CN114463165A - 感兴趣体积voi确定方法及装置 - Google Patents

感兴趣体积voi确定方法及装置 Download PDF

Info

Publication number
CN114463165A
CN114463165A CN202111144575.7A CN202111144575A CN114463165A CN 114463165 A CN114463165 A CN 114463165A CN 202111144575 A CN202111144575 A CN 202111144575A CN 114463165 A CN114463165 A CN 114463165A
Authority
CN
China
Prior art keywords
projection
target
voi
determining
points
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
Application number
CN202111144575.7A
Other languages
English (en)
Inventor
苟天昌
闫浩
李金升
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.)
Our United Corp
Original Assignee
Our United Corp
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 Our United Corp filed Critical Our United Corp
Priority to CN202111144575.7A priority Critical patent/CN114463165A/zh
Publication of CN114463165A publication Critical patent/CN114463165A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请公开了一种VOI确定方法及装置，属于医学影像处理技术领域。其中，VOI确定方法包括：获取M个目标点云点，M为正整数；确定M个目标点云点在目标投影面上的M个投影点，该目标投影面为：三个投影面中的一个投影面，该三个投影面相互垂直且交点为规则VOI的中心点；该目标投影面包括不规则的目标投影区域；从M个投影点中，确定出位于目标投影区域中的目标投影点；根据目标投影点对应的点云点，确定目标VOI。

Description

感兴趣体积VOI确定方法及装置
技术领域
本申请属于医学影像处理技术领域，具体涉及一种VOI确定方法及装置。
背景技术
目前，可以先通过三维(3D)相机采集人体外轮廓对应的点云数据，然后再通过用户操作确定包含待配准的多个点云数据的规则感兴趣体积(volume of interest，VOI)，最后将规则VOI内的点云数据与参考模板中的点云数据进行配准。
但是，由于规则VOI内包括大量干扰配准的点云点，如此，导致配准的准确性较差。
发明内容
本申请实施例的目的是提供一种VOI确定方法及装置，能够解决点云数据进行点云配准的准确性较差的问题。
第一方面，本申请实施例提供了一种VOI确定方法，该方法包括：获取M个目标点云点，M为正整数；确定M个目标点云点在目标投影面上的M个投影点，该目标投影面为：三个投影面中的一个投影面，该三个投影面相互垂直且交点为规则VOI的中心点；该目标投影面包括不规则的目标投影区域；从M个投影点中，确定出位于目标投影区域中的目标投影点；根据目标投影点对应的点云点，确定目标VOI。
第二方面，本申请实施例提供了一种VOI确定装置，VOI确定装置包括：获取模块、第一确定模块、第二确定模块和第三确定模块。其中，获取模块，用于获取M个目标点云点，M为正整数。第一确定模块，用于确定获取模块获取的M个目标点云点中在目标投影面上的M个投影点，该目标投影面为：三个投影面中的一个投影面，该三个投影面相互垂直且交点为规则VOI的中心点；该目标投影面包括不规则的目标投影区域。第二确定模块，用于从第一确定模块确定的M个投影点中，确定出位于目标投影区域中的目标投影点。第三确定模块，用于根据第二确定模块确定的目标投影点对应的点云点，确定目标VOI。
第三方面，本申请实施例提供了一种计算机设备，该计算机设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。
在本申请实施例中，VOI确定装置可以先获取M个目标点云点，并确定该M个目标点云点在三个投影面中的不规则的目标投影面上的M个投影点，该三个投影面相互垂直且交点为规则VOI的中心点，然后再从该M个投影点中，确定出位于目标投影区域中的目标投影点，并根据该目标投影点对应的点云点，确定目标VOI。由于目标投影面包括不规则的目标投影区域，如此，通过M个目标点云点在该不规则的目标投影面上位于目标投影区域内的投影点确定的目标VOI中，不会引入大量干扰配准的点云点，提升了配准的准确性。
附图说明
图1是本申请实施例提供的VOI确定方法的示意图之一；
图2是本申请实施例提供的VOI确定方法的示意图之二；
图3是本申请实施例提供的VOI确定方法的示意图之三；
图4是本申请实施例提供的VOI确定方法的示意图之四；
图5是本申请实施例提供的VOI确定方法的示意图之五；
图6是本申请实施例提供的VOI确定方法的示意图之六；
图7是本申请实施例提供的VOI确定方法的示意图之七；
图8是本申请实施例中的多个点云点的示意图；
图9是本申请实施例中的初始VOI的示意图；
图10是本申请实施例中的Y个点云点的示意图；
图11是本申请实施例中的三个二值图的示意图；
图12是本申请实施例中的目标VOI的示意图；
图13是本申请实施例提供的VOI确定装置的结构示意图；
图14是本申请实施例提供的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的VOI确定方法进行详细地说明。
本申请提供的VOI确定方法可以应用于点云匹配的场景。示例性地，在对患者进行放射治疗时，为了减小患者不自主的移动对放射治疗结果产生不利影响，通常会设置监控设备例如3D相机对放射治疗前或者放射治疗过程中的患者位移进行监控。
在对患者的头部进行放射治疗时，可以采用无创定位方式(例如面膜定位方式)对患者进行固定，但在放射治疗前的摆位阶段或者在放射治疗过程中，患者的头部仍可能在面膜内发生微小移动，影响放射治疗精度。在利用3D相机对患者头部进行监控时，通常将采集到的患者头部轮廓数据中选定的规则VOI内对应的点云数据(例如图9中规则VOI内的大量点云点)与参考模板(仅包含患者面部，不包含患者面膜的点云点)进行配准，然而，规则VOI中除了包含待监控的患者面部的点云点外，还包含大量除待监控部位以外的面膜对应的点云点(也称外点或干扰点)，这样就会降低配准的精度。
为此，本申请实施例提供了一种VOI确定方法，该方法可以应用于VOI确定装置，可以提取出待监控部位的不规则VOI。如图1所示，本申请实施例提供的VOI确定方法可以包括下述的步骤101至步骤104。
步骤101、获取M个目标点云点。
本申请实施例中，M为正整数。
可以理解，上述M个目标点云点可以包括待监控目标对应的点云数据，待监控目标包括待监控部位。待监控目标可以是患者、或者模体等，待监控部位可以是待监控目标上的某个部位，例如头部、体部等。
这里，VOI确定装置可以从医学影像仪器中获取M个目标点云点；其中，该医学影像仪器可以包括以下至少一项：3D相机、被动双目深度相机、飞行时间深度相机、激光雷达深度相机等。
步骤102、确定M个目标点云点在目标投影面上的M个投影点。
本申请实施例中，上述目标投影面为：三个投影面中的一个投影面，该三个投影面相互垂直且交点为规则VOI的中心点，每个目标点云点分别对应一个投影点，该目标投影面包括不规则的目标投影区域。
这里，规则VOI可以是默认VOI，也可以是根据M个目标点云点确定的VOI，还可以是由用户确定的VOI。上述规则VOI可以呈立方体形，例如图9所示的盒子BOX形，即正六面体形，当然，也可以是其他形状，在本申请实施例中对此不做具体限定。
步骤103、从M个投影点中，确定出位于目标投影区域中的目标投影点。
本申请实施例中，在VOI确定装置确定M个投影点之后，从M个投影点中，确定出位于目标投影区域中的目标投影点。
需要说明的是，上述目标投影区域可以为目标投影面上的预设区域，也可以是通过预定算法或规则确定出的区域。
步骤104、根据目标投影点对应的点云点，确定目标VOI。
本申请实施例中，VOI确定装置可以根据目标投影点对应的点云点确定目标VOI，该目标VOI通常是非规则的VOI。
本申请实施例提供的VOI确定方法，VOI确定装置可以先获取M个目标点云点，并确定该M个目标点云点在三个投影面中的不规则的目标投影面上的M个投影点，该三个投影面相互垂直且交点为规则VOI的中心点，然后再从该M个投影点中，确定出位于目标投影区域中的目标投影点，并根据该目标投影点对应的点云点，确定目标VOI。由于目标投影面包括不规则的目标投影区域，如此，通过M个目标点云点在该不规则的目标投影面上位于目标投影区域内的投影点确定的目标VOI中，不会引入大量干扰配准的点云点，提升了配准的准确性。
本申请实施例中，结合图1，如图2所示，在上述步骤101之前，本申请实施例提供的VOI确定方法还可以包括下述的步骤201和步骤202。
步骤201、获取待监控目标的多个点云点。
其中，VOI确定装置可以从医学影像仪器中获取待监控目标的多个点云点，该多个点云点可以理解为：至少两个点云点，即两个或两个以上的点云点。
这里，M个目标点云点具体可以为：该多个点云点中的部分点云点。
步骤202、从待监控目标的多个点云点中，确定出位于规则VOI内的M个目标点云点。
针对多个点云点中的每个点云点，VOI确定装置可以确定一个点云点到三个投影面中的每个投影面的距离是否小于或等于一个预设值，以确定该一个点云点是否位于规则VOI内，并在确定该一个点云点位于规则VOI内的情况下，VOI确定装置可以将该一个点云点，确定为一个目标点云点，以确定M个目标点云点。这里，预设值可以为规则VOI长宽高的一半。
本申请实施例中，若一个点云点位于规则VOI内，则可以认为该一个点云点是用户需求的点云点，即内点，因此，VOI确定装置可以将该一个点云点，确定为一个目标点云点。
如此可知，由于VOI确定装置可以先从获取到的多个点云点中，确定出位于规则VOI内的M个目标点云点，然后再基于该M个目标点云点，确定用户需求的的点云点，从而VOI确定装置可以根据用户需求的点云点，确定准确的目标VOI，因此，可以提升对点云数据进行点云配准的准确性。
可选地，本申请实施例中，结合图1，如图3所示，在上述步骤101之前，本申请实施例提供的VOI确定方法还可以包括下述的步骤301。
步骤301、获取目标投影面。
这里，目标投影面为：三个投影面中的默认投影面，或者VOI确定装置确定出的投影面。
可选地，本申请实施例中，结合图3，如图4所示，上述步骤301具体可以通过下述的步骤301a至步骤301d实现。
步骤301a、获取构成不规则的待监控目标的Y个点云点。
本申请实施例中，上述Y个点云点位于规则VOI内，Y为正整数。
这里，VOI确定装置可以先显示M个目标点云点，从而用户可以对该M个目标点云点中的部分点云点进行输入，以使得VOI确定装置可以根据该部分点云点，获取Y个点云点。
步骤301b、获取Y个点云点在三个投影面中的每个投影面上的投影点集。
本申请实施例中，一个投影面对应的投影点集包括：Y个点云点在一个投影面上的Y个投影点。
示例性地，在VOI确定装置确定一个VOI(即下述实施例中的初始VOI)之后，VOI确定装置可以根据用户对M个目标点云点中的部分点云点的输入，确定出Y个点云点。
举例说明，如图10所示，VOI确定装置可以根据用户对M个目标点云点中的部分点云点的输入，从该M个目标点云点中，确定出Y个点云点(需要说明的是，图中是以Y个白点示意Y个点云点的)。
这里，针对三个投影面中的每个投影面，VOI确定装置可以先确定Y个点云点，在一个投影面上的Y个投影点，以得到一个投影面对应的一个投影点集，以确定每个投影面对应的每个投影点集。
示例性地，针对Y个点云点中的每个点云点，VOI确定装置可以根据一个点云点的三维坐标信息，和一个投影面的平面方程，确定该一个点云点在该一个投影面上的一个投影点的三维坐标信息，以得到该一个投影点，以得到在一个投影面上的Y个投影点，以得到Y个点云点在一个投影面上的投影点集。
步骤301c、根据三个投影点集，确定三个投影区域。
本申请实施例中，上述三个投影区域中的每个投影区域分别为：一个投影点集中的Y个投影点投影至对应的投影面形成的区域。
针对三个投影点集中的每个投影点集，VOI确定装置可以根据一个投影点集中的每个投影点的三维坐标信息，分别采用PCA降维方法，得到该每个投影点的二维坐标信息，从而VOI确定装置可以根据该每个投影点的二维坐标信息，生成封闭的一个投影区域，以得到一个投影区域，以得到三个投影区域。
步骤301d、将三个投影区域中，区域面积最大的投影区域确定为目标投影区域，并将目标投影区域对应的投影面，确定为目标投影面。
在VOI确定装置确定三个投影区域之后，VOI确定装置可以对该三个投影区域中的每个投影区域，采用区域生长方法(或连通域提取方法)进行处理，得到三个二值图，从而VOI确定装置可以根据该三个二值图，确定三个投影区域中，区域面积最大的投影区域，以确定目标投影面，从而VOI确定装置可以获取目标投影面。
需要说明的是，针对“区域生成方法(或连通域提取方法)”的说明，可以参考相关技术中的具体描述，本申请实施例在此不予赘述。
示例性地，针对三个二值图中的每个二值图，一个二值图中包括一个目标区域，一个目标区域对应一个投影区域。
示例性地，VOI确定装置可以先从三个二值图中，确定出目标区域的区域面积最大的一个二值图，然后再将该一个二值图对应的一个投影区域，确定为区域面积最大的投影区域。
举例说明，VOI确定装置可以对该三个投影区域中的每个投影区域，采用区域生长方法进行处理，如图11所示，得到三个二值图，其中，第一个二值图中包括一个目标区域(例如区域10)，该第二个二值图中包括另一个目标区域(例如区域11)，该第三个二值图中包括又一个目标区域(例如区域12)，从而VOI确定装置可以从三个二值图中，确定出目标区域的区域面积最大(即区域12)的一个二值图(即第三个二值图)，然后再将该第三个二值图对应的投影区域，确定为区域面积最大的投影区域，以及，将该投影区域(即第三个二值图对应的投影区域)确定为目标投影区域，将该目标投影区域对应的投影面，确定为目标投影面。
可选地，本申请实施例中，上述规则VOI是：根据M个目标点云点确定的，或根据用户的输入确定的。
这里，在规则VOI是基于M个目标点云点确定的情况下，VOI确定装置可以根据M个目标点云点，采用规则的VOI确定方法，确定初始VOI，并根据该初始VOI，确定规则VOI。
需要说明的是，针对“规则VOI确定方法”的描述，可以参考相关技术中的具体说明，本申请实施例在此不予赘述。
可选地，本申请实施例中，上述规则VOI是根据用户的输入确定的。具体地，结合图4，如图5所示，在上述步骤301b之前，本申请实施例提供的VOI确定方法还可以包括下述的步骤401和步骤402。
步骤401、获取位于待监控目标的多个点云点外侧的X个关键点。
本申请实施例中，X为大于或等于4的正整数。
这里，X个关键点可以为初始VOI的顶点，或者，为根据用户的输入确定的关键点。
具体地，在X个关键点为根据用户的输入确定的关键点的情况下，VOI确定装置可以在显示屏上显示多个点云点，从而用户可以对该多个点云点外侧的部分点云点进行点击输入，以使得VOI确定装置可以根据第二输入的输入参数，获取位于待监控目标的多个点云点外侧的X个关键点。
其中，上述第二输入的输入参数可以包括以下至少一项：输入位置、输入轨迹等。
示例性地，在第二输入的输入参数为输入位置的情况下，VOI确定装置可以将每个子输入的输入位置对应的关键点，确定为一个关键点，以确定X个关键点。
步骤402、根据X个关键点，确定三个投影面。
如此可知，由于VOI确定装置可以获取位于待监控目标的多个点云点外侧的至少四个关键点，并根据该至少四个关键点，准确地确定三个投影面，以根据该准确的三个投影面，准确地确定目标VOI，因此，可以提升对点云数据进行点云配准的准确性。
可选地，本申请实施例中，上述步骤402具体可以通过下述的步骤402a至步骤402c实现。
步骤402a、确定X个关键点对应的目标中心。
本申请实施例中，上述目标中心为：X个关键点的外接球体的中心。
示例性地，上述目标中心具体可以为：X个关键点的最小外接球体的中心。
本申请实施例中，VOI确定装置可以基于X个关键点的三维坐标信息，确定该X个关键点对应的目标中心的三维坐标信息，以确定该目标中心。
需要说明的是，针对VOI确定装置基于关键点的三维坐标信息，确定关键点对应的目标中心的三维坐标信息的说明，可以参考相关技术中的具体描述，本申请实施例在此不予赘述。
步骤402b、分别根据X个关键点中的每个关键点的坐标信息，和目标中心的坐标信息，确定每个关键点对应的目标坐标信息。
可以理解，X个关键点中的每个关键点的坐标信息为三维坐标信息，目标中心的坐标信息为三维坐标信息，每个关键点对应的目标坐标信息为三维坐标信息。
其中，针对X个关键点中的每个关键点，VOI确定装置可以根据一个关键点的三维坐标信息和目标中心的三维坐标信息间的差值，确定一个关键点对应的目标坐标信息，以确定每个关键点对应的目标坐标信息。
可以理解，每个关键点对应的目标坐标信息，为该每个关键点的去中心化后的三维坐标信息。
步骤402c、根据X个目标坐标信息，确定三个投影面。
如此可知，由于VOI确定装置可以根据X个关键点的外接球体的中心，确定每个关键点的去中心化后的目标坐标信息，以根据该每个关键点对应的目标坐标信息，准确地确定三个投影面，从而VOI确定装置可以基于X个关键点的去中心化后的目标坐标信息和该准确的三个投影面，确定准确的规则VOI，因此，可以提升对点云数据进行点云配准的准确性。
可选地，本申请实施例中，上述步骤402c具体可以通过下述的步骤402c1至步骤402c3实现。
步骤402c1、根据X个目标坐标信息，构建X行三列的目标矩阵。
这里，针对X个目标坐标信息中的每个目标坐标信息，VOI确定装置可以将一个目标坐标信息中在一个方向上的坐标值，确定为一行的一个元素，并将该一个目标坐标信息中在另一个方向上的坐标值，确定为该一行的另一个元素，以此类推，直至将该一个目标坐标信息中在最后一个方向上的坐标值，确定为该一行的最后一个元素，以得到目标矩阵的一行三列，以构建X行三列的目标矩阵。
步骤402c2、确定目标矩阵的转置矩阵与目标矩阵相乘后的三个特征值和三个特征向量。
本申请实施例中，三个特征向量中的每个特征向量为每个投影面的法向量。
这里，三个特征值与三个特征向量一一对应。
步骤402c3、根据三个特征值、三个特征向量以及三维空间中的平面方程，确定三个投影面。
这里，VOI确定装置可以先按照目标顺序对三个特征值进行排序，再将排序后的三个特征值中的第一个特征值对应的特征向量，代入三维空间中的平面方程，得到第一个投影面的平面方程，并将第二个特征值对应的特征向量，代入三维空间中的平面方程，得到第二个投影面的平面方程，以及，将第三个特征值对应的特征向量，代入三维空间中的平面方程，得到第三个投影面的平面方程，得到第三个投影面的平面方程，以确定三个投影面。
其中，目标顺序可以为：由小至大的顺序，或者由大至小的顺序。
示例性地，假设三个特征值为特征值D1、特征值D2和特征值D3，D1＜D2＜D3，三个特征向量包括特征值D1对应的特征向量，例如特征向量{A1，B1，C1}，和特征值D2对应的特征向量，例如特征向量{A2，B2，C2}，和特征值D3对应的特征向量，例如特征向量{A3，B3，C3}，这样，VOI确定装置可以先按照目标顺序(例如由小至大的顺序)对特征值D1、特征值D2和特征值D3进行排序，再将第一个特征值(即特征值D1)对应的特征向量{A1，B1，C1}，代入三维空间中的平面方程，Ax+By+Cz+D＝0，得到第一个投影面的平面方程，即A1x+B1y+C1z+D＝0，以确定第一个投影面，再将第二个特征值(即特征值D2)对应的特征向量{A2，B2，C2}，代入三维空间中的平面方程，Ax+By+Cz+D＝0，得到第二个投影面的平面方程，即A2x+B2y+C2z+D＝0，以确定第二个投影面，以及，将第三个特征值(即特征值D3)对应的特征向量{A3，B3，C3}，代入三维空间中的平面方程，Ax+By+Cz+D＝0，得到第三个投影面的平面方程，即A3x+B3y+C3z+D＝0，以确定第三个投影面，从而确定三个投影面。
如此可知，VOI确定装置可以根据X个目标坐标信息，构建目标矩阵，并根据该目标矩阵和该目标矩阵的转置矩阵，确定三个特征值和三个特征向量，从而VOI确定装置可以根据三个特征值、三个特征向量以及三维空间中的平面方程，准确地确定三个投影面。
可选地，本申请实施例中，结合图5，如图6所示，在上述步骤402之后，本申请实施例提供的VOI确定方法还可以包括下述的步骤501。
步骤501、根据X个关键点和三个投影面，确定规则VOI。
这里，VOI确定装置确定出规则VOI之后，可以显示该规则VOI，从而用户可以选择位于规则VOI内的Y个点云点。
可选地，本申请实施例中，上述步骤501具体可以通过下述的步骤501a至步骤501c实现。
步骤501a、分别确定X个关键点中的每个关键点与第一投影面间的第一距离。
本申请实施例中，上述第一投影面为：三个投影面中的任一个投影面。
针对X个关键点中的每个关键点，VOI确定装置可以根据一个关键点对应的目标坐标信息和第一投影面的平面方程，确定该一个关键点与第一投影面间的第一距离，以确定X个第一距离。
步骤501b、根据X个第一距离中的最大距离，确定规则VOI的第一尺寸参数。
本申请实施例中，上述第一尺寸参数为：三个目标尺寸参数中的任一个目标尺寸参数。
VOI确定装置可以根据X个第一距离中的最大距离和预设常数，确定第一尺寸参数。
示例性地，本申请实施例中，VOI确定装置可以根据X个第一距离中的最大距离和预设常数的乘积，得到一个参数，并将该一个参数，确定为第一尺寸参数。
示例性地，假设X个第一距离中的最大距离为a，预设常数为2，则VOI确定装置可以将2a，确定为第一尺寸参数。
步骤501c、基于三个目标尺寸参数，确定规则VOI。
VOI确定装置可以以初始VOI的中心点(即预设中心点)为中心，将三个目标尺寸参数分别确定为规则VOI的一个方向上的尺寸参数，以得到规则VOI。
示例性地，假设三个目标尺寸参数包括尺寸参数1、尺寸参数2和尺寸参数3，则VOI确定装置可以以初始VOI的中心点为中心，将尺寸参数1确定为规则VOI的一个方向上的尺寸参数，例如，确定为规则VOI的长，并将尺寸参数2确定为规则VOI的另一个方向上的尺寸参数，例如，确定为规则VOI的宽，以及，将尺寸参数3确定为规则VOI的又一个方向上的尺寸参数，例如，确定为规则VOI的高，以得到规则VOI。
本申请实施例中，VOI确定装置可以获取X个关键点中的每个关键点与每个投影面间的距离，并分别根据该距离中的最大距离，确定规则VOI的一个尺寸参数，以得到三个目标尺寸参数，从而VOI确定装置可以根据该三个目标尺寸参数，确定规则VOI。
如此可知，由于VOI确定装置可以根据每个关键点与每个投影面间的距离中的最大距离，确定一个尺寸参数，以确定三个目标尺寸参数，这样，VOI确定装置可以根据该三个目标尺寸参数，准确地确定规则VOI，从而VOI确定装置可以根据该准确的规则VOI，确定M个投影点，因此，可以提升对点云数据进行点云配准的准确性。
需要说明的是，本申请实施例提供的VOI确定方法，执行主体可以为VOI确定装置，或者该VOI确定装置中的用于执行VOI确定方法的控制模块。本申请实施例中以VOI确定装置执行VOI确定方法为例，说明本申请实施例提供的VOI确定装置。
为了更加明确的阐述本申请的技术方案，下面给出一种应用于VOI确定装置的一种VOI确定方法的详细示例，该方法可以可以提取出待监控部位的不规则VOI。如图7所示，本申请实施例提供的VOI确定方法可以包括两个阶段：
第一阶段，确定待监控目标的目标投影面，如步骤601至606；第二阶段，在确定待监控目标的目标投影面之后，就可以利用目标投影面，在实际的摆位或者放射治疗过程中，利用目标投影面确定待监控目标的待配准模板，即目标VOI，例如步骤607至步骤611，从而利用目标VOI对应的点云点作为模板，与实时获取的待监控目标的点云点进行对比，即可实现在摆位或者放射治疗过程中对待监控目标的监控。
针对第一阶段：
步骤601、获取待监控目标的多个点云点。
这里，VOI确定装置可以利用3D相机采集待监控目标的点云点(或轮廓点)，以获取该待监控目标的多个点云点，如图8所示，多个点云点将用于提取待监控目标中用于配准的不规则VOI。这里，待监控目标可以为佩戴面膜的患者。
需要说明的是，图8至图12中以模体指代了实际患者。
步骤602、获取待监控目标的待监控部位的多个点云点。
由于获取到的待监控目标的多个点云点存在一些非待监控部位(例如头部)的点云点，这样，VOI确定装置就需要去掉这些非待监控部位的点云点。为此，VOI确定装置可以先生成并显示覆盖了待监控目标的待监控部位而排除了非待监控部位的初始VOI，然后再获取初始VOI内的待监控目标的待监控部位的多个点云点。
如图9所示，本示例中的初始VOI的BOX型的VOI，用户可以手动调整该初始VOI的位置，例如拖动初始VOI的中心点，用户还可以调整初始VOI的大小，例如拖拽初始VOI上过预设中心点的三条相互垂直的线段的端点，调整初始VOI在不同方向上的大小。
这里的初始VOI可以是VOI确定装置默认生成呈BOX型的VOI，还可以是根据用户输入的X个关键点确定的规则VOI，这里，X个关键点是位于待监控目标的待监控部位的多个点云点外侧的点，X为大于或等于4的正整数。
需要说明的是，初始VOI不一定与待监控目标的多个点云点所在的坐标系的三个坐标轴平行，可以是绕任意坐标轴旋转后的规则VOI，只是初始VOI呈BOX型。
步骤603、获取位于待监控目标的待监控部位的多个点云点外侧的X个关键点。
这里，X个关键点为确定初始VOI的关键点，而在初始VOI为默认生成的呈BOX型的VOI的情况下，X个关键点为初始VOI的8个顶点。
步骤604、根据X个关键点，确定三个投影面。
可选地，本申请实施例中，上述步骤604可以通过下述的步骤604a至步骤604c实现。
步骤604a、确定X个关键点对应的目标中心。
本申请实施例中，目标中心为：X个关键点的外接球体的中心。
这里，VOI确定装置可以根据X个关键点的坐标信息(例如三维坐标信息)，计算得到目标中心。
步骤604b、分别根据X个关键点中的每个关键点的坐标信息，和目标中心的坐标信息，确定每个关键点对应的目标坐标信息。
这里，坐标信息具体可以为三维坐标信息，针对X个关键点中的每个关键点，VOI确定装置可以将一个关键点的坐标信息，减去目标中心的三维坐标信息，得到该一个关键点对应的目标坐标信息，以得到每个关键点对应的目标坐标信息。
步骤604c、根据X个目标坐标信息，确定三个投影面。
可选地，本申请实施例中，上述步骤604c具体可以通过下述的步骤604c1至步骤604c3实现。
步骤604c1、根据X个目标坐标信息，构建X行三列的目标矩阵。
这里，针对X个目标坐标信息中的每个目标坐标信息，VOI确定装置可以将一个目标坐标信息中在一个方向上的坐标值，确定为一行的一个元素，并将该一个目标坐标信息中在另一个方向上的坐标值，确定为该一行的另一个元素，以此类推，直至将该一个目标坐标信息中在最后一个方向上的坐标值，确定为该一行的最后一个元素，以得到目标矩阵的一行三列，以构建X行三列的目标矩阵。
示例性地，假设X个目标坐标信息为X个三维坐标信息，这样VOI确定装置可以根据X个三维坐标信息，构建X行三列的目标矩阵。
步骤604c2、确定目标矩阵的转置矩阵与目标矩阵相乘后的三个特征值和三个特征向量。
本申请实施例中，三个特征向量中的每个特征向量为每个投影面的法向量。
这里，三个特征值与三个特征向量一一对应。
步骤604c3、根据三个特征值、三个特征向量以及三维空间中的平面方程，确定三个投影面。
这里，VOI确定装置可以先按照目标顺序对三个特征值进行排序，再将排序后的三个特征值中的第一个特征值对应的特征向量，代入三维空间中的平面方程，得到第一个投影面的平面方程，并将第二个特征值对应的特征向量，代入三维空间中的平面方程，得到第二个投影面的平面方程，以此类推，直至得到第三个投影面的平面方程，以确定三个投影面。
其中，目标顺序可以为：由小至大的顺序，或者由大至小的顺序。
示例性地，假设三个特征值为特征值D1、特征值D2和特征值D3，D1＜D2＜D3，三个特征向量包括特征值D1对应的特征向量{A1，B1，C1}、特征值D2对应的特征向量{A2，B2，C2}和特征值D3对应的特征向量{A3，B3，C3}，这样，VOI确定装置可以先按照目标顺序(例如由小至大的顺序)对特征值D1、特征值D2和特征值D3进行排序，再将第一个特征值(即特征值D1)对应的特征向量{A1，B1，C1}，代入三维空间中的平面方程，Ax+By+Cz+D＝0，得到第一个投影面的平面方程，即A1x+B1y+C1z+D＝0，以确定第一个投影面，再将第二个特征值(即特征值D2)对应的特征向量{A2，B2，C2}，代入三维空间中的平面方程，Ax+By+Cz+D＝0，得到第二个投影面的平面方程，即A2x+B2y+C2z+D＝0，以确定第二个投影面，以及，将第三个特征值(即特征值D3)对应的特征向量{A3，B3，C3}，代入三维空间中的平面方程，Ax+By+Cz+D＝0，得到第三个投影面的平面方程，即A3x+B3y+C3z+D＝0，以确定第三个投影面，从而确定三个投影面。
步骤605、根据X个关键点和三个投影面，确定规则VOI。
可以理解，VOI确定装置可以将初始VOI，更新为规则VOI，并显示该规则VOI。
可选地，本申请实施例中，上述步骤605具体可以通过下述的步骤605a至步骤605c实现。
步骤605a、分别确定X个关键点中的每个关键点与第一投影面间的第一距离。
本申请实施例中，第一投影面为：三个投影面中的任一个投影面。
这里，VOI确定装置可以根据每个关键点对应的目标坐标信息和第一投影面的平面方程，分别确定每个关键点与第一投影面间的第一距离，以确定X个第一距离。
步骤605b、根据X个第一距离中的最大距离，确定规则VOI的第一尺寸参数。
本申请实施例中，第一尺寸参数为：三个目标尺寸参数中的任一个目标尺寸参数。
这里，VOI确定装置可以将X个第一距离中的最大距离的两倍，确定第一尺寸参数。
步骤605c、基于三个目标尺寸参数，确定规则VOI。
VOI确定装置可以以初始VOI的中心点(即预设中心点)为中心，将三个目标尺寸参数分别确定为规则VOI的一个方向上的尺寸参数，以得到规则VOI，并显示该规则VOI。
步骤606、获取目标投影面。
可选地，本申请实施例中，上述步骤606具体可以通过下述的步骤606a至步骤606d实现。
步骤606a、获取构成不规则的待监控目标的Y个点云点。
本申请实施例中，Y个点云点位于规则VOI内，Y为正整数。
在一种示例中，用户针对待监控目标的待监控部位手动选择的P个不规则点云点(用户自定义的不包含面膜的患者部位所在区域)，再经插值得到Y个点云点，这里P小于Y。
可以理解，Y个点云点围成的区域为：患者的待监控部位。
举例说明，如图10所示，用户手动输入了P个点云点，将感兴趣的暴露于面膜外包括眼睛、鼻子等的患者部位进行包围，VOI确定装置利用插值算法对P个点云点之间进行插值处理，插入更多的点云点，将Y个点云点连成线构成包围感兴趣的部位的轮廓线，需要说明的是，图中是以Y个白点示意Y个点云点的。
步骤606b、获取Y个点云点在三个投影面中的每个投影面上的投影点集。
本申请实施例中，一个投影面对应的投影点集包括：Y个点云点在一个投影面上的Y个投影点。
步骤606c、根据三个投影点集，确定三个投影区域。
本申请实施例中，三个投影区域中的每个投影区域分别为：一个投影点集中的Y个投影点投影至对应的投影面形成的区域。
针对三个投影点集中的每个投影点集，VOI确定装置可以根据一个投影点集中的每个投影点的三维坐标信息，分别采用PCA降维方法，得到该每个投影点的二维坐标信息，从而VOI确定装置可以根据该每个投影点的二维坐标信息，生成封闭的一个投影区域，以得到一个投影区域，以得到三个投影区域。
需要说明的是，针对PCA降维方法的说明，可以参考相关技术中的具体描述，本申请实施例在此不予赘述。
步骤606d、将三个投影区域中，区域面积最大的投影区域确定为目标投影区域，并将目标投影区域对应的投影面，确定为目标投影面。
在VOI确定装置确定三个投影区域之后，VOI确定装置可以对该三个投影区域中的每个投影区域，采用区域生长方法(或连通域提取方法)进行处理，得到三个二值图，从而VOI确定装置可以根据该三个二值图，确定三个投影区域中，区域面积最大的投影区域，以确定目标投影面，从而VOI确定装置可以获取目标投影面。
需要说明的是，针对“区域生成方法(或连通域提取方法)”的说明，可以参考相关技术中的具体描述，本申请实施例在此不予赘述。
示例性地，针对三个二值图中的每个二值图，一个二值图中包括一个目标区域，一个目标区域对应一个投影区域。
示例性地，VOI确定装置可以先从三个二值图中，确定出目标区域的区域面积最大的一个二值图，然后再将该一个二值图对应的一个投影区域，确定为区域面积最大的投影区域。
举例说明，VOI确定装置可以对该三个投影区域中的每个投影区域，采用区域生长方法进行处理，如图11所示，得到三个二值图，其中，该第一个二值图中包括一个目标区域(例如区域10)，该第二个二值图中包括另一个目标区域(例如区域11)，该第三个二值图中包括又一个目标区域(例如区域12)，从而VOI确定装置可以从三个二值图中，确定出目标区域的区域面积最大(即区域12)的一个二值图(即第三个二值图)，然后再将该第三个二值图对应的投影区域，确定为区域面积最大的投影区域，以及，将该投影区域(即第三个二值图对应的投影区域)确定为目标投影区域，将该目标投影区域对应的投影面，确定为目标投影面。
针对第二阶段：
步骤607、获取待监控目标的多个点云点。
这里，VOI确定装置可以再次利用3D相机采集待监控目标的点云点(或轮廓点)，以再次获取该待监控目标的多个点云点。
步骤608、从待监控目标的多个点云点中，确定出位于规则VOI内的M个目标点云点。
这里，针对多个点云点中的每个点云点，VOI确定装置可以确定一个点云点到三个投影面中的每个投影面的距离是否小于或等于一个预设值，以确定该一个点云点是否位于规则VOI内，并在确定该一个点云点位于规则VOI内的情况下，VOI确定装置可以将该一个点云点，确定为一个目标点云点，以确定M个目标点云点。
这里，预设值为规则VOI的长宽高的一半。
步骤609、确定M个目标点云点在目标投影面上的M个投影点。
本申请实施例中，目标投影面为：三个投影面中的一个投影面，该三个投影面相互垂直且交点为规则VOI的中心点；该目标投影面包括不规则的目标投影区域。
步骤610、从M个投影点中，确定出位于目标投影区域中的目标投影点。
这里，VOI确定装置可以基于M个投影点的二维坐标信息，从M个投影点中，确定出位于目标投影区域中的目标投影点。
具体地，VOI确定装置可以根据M个投影点的二维坐标信息和目标区域的区域面积最大的一个二值图，从M个投影点中，确定出目标投影点。
示例性地，本申请实施例中，在目标投影点包括多个投影点的情况下，针对M个投影点中的每个投影点，VOI确定装置可以先根据一个投影点的二维坐标信息，从区域面积最大的一个二值图中确定出对应的像素点，然后再在该像素点的灰度值为1的情况下，将该一个投影点确定为该多个投影点中的一个投影点，以确定出该多个投影点(即目标投影点)。
步骤611、根据目标投影点对应的点云点，确定目标VOI。
这里，VOI确定装置可以根据目标投影点对应的点云点，生成目标VOI，以确定目标VOI。
举例说明，如图12所示，VOI确定装置可以根据目标投影点对应的点云点，确定目标VOI(需要说明的是，图中是以阴影区域进行示意的)。
本申请实施例提供的VOI确定方法，由于目标投影面包括不规则的目标投影区域，如此，通过M个目标点云点在该不规则的目标投影面上位于目标投影区域内的投影点确定的目标VOI中，不会引入大量干扰配准的点云点，提升了配准的准确性。
图13示出了本申请实施例中涉及的VOI确定装置的一种可能的结构示意图。如图13所示，VOI确定装置60可以包括：获取模块61、第一确定模块62、第二确定模块63和第三确定模块64。
其中，获取模块61，用于获取M个目标点云点，M为正整数。
第一确定模块61，用于确定获取模块61获取的M个目标点云点在目标投影面上的M个投影点，该目标投影面为：三个投影面中的一个投影面，该三个投影面相互垂直且交点为规则VOI的中心点；该目标投影面包括不规则的目标投影区域。第二确定模块62，用于从第一确定模块61确定的M个投影点中，确定出位于目标投影区域中的目标投影点。第三确定模块63，用于根据第二确定模块62确定的目标投影点对应的点云点，确定目标VOI。
在一种可能的实现方式中，上述获取模块61，还用于获取待监控目标的多个点云点。本申请实施例提供的VOI确定装置60还可以包括：第四确定模块。其中，第四确定模块，用于从获取模块61获取的待监控目标的多个点云点中，确定出位于规则VOI内的M个目标点云点。
在一种可能的实现方式中，上述获取模块61，还用于获取目标投影面。
在一种可能的实现方式中，上述获取模块61，具体用于获取构成不规则的待监控目标的Y个点云点，该Y个点云点位于规则VOI内，Y为正整数；并获取Y个点云点在三个投影面中的每个投影面上的投影点集，一个投影面对应的投影点集包括：Y个点云点在一个投影面上的Y个投影点。本申请实施例提供的VOI确定装置60还可以包括：第五确定模块。其中，第五确定模块，用于根据三个投影点集，确定三个投影区域，每个投影区域分别为：一个投影点集中的Y个投影点投影至对应的投影面形成的区域；并将三个投影区域中，区域面积最大的投影区域确定为目标投影区域，并将目标投影区域对应的投影面，确定为目标投影面。
在一种可能的实现方式中，上述获取模块61，还用于获取位于待监控目标的多个点云点外侧的X个关键点，X为大于或等于4的正整数。本申请实施例提供的VOI确定装置60还可以包括：第六确定模块。其中，第六确定模块，用于根据获取模块61获取的X个关键点，确定三个投影面。
在一种可能的实现方式中，上述第六确定模块，具体用于确定X个关键点对应的目标中心，该目标中心为：X个关键点的外接球体的中心；并分别根据X个关键点中的每个关键点的坐标信息，和目标中心的坐标信息，确定每个关键点对应的目标坐标信息；以及，根据X个目标坐标信息，确定三个投影面。
在一种可能的实现方式中，上述第六确定模块，具体用于根据X个目标坐标信息，构建X行三列的目标矩阵；并确定目标矩阵的转置矩阵与目标矩阵相乘后的三个特征值和三个特征向量，每个特征向量为每个投影面的法向量；以及，根据三个特征值、三个特征向量以及三维空间中的平面方程，确定三个投影面。
在一种可能的实现方式中，本申请实施例提供的VOI确定装置60还可以包括：第七确定模块。其中，第七确定模块，用于根据X个关键点和三个投影面，确定规则VOI。
在一种可能的实现方式中，上述第七确定模块，具体用于分别确定X个关键点中的每个关键点与第一投影面间的第一距离，该第一投影面为：三个投影面中的任一个投影面；并根据X个第一距离中的最大距离，确定规则VOI的第一尺寸参数，该第一尺寸参数为：三个目标尺寸参数中的任一个目标尺寸参数；以及，基于三个目标尺寸参数，确定规则VOI。
本申请实施例提供的VOI确定装置，VOI确定装置可以先获取M个目标点云点，并确定该M个目标点云点在三个投影面中的不规则的目标投影面上的M个投影点，该三个投影面相互垂直且交点为规则VOI的中心点，然后再从该M个投影点中，确定出位于目标投影区域中的目标投影点，并根据该目标投影点对应的点云点，确定目标VOI。由于目标投影面包括不规则的目标投影区域，如此，通过M个目标点云点在该不规则的目标投影面上位于目标投影区域内的投影点确定的目标VOI中，不会引入大量干扰配准的点云点，提升了配准的准确性。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
另外，结合图1至图7描述的本申请实施例VOI确定方法可以由计算机设备来实现，即VOI确定装置可以为计算机设备。图14为一个实施例中计算机设备的硬件结构示意图。
计算机设备可以包括处理器71、存储有计算机程序指令的存储器72及存储在存储器72上并可在处理器71上运行的程序或指令。
具体地，上述处理器71可以包括中央处理器(CPU)，或者特定集成电路(application specific integrated circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器72可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器72可包括硬盘驱动器(hard disk drive，HDD)、软盘驱动器、固态驱动器(solidStatedrive，SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(universal serialbus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器72可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器72可在数据处理装置的内部或外部。在特定实施例中，存储器72是非易失性(non-vlatile)存储器。在特定实施例中，存储器72包括只读存储器(read-onlymemory，ROM)和随机存取存储器(random access memory，RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(programmableread-onlymemory，PROM)、可擦除PROM(erasable programmableread-onlymemory，EPROM)、电可擦除PROM(electrically erasable programmableread-only memory，EEPROM)、电可改写ROM(electrically alterable read-onlymemory，EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(static random-access memory，SRAM)或动态随机存取存储器(dynamic randomAccess memory，DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(fast Page mode dynamic randomaccess memory，FPMDRAM)、扩展数据输出动态随机存取存储器(extended date outdynamic random-access memory，EDODRAM)、同步动态随机存取内存(synchronousdynamic random-access memory SDRAM)等。
存储器72可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器71所执行的可能的计算机程序指令。
处理器71通过读取并执行存储器72中存储的计算机程序指令，以实现上述实施例中的任意一种VOI确定方法。
在其中一些实施例中，计算机设备还可包括通信接口73和总线70。其中，如图14所示，处理器71、存储器72、通信接口73通过总线70连接并完成相互间的通信。
通信接口73用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口73还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线70包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线70包括但不限于以下至少之一：数据总线(databus)、地址总线(address bus)、控制总线(controlbus)、扩展总线(expansionbus)、局部总线(local bus)。举例来说而非限制，总线70可包括图形加速接口(accelerated graphics port，AGP)或其他图形总线、增强工业标准架构(extended industry standard architecture，EISA)总线、前端总线(front sidebus，FSB)、超传输(hypertransport，HT)互连、工业标准架构(industry standardarchitecture，ISA)总线、无线带宽(infiniband)互连、低引脚数(lowpin count，LPC)总线、存储器总线、微信道架构(micro channel architecture，MCA)总线、外围组件互连(peripheral component interconnect，PCI)总线、PCI-express(PCI-X)总线、串行高级技术附件(serial advancedtechnology attachment，SATA)总线、视频电子标准协会局部(video electronics standards association local bus，VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线70可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该计算机设备可以基于获取到的计算机指令，执行本申请实施例中的VOI确定方法，从而实现结合图1至图7描述的VOI确定方法。
本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述VOI确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，所述处理器为上述实施例中所述的计算机设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等。这里，计算机可读存储介质可以为非易失性存储介质或易失性存储介质。
本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述VOI确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
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上述实施例方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的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计算机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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是计算机等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (10)

1.一种感兴趣体积VOI确定方法，其特征在于，所述方法包括：
获取M个目标点云点，M为正整数；
确定所述M个目标点云点在目标投影面上的M个投影点，所述目标投影面为：三个投影面中的一个投影面，所述三个投影面相互垂直且交点为规则VOI的中心点；所述目标投影面包括不规则的目标投影区域；
从所述M个投影点中，确定出位于所述目标投影区域中的目标投影点；
根据所述目标投影点对应的点云点，确定目标VOI。
2.根据权利要求1所述的方法，其特征在于，所述确定所述M个目标点云点在目标投影面上的M个投影点之前，所述方法还包括：
获取待监控目标的多个点云点；
从所述待监控目标的多个点云点中，确定出位于所述规则VOI内的M个目标点云点。
3.根据权利要求1所述的方法，其特征在于，所述获取M个目标点云点之前，所述方法还包括：
获取所述目标投影面。
4.根据权利要求3所述的方法，其特征在于，所述获取目标投影面包括：
获取构成不规则的待监控目标的Y个点云点，所述Y个点云点位于所述规则VOI内，Y为正整数；
获取所述Y个点云点在所述三个投影面中的每个投影面上的投影点集，一个投影面对应的投影点集包括：所述Y个点云点在所述一个投影面上的Y个投影点；
根据三个投影点集，确定三个投影区域，每个投影区域分别为：一个投影点集中的Y个投影点投影至对应的投影面形成的区域；
将所述三个投影区域中，区域面积最大的投影区域确定为目标投影区域，并将所述目标投影区域对应的投影面，确定为所述目标投影面。
5.根据权利要求4所述的方法，其特征在于，所述获取所述Y个点云点在所述三个投影面中的每个投影面上的投影点集之前，所述方法还包括：
获取位于所述待监控目标的多个点云点外侧的X个关键点，X为大于或等于4的正整数；
根据所述X个关键点，确定所述三个投影面。
6.根据权利要求5所述的方法，其特征在于，所述根据所述X个关键点，确定所述三个投影面，包括：
确定所述X个关键点对应的目标中心，所述目标中心为：所述X个关键点的外接球体的中心；
分别根据所述X个关键点中的每个关键点的坐标信息，和所述目标中心的坐标信息，确定所述每个关键点对应的目标坐标信息；
根据X个目标坐标信息，确定所述三个投影面。
7.根据权利要求6所述的方法，其特征在于，所述根据X个目标坐标信息，确定所述三个投影面，包括：
根据所述X个目标坐标信息，构建X行三列的目标矩阵；
确定所述目标矩阵的转置矩阵与所述目标矩阵相乘后的三个特征值和三个特征向量，每个特征向量为每个投影面的法向量；
根据所述三个特征值、所述三个特征向量以及三维空间中的平面方程，确定所述三个投影面。
8.根据权利要求5所述的方法，其特征在于，根据所述X个关键点，确定所述三个投影面之后，所述方法还包括：
根据所述X个关键点和所述三个投影面，确定所述规则VOI。
9.根据权利要求8所述的方法，其特征在于，所述根据所述X个关键点和所述三个投影面，确定所述规则VOI，包括：
分别确定所述X个关键点中的每个关键点与第一投影面间的第一距离，所述第一投影面为：所述三个投影面中的任一个投影面；
根据X个第一距离中的最大距离，确定所述规则VOI的第一尺寸参数，所述第一尺寸参数为：三个目标尺寸参数中的任一个目标尺寸参数；
基于所述三个目标尺寸参数，确定所述规则VOI。
10.一种VOI确定装置，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至9中任一项所述的VOI确定方法的步骤。
CN202111144575.7A 2021-09-28 2021-09-28 感兴趣体积voi确定方法及装置 Pending CN114463165A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111144575.7A CN114463165A (zh) 2021-09-28 2021-09-28 感兴趣体积voi确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111144575.7A CN114463165A (zh) 2021-09-28 2021-09-28 感兴趣体积voi确定方法及装置

Publications (1)

Publication Number Publication Date
CN114463165A true CN114463165A (zh) 2022-05-10

Family

ID=81405640

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111144575.7A Pending CN114463165A (zh) 2021-09-28 2021-09-28 感兴趣体积voi确定方法及装置

Country Status (1)

Country Link
CN (1) CN114463165A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19962666A1 (de) * 1999-12-23 2001-07-05 Siemens Ag Verfahren zum Rekonstruieren von 3D-Bilddaten bezüglich eines interessierenden Volumens eines Untersuchungsobjekts
US20050001832A1 (en) * 2003-06-23 2005-01-06 Hong Shen Method for local surface smoothing with application to chest wall nodule segmentation in lung CT data
JP2011019768A (ja) * 2009-07-16 2011-02-03 Kyushu Institute Of Technology 画像処理装置、画像処理方法、及び画像処理プログラム
CN102081697A (zh) * 2009-11-27 2011-06-01 深圳迈瑞生物医疗电子股份有限公司 一种在超声成像空间中定义感兴趣容积的方法及其装置
US20150317820A1 (en) * 2014-05-02 2015-11-05 Korea Advanced Institute Of Science And Technology Medical imaging apparatus and control method for the same
CN105844687A (zh) * 2016-04-07 2016-08-10 北京雅森科技发展有限公司 用于处理医学影像的装置和方法
CN108256529A (zh) * 2017-11-29 2018-07-06 深圳慎始科技有限公司 基于点云投影轮廓签名和分布矩阵的全局点云描述方法
CN110047147A (zh) * 2019-04-09 2019-07-23 易视智瞳科技（深圳）有限公司 一种3d点云处理方法、装置、系统及计算机存储介质
CN112053427A (zh) * 2020-10-15 2020-12-08 珠海格力智能装备有限公司 一种点云的特征提取方法、装置、设备及可读存储介质
CN112132138A (zh) * 2020-09-21 2020-12-25 中国科学院合肥物质科学研究院 一种基于2d-激光雷达的物料自动识别与定位方法
CN113021873A (zh) * 2021-03-23 2021-06-25 深圳市创想三维科技有限公司 一种三维打印方法、装置、计算机设备及存储介质
CN113192091A (zh) * 2021-05-11 2021-07-30 紫清智行科技(北京)有限公司 一种基于激光雷达与相机融合的远距离目标感知方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19962666A1 (de) * 1999-12-23 2001-07-05 Siemens Ag Verfahren zum Rekonstruieren von 3D-Bilddaten bezüglich eines interessierenden Volumens eines Untersuchungsobjekts
US20050001832A1 (en) * 2003-06-23 2005-01-06 Hong Shen Method for local surface smoothing with application to chest wall nodule segmentation in lung CT data
JP2011019768A (ja) * 2009-07-16 2011-02-03 Kyushu Institute Of Technology 画像処理装置、画像処理方法、及び画像処理プログラム
CN102081697A (zh) * 2009-11-27 2011-06-01 深圳迈瑞生物医疗电子股份有限公司 一种在超声成像空间中定义感兴趣容积的方法及其装置
US20150317820A1 (en) * 2014-05-02 2015-11-05 Korea Advanced Institute Of Science And Technology Medical imaging apparatus and control method for the same
CN105844687A (zh) * 2016-04-07 2016-08-10 北京雅森科技发展有限公司 用于处理医学影像的装置和方法
CN108256529A (zh) * 2017-11-29 2018-07-06 深圳慎始科技有限公司 基于点云投影轮廓签名和分布矩阵的全局点云描述方法
CN110047147A (zh) * 2019-04-09 2019-07-23 易视智瞳科技（深圳）有限公司 一种3d点云处理方法、装置、系统及计算机存储介质
CN112132138A (zh) * 2020-09-21 2020-12-25 中国科学院合肥物质科学研究院 一种基于2d-激光雷达的物料自动识别与定位方法
CN112053427A (zh) * 2020-10-15 2020-12-08 珠海格力智能装备有限公司 一种点云的特征提取方法、装置、设备及可读存储介质
CN113021873A (zh) * 2021-03-23 2021-06-25 深圳市创想三维科技有限公司 一种三维打印方法、装置、计算机设备及存储介质
CN113192091A (zh) * 2021-05-11 2021-07-30 紫清智行科技(北京)有限公司 一种基于激光雷达与相机融合的远距离目标感知方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
武彦林: "基于移动DLP光栅面扫描的大物体表面三维重构", 中国优秀硕士学位论文全文数据库 (信息科技辑), 15 February 2017 (2017-02-15), pages 138 - 3766 *

Similar Documents

Publication Publication Date Title
CN111243093B (zh) 三维人脸网格的生成方法、装置、设备及存储介质
US10489977B2 (en) Method for establishing a deformable 3D model of an element, and associated system
JP6091560B2 (ja) 画像解析方法
WO2021052283A1 (zh) 处理三维点云数据的方法和计算设备
CN113192179B (zh) 一种基于双目立体视觉的三维重建方法
JP2016161569A (ja) オブジェクトの３ｄ姿勢およびオブジェクトのランドマーク点の３ｄロケーションを求める方法、およびオブジェクトの３ｄ姿勢およびオブジェクトのランドマークの３ｄロケーションを求めるシステム
CN112509036B (zh) 位姿估计网络训练及定位方法、装置、设备、存储介质
EP3998582A1 (en) Three-dimensional model generation method and three-dimensional model generation device
CN112328715A (zh) 视觉定位方法及相关模型的训练方法及相关装置、设备
EP3086285A1 (en) Method of camera calibration for a multi-camera system and apparatus performing the same
CN108182663A (zh) 一种毫米波图像效果增强方法、设备和可读存储介质
CN113902852A (zh) 一种人脸三维重建方法、装置、电子设备及存储介质
CN113902853A (zh) 一种人脸三维重建方法、装置、电子设备及存储介质
CN111161348A (zh) 一种基于单目相机的物体位姿估计方法、装置及设备
CN110992372B (zh) 物品抓取方法、装置、存储介质及电子装置
Hu et al. R-CNN based 3D object detection for autonomous driving
JP7298687B2 (ja) 物体認識装置及び物体認識方法
KR101673144B1 (ko) 부분 선형화 기반의 3차원 영상 정합 방법
CN116630423A (zh) 一种基于orb特征的微小型机器人多目标双目定位方法及系统
CN114463165A (zh) 感兴趣体积voi确定方法及装置
US10861174B2 (en) Selective 3D registration
CN115601430A (zh) 基于关键点映射的无纹理高反物体位姿估计方法及系统
CN113048950B (zh) 基站天线倾角测量方法、装置、存储介质和计算机设备
JP6641313B2 (ja) 領域抽出装置及びプログラム
JP6441032B2 (ja) 対応点探索装置と対応点探索プログラム並びに対応点探索方法

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