CN115063607B - 切割轮廓的确定方法、装置、设备及存储介质 - Google Patents
切割轮廓的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115063607B CN115063607B CN202210986666.3A CN202210986666A CN115063607B CN 115063607 B CN115063607 B CN 115063607B CN 202210986666 A CN202210986666 A CN 202210986666A CN 115063607 B CN115063607 B CN 115063607B
- Authority
- CN
- China
- Prior art keywords
- contour
- cutting
- image
- determining
- target object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 230000009466 transformation Effects 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims description 5
- 230000001154 acute effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 230000003902 lesion Effects 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 208000000453 Skin Neoplasms Diseases 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 201000000849 skin cancer Diseases 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000010977 jade Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000010437 gem Substances 0.000 description 1
- 229910001751 gemstone Inorganic materials 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000012857 radioactive material Substances 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000036548 skin texture Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种切割轮廓的确定方法、装置、设备及存储介质,涉及计算机视觉技术领域。所述方法包括:获取对目标物体进行拍摄得到的第一图像,目标物体的表面形成有目标实体,第一图像中包含目标实体以及目标实体的周围区域;从第一图像中确定目标实体的拟合轮廓和最小外接轮廓;其中,拟合轮廓与目标实体的边缘轮廓适配,拟合轮廓位于最小外接轮廓之内;根据拟合轮廓和最小外接轮廓,确定目标实体的切割轮廓。本申请实施例提供的技术方案,提升了切割轮廓的精确性。
Description
技术领域
本申请实施例涉及计算机视觉技术领域,特别涉及一种切割轮廓的确定方法、装置、设备及存储介质。
背景技术
对于良性皮肤癌手术,需要预先确定病灶的切割轮廓再进行手术。
在相关技术中,需要相关技术人员(如医生)凭借经验用记号笔手动勾画出病灶的切割轮廓,而手动勾画出的切割轮廓误差较大,从而导致实际的切割轮廓不够精确。
发明内容
本申请实施例提供了一种切割轮廓的确定方法、装置、设备及存储介质,能够提升切割轮廓的精确性。所述技术方案如下。
根据本申请实施例的一个方面,提供了一种切割轮廓的确定方法,所述方法包括:
获取对目标物体进行拍摄得到的第一图像,所述目标物体的表面形成有目标实体,所述第一图像中包含所述目标实体以及所述目标实体的周围区域;
从所述第一图像中确定所述目标实体的拟合轮廓和最小外接轮廓;其中,所述拟合轮廓与所述目标实体的边缘轮廓适配,所述拟合轮廓位于所述最小外接轮廓之内;
根据所述拟合轮廓和所述最小外接轮廓,确定所述目标实体的切割轮廓。
根据本申请实施例的一个方面,提供了一种切割轮廓的确定装置,所述装置包括:
图像获取模块,用于获取对目标物体进行拍摄得到的第一图像,所述目标物体的表面形成有目标实体,所述第一图像中包含所述目标实体以及所述目标实体的周围区域;
轮廓确定模块,用于从所述第一图像中确定所述目标实体的拟合轮廓和最小外接轮廓;其中,所述拟合轮廓与所述目标实体的边缘轮廓适配,所述拟合轮廓位于所述最小外接轮廓之内;
所述轮廓确定模块,还用于根据所述拟合轮廓和所述最小外接轮廓,确定所述目标实体的切割轮廓。
根据本申请实施例的一个方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现上述切割轮廓的确定方法。
根据本申请实施例的一个方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现上述切割轮廓的确定方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机程序,处理器执行该计算机程序,使得该计算机设备执行上述切割轮廓的确定方法。
本申请实施例提供的技术方案可以包括如下有益效果:
通过拍摄目标物体以及目标物体中包含的目标实体的图像,并确定出目标实体的拟合轮廓和最小外接轮廓,并基于此确定出目标实体的切割轮廓,相比于仅依靠相关技术人员的经验设计切割轮廓,本申请实施例提供的技术方案减少了切割轮廓的误差,提升了切割轮廓的精确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
图1是本申请一个实施例提供的切割轮廓的确定方法的示意图;
图2是本申请一个实施例提供的切割轮廓的确定系统的示意图;
图3是本申请一个实施例提供的切割轮廓的确定方法的流程图;
图4是本申请另一个实施例提供的切割轮廓的确定方法的流程图;
图5是本申请另一个实施例提供的切割轮廓的确定方法的示意图;
图6是本申请再一个实施例提供的切割轮廓的确定方法的流程图;
图7是本申请再一个实施例提供的切割轮廓的确定方法的示意图;
图8是本申请又一个实施例提供的切割轮廓的确定方法的流程图;
图9是本申请还一个实施例提供的切割轮廓的确定方法的流程图;
图10是本申请一个实施例提供的切割轮廓的确定装置的框图;
图11是本申请一个实施例提供的计算机设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法的例子。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR(Optical Character Recognition,光学字符识别)、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D(3 Dimensions,三维)技术、虚拟现实、增强现实、地图构建等技术。
随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
本申请实施例采用人工智能技术中的计算机视觉技术,确定目标实体的切割轮廓,具体通过如下实施例进行说明。
请参考图1,其示出了本申请一个实施例提供的一种切割轮廓的确定方法的示意图。以良性皮肤癌为例,切除良性皮肤癌的病灶(如肿瘤)部分时,如图1所示,切割轮廓为梭形。
在一些实施例中,如图1所示,需要预先识别出病灶的边缘轮廓11,再确定出边缘轮廓11的拟合椭圆12和最小外接圆13。
在一些实施例中,将拟合椭圆12的中心作为病灶的切割轮廓的中心点O;将病灶周围皮肤纹理的方向(即皮纹方向)确定为切割轮廓的长轴方向,切割轮廓的短轴与长轴垂直,从而可以以O点为圆心、以长轴所在直线为x轴、以短轴所在直线为y轴,建立平面直角坐标系;将最小外接圆13的半径加上一个数值(如2毫米)得到切割轮廓的短半轴(即短轴的一半)的长度a;将短半轴长度a的β倍(如2.5倍)确定为切割轮廓的长半轴(即长轴的一半)的长度,即长半轴的长度为βa。至此,可以确定梭形的切割轮廓上的三个点,即图1中的A、B、C三点,A、B、C三点分别为长轴的一个端点、短轴的一个端点、长轴的另一个端点,过A、B、C三点可以确定一个唯一的圆,该圆的圆弧AC即为位于x轴一侧的切割轮廓。同理,可以确定出位于x轴另一侧的切割轮廓,x轴两侧的切割轮廓围合得到整个的切割轮廓。
在一些实施例中,目标物体表面形成的目标实体,是需要切除的部分。由于既要保证目标实体完全切除,又要保证切割面积不能过大,且有时对切割轮廓也有一定要求。而本申请实施例提供的切割轮廓的确定方法,既能够保证目标实体完全切除,又能保证切割轮廓面积不会过大,还能尽可能保证切割轮廓为轴对称的梭形。
请参考图2,其示出了本申请一个实施例提供的实施环境的示意图,该实施环境可以实现为切割轮廓的确定系统20。该系统20可以包括计算机设备14和拍摄设备15。
计算机设备14可以是PC(PersonalComputer,个人计算机)、平板电脑、智能手机、可穿戴设备、智能机器人、医疗设备、服务器等电子设备。其中,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。计算机设备14至少具有收发功能和计算功能。
拍摄设备15用于拍摄图像。例如,拍摄设备15能响应于计算机设备14发出的拍摄图像的指令,对目标物体进行拍摄。拍摄设备15包括但不限于相机、摄像机、录像机等数码摄像设备,皮肤镜、X光等医学辅助检查设备以及超声波探测设备。相机包括但不限于是结构光相机、RGB(Red-Green-Blue,红绿蓝)相机、黑白相机、红外相机、高光谱相机、多光谱相机、双目相机等。在一些实施例中,本申请实施例中的拍摄设备15为既具有结构光相机功能、又具有RGB相机功能的RGB-D相机。
RGB-D相机可实时获取视野内不同目标的深度信息,并生成点云文件,且能进一步的生成三维网格。在医疗场景的手术过程中,相机与患者所在的病床不进行移动,记录此时相机拍摄到的手术床面与相机之间的距离,统一地称该类距离为深度,并以此为深度基底。当患者躺上病床后,RGB-D相机识别到的患者病灶部位深度一定小于手术床面的深度,因此不必利用点云分割算法,通过保存小于基底深度的深度信息即可筛选出患者患病部位的深度信息,并保存为点云文件,生成三维网格数据。
在一些实施例中,系统20还包括投影设备16。投影设备16用于投影图像。例如,投影设备16能接收计算机设备14发送的投影指令,将图像投影至目标物体的表面。投影设备16包括但不限于投影仪、AR(Augmented Reality,增强现实)眼镜、AR头盔等具有增强现实作用的设备。
在一些实施例中,计算机设备14与拍摄设备15和投影设备16之间,可以分别进行通信,实现信息的收发。例如,计算机设备14与拍摄设备15和投影设备16之间,可以采用有线或者无线的方式进行通信。
在一些实施例中,计算机设备14与拍摄设备15集成为同一个电子设备;或者,计算机设备14与投影设备16集成为同一个电子设备;或者,拍摄设备15与投影设备16集成为同一个电子设备;或者,计算机设备14、拍摄设备15和投影设备16集成为同一个电子设备。
在一种可能的应用场景中,系统20用于医疗领域。例如,系统20用于辅助医生对形成于皮肤或内脏器官的病灶进行切除。
在另一种可能的应用场景中,系统20用于材料雕刻领域。例如,系统20用于辅助雕刻人员确定待雕刻的材料的雕刻范围。
在另一种可能的应用场景中,系统20用于放射性检测领域。例如,系统20用于标记出有放射性物质的空间中,放射性超过安全阈值的范围。
当然,上述应用场景仅是用于对系统20进行示例和解释,系统20还具有其他应用场景,本申请在此不进行限定。
请参考图3,其示出了本申请一个实施例提供的切割轮廓的确定方法的流程图。在本实施例中,以该方法应用于上文介绍的计算机设备14中来举例说明。该方法可以包括如下几个步骤(310~330)。
步骤310,获取对目标物体进行拍摄得到的第一图像,目标物体的表面形成有目标实体。
在一些实施例中,第一图像中包含目标实体以及目标实体的周围区域。第一图像是从特定角度对目标物体包含目标实体的部分进行拍摄得到的。例如,目标物体中包含目标实体的部分朝上,则第一图像是俯拍目标物体得到的图像;又例如,目标物体中包含目标实体的部分在侧边,则第一图像是在该侧边对目标物体进行拍摄得到的图像。
在一些实施例中,目标物体可以是手臂、背部、腿部等任意的人体部位或动物的身体部位,目标实体可以是目标物体表面的病灶,如肿瘤、溃烂的皮肤区域等等。在一些实施例中,目标物体可以是玉石、宝石、翡翠、水晶等等,目标实体可以是目标物体表面形成的瑕疵。
在一些实施例中,第一图像中标注有目标实体的边缘轮廓。
步骤320,从第一图像中确定目标实体的拟合轮廓和最小外接轮廓。
其中,拟合轮廓与目标实体的边缘轮廓适配,拟合轮廓位于最小外接轮廓之内。
在一些实施例中,拟合轮廓是指用较为规整的图形尽可能拟合目标实体实际的边缘轮廓得到的图形,拟合轮廓可以是椭圆形、圆形、三角形、矩形、正方形等形状,具体可以由相关技术人员根据实际情况进行设定,本申请实施例对此不作具体限定。在确定拟合轮廓的过程中,需要使目标实体的边缘轮廓上尽可能多的点落在拟合轮廓上或落在拟合轮廓附近(这些点可以落在拟合轮廓内部也可以落在拟合轮廓外部)。在一些实施例中,目标实体的边缘轮廓完全位于拟合轮廓内(边缘轮廓与拟合轮廓之间可以存在交点);或者,目标实体的边缘轮廓上少量的点位于拟合轮廓外。
在一些实施例中,拟合轮廓为椭圆,基于最小二乘法,确定与目标实体的边缘轮廓上的多个点之间的距离的平均值最小的椭圆作为拟合轮廓。
在一些实施例中,最小外接轮廓是指完全包围目标实体的几何图形。最小外接轮廓可以是圆形、椭圆形、矩形、正方形、三角形等等,具体可以由相关技术人员根据实际情况进行设定,本申请实施例对此不作具体限定。
在一些实施例中,将目标实体的边缘轮廓的最小外接圆,确定为最小外接轮廓。
步骤330,根据拟合轮廓和最小外接轮廓,确定目标实体的切割轮廓。
在一些实施例中,确定了拟合轮廓和最小外接轮廓之后,根据拟合轮廓、最小外接轮廓以及切割轮廓的形状,确定目标实体的切割轮廓。切割轮廓是用于显示在目标物体的表面的,目标实体完全位于切割轮廓内部,从而尽可能保证目标实体能够完全切除。在一些实施例中,切割轮廓也可以称为切缘、切除轮廓、切割边界等等。
在一些实施例中,切割轮廓投影显示在目标物体的表面,或者,切割轮廓通过激光照射在目标物体的表面。相关技术人员可以沿着投影显示在目标物体表面的切割轮廓对目标物体进行切割,或者沿着激光在目标物体的表面上照射出的切割轮廓对目标物体进行切割,从而切除目标实体;且由于投影显示的切割轮廓或激光照射显示的切割轮廓不会因消毒、擦拭、磨蹭等操作消失,具有良好的显示保持效果,从而提升切割目标实体的精确性。
在一些实施例中,投影显示在目标物体的表面的切割轮廓,或激光照射显示在目标物体的表面的切割轮廓,其显示颜色可以依据目标实体和/或目标实体的周围区域的颜色来确定,以使得切割轮廓的颜色明显区别于目标实体和/或目标实体的周围区域,减少切除目标实体时因切割轮廓显示不清楚而导致误操作的概率。如采用与目标实体和/或目标实体的周围区域视觉差异较大的颜色作为切割轮廓的显示颜色。例如,若目标实体周围区域为白色或浅黄色,则切割轮廓的显示颜色可以是红色、绿色、紫色等等;若目标实体周围区域为黑色,则切割轮廓的显示颜色可以是白色。
在一些实施例中,根据目标实体的周围区域的亮度确定切割轮廓的显示亮度。例如,切割轮廓的显示亮度高于目标实体的周围区域的亮度。
综上所述,本申请实施例提供的技术方案,通过拍摄目标物体以及目标物体中包含的目标实体的图像,并确定出目标实体的拟合轮廓和最小外接轮廓,并基于此确定出目标实体的切割轮廓,相比于仅依靠相关技术人员的经验设计切割轮廓,本申请实施例提供的技术方案减少了切割轮廓的误差,提升了切割轮廓的精确性。
另外,本申请实施例中无需预先手动勾画切割轮廓,节省了切除目标实体所需的时间,提升了切除效率。
请参考图4,其示出了本申请另一个实施例提供的切割轮廓的确定方法的流程图。在本实施例中,以该方法应用于上文介绍的计算机设备14中来举例说明。该方法可以包括如下几个步骤(410~450)。
步骤410,获取对目标物体进行拍摄得到的第一图像,目标物体的表面形成有目标实体。
在一些实施例中,该步骤410可以参考上文图3实施例中的步骤310,此处不再赘述。
步骤420,从第一图像中确定目标实体的拟合轮廓和最小外接轮廓。
在一些实施例中,该步骤420可以参考上文图3实施例中的步骤320,此处不再赘述。
在一些实施例中,切割轮廓为梭形,切割轮廓上距离切割轮廓的中心最远的点与中心之间的线段为长半轴(如图1中的线段OA和线段OC),切割轮廓上距离切割轮廓的中心最近的点与中心之间的线段为短半轴(如图1中的线段OB)。
步骤430,以拟合轮廓的中心为切割轮廓的中心,根据最小外接轮廓的尺寸,确定长半轴的长度和短半轴的长度。
在一些实施例中,根据最小外接轮廓的中心到最小外接轮廓上一个或多个点的距离,确定梭形的切割轮廓的长半轴的长度和短半轴的长度。
在一些实施例中,最小外接轮廓为圆形;以拟合轮廓的中心为切割轮廓的中心,将最小外接轮廓的半径(即该圆形的半径)与第一数值相加,得到短半轴的长度;其中,第一数值为大于0的数值;将短半轴的长度与第二数值相乘,得到长半轴的长度;其中,第二数值为大于1的数值。其中,第一数值可以是2毫米、3毫米、3.5毫米等,第二数值可以是1.5、2、2.5、3.5等,第一数值和第二数值的具体数值可以由相关技术人员根据实际情况进行设定,本申请实施例对此不作具体限定。
在一些实施例中,短半轴的长度也可以是将最小外接轮廓的半径与第三数值相乘得到的,第三数值为大于1的数值,短半轴的长度小于长半轴的长度。
在一些实施例中,长半轴的长度也可以是将最小外接轮廓的半径或直径加上某个数值得到的,也可以是将最小外接轮廓的半径乘上某个大于1的数值得到的。
短半轴的长度和长半轴的长度还可以有其他计算方式,本申请实施例对此不作具体限定。
步骤440,根据目标物体的表面属性特征,确定切割轮廓的长轴方向。
在一些实施例中,长轴方向即为梭形的切割轮廓的方向。表面属性特征可以包括目标物体的材质、表面纹路、目标物体的形状和尺寸等等。
在一些实施例中,根据目标物体的表面纹路方向,确定切割轮廓的长轴方向。若目标物体的表面纹路有较为明显的方向性,则可以将目标物体的表面纹路方向确定为长轴方向。例如,目标物体的表面为皮肤,皮肤表面的纹路为皮纹,将目标实体的周围区域(如肿瘤病灶的周围区域)的皮纹方向确定为切割轮廓的长轴方向。按照目标物体的表面纹路方向,确定切割轮廓的长轴方向,减少了切除目标实体过程中,对表面纹路的横向切割导致的切割方向偏移的概率,从而提升沿着切割轮廓切除目标实体的效率、便捷性以及实际切割轮廓的准确性。
在一些实施例中,目标物体的形状或尺寸,对切割轮廓的长轴方向的选择存在一定限制。例如,目标物体为狭长型,即长度较长、宽度较窄,且目标物体的宽度小于长轴的长度,则显然无法将目标物体的宽度方向确定为长轴方向,可以将目标物体的长度方向确定为长轴方向。
在一些实施例中,拟合轮廓为椭圆,将椭圆形的拟合轮廓的长轴,确定为切割轮廓的长轴方向。
步骤450,基于长半轴的长度、短半轴的长度和长轴方向,确定切割轮廓。
在一些实施例中,切割轮廓是多个圆弧围合成的形状。
在一些实施例中,该步骤450还包括如下步骤。
1.1、基于长半轴的长度、短半轴的长度和长轴方向,确定长轴的两个端点和切割轮廓的短轴的两个端点的位置。
在一些实施例中,将拟合轮廓的中心确定为切割轮廓的中心,且切割轮廓的中心同时还是长轴和短轴的垂足、长轴的中点以及短轴的中点。由此可以基于长半轴的长度、短半轴的长度和长轴方向,确定长轴的两个端点和切割轮廓的短轴的两个端点的位置。
1.2、根据长轴的两个端点和短轴的两个端点,确定第一圆弧和第二圆弧,第一圆弧和第二圆弧围合形成切割轮廓。
其中,第一圆弧过长轴的两个端点和短轴的一个端点,第二圆弧过长轴的两个端点和短轴的另一个端点,第一圆弧和第二圆弧分别对应的圆心角为锐角。
在一些实施例中,作过长轴的两个端点和短轴的一个端点的圆(该圆唯一确定),从该圆上确定第一圆弧;长轴的两个端点即为第一圆弧的两个端点,且第一圆弧通过短轴的一个端点。同理可得第二圆弧。或者,将第一圆弧相对于长轴进行对称,即可得到第二圆弧(梭形的切割轮廓相对于其长轴和短轴对称)。
在一些实施例中,根据短半轴的长度、长半轴的长度,确定第一圆弧对应的半径;根据第一圆弧对应的半径以及长轴的两个端点,确定第一圆弧对应的圆心;根据第一圆弧对应的半径和圆心,确定出第一圆弧。
在一些实施例中,设短半轴的长度为a,长半轴的长度为b,第一圆弧对应的半径为r,则第一圆弧对应的半径r的计算可以参考如下公式一:
以图1实施例为例,短半轴的长度为a,长半轴的长度为βa,则代入上述公式后,可得第一圆弧对应的半径r的计算公式为如下公式二:
在一些实施例中,响应于针对切割轮廓的调整操作,对切割轮廓的中心、长半轴的长度、短半轴的长度、长轴方向中的至少之一进行调整。
在一些实施例中,相关技术人员可以通过调整操作对自动生成的切割轮廓的中心、长半轴的长度、短半轴的长度、长轴方向中的至少之一进行调整。例如,通过调整操作将长轴方向对准皮纹方向。
在一些实施例中,切割轮廓的中心、长半轴的长度、短半轴的长度、长轴方向中的部分参数进行调整时,其他参数保持不变,从而提升调整结果的精确性。例如,调整长轴方向时,切割轮廓的中心、长半轴的长度、短半轴的长度保持不变;又例如,调整切割轮廓的中心时,长半轴的长度、短半轴的长度、长轴方向保持不变。
综上所述,本申请实施例提供的技术方案中,根据目标物体的表面属性特征确定切割轮廓的长轴方向,从而使得梭形的切割轮廓尽可能与目标物体的表面情况适配,提升切割效率和切割效果。
另外,本申请实施例中,切割轮廓为梭形,适用于良性皮肤癌的病灶切除场景,梭形的切割轮廓有助于切割伤口的愈合效果,使得愈合后的伤口皮肤尽可能平滑。
在一些实施例中,请参考图5,其示出了本申请另一个实施例提供的切割轮廓的确定方法的流程图。该方法仅使用二维信息来确定切割轮廓:获取采用拍摄设备的RGB相机功能拍摄目标物体17得到的第一图像18;基于图像分割算法或图像识别算法,分割出第一图像18上的目标实体的边缘轮廓并在第一图像18上标注出目标实体的边缘轮廓;采用如上实施例提供的方法,确定切割轮廓19,并将该切割轮廓19投影到目标物体17的表面,以用于切除目标实体。
仅使用二维信息确定切割轮廓的方法,对于表面较为平坦的目标物体具有较好的效果。
针对表面不够平坦的目标物体(如表面为曲面的目标物体),可以参考如图6所示的技术方案。
请参考图6,其示出了本申请另一个实施例提供的切割轮廓的确定方法的流程图。在本实施例中,以该方法应用于上文介绍的计算机设备14中来举例说明。该方法可以包括如下几个步骤(610~670)。
步骤610,获取在拍摄第一图像时,采集的目标物体的三维数据。
在一些实施例中,拍摄第一图像的同时,通过拍摄设备的结构光相机功能采集目标物体的三维数据。
在一些实施例中,三维数据为目标物体的三维网格(即3D mesh)。三维网格可以描述目标物体表面上的各个采样点在三维空间中的位置,从而描述目标物体(包括目标物体中的目标实体)在三维空间中的位置和姿态(位置和姿态可简称为位姿)。
在一些实施例中,获取基于结构光相机生成的目标物体的表面的点云数据;根据点云数据,生成目标物体的三维网格。其中,结构光相机可以是红外双目结构光相机。
步骤620,根据三维数据,确定坐标转换关系。
其中,坐标转换关系是指目标物体的表面采样点的三维坐标,与表面采样点在目标物体的表面对应的展开平面中的二维坐标之间的转换关系。在一些实施例中,坐标转换关系也称为UV Fields。UV Fields定义了三维网格“展平”为二维平面(如上述的展开平面)之后的三维到二维的坐标转换关系。根据坐标转换关系,可以将点在三维网格中的三维坐标,变换为点在二维平面中的二维坐标;也可以将点在二维平面中的二维坐标,变换为点在三维网格中的三维坐标。
步骤630,根据坐标转换关系对第一图像进行变换处理,得到变换后的第一图像。
其中,目标实体的拟合轮廓和最小外接轮廓从变换后的第一图像中确定。
在一些实施例中,第一图像是二维的图像,第一图像中的各点之间的距离,与目标物体表面上各点之间的实际距离并不一定相同,因而需要对第一图像进行变换。在一些实施例中,变换后的第一图像即为展开平面。
在一些实施例中,该步骤630还包括如下步骤。
2.1、根据第一图像和目标物体的表面之间的投影关系,确定目标实体的边缘轮廓上的点的三维坐标。
2.2、基于坐标转换关系对目标实体的边缘轮廓上的点的三维坐标进行坐标变换,确定目标实体的边缘轮廓上的点在展开平面中的二维坐标。
2.3、根据目标实体的边缘轮廓上的点在展开平面中的二维坐标,确定变换后的第一图像。
在一些实施例中,第一图像是从目标物体的一个角度拍摄得到的,也即,第一图像可以看做是目标物体的表面沿着该角度投影到一个平面得到的图像,因而第一图像与目标物体的表面在该角度方向上具有投影关系。根据第一图像和目标物体的表面之间的投影关系,将第一图像上的点反投影到目标物体对应的三维网格上,例如,将目标实体的边缘轮廓上的点反投影到目标物体对应的三维网格上,即可得到目标实体的边缘轮廓在三维网格上的三维坐标,从而确定目标实体的边缘轮廓在三维网格上的形状、尺寸和位置。
在一些实施例中,如上文介绍,基于坐标转换关系,可以将目标实体的边缘轮廓上的点的三维坐标进行坐标变换,得到目标实体的边缘轮廓上的点在展开平面中的二维坐标,从而确定变换后的第一图像。
在该实施例中,通过第一图像和目标物体的表面之间的投影关系,以及坐标转换关系,对第一图像进行变换,从而将第一图像中目标实体的边缘轮廓转换到展开平面中,得到变换后的第一图像以及变换后的边缘轮廓,基于变换后的第一图像以及变换后的边缘轮廓确定的切割轮廓更加贴合目标物体的表面的形状,得到切割轮廓的精确度更高。
步骤640,从变换后的第一图像中确定目标实体的拟合轮廓和最小外接轮廓。
步骤650,根据拟合轮廓和最小外接轮廓,确定变换后的第一图像中的切割轮廓。
在一些实施例中,变换后的第一图像,相当于目标物体的表面进行平面展开后的图像,在变换后的图像中确定目标实体的拟合轮廓和最小外接轮廓;并根据拟合轮廓和最小外接轮廓,确定变换后的第一图像中的切割轮廓。
步骤640的部分内容可任意参考上述图3实施例的步骤320和上述图4实施例的步骤420,此处不再赘述。
步骤650的部分内容可任意参考上述图3实施例的步骤330和上述图4实施例的步骤430~450,此处不再赘述。
步骤660,基于坐标转换关系,对变换后的第一图像中的切割轮廓进行坐标反变换,确定切割轮廓上的点的三维坐标。
在一些实施例中,确定变换后的第一图像中的切割轮廓之后,相当于确定了切割轮廓上的各个点在展开平面中的二维坐标;基于坐标转换关系对变换后的第一图像中的切割轮廓进行坐标反变换,确定切割轮廓上的点在三维网格中的三维坐标,相当于将变换后的第一图像中的切割轮廓转换到了三维网格上。
步骤670,根据切割轮廓上的点的三维坐标,确定用于显示在目标物体的表面的切割轮廓。
在一些实施例中,根据切割轮廓上的点的三维坐标、目标物体在拍摄设备对应的坐标系下的位姿、投影设备的投影角度以及投影设备的高度,通过渲染的方式,确定投影数据,并根据投影数据控制投影设备进行投影,以在目标物体的表面上显示切割轮廓。
在一些实施例中,如图7所示,目标物体为手臂21,目标实体为病灶22。通过RGB-D相机获取第一图像23和手臂21的三维网格24;根据三维网格24,生成对应的UV Field;通过图像分割算法,在第一图像23中标注出病灶22的边缘轮廓;基于第一图像23中病灶22的边缘轮廓以及UV Field,自动确定出展开平面中的切割轮廓25;根据坐标变换关系,对展开平面中的切割轮廓25进行坐标反变换,使投影后的梭形的切割轮廓能恰好覆盖在病灶22周围,贴合手臂21的表面。
综上所述,本申请实施例提供的技术方案,通过获取物体的三维数据,在变换后的图像中确定切割轮廓,再将变换后的图像中的切割轮廓转换到物体对应的三维网格上,从而得到贴合物体的三维表面的切割轮廓,从而在物体表面不平坦的情况下,提升物体的三维表面上切割轮廓的精度。
请参考图8,其示出了本申请另一个实施例提供的切割轮廓的确定方法的流程图。在本实施例中,以该方法应用于上文介绍的计算机设备14中来举例说明。该方法仅使用二维信息确定切割轮廓,该方法可以包括如下几个步骤(810~850)。
步骤810,获取对目标物体进行拍摄得到的第一图像,目标物体的表面形成有目标实体。
步骤820,从第一图像中确定目标实体的拟合轮廓和最小外接轮廓。
步骤830,根据拟合轮廓和最小外接轮廓,确定目标实体的切割轮廓。
上述步骤810~830的内容可以参考上述图3、图4和图5实施例的内容,此处不再赘述。
步骤840,获取对目标物体进行拍摄得到的第二图像,第二图像是在第一图像之后拍摄的。
在一些实施例中,第二图像中包含目标实体以及目标实体的周围区域。第一图像和第二图像均为二维图像。
在一些实施例中,第一图像和第二图像的拍摄角度和拍摄位置相同。
步骤850,根据目标实体和目标物体中的至少之一,在第二图像和第一图像中的位置变化情况,以及基于第一图像确定的切割轮廓,确定第二图像对应的切割轮廓。
在一些实施例中,根据目标实体和/或目标物体在第二图像和第一图像中的位置变化情况,确定拍摄第二图像时的目标物体,相对于拍摄第一图像时的目标物体的位置变化情况,再结合基于第一图像确定的切割轮廓,可以得到第二图像对应的切割轮廓。
综上,本申请实施例提供的技术方案,通过基于二维图像的运动变化检测,识别出目标物体和目标实体的位置变化情况,并基于位置变化情况重新确定切割轮廓,从而使得切割轮廓的显示随着目标物体和/或目标实体的位置变化而变化,提升切割轮廓的显示灵活性。
如上文介绍,图8实施例仅使用了二维信息确定切割轮廓,该方案仅适用于目标物体的表面较为平坦(如目标物体的表面的平面)的情况。
针对表面不够平坦的目标物体(如表面为曲面的目标物体),对于切割轮廓的显示随着目标物体和/或目标实体的位置变化而变化,可以参考如图9所示的技术方案。
请参考图9,其示出了本申请另一个实施例提供的切割轮廓的确定方法的流程图。在本实施例中,以该方法应用于上文介绍的计算机设备14中来举例说明。该方法可以包括如下几个步骤(910~995)。
步骤910,获取目标物体在第一时刻的三维数据。
在一些实施例中,获取在拍摄第一图像时,采集的目标物体在第一时刻的三维数据,第一图像为第一时刻拍摄得到的图像。
步骤920,根据第一时刻的三维数据,确定坐标转换关系。
步骤930,根据坐标转换关系对第一图像进行变换处理,得到变换后的第一图像。
步骤940,从变换后的第一图像中确定目标实体的拟合轮廓和最小外接轮廓。
步骤950,根据拟合轮廓和最小外接轮廓,确定变换后的第一图像中的切割轮廓。
步骤960,基于坐标转换关系,对变换后的第一图像中的切割轮廓进行坐标反变换,确定切割轮廓上的点的三维坐标。
步骤970,根据切割轮廓上的点的三维坐标,确定用于显示在目标物体的表面的切割轮廓。
在一些实施例中,步骤970得到的三维轮廓为目标物体在第一时刻的切割轮廓。
上述步骤910~970的内容,可以参考上文实施例,此处不再赘述。
步骤980,获取目标物体在第二时刻的三维数据,第二时刻在第一时刻之后。
在一些实施例中,每隔一定间隔时间,就获取一次目标物体的三维数据。或者,每检测到目标物体的位姿发生变化,就获取一次目标物体的三维数据。
步骤990,根据第一时刻的三维数据和第二时刻的三维数据,确定目标物体在三维空间中从第一时刻到第二时刻的位姿变化情况。
在一些实施例中,通过点云配准方法,确定第二时刻的目标物体相对于第一时刻的目标物体的运动变化情况,从而确定目标物体在三维空间中从第一时刻到第二时刻的位姿变化情况。如图7所示,目标物体的运动变化情况可以用六自由度下,第二时刻的三维网格26相对于第一时刻的三维网格24的旋转矩阵和位移矩阵表示。
步骤995,根据位姿变化情况和目标物体在第一时刻的切割轮廓,确定目标物体在第二时刻的切割轮廓。
在一些实施例中,如图7所示,根据位姿变化情况和目标物体在第一时刻的切割轮廓25,采用渲染的方式,计算第二时刻的目标物体的位姿情况下,切割轮廓27的形状、大小以及位置。
综上所述,本申请实施例提供的技术方案中,通过比较第一时刻的三维数据和第二时刻的三维数据,确定了目标物体在三维空间中的位姿变化情况,并基于位姿变化情况确定第二时刻的切割轮廓的形状、大小以及位置,从而在目标物体的表面不够平坦的情况下,切割轮廓的显示仍然可以随着目标物体和/或目标实体的位置变化而变化,实现随动功能,提升了切割轮廓的显示灵活性。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参考图10,其示出了本申请一个实施例提供的切割轮廓的确定装置的框图。该装置具有实现上述切割轮廓的确定方法示例的功能,所述功能可以由硬件实现,也可以由硬件执行相应的软件实现。该装置可以是上文介绍的计算机设备,也可以设置在计算机设备上。该装置1000可以包括:图像获取模块1010和轮廓确定模块1020。
所述图像获取模块1010,用于获取对目标物体进行拍摄得到的第一图像,所述目标物体的表面形成有目标实体,所述第一图像中包含所述目标实体以及所述目标实体的周围区域。
所述轮廓确定模块1020,用于从所述第一图像中确定所述目标实体的拟合轮廓和最小外接轮廓;其中,所述拟合轮廓与所述目标实体的边缘轮廓适配,所述拟合轮廓位于所述最小外接轮廓之内。
所述轮廓确定模块1020,还用于根据所述拟合轮廓和所述最小外接轮廓,确定所述目标实体的切割轮廓。
在一些实施例中,所述切割轮廓为梭形,所述切割轮廓上距离所述切割轮廓的中心最远的点与所述中心之间的线段为长半轴,所述切割轮廓上距离所述切割轮廓的中心最近的点与所述中心之间的线段为短半轴;所述轮廓确定模块1020,用于:
以所述拟合轮廓的中心为所述切割轮廓的中心,根据所述最小外接轮廓的尺寸,确定所述长半轴的长度和所述短半轴的长度;
根据所述目标物体的表面属性特征,确定所述切割轮廓的长轴方向;
基于所述长半轴的长度、所述短半轴的长度和所述长轴方向,确定所述切割轮廓。
在一些实施例中,所述轮廓确定模块1020,用于:
基于所述长半轴的长度、所述短半轴的长度和所述长轴方向,确定所述切割轮廓的长轴的两个端点和所述切割轮廓的短轴的两个端点的位置;
根据所述长轴的两个端点和所述短轴的两个端点,确定第一圆弧和第二圆弧,所述第一圆弧和所述第二圆弧围合形成所述切割轮廓;
其中,所述第一圆弧过所述长轴的两个端点和所述短轴的一个端点,所述第二圆弧过所述长轴的两个端点和所述短轴的另一个端点,所述第一圆弧和所述第二圆弧分别对应的圆心角为锐角。
在一些实施例中,所述最小外接轮廓为圆形;所述轮廓确定模块1020,用于:
以所述拟合轮廓的中心为所述切割轮廓的中心,将所述最小外接轮廓的半径与第一数值相加,得到所述短半轴的长度;其中,所述第一数值为大于0的数值;
将所述短半轴的长度与第二数值相乘,得到所述长半轴的长度;其中,所述第二数值为大于1的数值。
在一些实施例中,所述轮廓确定模块1020,用于根据所述目标物体的表面纹路方向,确定所述切割轮廓的长轴方向。
在一些实施例中,所述装置1000,还包括:调整模块。
所述调整模块,用于响应于针对所述切割轮廓的调整操作,对所述切割轮廓的中心、所述长半轴的长度、所述短半轴的长度、所述长轴方向中的至少之一进行调整。
在一些实施例中,所述轮廓确定模块1020,用于:
基于最小二乘法,确定与所述目标实体的边缘轮廓上的多个点之间的距离的平均值最小的椭圆作为所述拟合轮廓;
将所述目标实体的边缘轮廓的最小外接圆,确定为所述最小外接轮廓。
在一些实施例中,所述装置1000,还包括:数据获取模块、关系确定模块和变换模块。
所述数据获取模块,用于获取在拍摄所述第一图像时,采集的所述目标物体的三维数据。
所述关系确定模块,用于根据所述三维数据,确定坐标转换关系;其中,所述坐标转换关系是指所述目标物体的表面采样点的三维坐标,与所述表面采样点在所述目标物体的表面对应的展开平面中的二维坐标之间的转换关系。
所述变换模块,用于根据所述坐标转换关系对所述第一图像进行变换处理,得到变换后的第一图像;其中,所述目标实体的拟合轮廓和最小外接轮廓从所述变换后的第一图像中确定。
在一些实施例中,所述图像变换模块,用于:
根据所述第一图像和所述目标物体的表面之间的投影关系,确定所述目标实体的边缘轮廓上的点的三维坐标;
基于所述坐标转换关系对所述目标实体的边缘轮廓上的点的三维坐标进行坐标变换,确定所述目标实体的边缘轮廓上的点在所述展开平面中的二维坐标;
根据所述目标实体的边缘轮廓上的点在所述展开平面中的二维坐标,确定所述变换后的第一图像。
在一些实施例中,所述变换模块,还用于基于所述坐标转换关系,对所述变换后的第一图像中的所述切割轮廓进行坐标反变换,确定所述切割轮廓上的点的三维坐标。
所述轮廓确定模块1020,还用于根据所述切割轮廓上的点的三维坐标,确定用于显示在所述目标物体的表面的切割轮廓。
在一些实施例中,所述三维数据为所述目标物体的三维网格;所述数据获取模块,用于:
获取基于结构光相机生成的所述目标物体的表面的点云数据;
根据所述点云数据,生成所述目标物体的三维网格。
在一些实施例中,所述图像获取模块1010,还用于获取对所述目标物体进行拍摄得到的第二图像,所述第二图像是在所述第一图像之后拍摄的,所述第二图像中包含所述目标实体以及所述目标实体的周围区域。
所述轮廓确定模块1020,还用于根据所述目标实体和所述目标物体中的至少之一,在所述第二图像和所述第一图像中的位置变化情况,以及基于所述第一图像确定的所述切割轮廓,确定所述第二图像对应的切割轮廓。
在一些实施例中,所述第一图像为第一时刻拍摄得到的图像;所述装置1000,还包括:位姿确定模块。
所述数据获取模块,还用于获取所述目标物体在所述第一时刻的三维数据。
所述数据获取模块,还用于获取所述目标物体在第二时刻的三维数据,所述第二时刻在所述第一时刻之后。
位姿确定模块,用于根据所述第一时刻的三维数据和所述第二时刻的三维数据,确定所述目标物体在三维空间中从所述第一时刻到所述第二时刻的位姿变化情况。
所述轮廓确定模块1020,还用于根据所述位姿变化情况和所述目标物体在所述第一时刻的切割轮廓,确定所述目标物体在所述第二时刻的切割轮廓。
在一些实施例中,所述切割轮廓投影显示在所述目标物体的表面;或者,所述切割轮廓通过激光照射在所述目标物体的表面。
综上所述,本申请实施例提供的技术方案,通过拍摄目标物体以及目标物体中包含的目标实体的图像,并确定出目标实体的拟合轮廓和最小外接轮廓,并基于此确定出目标实体的切割轮廓,相比于仅依靠相关技术人员的经验设计切割轮廓,本申请实施例提供的技术方案减少了切割轮廓的误差,提升了切割轮廓的精确性。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参考图11,其示出了本申请一个实施例提供的计算机设备的结构框图。该计算机设备用于实施上述实施例中提供的切割轮廓的确定方法。
所述计算机设备1100包括CPU(Central Processing Unit,中央处理单元)1101、包括RAM(Random Access Memory,随机存取存储器)1102和ROM(Read-Only Memory,只读存储器)1103的系统存储器1104,以及连接系统存储器1104和中央处理单元1101的系统总线1105。所述计算机设备1100还包括帮助计算机内的各个器件之间传输信息的基本I/O(Input/Output,输入/输出)系统1106,和用于存储操作系统1113、应用程序1114和其他程序模块1115的大容量存储设备1107。
所述基本输入/输出系统1106包括有用于显示信息的显示器1108和用于用户输入信息的诸如鼠标、键盘之类的输入设备1109。其中所述显示器1108和输入设备1109都通过连接到系统总线1105的输入输出控制器1110连接到中央处理单元1101。所述基本输入/输出系统1106还可以包括输入输出控制器1110以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器1110还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备1107通过连接到系统总线1105的大容量存储控制器(未示出)连接到中央处理单元1101。所述大容量存储设备1107及其相关联的计算机可读介质为计算机设备1100提供非易失性存储。也就是说,所述大容量存储设备1107可以包括诸如硬盘或者CD-ROM(Compact Disc Read-Only Memory,只读光盘)驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read Only Memory,可擦除可编程只读存储器)、闪存或其他固态存储器,CD-ROM、DVD(Digital Video Disc,高密度数字视频光盘)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器1104和大容量存储设备1107可以统称为存储器。
根据本申请的各种实施例,所述计算机设备1100还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备1100可以通过连接在所述系统总线1105上的网络接口单元1111连接到网络1112,或者说,也可以使用网络接口单元1111来连接到其他类型的网络或远程计算机系统(未示出)。
在示例性实施例中,还提供了一种计算机可读存储介质,所述存储介质中存储有计算机程序,所述计算机程序在被处理器执行时以实现上述切割轮廓的确定方法。
可选地,该计算机可读存储介质可以包括:ROM(Read-Only Memory,只读存储器)、RAM(Random-Access Memory,随机存储器)、SSD(Solid State Drives,固态硬盘)或光盘等。其中,随机存取记忆体可以包括ReRAM(Resistance Random Access Memory,电阻式随机存取记忆体)和DRAM(Dynamic Random Access Memory,动态随机存取存储器)。
在示例性实施例中,还提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机程序,处理器执行该计算机程序,使得该计算机设备执行上述切割轮廓的确定方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (15)
1.一种切割轮廓的确定方法,其特征在于,所述方法包括:
获取对目标物体进行拍摄得到的第一图像,所述目标物体的表面形成有目标实体,所述第一图像中包含所述目标实体以及所述目标实体的周围区域;
从所述第一图像中确定所述目标实体的拟合轮廓和最小外接轮廓;其中,所述拟合轮廓与所述目标实体的边缘轮廓适配,所述拟合轮廓位于所述最小外接轮廓之内;
以所述拟合轮廓的中心为所述切割轮廓的中心,根据所述最小外接轮廓的尺寸,确定所述目标实体的切割轮廓的长半轴的长度和所述切割轮廓的短半轴的长度;其中,所述切割轮廓为梭形,所述切割轮廓上距离所述切割轮廓的中心最远的点与所述切割轮廓的中心之间的线段为所述长半轴,所述切割轮廓上距离所述切割轮廓的中心最近的点与所述切割轮廓的中心之间的线段为所述短半轴;
根据所述目标物体的表面纹路方向,确定所述切割轮廓的长轴方向;
基于所述长半轴的长度、所述短半轴的长度和所述长轴方向,确定所述切割轮廓。
2.根据权利要求1所述的方法,其特征在于,所述基于所述长半轴的长度、所述短半轴的长度和所述长轴方向,确定所述切割轮廓,包括:
基于所述长半轴的长度、所述短半轴的长度和所述长轴方向,确定所述切割轮廓的长轴的两个端点和所述切割轮廓的短轴的两个端点的位置;
根据所述长轴的两个端点和所述短轴的两个端点,确定第一圆弧和第二圆弧,所述第一圆弧和所述第二圆弧围合形成所述切割轮廓;
其中,所述第一圆弧过所述长轴的两个端点和所述短轴的一个端点,所述第二圆弧过所述长轴的两个端点和所述短轴的另一个端点,所述第一圆弧和所述第二圆弧分别对应的圆心角为锐角。
3.根据权利要求1所述的方法,其特征在于,所述最小外接轮廓为圆形;
所述以所述拟合轮廓的中心为所述切割轮廓的中心,根据所述最小外接轮廓的尺寸,确定所述长半轴的长度和所述短半轴的长度,包括:
以所述拟合轮廓的中心为所述切割轮廓的中心,将所述最小外接轮廓的半径与第一数值相加,得到所述短半轴的长度;其中,所述第一数值为大于0的数值;
将所述短半轴的长度与第二数值相乘,得到所述长半轴的长度;其中,所述第二数值为大于1的数值。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于针对所述切割轮廓的调整操作,对所述切割轮廓的中心、所述长半轴的长度、所述短半轴的长度、所述长轴方向中的至少之一进行调整。
5.根据权利要求1所述的方法,其特征在于,所述从所述第一图像中确定所述目标实体的拟合轮廓和最小外接轮廓,包括:
基于最小二乘法,确定与所述目标实体的边缘轮廓上的多个点之间的距离的平均值最小的椭圆作为所述拟合轮廓;
将所述目标实体的边缘轮廓的最小外接圆,确定为所述最小外接轮廓。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取在拍摄所述第一图像时,采集的所述目标物体的三维数据;
根据所述三维数据,确定坐标转换关系;其中,所述坐标转换关系是指所述目标物体的表面采样点的三维坐标,与所述表面采样点在所述目标物体的表面对应的展开平面中的二维坐标之间的转换关系;
根据所述坐标转换关系对所述第一图像进行变换处理,得到变换后的第一图像;
其中,所述目标实体的拟合轮廓和最小外接轮廓从所述变换后的第一图像中确定。
7.根据权利要求6所述的方法,其特征在于,所述根据所述坐标转换关系对所述第一图像进行变换处理,得到变换后的第一图像,包括:
根据所述第一图像和所述目标物体的表面之间的投影关系,确定所述目标实体的边缘轮廓上的点的三维坐标;
基于所述坐标转换关系对所述目标实体的边缘轮廓上的点的三维坐标进行坐标变换,确定所述目标实体的边缘轮廓上的点在所述展开平面中的二维坐标;
根据所述目标实体的边缘轮廓上的点在所述展开平面中的二维坐标,确定所述变换后的第一图像。
8.根据权利要求6所述的方法,其特征在于,所述基于所述长半轴的长度、所述短半轴的长度和所述长轴方向,确定所述切割轮廓之后,还包括:
基于所述坐标转换关系,对所述变换后的第一图像中的所述切割轮廓进行坐标反变换,确定所述切割轮廓上的点的三维坐标;
根据所述切割轮廓上的点的三维坐标,确定用于显示在所述目标物体的表面的切割轮廓。
9.根据权利要求6所述的方法,其特征在于,所述三维数据为所述目标物体的三维网格;
所述获取在拍摄所述第一图像时,采集的所述目标物体的三维数据,包括:
获取基于结构光相机生成的所述目标物体的表面的点云数据;
根据所述点云数据,生成所述目标物体的三维网格。
10.根据权利要求1所述的方法,其特征在于,所述基于所述长半轴的长度、所述短半轴的长度和所述长轴方向,确定所述切割轮廓之后,还包括:
获取对所述目标物体进行拍摄得到的第二图像,所述第二图像是在所述第一图像之后拍摄的,所述第二图像中包含所述目标实体以及所述目标实体的周围区域;
根据所述目标实体和所述目标物体中的至少之一,在所述第二图像和所述第一图像中的位置变化情况,以及基于所述第一图像确定的所述切割轮廓,确定所述第二图像对应的切割轮廓。
11.根据权利要求1所述的方法,其特征在于,所述第一图像为第一时刻拍摄得到的图像;所述方法还包括:
获取所述目标物体在所述第一时刻的三维数据;
获取所述目标物体在第二时刻的三维数据,所述第二时刻在所述第一时刻之后;
根据所述第一时刻的三维数据和所述第二时刻的三维数据,确定所述目标物体在三维空间中从所述第一时刻到所述第二时刻的位姿变化情况;
根据所述位姿变化情况和所述目标物体在所述第一时刻的切割轮廓,确定所述目标物体在所述第二时刻的切割轮廓。
12.根据权利要求1至11任一项所述的方法,其特征在于,
所述切割轮廓投影显示在所述目标物体的表面;
或者,
所述切割轮廓通过激光照射在所述目标物体的表面。
13.一种切割轮廓的确定装置,其特征在于,所述装置包括:
图像获取模块,用于获取对目标物体进行拍摄得到的第一图像,所述目标物体的表面形成有目标实体,所述第一图像中包含所述目标实体以及所述目标实体的周围区域;
轮廓确定模块,用于从所述第一图像中确定所述目标实体的拟合轮廓和最小外接轮廓;其中,所述拟合轮廓与所述目标实体的边缘轮廓适配,所述拟合轮廓位于所述最小外接轮廓之内;
所述轮廓确定模块,还用于以所述拟合轮廓的中心为所述切割轮廓的中心,根据所述最小外接轮廓的尺寸,确定所述目标实体的切割轮廓的长半轴的长度和所述切割轮廓的短半轴的长度;其中,所述切割轮廓为梭形,所述切割轮廓上距离所述切割轮廓的中心最远的点与所述中心之间的线段为所述长半轴,所述切割轮廓上距离所述中心最近的点与所述中心之间的线段为所述短半轴;根据所述目标物体的表面纹路方向,确定所述切割轮廓的长轴方向;基于所述长半轴的长度、所述短半轴的长度和所述长轴方向,确定所述切割轮廓。
14.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现如上述权利要求1至12任一项所述的切割轮廓的确定方法。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现如上述权利要求1至12任一项所述的切割轮廓的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210986666.3A CN115063607B (zh) | 2022-08-17 | 2022-08-17 | 切割轮廓的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210986666.3A CN115063607B (zh) | 2022-08-17 | 2022-08-17 | 切割轮廓的确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115063607A CN115063607A (zh) | 2022-09-16 |
CN115063607B true CN115063607B (zh) | 2022-12-30 |
Family
ID=83207493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210986666.3A Active CN115063607B (zh) | 2022-08-17 | 2022-08-17 | 切割轮廓的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115063607B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913124B (zh) * | 2022-04-13 | 2023-04-07 | 中南大学湘雅医院 | 一种用于肿瘤手术的切缘路径生成方法、系统及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132827A (zh) * | 2020-10-13 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 病理图像的处理方法、装置、电子设备及可读存储介质 |
CN113034426A (zh) * | 2019-12-25 | 2021-06-25 | 飞依诺科技(苏州)有限公司 | 超声图像病灶描述方法、装置、计算机设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107368806B (zh) * | 2017-07-18 | 2020-01-10 | Oppo广东移动通信有限公司 | 图像矫正方法、装置、计算机可读存储介质和计算机设备 |
CN111354006B (zh) * | 2018-12-21 | 2024-07-26 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像中目标组织的描迹方法及装置 |
US11842299B2 (en) * | 2020-01-14 | 2023-12-12 | Dell Products L.P. | System and method using deep learning machine vision to conduct product positioning analyses |
CN113456228B (zh) * | 2021-08-05 | 2023-04-07 | 广东工业大学 | 辅助手术的组织辨识方法及系统 |
CN113894438B (zh) * | 2021-09-30 | 2023-06-30 | 上海柏楚电子科技股份有限公司 | 用于检测激光光束质量的方法和系统 |
-
2022
- 2022-08-17 CN CN202210986666.3A patent/CN115063607B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034426A (zh) * | 2019-12-25 | 2021-06-25 | 飞依诺科技(苏州)有限公司 | 超声图像病灶描述方法、装置、计算机设备和存储介质 |
CN112132827A (zh) * | 2020-10-13 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 病理图像的处理方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115063607A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807451B (zh) | 人脸关键点检测方法、装置、设备及存储介质 | |
US10607420B2 (en) | Methods of using an imaging apparatus in augmented reality, in medical imaging and nonmedical imaging | |
EP3789965B1 (en) | Method for controlling a display, computer program and mixed reality display device | |
Shan et al. | Augmented reality based brain tumor 3D visualization | |
JP7449400B2 (ja) | 空間位置決め方法、関連装置およびナビゲーションスティック | |
KR102233585B1 (ko) | 복수의 후보 대응점을 이용하는 영상 정합 장치 및 방법 | |
EP4389058A2 (en) | Methods and systems for transducer array placement and skin surface condition avoidance | |
US20230316639A1 (en) | Systems and methods for enhancing medical images | |
CN115063607B (zh) | 切割轮廓的确定方法、装置、设备及存储介质 | |
CN110751681A (zh) | 一种增强现实的配准方法、装置、设备及存储介质 | |
JP6785362B2 (ja) | 3次元データ整合装置及び方法 | |
Niri et al. | Multi-view data augmentation to improve wound segmentation on 3D surface model by deep learning | |
US20240285356A1 (en) | Methods, systems, device, and storage mediums for obstacle avoidance of surgical robots | |
CN111658142A (zh) | 一种基于mr的病灶全息导航方法及系统 | |
CN114463557B (zh) | 轮廓标记方法、装置、设备、存储介质及系统 | |
CN112365959B (zh) | 修改三维图像的标注的方法及装置 | |
Decker et al. | Performance evaluation and clinical applications of 3D plenoptic cameras | |
CN115063290B (zh) | 图像处理方法、装置、设备、系统及存储介质 | |
CN117252937A (zh) | 图像生成方法、装置、设备、介质和程序产品 | |
CN115222826B (zh) | 结构光和相机相对位姿可改变的三维重建方法和装置 | |
KR102561109B1 (ko) | 3차원 영상 정합 장치 및 이를 이용한 3차원 영상 정합 방법 | |
Alkhalifah | Optimizing graphics for understanding real-scene using 3D image registration and tracking and mapping | |
EP3800617A1 (en) | A computer-implemented method for registering low dimensional images with a high dimensional image, a method for training an artificial neural network useful in finding landmarks in low dimensional images, a computer program and a system for registering low dimensional images with a high dimensional image | |
CN115399876A (zh) | 机械臂主动跟随方法、装置、设备和介质 | |
CN117252799A (zh) | 图像配准方法、装置、设备、介质及程序产品 |
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 |