳市优必选科技股份有限公司 | 机器人控制方法、机器人控制装置及终端设备 |
| CN111340100A (zh) * | 2020-02-24 | 2020-06-26 | 盈嘉互联（北京）科技有限公司 | Bim模型的相似度计算方法 |
-
2020
- 2020-10-30 CN CN202011190674.4A patent/CN112245014B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110202318A1 (en) * | 2010-02-12 | 2011-08-18 | Fujitsu Limited | Interference determination device, interference determination method, and computer program product |
| US20150328776A1 (en) * | 2013-02-06 | 2015-11-19 | Mitsubishi Electric Corporation | Interference check device |
| KR20150033473A (ko) * | 2013-09-24 | 2015-04-01 | 삼성전자주식회사 | 로봇 및 그 제어방법 |
| WO2017146890A1 (en) * | 2016-02-26 | 2017-08-31 | Intuitive Surgical Operations, Inc. | System and method for collision avoidance using virtual boundaries |
| CN106875462A (zh) * | 2017-01-13 | 2017-06-20 | 北京航空航天大学 | 一种基于元球模型和混合驱动方法的实时数字器官切割方法 |
| CN106951631A (zh) * | 2017-03-18 | 2017-07-14 | 李远阳 | 一种圆形与带旋转角度的矩形包围盒碰撞检测方法 |
| US20180196566A1 (en) * | 2017-07-28 | 2018-07-12 | Shanghai Tianma Micro-Electronics Co.,Ltd. | Display substrate, display panel and display device |
| CN107953334A (zh) * | 2017-12-25 | 2018-04-24 | 深圳禾思众成科技有限公司 | 一种基于a星算法的工业机械臂无碰撞路径规划方法 |
| CN110047143A (zh) * | 2019-03-04 | 2019-07-23 | 南昌大学 | 一种基于空间细分与动态包围盒的连续碰撞检测方法 |
| CN111026129A (zh) * | 2019-12-27 | 2020-04-17 | 芜湖哈特机器人产业技术研究院有限公司 | 一种多激光导引agv的安全距离检测方法 |
| CN111113428A (zh) * | 2019-12-31 | 2020-05-08 | 深圳市优必选科技股份有限公司 | 机器人控制方法、机器人控制装置及终端设备 |
| CN111340100A (zh) * | 2020-02-24 | 2020-06-26 | 盈嘉互联（北京）科技有限公司 | Bim模型的相似度计算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 谢琦: "腹腔微创手术机器人主从控制研究", 《腹腔微创手术机器人主从控制研究》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113658247A (zh) * | 2021-07-29 | 2021-11-16 | 武汉联影智融医疗科技有限公司 | 器械空间预测方法、装置、计算机设备和存储介质 |
| CN113658247B (zh) * | 2021-07-29 | 2024-05-28 | 武汉联影智融医疗科技有限公司 | 器械空间预测方法、装置、计算机设备和存储介质 |
| CN113487655A (zh) * | 2021-09-07 | 2021-10-08 | 成都博恩思医学机器人有限公司 | 一种室内模型生成方法、一种电子设备及一种存储介质 |
| CN114043477A (zh) * | 2021-11-23 | 2022-02-15 | 上海微创医疗机器人（集团）股份有限公司 | 机械臂碰撞力检测系统、方法、电子设备和存储介质 |
| CN114099005A (zh) * | 2021-11-24 | 2022-03-01 | 重庆金山医疗机器人有限公司 | 器械是否在视野内、是否被遮挡的判断法及能量显示方法 |
| CN114099005B (zh) * | 2021-11-24 | 2023-09-15 | 重庆金山医疗机器人有限公司 | 器械是否在视野内、是否被遮挡的判断法及能量显示方法 |
| CN114533274A (zh) * | 2022-02-21 | 2022-05-27 | 哈尔滨思哲睿智能医疗设备有限公司 | 一种基于术式仿真的腔镜手术机器人碰撞检测方法及装置 |
| CN114536342A (zh) * | 2022-03-23 | 2022-05-27 | 宁波睿达医疗器械有限公司 | 一种多臂系统及其臂间防撞控制方法 |
| CN117506965A (zh) * | 2024-01-08 | 2024-02-06 | 武汉联影智融医疗科技有限公司 | 手术机器人的摆位系统、方法、计算机设备和存储介质 |
| CN117506965B (zh) * | 2024-01-08 | 2024-04-12 | 武汉联影智融医疗科技有限公司 | 手术机器人的摆位系统、方法、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112245014B (zh) | 2023-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112245014B (zh) | 一种医疗机器人、检测机械臂碰撞的方法及存储介质 | |
| US10660716B2 (en) | Systems and methods for rendering onscreen identification of instruments in a teleoperational medical system | |
| US11872006B2 (en) | Systems and methods for onscreen identification of instruments in a teleoperational medical system | |
| US11877816B2 (en) | Systems and methods for master/tool registration and control for intuitive motion | |
| KR101891138B1 (ko) | 인간-기계 협력 로봇 시스템 | |
| Staub et al. | Automation of tissue piercing using circular needles and vision guidance for computer aided laparoscopic surgery | |
| Moccia et al. | Vision-based dynamic virtual fixtures for tools collision avoidance in robotic surgery | |
| CN112043397B (zh) | 手术机器人及其运动错误检测方法、检测装置 | |
| WO2017098505A1 (en) | Autonomic system for determining critical points during laparoscopic surgery | |
| Kim et al. | Experimental evaluation of contact-less hand tracking systems for tele-operation of surgical tasks | |
| Bauernschmitt et al. | Towards robotic heart surgery: Introduction of autonomous procedures into an experimental surgical telemanipulator system | |
| CN112043396B (zh) | 手术机器人及其图形化控制装置、图形化显示方法 | |
| Staub et al. | Autonomous high precision positioning of surgical instruments in robot-assisted minimally invasive surgery under visual guidance | |
| Braun et al. | The must-have in robotic heart surgery: haptic feedback | |
| Mayer et al. | An experimental system for robotic heart surgery | |
| Laribi et al. | A new teleoperated robotic system for minimally invasive surgery: Modeling and identification | |
| Azimi et al. | Teleoperative control of intraocular robotic snake: Vision-based angular calibration | |
| Mayer et al. | Human-machine skill transfer extended by a scaffolding framework | |
| Sudra et al. | MEDIASSIST: medical assistance for intraoperative skill transfer in minimally invasive surgery using augmented reality | |
| Staub et al. | Remote minimally invasive surgery–haptic feedback and selective automation in medical robotics | |
| US20240033005A1 (en) | Systems and methods for generating virtual reality guidance | |
| Casals et al. | Robotic aids for laparoscopic surgery problems | |
| Shi et al. | Optimization-based Concurrent Control of a High Dexterity Robot for Vitreoretinal Surgery | |
| CN117279576A (zh) | 用于对外科机器人系统的相机组件进行自动聚焦的系统和方法 | |
| MOCCIA | VISION-BASED AUTONOMOUS CONTROL IN ROBOTIC SURGERY |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 201203 Room 101, area B, building 1, No. 1601, Zhangdong Road, Pudong New Area, Shanghai Applicant after: Shanghai minimally invasive medical robot (Group) Co.,Ltd. Address before: 201203 Room 101, area B, building 1, No. 1601, Zhangdong Road, Pudong New Area, Shanghai Applicant before: Microport (Shanghai) Medbot Co.,Ltd. |
|
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Li Zihan Inventor after: Su Mingxuan Inventor after: He Chao Inventor after: Wang Jiayin Inventor after: Tang Wenbo Inventor before: Li Zi Inventor before: Su Mingxuan Inventor before: He Chao Inventor before: Wang Jiayin Inventor before: Tang Wenbo |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |