CN114699661A - 一种位姿关联确定及显示方法 - Google Patents
一种位姿关联确定及显示方法 Download PDFInfo
- Publication number
- CN114699661A CN114699661A CN202210493439.7A CN202210493439A CN114699661A CN 114699661 A CN114699661 A CN 114699661A CN 202210493439 A CN202210493439 A CN 202210493439A CN 114699661 A CN114699661 A CN 114699661A
- Authority
- CN
- China
- Prior art keywords
- surface contour
- point
- point set
- region
- contour point
- 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
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1059—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using cameras imaging the patient
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Surgery (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Urology & Nephrology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了以一种位姿关联确定及显示方法,包括:获取被引导人的标准表面轮廓点集和当前表面轮廓点集;对当前表面轮廓点集和标准表面轮廓点集进行区域分割,并对分割后的每一区域进行对应位姿关联计算,生成每一区域的重叠表面轮廓点集;确定重叠表面轮廓点集中构成标准表面轮廓点集的各第一特征点与构成当前表面轮廓点集的第二特征点间的唯一对应关系,以及对应的第一特征点相对于第二特征点的相对位置量;根据相对位置量,确定当前表面轮廓点集中每一第二特征点的显示方式。本申请根据第二特征点的相对位置量,以不同显示方式进行显示,以实现直观提示被引导人,达到快速有效地引导进行摆位调整,避免耗费大量时间精力的问题。
Description
技术领域
本申请涉及影像技术领域,更具体地说,涉及一种位姿关联确定及显示方法。
背景技术
医疗仪器特别是放疗仪器对患者摆位有着严格要求,摆位准确度会对后续的放射治疗有较大的影响。示例如,在放射治疗过程中,病患需要每间断一些时日进行一次放射治疗,为使每次放射治疗区域更加精准,需要患者每次扫描的摆位都尽可能与标准摆位相同,这就需要医生在放射治疗前,指引患者调整摆位至与前几次放射治疗时相同的摆位。
而在每次治疗时都需要对患者重新摆位,往往存在许多问题。一方面,医生肉眼观测到的需要调整的摆位误差不够准确,每次摆位的准确性没有一个直观的量化体现;另一方面,医生口头提示指导的信息不够直观,无法实现较好的引导,患者往往需要多次反复调整摆位,从而耗费大量时间精力,导致治疗效率低下等问题。
因此,如何快速有效地引导患者进行摆位调整,是目前亟待解决的技术问题。
发明内容
有鉴于此,本申请提供了一种位姿关联确定及显示方法,能够快速有效地引导患者进行摆位调整。
为了实现上述目的,现提出的方案如下:
一种位姿关联确定及显示方法,包括:
获取被引导人的标准表面轮廓点集,所述标准表面轮廓点集为对摆位标准的待引导人的人体扫描得到的表面轮廓点集;
实时获取当前扫描到的被引导人的当前表面轮廓点集;
对所述当前表面轮廓点集和所述标准表面轮廓点集进行区域分割;
将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行对应位姿关联计算,生成每一区域的重叠表面轮廓点集,所述每一区域的重叠表面轮廓点集包含构成所述当前表面轮廓点集的每一区域的各二特征点与构成所述标准表面轮廓点集中的相同区域的各第一特征点;
确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系;
针对每一第二特征点,根据所述第二特征点及对应的第一特征点的位置坐标,确定所述对应的第一特征点相对于所述第二特征点的相对位置量;
根据每一第二特征点对应的所述相对位置量,确定所述当前表面轮廓点集中所述每一第二特征点的显示方式,以引导被引导人调整摆位姿态。
优选的,确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系,包括:
针对所述重叠表面轮廓点集中的每一第二特征点,确定所述第二特征点所处区域的重叠表面轮廓点集的各第一特征点;
计算所述所处区域中所述各第一特征点与所述第二特征点间的距离;
将所述距离最小的第一特征点确定为所述第二特征点对应的第一特征点。
优选的,确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系,包括:
针对所述重叠表面轮廓点集中的每一第二特征点,确定属于所述第二特征点所处区域的重叠表面轮廓点集,且落在以所述第二特征点为中心的预设半径内的各第一特征点;
计算所述预设半径内的各第一特征点与所述第二特征点间的距离;
将所述距离最小的第一特征点确定为所述第二特征点对应的第一特征点。
优选的,将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行对应位姿关联计算,生成每一区域的重叠表面轮廓点集,包括:
将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第一位姿关联计算,生成位姿关联矩阵;
在上一次位姿关联计算的基础上,对所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第二位姿关联计算,并对所述位姿关联矩阵进行更新;
若检测得到当前位姿关联计算结果不在允许的差异范围内,则返回执行在上一次位姿关联计算的基础上,对所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第二位姿关联计算的过程,直至当前位姿关联计算结果在允许的差异范围内;
根据所述位姿关联矩阵,对所述当前表面轮廓点集中的每一区域进行调整,并结合所述标准表面轮廓点集中的相同区域生成所述每一区域的重叠表面轮廓点集。
优选的,将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第一位姿关联计算,生成位姿关联矩阵,包括:
对所述当前表面轮廓点集中的每一区域和所述标准表面轮廓点集中的相同区域分别进行滤波去噪;
确定所述当前表面轮廓点集中的每一区域中各第二特征点和所述标准表面轮廓点集中的相同区域中各第一特征点的法向量;
根据所述法向量,计算生成所述当前表面轮廓点集中的每一区域和所述标准表面轮廓点集中的相同区域的特征点几何描述集;
基于所述特征点几何描述集,确定所述所述当前表面轮廓点集中的每一区域变换到与标准表面轮廓点集中的相同区域位姿关联的位姿关联矩阵。
优选的,在确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系之后,还包括:
确定每一对对应的第一特征点的索引序号和第二特征点的索引序号;
根据所述每一对对应的第一特征点的索引序号和第二特征点的索引序号,生成点对索引号记录表。
优选的,根据每一第二特征点对应的所述相对位置量,确定所述当前表面轮廓点集中所述每一第二特征点的显示方式,包括:
根据所述每一第二特征点对应的所述相对位置量的方向,确定所述当前表面轮廓点集的每一第二特征点显示时的方向标记,所述方向标记所指示的方向与所述相对位置量的方向相同;
根据所述相对位置量的大小,确定所述当前表面轮廓点集的每一第二特征点的显示颜色,不同显示颜色对应不同的相对位置量大小。
从上述的技术方案可以看出,本申请提供的一种位姿关联确定及显示方法,基于获取的被引导人的标准表面轮廓点集,以及实时获取的当前扫描到的被引导人的当前表面轮廓点集,通过对所述当前表面轮廓点集和所述标准表面轮廓点集进行区域分割,并对分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行对应位姿关联计算,生成每一区域的重叠表面轮廓点集,所述每一区域的重叠表面轮廓点集包含构成所述当前表面轮廓点集的每一区域的各二特征点与构成所述标准表面轮廓点集中的相同区域的各第一特征点。确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系,针对每一第二特征点,根据所述第二特征点及对应的第一特征点的位置坐标,确定所述对应的第一特征点相对于所述第二特征点的相对位置量,并进一步根据每一第二特征点对应的所述相对位置量,确定所述当前表面轮廓点集中所述每一第二特征点的显示方式,按照确定的显示方式显示每一第二特征点,可引导被引导人调整摆位。
本申请通过确定当前表面轮廓点集的每一区域中第一特征点与标准表面轮廓点集的相同区域中第二特征点的对应关系,并计算出每一第二特征点相对于所述对应的第一特征点的相对位置量,得到的相对位置量较肉眼观测到数据显然更为精准,同时按照根据相对位置量确定的显示方式显示每一第二特征点,可更加清晰直接的提示被引导人需要移动的方向和距离,从而快速有效地引导被引导人进行摆位调整,避免摆位引导过程耗费大量时间精力的问题。
附图说明
为了更清楚地说明本申请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作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种位姿关联确定及显示方法的流程图;
图2为本申请实施例公开的一种重叠表面轮廓点集的示意图;
图3为本申请实施例公开的一种对重叠表面轮廓点集进行局部放大后的示意图;
图4为本申请实施例公开的一种第二特征点显示方式的示意图。
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、完整地描述,显然,所描述的实施例仅仅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在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
接下来介绍本申请方案,参见图1,图1为本申请实施例公开的一种位姿关联确定及显示方法的流程图。
如图1所示,该方法可以包括:
步骤S1、获取被引导人的标准表面轮廓点集。
具体的,标准表面轮廓点集为对摆位标准的待引导人的人体扫描得到的表面轮廓点集,其中,标准表面轮廓点集由若干第一特征点构成。在实际应用中,被引导人在首次摆位标准后,仪器对摆位标准的人体进行扫描,得到该被引导人的标准表面轮廓点集并进行存储,在之后的摆位引导过程中,可直接根据该被引导人的身份信息、ID信息、编码等调取出对应的该被引导人的标准表面轮廓点集,并进行后续摆位引导。
步骤S2、实时获取当前扫描到的被引导人的当前表面轮廓点集。
具体的,被引导人进入扫描仪器后,实时获取扫描得到的被引导人的当前表面轮廓点集,当前表面轮廓点集由若干第二特征点构成,呈现当前被引导人的摆位实时情况。本申请需要引导被引导人的摆位与标准表面轮廓点集中呈现的摆位尽可能一致,即使扫描得到的当前表面轮廓点集与标准表面轮廓点集尽可能一致。
本申请不对扫描得到标准表面轮廓点集及当前表面轮廓点集的过程及仪器设备进行限定,在实际应用中,可通过各类深度扫描仪器进行扫描,并通过如3dsMAX、Maya等建模软件构建得到标准表面轮廓点集及标准表面轮廓点集。
步骤S3、对所述当前表面轮廓点集和所述标准表面轮廓点集进行区域分割。
具体的,区域分割的方式可以为多种,例如依据人体躯干部位进行区域分割,得到头、左手臂、右手臂、胸腹等多个区域;利用正方形进行区域分割,将当前表面轮廓点集和所述标准表面轮廓点集分割为多个正方形区域等,本申请不对区域分割的方式进行具体限定,此处仅提供了两种可选的实施方式,在实际操作时,可依据实际需要设置不同的分割方法。
步骤S4、将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行对应位姿关联计算,生成每一区域的重叠表面轮廓点集。
具体的,对当前表面轮廓点集和标准表面轮廓点集进行区域分割后,将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行对应位姿关联计算,生成每一区域的重叠表面轮廓点集。所述每一区域的重叠表面轮廓点集包含构成所述当前表面轮廓点集的每一区域的各二特征点与构成所述标准表面轮廓点集中的相同区域的各第一特征点。
示例如,依据人体躯干部位进行区域分割,得到头、左手臂、右手臂、胸腹等多个区域后,可将当前表面轮廓点集的头区域与标准表面轮廓点集的头区域进行位姿关联计算,得到头区域的重叠表面轮廓点集,将当前表面轮廓点集的左手臂区域与标准表面轮廓点集的左手臂区域进行位姿关联计算,得到左手臂区域的重叠表面轮廓点集,依此可得到每一区域的重叠表面轮廓点集。
对所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行对应位姿关联计算可以通过模型匹配、计算特征点距离等多种方式。要使扫描得到的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域尽可能一致,则需要对当前表面轮廓点集中的每一区域进行变换调整,使得当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域尽可能重合一致,以实现对当前表面轮廓点集中的每一区域中的各第二特征点的坐标位置进行调整。
如图2所示的重叠表面轮廓点集的示意图,所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域配准重合生成,所述重叠表面轮廓点集包含构成所述标准表面轮廓点集的各第一特征点和构成所述当前表面轮廓点集的各第二特征点。
步骤S5、确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系。
具体的,在所述重叠表面轮廓点集中,所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域已完成位姿关联计算,即已实现尽可能重合,此时为确定位姿差异,可通过构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点的相对位置量确定。
首先需要确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系。对于构成所述当前表面轮廓点集的每一区域的每一第二特征点,在标准表面轮廓点集的相同区域中,都存在与之唯一对应的第一特征点,确定各第一特征点与第二特征点间的唯一对应关系的方式包括但不限于特征点距离、映射匹配等方式。
步骤S6、针对每一第二特征点,根据所述第二特征点及对应的第一特征点的位置坐标,确定所述对应的第一特征点相对于所述第二特征点的相对位置量。
具体的,在确定每一第二特征点与第一特征点的对应关系后,可根据第二特征点及第一特征点的位置坐标,逐一计算得到与每一第二特征点对应的第一特征点,相对于该第二特征点的相对位置量,所述相对位置量可以包括第一特征点相对于第二特征点的方向和距离,所述相对位置量即为第二特征点移动至对应的第一特征点的位置坐标,需要移动的距离和方向。
步骤S7、根据每一第二特征点对应的所述相对位置量,确定所述当前表面轮廓点集中所述每一第二特征点的显示方式,以引导被引导人调整摆位姿态。
具体的,确定每一第二特征点对应的相对位置量,即每一第二特征点移动至对应的第一特征点需要移动的距离和方向,根据该相对位置量,可进一步确定对应显示方式。相对位置量公式如下:
其中,(x2,y2,z2)为所述第二特征点的三维坐标,(x1,y1,z1)为所述第一特征点的三维坐标。
示例如,可通过对第二特征点设置不同的灰度、形状、颜色等,以表征不同的相对位置量。当某一第二特征点对应的相对位置量较大时,即需要移动的距离较大时,可将第二特征点的灰度值设置为第一灰度值;当相对位置量较小,在允许的误差范围内时,可将第二特征点的灰度值设置为第二灰度值,且第一灰度值与第二灰度值不同,以表征不同的距离。
如当前表面轮廓点集的头部区域和躯干区域与标准表面轮廓点集的位置基本一致,在当前表面轮廓点集显示时,头部和躯干区域的第二特征点可以显示为绿色,左上臂和右上臂区域的相对位置量中等,处于该区域的第二特征点可以显示为黄色,右下臂和右下臂区域的相对位置量较大,处于该区域的第二特征点可以显示为红色。
对当前表面轮廓点集中的每一第二特征点,依据各第二特征点对应的相对位置量确定匹配的显示方式,并进行显示,被引导人可依据显示设备中显示的颜色和方向提示进行摆位调整,当当前表面轮廓点集全部第二特征点均呈现在允许的误差范围内的显示方式时,可认定当前被引导人员摆位为标准摆位。
此外,本申请包括但不限于显示屏界面显示的方式,还可以通过AR、全息投影等技术进行显示。
从上述的技术方案可以看出,本申请提供的一种位姿关联确定及显示方法,基于获取的被引导人的标准表面轮廓点集,以及实时获取的当前扫描到的被引导人的当前表面轮廓点集,通过对所述当前表面轮廓点集和所述标准表面轮廓点集进行区域分割,并对分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行对应位姿关联计算,生成每一区域的重叠表面轮廓点集,所述每一区域的重叠表面轮廓点集包含构成所述当前表面轮廓点集的每一区域的各二特征点与构成所述标准表面轮廓点集中的相同区域的各第一特征点。确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系,针对每一第二特征点,根据所述第二特征点及对应的第一特征点的位置坐标,确定所述对应的第一特征点相对于所述第二特征点的相对位置量,并进一步根据每一第二特征点对应的所述相对位置量,确定所述当前表面轮廓点集中所述每一第二特征点的显示方式,按照确定的显示方式显示每一第二特征点,可引导被引导人调整摆位。
本申请通过确定当前表面轮廓点集的每一区域中第一特征点与标准表面轮廓点集的相同区域中第二特征点的对应关系,并计算出每一第二特征点相对于所述对应的第一特征点的相对位置量,得到的相对位置量较肉眼观测到数据显然更为精准,同时按照根据相对位置量确定的显示方式显示每一第二特征点,可更加清晰直接的提示被引导人需要移动的方向和距离,从而快速有效地引导被引导人进行摆位调整,避免摆位引导过程耗费大量时间精力的问题。
可选的,在步骤S5、确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系的过程之后,还可以包括:
确定每一对对应的第一特征点的索引序号和第二特征点的索引序号;
根据所述每一对对应的第一特征点的索引序号和第二特征点的索引序号,生成点对索引号记录表。
具体的,在确定第二特征点和第一特征点间的唯一对应关系后,确定第二特征点在其所在的当前表面轮廓点集中的索引序号,以及第一特征点在其所在的标准表面轮廓点集中的索引序号,并以点对的形式记录第一特征点和第二特征点的索引序号。根据每一对对应的第一特征点的索引序号和第二特征点的索引序号组成的点对,生成点对索引号记录表,可依据点对索引号记录表,查找到与每一第二特征点对应的第一特征点的索引序号。
在实际应用中,可通过查找到与第二特征点对应的第一特征点的索引序号,计算第一特征点相对于对应的第二特征点的相对位置量,并通过该相对位置量进一步确定第二特征点的显示方式。也可通过索引序号人工查询定位到对应的第二特征点,并人工设置对该第二特征点进行重点显示,以辅助医生进行标注。
在本申请的一些实施例中,提供了两种可选的步骤S5、确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系的过程的实施方式,下面分别对两种方式进行具体说明。
第一种、
步骤S5可以包括下述步骤S51a-步骤S53a,具体为:
步骤S51a、针对所述重叠表面轮廓点集中的每一第二特征点,确定所述第二特征点所处区域的重叠表面轮廓点集的各第一特征点。
具体的,对当前表面轮廓点集和标准表面轮廓点集进行区域分割后,将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行对应位姿关联计算,生成每一区域的重叠表面轮廓点集。所述每一区域的重叠表面轮廓点集包含构成所述当前表面轮廓点集的每一区域的各二特征点与构成所述标准表面轮廓点集中的相同区域的各第一特征点。
示例如,依据人体躯干部位进行区域分割,得到头、左手臂、右手臂、胸腹等多个区域后,可将当前表面轮廓点集的头区域与标准表面轮廓点集的头区域进行位姿关联计算,得到头区域的重叠表面轮廓点集,将当前表面轮廓点集的左手臂区域与标准表面轮廓点集的左手臂区域进行位姿关联计算,得到左手臂区域的重叠表面轮廓点集,依此可得到每一区域的重叠表面轮廓点集。
针对每一区域中的每一个第二特征点,首先确定该第二特征点所处区域的重叠表面轮廓点集,再确定该重叠表面轮廓点集中的各第一特征点。
步骤S52a、计算所述所处区域中所述各第一特征点与所述第二特征点间的距离。
具体的,可采用欧式距离计算方法等计算第二特征点所处区域的重叠表面轮廓点集的各第一特征点,与该第二特征点的距离,由于重叠表面轮廓点集为三维模型,预设半径内的各第一特征点与所述第二特征点间的距离应为空间距离。
步骤S53b、将所述距离最小的第一特征点确定为所述第二特征点对应的第一特征点。
第二种、
步骤S5可以包括下述步骤S51b-步骤S53b,具体为:
步骤S51b、针对所述重叠表面轮廓点集中的每一第二特征点,确定属于所述第二特征点所处区域的重叠表面轮廓点集,且落在以所述第二特征点为中心的预设半径内的各第一特征点。
具体的,确定属于所述第二特征点所处区域的重叠表面轮廓点集,且落在以所述第二特征点为中心的预设半径内的各第一特征点,如图3所示,图3为对某一区域的重叠表面轮廓点集进行局部放大后的示意图,其中所述第二特征点所处区域的重叠表面轮廓点集中,以第二特征点为中心的预设半径内存在两个第一特征点。
步骤S52b、计算所述预设半径内的各第一特征点与所述第二特征点间的距离。
步骤S53b、将所述距离最小的第一特征点确定为所述第二特征点对应的第一特征点。
具体的,可采用欧式距离计算方法等分别计算预设半径内每一个第一特征点与中心的第二特征点的距离,由于重叠表面轮廓点集为三维点集,预设半径内的各第一特征点与所述第二特征点间的距离应为空间距离。
如图3所示,以第二特征点为中心的预设半径内存在两个第一特征点,分别计算两个第一特征点与该第二特征点的距离后,可将其中距离较小的第一特征点确定为与该第二特征点对应的第一特征点。
在本申请的一些实施例中,为尽可能加快位姿关联计算速度,提高位姿关联计算效率,同时不影响位姿关联计算精度,本实施例提供了一种第一位姿关联计算和第二位姿关联计算结合的位姿关联计算方式,其中第一位姿关联计算和第二位姿关联计算为两种不同的位姿关联计算方式。
对步骤S4、将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行对应位姿关联计算,生成每一区域的重叠表面轮廓点集的过程进行介绍,具体可以包括:
步骤S41、将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第一位姿关联计算,生成位姿关联矩阵。
步骤S42、在上一次位姿关联计算的基础上,对所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第二位姿关联计算,并对所述位姿关联矩阵进行更新。
步骤S43、若检测得到当前位姿关联计算结果不在允许的差异范围内,则返回执行在上一次位姿关联计算的基础上,对所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第二位姿关联计算的过程,直至当前位姿关联计算结果在允许的差异范围内。
具体的,首先对所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第一位姿关联计算,同时生成位姿关联矩阵,在第一位姿关联计算完成的基础上对所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第二位姿关联计算,同时对所述位姿关联矩阵进行更新。检测此次第二位姿关联计算完成后得到的当前位姿关联计算结果是否在允许的差异范围内,若是,则认定为位姿关联计算完成,若否,则在此次第二位姿关联计算的基础上,再次对所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第二位姿关联计算,再次更新位姿关联矩阵,直至当前位姿关联计算结果在允许的差异范围内。
步骤S44、根据所述位姿关联矩阵,对所述当前表面轮廓点集中的每一区域进行调整,并结合所述标准表面轮廓点集中的相同区域生成所述每一区域的重叠表面轮廓点集。
具体的,位姿关联计算完成后,即当前位姿关联计算结果在允许的差异范围内后,依据最终的位姿关联矩阵,对所述当前表面轮廓点集中的每一区域进行变换调整,利用调整完成得到的当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域生成所述每一区域的重叠表面轮廓点集。
下面提供了一种可选的第一位姿关联计算的实施过程,对步骤S41、将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第一位姿关联计算,生成位姿关联矩阵的过程进行介绍,具体可以包括:
①对所述当前表面轮廓点集中的每一区域和所述标准表面轮廓点集中的相同区域分别进行滤波去噪。
具体的,首先对对所述当前表面轮廓点集中的每一区域和所述标准表面轮廓点集中的相同区域分别进行滤波去噪,避免杂质因素对位姿关联计算过程造成的影响。
②确定所述当前表面轮廓点集中的每一区域中各第二特征点和所述标准表面轮廓点集中的相同区域中各第一特征点的法向量。
③根据所述法向量,计算生成所述当前表面轮廓点集中的每一区域和所述标准表面轮廓点集中的相同区域的特征点几何描述集。
具体的,特征点几何描述集为通过参数化查询点与邻域点之间的空间差异,并形成一个多维直方图对点的k邻域内的几何属性进行描述。生成特征点几何描述集的步骤包括:
1)预先设置三维点集P{p1,p2,...pk},为点集P中点pn,n∈[1,k]计算法向量。
2)以pi为中心点,确定一个领域半径r的k邻域,计算pi和其k邻域内每个点之间的特征三元组(α,φ,θ),然后统计得到一个点的特征描述子SP(pi),其中:
α=v·nj
θ=arctan(w·nj,u·nj)
pi,pj为两个三维坐标点,且各自的法向量分别为ni,nj
3)分别对k邻域中的每个点确定k邻域,按上一步骤的方式分别计算得到各点的特征描述子。
4)对邻域中的各个描述子进行加权统计,公式如下;
其中,wj为点对pi,pj权重,是通过pi,pj在空间中的距离来衡量的。
④基于所述特征点几何描述集,确定所述所述当前表面轮廓点集中的每一区域变换到与标准表面轮廓点集中的相同区域位姿关联的位姿关联矩阵。
此外,本申请步骤S42中采用的第二位姿关联计算方式可以包括以下步骤:
1)确定当前表面轮廓点集中每一第二特征点距离与标准表面轮廓点集的相同区域中距离最近的第一特征点,并将最近的点作为第二特征点的匹配点。
2)根据下面公式计算极小化匹配点间的匹配误差,得到位姿变换矩阵。
t*=p-Rp'
其中p为标准表面轮廓点集,p′为当前表面轮廓点集,R为旋转矩阵,t为平移矩阵,R和t组成了位姿变换矩阵。
3)根据上一步骤中获得的位姿变换矩阵对所述当前表面轮廓点集进行变换,得到变换后的当前表面轮廓点集。
4)重复上述计算位姿变换矩阵及依据所述位姿变换矩阵对当前表面轮廓点集进行变换的过程,直到极小化匹配点间的匹配误差小于设定的阈值,此时的可基于最后生成的位姿变换矩阵,确定对位姿关联矩阵的更新。
在本申请的一些实施例中,对步骤S7、根据每一第二特征点对应的所述相对位置量,确定所述当前表面轮廓点集中所述每一第二特征点的显示方式的过程进行介绍,具体可以包括:
步骤S71、根据所述每一第二特征点对应的所述相对位置量的方向,确定所述当前表面轮廓点集的每一第二特征点显示时的方向标记。
具体的,在确定了每一第二特征点对应的所述相对位置量后可以,根据相对位置量的方向,调整当前表面轮廓点集的每一第二特征点显示时的方向标记,所述方向标记所指示的方向与所述相对位置量的方向相同。
示例如,如图4所示,图4中的第一特征点与第二特征点对应,第二特征点需要移动至对应的第一特征点坐标位置,可通过将第二特征点变换为箭头形状,箭头指向与所述相对位置量的方向相同,即为当前第二特征点需要移动的方向,进行移动方向的引导。
此外,还可以综合分析各个区域第二特征点的相对位置量的整体情况,以确定各个区域整体需要移动的方向,形成方向引导符号进行摆位引导。
示例如,可统计分割后每一区域的各第二特征点的相对位置量,将其中相对位置量的方向中较为集中的方向确定为区域整体需要移动的方式,并生成匹配的方向引导符号进行显示,以提示被引导人调整该区域的摆位。
如综合统计各个区域的相对位置量,分析得到当前被引导人右手臂和左手臂需要进行摆位调整,结合各第二特征点的相对位置量的方向,可分析得到右手臂和左手臂需要向斜后上方移动,针对各个需要调整的区域和对应调整的方向,生成方向引导符号对被引导人进行引导,使被引导人依据方向标记引导的方向调整摆位。以图2中的当前表面轮廓点集为例,此时将形成两个箭头符合,引导被引导人将右手臂和左手臂向斜后上方移动。
步骤S72、根据所述相对位置量的大小,确定所述当前表面轮廓点集的每一第二特征点的显示颜色。
具体的,在确定了每一第二特征点对应的所述相对位置量后可以,根据相对位置量的大小,调整当前表面轮廓点集的每一第二特征点显示时的显示颜色,不同显示颜色对应不同的相对位置量大小。
示例如,计算得到当前表面轮廓点集的某一第二特征点与对应的第一特征点的相对位置量大小为d。
当d处于范围[0,10]的时候,该第二特征点的颜色显示为绿色;
当d处于范围(10,50]的时候,该第二特征点的颜色显示为黄色;
当d处于范围(50,∞)的时候,该第二特征点的颜色显示为红色。
通过不同的颜色可更加直观体现相对位置量的大小,从而提示被引导人需要调整移动的距离大小。
可以理解的是,上述步骤S5可应用于前述任一实施例,前述任一实施例均可采用依据相对位置量的方向和大小进行不同显示方式显示,以实现更准确的引导,同时本实施例中提供的依据相对位置量的方向和大小进行不同显示方式过程仅为一种可选的实施过程,通过计算相对位置量,并依据相对位置量不同,对当前表面轮廓点集设置不同的显示方式,或进行不同方式渲染,以实现更为准确的引导的方式,应属于本申请的保护范围。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种位姿关联确定及显示方法,其特征在于,包括:
获取被引导人的标准表面轮廓点集,所述标准表面轮廓点集为对摆位标准的待引导人的人体扫描得到的表面轮廓点集;
实时获取当前扫描到的被引导人的当前表面轮廓点集;
对所述当前表面轮廓点集和所述标准表面轮廓点集进行区域分割;
将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行对应位姿关联计算,生成每一区域的重叠表面轮廓点集,所述每一区域的重叠表面轮廓点集包含构成所述当前表面轮廓点集的每一区域的各二特征点与构成所述标准表面轮廓点集中的相同区域的各第一特征点;
确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系;
针对每一第二特征点,根据所述第二特征点及对应的第一特征点的位置坐标,确定所述对应的第一特征点相对于所述第二特征点的相对位置量;
根据每一第二特征点对应的所述相对位置量,确定所述当前表面轮廓点集中所述每一第二特征点的显示方式,以引导被引导人调整摆位姿态。
2.根据权利要求1所述的方法,其特征在于,确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系,包括:
针对所述重叠表面轮廓点集中的每一第二特征点,确定所述第二特征点所处区域的重叠表面轮廓点集的各第一特征点;
计算所述所处区域中所述各第一特征点与所述第二特征点间的距离;
将所述距离最小的第一特征点确定为所述第二特征点对应的第一特征点。
3.根据权利要求1所述的方法,其特征在于,确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系,包括:
针对所述重叠表面轮廓点集中的每一第二特征点,确定属于所述第二特征点所处区域的重叠表面轮廓点集,且落在以所述第二特征点为中心的预设半径内的各第一特征点;
计算所述预设半径内的各第一特征点与所述第二特征点间的距离;
将所述距离最小的第一特征点确定为所述第二特征点对应的第一特征点。
4.根据权利要求1所述的方法,其特征在于,将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行对应位姿关联计算,生成每一区域的重叠表面轮廓点集,包括:
将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第一位姿关联计算,生成位姿关联矩阵;
在上一次位姿关联计算的基础上,对所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第二位姿关联计算,并对所述位姿关联矩阵进行更新;
若检测得到当前位姿关联计算结果不在允许的差异范围内,则返回执行在上一次位姿关联计算的基础上,对所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第二位姿关联计算的过程,直至当前位姿关联计算结果在允许的差异范围内;
根据所述位姿关联矩阵,对所述当前表面轮廓点集中的每一区域进行调整,并结合所述标准表面轮廓点集中的相同区域生成所述每一区域的重叠表面轮廓点集。
5.根据权利要求4所述的方法,其特征在于,将分割后的所述当前表面轮廓点集中的每一区域与所述标准表面轮廓点集中的相同区域进行第一位姿关联计算,生成位姿关联矩阵,包括:
对所述当前表面轮廓点集中的每一区域和所述标准表面轮廓点集中的相同区域分别进行滤波去噪;
确定所述当前表面轮廓点集中的每一区域中各第二特征点和所述标准表面轮廓点集中的相同区域中各第一特征点的法向量;
根据所述法向量,计算生成所述当前表面轮廓点集中的每一区域和所述标准表面轮廓点集中的相同区域的特征点几何描述集;
基于所述特征点几何描述集,确定所述所述当前表面轮廓点集中的每一区域变换到与标准表面轮廓点集中的相同区域位姿关联的位姿关联矩阵。
6.根据权利要求1所述的方法,其特征在于,在确定所述重叠表面轮廓点集中构成所述标准表面轮廓点集的各第一特征点与构成所述当前表面轮廓点集的第二特征点间的唯一对应关系之后,还包括:
确定每一对对应的第一特征点的索引序号和第二特征点的索引序号;
根据所述每一对对应的第一特征点的索引序号和第二特征点的索引序号,生成点对索引号记录表。
7.根据权利要求1-6任一项所述的方法,其特征在于,根据每一第二特征点对应的所述相对位置量,确定所述当前表面轮廓点集中所述每一第二特征点的显示方式,包括:
根据所述每一第二特征点对应的所述相对位置量的方向,确定所述当前表面轮廓点集的每一第二特征点显示时的方向标记,所述方向标记所指示的方向与所述相对位置量的方向相同;
根据所述相对位置量的大小,确定所述当前表面轮廓点集的每一第二特征点的显示颜色,不同显示颜色对应不同的相对位置量大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210493439.7A CN114699661B (zh) | 2022-05-07 | 2022-05-07 | 一种位姿关联确定及显示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210493439.7A CN114699661B (zh) | 2022-05-07 | 2022-05-07 | 一种位姿关联确定及显示方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114699661A true CN114699661A (zh) | 2022-07-05 |
CN114699661B CN114699661B (zh) | 2023-04-14 |
Family
ID=82176514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210493439.7A Active CN114699661B (zh) | 2022-05-07 | 2022-05-07 | 一种位姿关联确定及显示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114699661B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173639A (zh) * | 2023-11-01 | 2023-12-05 | 伊特拉姆成都能源科技有限公司 | 基于多源设备的行为分析及安全预警方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006277718A (ja) * | 2005-10-14 | 2006-10-12 | Fast:Kk | 高速画像探索方法 |
JP2009216503A (ja) * | 2008-03-10 | 2009-09-24 | Ihi Corp | 三次元位置姿勢計測方法および装置 |
JP2011113313A (ja) * | 2009-11-26 | 2011-06-09 | Secom Co Ltd | 姿勢推定装置 |
-
2022
- 2022-05-07 CN CN202210493439.7A patent/CN114699661B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006277718A (ja) * | 2005-10-14 | 2006-10-12 | Fast:Kk | 高速画像探索方法 |
JP2009216503A (ja) * | 2008-03-10 | 2009-09-24 | Ihi Corp | 三次元位置姿勢計測方法および装置 |
JP2011113313A (ja) * | 2009-11-26 | 2011-06-09 | Secom Co Ltd | 姿勢推定装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173639A (zh) * | 2023-11-01 | 2023-12-05 | 伊特拉姆成都能源科技有限公司 | 基于多源设备的行为分析及安全预警方法及系统 |
CN117173639B (zh) * | 2023-11-01 | 2024-02-06 | 伊特拉姆成都能源科技有限公司 | 基于多源设备的行为分析及安全预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114699661B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hasan et al. | Detection, segmentation, and 3D pose estimation of surgical tools using convolutional neural networks and algebraic geometry | |
CN106890031B (zh) | 一种标记物识别及标记点定位方法及手术导航系统 | |
CN106780619A (zh) | 一种基于Kinect深度相机的人体尺寸测量方法 | |
JP2015522200A (ja) | 人顔特徴点の位置決め方法、装置及び記憶媒体 | |
CN105405119B (zh) | 基于深度置信网络和三维模型的胎儿正中矢状面自动检测方法 | |
CN112907642B (zh) | 一种配准重合的方法、系统、存储介质及设备 | |
CN114699661B (zh) | 一种位姿关联确定及显示方法 | |
CN110782428B (zh) | 一种用于构建临床脑部ct图像roi模板的方法及系统 | |
JP2001101429A (ja) | 顔面の観測方法および顔観測装置ならびに顔観測処理用の記録媒体 | |
CN106236264B (zh) | 基于光学跟踪和图像匹配的胃肠手术导航方法及系统 | |
CN116531089B (zh) | 基于图像增强的阻滞麻醉超声引导数据处理方法 | |
JP2008204200A (ja) | 顔解析システム及びプログラム | |
JPH08136220A (ja) | 物品の位置検出方法およびその装置 | |
Dai et al. | Locating anatomical landmarks on 2D lateral cephalograms through adversarial encoder-decoder networks | |
CN111127642A (zh) | 一种人脸三维重建方法 | |
JP2961264B1 (ja) | 3次元物体モデル生成方法及び3次元物体モデル生成プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN112381952B (zh) | 一种基于多相机的面部轮廓点云模型重构方法及装置 | |
Perakis et al. | Partial matching of interpose 3D facial data for face recognition | |
CN113180865A (zh) | 一种三维牙模的快速绘出切割线方法 | |
Xiao et al. | Efficient partial-surface registration for 3D objects | |
Cheng et al. | Ground truth delineation for medical image segmentation based on Local Consistency and Distribution Map analysis | |
CN116802686A (zh) | 一种roi区域关联及标注方法 | |
Zhang et al. | Application research of pointer instrument panel extraction algorithm based on deep learning | |
Xiao et al. | 3D registration of partially overlapping surfaces using a volumetric approach | |
CN116012526B (zh) | 一种基于二维影像的三维ct影像病灶重建方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |