CN115100258A - 一种髋关节图像配准方法、装置、设备以及存储介质 - Google Patents
一种髋关节图像配准方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN115100258A CN115100258A CN202211036689.4A CN202211036689A CN115100258A CN 115100258 A CN115100258 A CN 115100258A CN 202211036689 A CN202211036689 A CN 202211036689A CN 115100258 A CN115100258 A CN 115100258A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- determining
- hip joint
- 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
-
- 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
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration 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
-
- 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
-
- 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
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种髋关节图像配准方法、装置、设备以及存储介质,涉及图像处理技术领域,方案为:提取预先采集的髋关节透视图像中的第一点云数据;基于第一点云数据,获得曲率大于预设曲率阈值的第二点云数据;对第二点云数据进行球面拟合,根据拟合球面从第二点云数据中确定位于髋关节中目标手术部位的第三点云数据;获得在手术过程中采集的髋关节的第四点云数据;在第三点云数据中,确定预设数量个、与第四点云数据表示目标手术部位中同一实际位置的第五点云数据;确定第一点云数据和第四点云数据之间的位置转换关系,并采用位置转换关系对髋关节透视图像进行图像配准。本方案实现了基于不同数量的点云数据进行图像配准。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种髋关节图像配准方法、装置、设备以及存储介质。
背景技术
在髋关节置换中处理假体时,医生可以预先借助图像采集设备采集到的髋关节透视图像对植入假体的部位进行定位,从而完成手术。在手术过程需要采集髋关节的点云数据,但在手术过程中髋关节的位置和形态与采集髋关节透视图像时髋关节的位置和形态往往不同,为了保证手术过程中定位的精度,需要对髋关节透视图像进行图像配准。
在进行图像配准的过程,通常会将从髋关节透视图像中提取表示髋关节的各个位置的点云数据,形成第一点云数据,然后在手术过程中获取髋关节的第二点云数据,再根据第一点云数据和第二点云数据中表示同一位置的点云数据之间的关系,得到用于图像配准的转换关系。此种方式要求第一点云数据和第二点云数据中包含相同数量的点云数据,以建立点云数据之间的一一对应关系,若第一点云数据和第二点云数据中包含的点云数据数量不同,则无法建立上述对应关系,相应地无法得到符合所有点云数据的转换关系,因此不能按照上述过程实现图像配准。
发明内容
本发明实施例的目的在于提供一种髋关节图像配准方法、装置、设备以及存储介质,以实现基于不同数量的点云数据进行图像配准,具体技术方案如下:
本发明实施例提供了一种髋关节图像配准方法,所述方法包括:
提取预先采集的髋关节透视图像中的第一点云数据;
基于所述第一点云数据,获得曲率大于预设曲率阈值的第二点云数据;
对所述第二点云数据进行球面拟合,根据拟合球面从所述第二点云数据中确定位于髋关节中目标手术部位的第三点云数据;
获得在手术过程中采集的髋关节的第四点云数据;
在所述第三点云数据中,确定预设数量个、与第四点云数据表示目标手术部位中同一实际位置的第五点云数据;
根据所确定的第五点云数据与对应的第四点云数据之间的相对位置,确定所述第一点云数据和所述第四点云数据之间的位置转换关系,并采用所述位置转换关系对所述髋关节透视图像进行图像配准。
本发明实施例还提供了一种髋关节图像配准装置,所述装置包括:
第一点云数据提取模块,用于提取预先采集的髋关节透视图像中的第一点云数据;
第二点云数据获得模块,用于基于所述第一点云数据,获得曲率大于预设曲率阈值的第二点云数据;
第三点云数据确定模块,用于对所述第二点云数据进行球面拟合,根据拟合球面从所述第二点云数据中确定位于髋关节中目标手术部位的第三点云数据;
第四点云数据获得模块,用于获得在手术过程中采集的髋关节的第四点云数据;
第五点云数据确定模块,用于在所述第三点云数据中,确定预设数量个、与第四点云数据表示目标手术部位中同一实际位置的第五点云数据;
图像配准模块,用于根据所确定的第五点云数据与对应的第四点云数据之间的相对位置,确定所述第一点云数据和所述第四点云数据之间的位置转换关系,并采用所述位置转换关系对所述髋关节透视图像进行图像配准。
本发明实施例还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述髋关节图像配准方法步骤。
本发明实施例还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内存储有计算机程序,所述计算机程序被处理器执行时实现上述髋关节图像配准方法步骤。
本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述髋关节图像配准方法。
本发明实施例有益效果:
本发明实施例提供的方案中,基于曲率筛选目标点云数据,得到位于髋关节中目标手术部位的第三点云数据,所得第三点云数据符合髋关节的结构特征,较为准确地确定目标手术部位的位置,在此情况下,不需要确定所有第一点云数据、第四点云数据的对应关系,仅需获得第一点云数据内预设数量个、与第四点云数据对应的第五点云数据,即可以确定位置转换关系。也就是即使在第一点云数据和第四点云数据数量不一致的情况下,通过表示同一实际位置的第四点云数据和第五点云数据的相对位置,也可以得到位置转换关系;基于位置转换关系就能够实现图像配准。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的实施例。
图1A为本发明实施例提供的第一种髋关节图像配准方法的流程示意图。
图1B为本发明实施例提供的第二种髋关节图像配准方法的流程示意图。
图1C为本发明实施例提供的第三种髋关节图像配准方法的流程示意图。
图1D为本发明实施例提供的第四种髋关节图像配准方法的流程示意图。
图2为本发明实施例提供的一种髋关节点云数据的采样示意图。
图3为本发明实施例提供的第五种髋关节图像配准方法的流程示意图。
图4为本发明实施例提供的一种髋关节图像配准装置的结构示意图。
图5为本发明实施例提供的一种电子设备的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员基于本申请所获得的所有其他实施例,都属于本发明保护的范围。
为了基于点云数据数量不同的两组点云数据实现图像配准,本发明提供了一种髋关节图像配准方法、装置、设备以及存储介质。
本发明的一个实施例中,参见图1A,提供了第一种髋关节图像配准方法的流程示意图,该方法包括以下步骤S101-S106。
步骤S101:提取预先采集的髋关节透视图像中的第一点云数据。
其中,髋关节透视图像可以是图像采集设备对髋关节拍摄得到的图像。不同类型的图像采集设备采集的透视图像类型不同,例如,图像采集设备可以是X光机,此种情况下采集到的透视图像为X光图像;图像采集设备也可以是CT(Computed Tomography,计算机断层成像)设备,采集到的透视图像为CT图像;图像采集设备也可以是核磁共振仪,采集到的透视图像为MR(Magnetic Resonance,磁共振)图像。
髋关节图像可以由图像采集设备预先采集,例如在手术开始之前拍摄得到。
本发明的一个实施例中,根据所拍摄的一系列髋关节透视图像,可以确定髋关节骨骼表面上多个位置在透视图像的图像坐标系下的坐标点,所得数据点即为第一点云数据。
步骤S102:基于第一点云数据,获得曲率大于预设曲率阈值的第二点云数据。
在进行髋关节手术的过程中,需要确定髋关节所在的位置。由于髋关节中,髋臼窝的形状近似为球形,球形具有的曲率与其他非球形的部位具有的曲率之间差异较大,基于曲率能够较为准确地定位出髋臼窝,相应地确定髋关节的位置。
每一第二点云数据的曲率可以按以下方式获得:
根据该第二点云数据的邻域内存在的各第二点云数据与该第二点云数据计算所得的法曲率,确定该第二点云数据的曲率。
在计算时,可以预先设置邻域半径,以该第二点云数据为圆心、邻域半径形成的球体区域即为邻域。
对于任意第二点云数据p,具体的法曲率计算方式可以参考如下公式1:
假设邻域内存在m个与p邻近的点云数据,i表示1,2,……m中任一整数,表示与p邻近的第二点云数据中第i个第二点云数据;表示法曲率,表示p与的法曲率,β表示p的法向量与的法向量的夹角,表示点p的法向量与向量的夹角,向量为点p到点的向量。
根据欧拉公式,即下述公式2,法曲率与主曲率有以下关系:
此公式与公式1为同一实施例。其中,表示含义与公式1一致,和是主曲率;为点p过的法截线的切线与主方向的夹角。将公式1中计算的各法曲率带入此公式,可以解出与,计算高斯曲率×,即为所确定的第二点云数据p的曲率。
按照此种方式,对每一第二点云数据,都使用该第二点云数据的邻域内的多个第二点云数据计算曲率,计算时参考的第二点云数据的位置信息较为充分,提高了所得曲率的准确度。
在此情况下,根据球形曲率的特点,可以选择髋关节上具有较大曲率的点云数据,作为第二点云数据。这样使得第二点云数据集中于髋臼窝附近。
本发明的一个实施例中,可以按照预设的区域大小对第一点云数据进行区域采样,得到各区域内第一点云数据的表征数据点;确定曲率大于预设曲率阈值的表征数据点所在的区域;将所在区域中的表征数据点确定为第二点云数据。
采样时,可以针对每一区域,计算得到表示该区域内各第一点云数据的重心的点云数据,作为表征数据点;
上述曲率阈值可以预先设置,例如,将各第一点云数据按照曲率大小排序,选取排序后预设排序顺位的第一点云数据,如,按照从大到小的顺序选择第32个第一点云数据,将所选取的第一点云数据的曲率作为曲率阈值。
由上可见,由于在区域采样过程中,同一区域内的所有第一点云数据被同一个表征数据点表示,进行区域采样后,根据表征数据点得到的第二点云数据数量少于区域采样前的第一点云数据,这样,根据第二点云数据计算曲率能够减小计算量,节省计算资源。
本发明的另一个实施例中,也可以直接选择曲率大于预设曲率阈值的第一点云数据,作为第二点云数据。
步骤S103:对第二点云数据进行球面拟合,根据拟合球面从第二点云数据中确定位于髋关节中目标手术部位的第三点云数据。
以下说明对第二点云数据进行球面拟合的方式。
本发明的一个实施例中,可以采用RANSAC(Random Sample Consensus,随机抽样一致)方法对第二点云数据进行球面拟合,具体实施步骤参见后续实施例中步骤S1031-S1033,此处暂不详述。
得到拟合球面的情况下,可以计算各第二点云数据与拟合球面的球心的距离。对于每一第二点云数据,若该第二点云数据与球心的距离小于等于拟合球面的半径,则可以确定该第二点云数据为第三点云数据。
在此情况下,第三点云数据均位于拟合球面的球面上或者位于球面内。
由于第二点云数据是位于髋臼窝的点云数据,基于第二点云数据进行球面拟合得到的拟合球面的位置相当于髋臼窝的位置,位于拟合球面上或球面内的第三点云数据均位于髋臼窝所在位置,也可以称为是局内点。由于髋关节手术中目标手术部位也位于髋臼窝所在位置,因此,第三点云数据能够较为准确地表示目标手术部位的位置。
步骤S104:获得在手术过程中采集的髋关节的第四点云数据。
在手术过程中,可以获取髋关节目标手术部位在对应现实三维空间的坐标系下的坐标点,作为第四点云数据。具体的,在手术过程中可以采用双目相机、3D深度传感器等对髋关节进行定位,得到上述坐标点。图2展示了获取的髋关节的第四点云数据的图像,图中每一标记点即为一个第四点云数据。
步骤S105:在第三点云数据中,确定预设数量个、与第四点云数据表示目标手术部位中同一实际位置的第五点云数据。
上述预设数量可以是任意整数,为了保证后续计算过程中使用的点云数据数量充足,预设数量可以取3或者3以上的整数。
本发明的一个实施例中,可以取预设数量个第四点云数据,通过所取的第四点云数据与第三点云数据形成的点云的相对关系,确定第五点云数据。具体的确定方式可以参见后续实施例中步骤S1051-S1053,此处暂不详述。
步骤S106:根据所确定的第五点云数据与对应的第四点云数据之间的相对位置,确定第一点云数据和第四点云数据之间的位置转换关系,并采用位置转换关系对髋关节透视图像进行图像配准。
本发明的一个实施例中,根据上述相对位置,可以确定第五点云数据移动至其对应的第四点云数据所需要的平移和旋转的变化程度,根据变化程度,确定位置转换关系。具体的,确定位置转换关系的实现方式可以参见后续实施例中步骤S1061-S1063,此处暂不详述。
配准时,使用所得位置转换关系,可以将髋关节透视图像中各个第一点云数据转换为与第四点云数据所在坐标系下的转换后点云数据,使得转换后点云数据形成的点云与第四点云数据形成的点云对齐,相当于髋关节透视图像中髋关节位置与第四点云数据所表示的髋关节位置对应,实现了图像配准。
由上可见,本发明实施例提供的方案中,基于曲率筛选目标点云数据,得到位于髋关节中目标手术部位的第三点云数据,所得第三点云数据符合髋关节的结构特征,较为准确地确定目标手术部位的位置,在此情况下,不需要确定所有第一点云数据、第四点云数据的对应关系,仅需获得第一点云数据内预设数量个、与第四点云数据对应的第五点云数据,即可以确定位置转换关系。也就是即使在第一点云数据和第四点云数据数量不一致的情况下,通过表示同一实际位置的第四点云数据和第五点云数据的相对位置,也可以得到位置转换关系;基于位置转换关系就能够实现图像配准。
下面说明前述步骤S103中,确定第三点云数据的实现方式。
本发明的一个实施例中,参见图1B所示的第二种髋关节图像配准方法的流程示意图,可以根据以下步骤S1031-S1033确定第三点云数据:
步骤S1031:选取四个非共面的第二点云数据进行球面拟合,得到拟合球面。
步骤S1032:确定拟合球面中包含的第二点云数据的数量。
步骤S1033:判断迭代终止条件是否满足。若不满足迭代终止条件,则返回执行步骤S1031选取四个非共面的第二点云数据进行球面拟合,得到拟合球面的步骤;若满足迭代终止条件,则将包含的第二点云数据最多的拟合球面中的第二点云数据确定为位于髋关节中目标手术部位的第三点云数据。
在上述过程可以迭代多次,每次可以随机从第二点云数据中选取四个点云数据进行球面拟合,即确定一个球体使得所选取的点云数据均位于所确定的球面上。
在此情况下,每一次可以记录包含最多第二点云数据的拟合球面,将该拟合球面包含的第二点云数据的数量与已记录的、之前迭代形成的各拟合球面中包含的第二点云数据的最大数量对比,若该拟合球面包含的第二点云数据的数量大于最大数量,则用该拟合球面包含的第二点云数据的数量更新最大数量。在达到迭代终止条件时,将包含最大数量个第二点云数据的拟合球面作为最终确定的拟合球面。
迭代终止条件可以是迭代次数达到预设的次数阈值,也可以是确定的拟合球面中包含的第二点云数据的数量达到了预设的数量阈值。
由上可见,按照此种方法确定的拟合球面是所有迭代轮次中所得拟合球面中包含第二点云数据最多的,其包含的第二点云数据相对较多,在后续根据拟合球面中的第二点云数据计算位置转换关系的过程中,能够获得足够点云数据的位置数据,提高了计算准确性。
下面说明前述步骤S105中,确定第五点云数据的方法。
本发明的一个实施例中,参见图1C所示第三种髋关节图像配准方法的流程示意图,在第三点云数据中,确定预设数量个、与第四点云数据表示目标手术部位中同一实际位置的第五点云数据,包括以下步骤S1051-S1053。
步骤S1051:选取预设数量个第四点云数据。
具体的,可以在所有第四点云数据中随机选取预设数量个第四点云数据。预设数量可以人为指定,例如指定为3、4或者10个等。
步骤S1052:针对所选取的每一第四点云数据,计算该第四点云数据的法线与第三点云数据形成的点云表面的交点。
步骤S1053:选取位于交点与点云表面的切平面上的第三点云数据,作为与该第四点云数据表示目标手术部位中同一实际位置的第五点云数据。
点云表面为第三点云数据所在曲面。得到切平面后,可以在预设半径内选取切平面上任一第三点云数据,或者与交点最近的第三点云数据,作为与该第四点云数据表示目标手术部位中同一实际位置的第五点云数据。
由上可见,在此情况下,若事先第四点云数据和第一点云数据中点云数据的数量不同,不存在直接的对应关系,第三点云数据仍然可以用于确定点云表面,并据此得到第四点云数据在点云表面交点附近的对应的点云数据,仍然可以得到目标手术部位中同一实际位置在第四点云数据和第一点云数据中的对应关系。
以下说明上述步骤S106中确定位置转换关系的具体实现方式。
本发明的一个实施例中,参见图1D所示的第四种髋关节图像配准方法的流程示意图,根据所确定的第五点云数据与对应的第四点云数据之间的相对位置,确定第一点云数据和第四点云数据之间的位置转换关系,包括以下步骤S1061-S1063。
步骤S1061:根据各第三点云数据的质心和各第四点云数据的质心的位置关系,确定平移矩阵。
步骤S1062:根据所确定的第五点云数据与表示目标手术部位中同一实际位置的第四点云数据的相对位置,确定旋转矩阵。
步骤S1063:根据所得平移矩阵、旋转矩阵确定第一点云数据和第四点云数据之间的位置转换关系。
所得位置转换关系可以用于对第四点云数据进行转换,将其转换为表示髋关节图像中目标手术部位的位置的第五点云数据所在坐标系下的点云数据,以实现髋关节图像配准,具体的,由下述公式3确定第四点云数据转换后的点云数据:
其中,位置转换关系可以按照以下方式确定:
在本发明的一个实施例中,可以选取三个第四点云数据,并确定与所选取的第四点云数据表示目标手术部位中同一实际位置的第五点云数据,即与所选取的第四点云数据对应的第五点云数据,按下述公式4计算旋转矩阵:
其中,t、R与公式3一致,n表示所选取的第四点云数据的总数量,表示所选取的任一第四点云数据的坐标,表示与所表示的第四点云数据对应的第五点云数据的坐标。公式3-公式10中,所有相同字母表示的参数含义均相同。
根据公式五和公式一,可以得到公式6所示结果:
根据矩阵迹的性质,可得公式7:
其中
由公式7可得:
根据矩阵迹的对称性可得下述公式8:
根据SVD分解的性质,可得公式9:
在此情况下,按照公式10,可以得到表示旋转程度的旋转矩阵R:
下面说明平移矩阵的确定方式。
计算第五点云数据形成的点云的质心、第四点云数据形成的点云的质心
计算所得质心的平移距离,得到平移矩阵。
联立上述平移矩阵与旋转矩阵,即可得到最终粗配准所需变换矩阵。在此情况下实现了确定位置变换关系,且确定位置变换关系的过程所需点云数据较少,提高了本方案实施的便利性。
下面通过图3对本发明实施的整体流程进行说明。
本发明的一个实施例中,髋关节图像配准方法包括以下步骤S301-S313。
步骤S301:获得目标点云。
其中,目标点云为提取第一点云数据形成的点云;
步骤S302:点云预处理体素下采样。
体素下采样为对点云进行预处理的方式,用于降低目标点云数据量,即按照预设的区域大小对第一点云数据进行区域采样,得到各区域内第一点云数据的表征数据点。
步骤S303:获得目标点云中最大曲率区域的点云数据。
具体的,可以基于点云法线,对点云的曲率进行计算。
点云法线即点云中各表征数据点的法线,因此,根据点云法线计算的基础上对点云曲率进行计算,得到第二点云数据。
步骤S304:从点云中随机抽选一个部分点云,并使用最小方差估计算法对这个子集计算拟合球面参数。
所抽选的部分点云可以包含四个非共面的第二点云数据,在此情况下,根据最小方差估计算法,可以计算拟合球面参数。
计算所得拟合球面参数表示一个对应的拟合球面。得到拟合球面参数后,可以采用RANSAC剔除错误点对,即剔除不位于目标手术部位的第二点云数据。点对表示同一位置的第二点云数据与第四点云数据,在此情况下,所剔除的第二点云数据不参与后续计算,与其位于同一点对的第四点云数据也不参与后续计算,相当于剔除了点对。
具体的,可以计算所有点云数据与该拟合球面参数的偏差,使用一个设定好的阈值与偏差比较。其中,所计算的点云数据为第二点云数据。
步骤S305:判断偏差是否小于阈值。
其中,上述阈值可以是预先设置,并可以设置为第二点云数据到该球面拟合参数所形成的拟合球面的距离阈值。
步骤S306:若偏差小于阈值,确定该点为局内点,并记下当前局内点的个数。
其中,局内点即为拟合球面中包含的第二点云数据。
步骤S307:若偏差不小于阈值,确定该点为局外点。
局外点即为不包含于拟合球面的第二点云数据。
步骤S308:判断是否达到期望的误差率或达到最大迭代次数。
其中,误差率表示拟合球面与实际的髋关节的近似程度。
最大迭代次数为预设的次数,例如,可以设置最大迭代次数为30、100次等。
达到期望的误差率或达到最大迭代次数即为迭代终止条件。
步骤S309:若满足步骤S308的判断条件,确定最佳拟合球面参数(即局内点最多的参数);若否,则返回步骤S304。
比较当前次迭代得到的拟合球面参数所形成的的拟合球面参数包含的第二点云数据的数量与之前迭代轮次中记录的最佳拟合球面参数所形成的的拟合球面参数包含的第二点云数据的数量,选择包含最多第二点云数据的拟合球面对应的拟合球面参数,即为最佳拟合球面参数。
步骤S310:确定平移矩阵。
按照上述过程,得到最佳拟合球面后,一方面,可以对源点云和目标点云分别计算质心,两个质心计算向量的方向与向量的距离,并得到两个质心间平移的向量,根据所得向量确定确定平移矩阵。其中,源点云为第四点云数据形成的点云。
步骤S311:点到面确定三组对应点对。
下面对对应点对的确定方式进行说明:
具体的,可以确定预设数量个、与第四点云数据表示目标手术部位中同一实际位置的第五点云数据,第五点云数据为最佳拟合球面中包含的点云数据;并根据所确定的第四点云数据、第五点云数据形成对应点对;其中,预设数量为3。
步骤S312:确定旋转矩阵。
具体的,可以通过奇异值分解(SVD)计算旋转矩阵。
步骤S313:确定最终变换矩阵。
最终基于平移矩阵、旋转矩阵,确定最终变换矩阵,最终变换矩阵表示位置变换关系。
与上述方法实施例相对应,本发明实施例还提供了一种髋关节图像配准装置。
本发明的一个实施例中,参见图4,提供了一种髋关节图像配准装置的结构示意图,所述装置包括:
第一点云数据提取模块401,用于提取预先采集的髋关节透视图像中的第一点云数据;
第二点云数据获得模块402,用于基于所述第一点云数据,获得曲率大于预设曲率阈值的第二点云数据;
第三点云数据确定模块403,用于对所述第二点云数据进行球面拟合,根据拟合球面从所述第二点云数据中确定位于髋关节中目标手术部位的第三点云数据;
第四点云数据获得模块404,用于获得在手术过程中采集的髋关节的第四点云数据;
第五点云数据确定模块405,用于在所述第三点云数据中,确定预设数量个、与第四点云数据表示目标手术部位中同一实际位置的第五点云数据;
图像配准模块406,用于根据所确定的第五点云数据与对应的第四点云数据之间的相对位置,确定所述第一点云数据和所述第四点云数据之间的位置转换关系,并采用所述位置转换关系对所述髋关节透视图像进行图像配准。
由上可见,本发明实施例提供的方案中,基于曲率筛选目标点云数据,得到位于髋关节中目标手术部位的第三点云数据,所得第三点云数据符合髋关节的结构特征,较为准确地确定目标手术部位的位置,在此情况下,不需要确定所有第一点云数据、第四点云数据的对应关系,仅需获得第一点云数据内预设数量个、与第四点云数据对应的第五点云数据,即可以确定位置转换关系。也就是即使在第一点云数据和第四点云数据数量不一致的情况下,通过表示同一实际位置的第四点云数据和第五点云数据的相对位置,也可以得到位置转换关系;基于位置转换关系就能够实现图像配准。
本发明的一个实施例中,所述第二点云数据获得模块402,具体用于按照预设的区域大小对所述第一点云数据进行区域采样,得到各区域内第一点云数据的表征数据点;确定曲率大于预设曲率阈值的表征数据点所在的区域;将所在区域中的表征数据点确定为第二点云数据。
由上可见,由于在区域采样过程中,同一区域内的所有第一点云数据被同一个表征数据点表示,进行区域采样后,根据表征数据点得到的第二点云数据数量少于区域采样前的第一点云数据,这样,根据第二点云数据计算曲率能够减小计算量,节省计算资源。
本发明的一个实施例中,所述第三点云数据确定模块403,具体用于选取四个非共面的第二点云数据进行球面拟合,得到拟合球面;确定拟合球面中包含的第二点云数据的数量;若不满足迭代终止条件,则返回执行所述选取所述第二点云数据中的非共面四点进行球面拟合,得到拟合球面的步骤;若满足迭代终止条件,则将包含的第二点云数据最多的拟合球面中的第二点云数据确定为位于髋关节中目标手术部位的第三点云数据。
由上可见,按照此种方法确定的拟合球面是所有迭代轮次中所得拟合球面中包含第二点云数据最多的,其包含的第二点云数据相对较多,在后续根据拟合球面中的第二点云数据计算位置转换关系的过程中,能够获得足够点云数据的位置数据,提高了计算准确性。
本发明的一个实施例中,所述第五点云数据确定模块405,具体用于选取预设数量个第四点云数据;针对所选取的每一第四点云数据,计算该第四点云数据的法线与第三点云数据形成的点云表面的交点;选取位于所述交点与所述点云表面的切平面上的第三点云数据,作为与该第四点云数据表示目标手术部位中同一实际位置的第五点云数据。
由上可见,在此情况下,若事先第四点云数据和第一点云数据中点云数据的数量不同,不存在直接的对应关系,第三点云数据仍然可以用于确定点云表面,并据此得到第四点云数据在点云表面交点附近的对应点云数据,仍然可以得到目标手术部位中同一实际位置在第四点云数据和第一点云数据中的对应关系。
本发明的一个实施例中,所述图像配准模块406,具体用于根据各第三点云数据的质心和各第四点云数据的质心的位置关系,确定平移矩阵;根据所确定的第五点云数据与表示目标手术部位中同一实际位置的第四点云数据的相对位置,确定旋转矩阵;根据所得平移矩阵、旋转矩阵确定所述第一点云数据和所述第四点云数据之间的位置转换关系,并采用所述位置转换关系对所述髋关节透视图像进行图像配准。
在此情况下实现了确定位置变换关系,且确定位置变换关系的过程所需点云数据较少,提高了本方案实施的便利性。
本发明的一个实施例中,针对每一第二点云数据,通过以下方式计算该第二点云数据的曲率:
根据该第二点云数据的邻域内存在的各第二点云数据与该第二点云数据计算所得的法曲率,确定该第二点云数据的曲率。
按照此种方式,对每一第二点云数据,都使用该第二点云数据的邻域内的多个第二点云数据计算曲率,计算时参考的第二点云数据的位置信息较为充分,提高了所得曲率的准确度。
本发明实施例还提供了一种电子设备,如图5所示,包括处理器501、通信接口502、存储器503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信,
存储器503,用于存放计算机程序;
处理器501,用于执行存储器503上所存放的程序时,实现前述任一实施例中髋关节图像配准方法步骤:
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一髋关节图像配准方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一髋关节图像配准方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk (SSD))等。
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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (14)
1.一种髋关节图像配准方法,其特征在于,所述方法包括:
提取预先采集的髋关节透视图像中的第一点云数据;
基于所述第一点云数据,获得曲率大于预设曲率阈值的第二点云数据;
对所述第二点云数据进行球面拟合,根据拟合球面从所述第二点云数据中确定位于髋关节中目标手术部位的第三点云数据;
获得在手术过程中采集的髋关节的第四点云数据;
在所述第三点云数据中,确定预设数量个、与第四点云数据表示目标手术部位中同一实际位置的第五点云数据;
根据所确定的第五点云数据与对应的第四点云数据之间的相对位置,确定所述第一点云数据和所述第四点云数据之间的位置转换关系,并采用所述位置转换关系对所述髋关节透视图像进行图像配准。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一点云数据,获得曲率大于预设曲率阈值的第二点云数据,包括:
按照预设的区域大小对所述第一点云数据进行区域采样,得到各区域内第一点云数据的表征数据点;
确定曲率大于预设曲率阈值的表征数据点所在的区域;
将所在区域中的表征数据点确定为第二点云数据。
3.根据权利要求1所述的方法,其特征在于,所述对所述第二点云数据进行球面拟合,根据拟合球面从所述第二点云数据中确定位于髋关节中目标手术部位的第三点云数据,包括:
选取四个非共面的第二点云数据进行球面拟合,得到拟合球面;
确定拟合球面中包含的第二点云数据的数量;
若不满足迭代终止条件,则返回执行所述选取所述第二点云数据中的非共面四点进行球面拟合,得到拟合球面的步骤;
若满足迭代终止条件,则将包含的第二点云数据最多的拟合球面中的第二点云数据确定为位于髋关节中目标手术部位的第三点云数据。
4.根据权利要求1所述的方法,其特征在于,所述在所述第三点云数据中,确定预设数量个、与第四点云数据表示目标手术部位中同一实际位置的第五点云数据,包括:
选取预设数量个第四点云数据;
针对所选取的每一第四点云数据,计算该第四点云数据的法线与第三点云数据形成的点云表面的交点;
选取位于所述交点与所述点云表面的切平面上的第三点云数据,作为与该第四点云数据表示目标手术部位中同一实际位置的第五点云数据。
5.根据权利要求1所述的方法,其特征在于,所述根据所确定的第五点云数据与对应的第四点云数据之间的相对位置,确定所述第一点云数据和所述第四点云数据之间的位置转换关系,包括:
根据各第三点云数据的质心和各第四点云数据的质心的位置关系,确定平移矩阵;
根据所确定的第五点云数据与表示目标手术部位中同一实际位置的第四点云数据的相对位置,确定旋转矩阵;
根据所得平移矩阵、旋转矩阵确定所述第一点云数据和所述第四点云数据之间的位置转换关系。
6.根据权利要求1-5中任一项所述的方法,其特征在于,针对每一第二点云数据,通过以下方式计算该第二点云数据的曲率:
根据该第二点云数据的邻域内存在的各第二点云数据与该第二点云数据计算所得的法曲率,确定该第二点云数据的曲率。
7.一种髋关节图像配准装置,其特征在于,所述装置包括:
第一点云数据提取模块,用于提取预先采集的髋关节透视图像中的第一点云数据;
第二点云数据获得模块,用于基于所述第一点云数据,获得曲率大于预设曲率阈值的第二点云数据;
第三点云数据确定模块,用于对所述第二点云数据进行球面拟合,根据拟合球面从所述第二点云数据中确定位于髋关节中目标手术部位的第三点云数据;
第四点云数据获得模块,用于获得在手术过程中采集的髋关节的第四点云数据;
第五点云数据确定模块,用于在所述第三点云数据中,确定预设数量个、与第四点云数据表示目标手术部位中同一实际位置的第五点云数据;
图像配准模块,用于根据所确定的第五点云数据与对应的第四点云数据之间的相对位置,确定所述第一点云数据和所述第四点云数据之间的位置转换关系,并采用所述位置转换关系对所述髋关节透视图像进行图像配准。
8.根据权利要求7所述的装置,其特征在于,
所述第二点云数据获得模块,具体用于按照预设的区域大小对所述第一点云数据进行区域采样,得到各区域内第一点云数据的表征数据点;确定曲率大于预设曲率阈值的表征数据点所在的区域;将所在区域中的表征数据点确定为第二点云数据。
9.根据权利要求7所述的装置,其特征在于,
所述第三点云数据确定模块,具体用于选取四个非共面的第二点云数据进行球面拟合,得到拟合球面;确定拟合球面中包含的第二点云数据的数量;若不满足迭代终止条件,则返回执行所述选取所述第二点云数据中的非共面四点进行球面拟合,得到拟合球面的步骤;若满足迭代终止条件,则将包含的第二点云数据最多的拟合球面中的第二点云数据确定为位于髋关节中目标手术部位的第三点云数据。
10.根据权利要求7所述的装置,其特征在于,
所述第五点云数据确定模块,具体用于选取预设数量个第四点云数据;针对所选取的每一第四点云数据,计算该第四点云数据的法线与第三点云数据形成的点云表面的交点;选取位于所述交点与所述点云表面的切平面上的第三点云数据,作为与该第四点云数据表示目标手术部位中同一实际位置的第五点云数据。
11.根据权利要求7所述的装置,其特征在于,
所述图像配准模块,具体用于根据各第三点云数据的质心和各第四点云数据的质心的位置关系,确定平移矩阵;根据所确定的第五点云数据与表示目标手术部位中同一实际位置的第四点云数据的相对位置,确定旋转矩阵;根据所得平移矩阵、旋转矩阵确定所述第一点云数据和所述第四点云数据之间的位置转换关系,并采用所述位置转换关系对所述髋关节透视图像进行图像配准。
12.根据权利要求7-11中任一项所述的装置,其特征在于,针对每一第二点云数据,通过以下方式计算该第二点云数据的曲率:
根据该第二点云数据的邻域内存在的各第二点云数据与该第二点云数据计算所得的法曲率,确定该第二点云数据的曲率。
13.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-6任一所述的方法步骤。
14.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211036689.4A CN115100258B (zh) | 2022-08-29 | 2022-08-29 | 一种髋关节图像配准方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211036689.4A CN115100258B (zh) | 2022-08-29 | 2022-08-29 | 一种髋关节图像配准方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115100258A true CN115100258A (zh) | 2022-09-23 |
CN115100258B CN115100258B (zh) | 2023-02-07 |
Family
ID=83299838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211036689.4A Active CN115100258B (zh) | 2022-08-29 | 2022-08-29 | 一种髋关节图像配准方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100258B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342672A (zh) * | 2023-05-26 | 2023-06-27 | 杭州三坛医疗科技有限公司 | 髋关节实际位置配准方法、装置、电子设备及存储介质 |
CN116363184A (zh) * | 2023-05-26 | 2023-06-30 | 杭州三坛医疗科技有限公司 | 一种髋关节位置配准方法、装置、电子设备及存储介质 |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646156A (zh) * | 2013-12-30 | 2014-03-19 | 北京建筑大学 | 一种基于球标靶探测的激光点云数据自动配准方法 |
CN104539928A (zh) * | 2015-01-05 | 2015-04-22 | 武汉大学 | 一种光栅立体印刷图像合成方法 |
CN104616311A (zh) * | 2015-02-13 | 2015-05-13 | 重庆大学 | 基于改进icp算法的损伤零部件精确配准方法 |
CN105701820A (zh) * | 2016-01-14 | 2016-06-22 | 上海大学 | 一种基于匹配区域的点云配准方法 |
CN106447708A (zh) * | 2016-10-10 | 2017-02-22 | 吉林大学 | 一种oct眼底图像数据配准方法 |
CN106651752A (zh) * | 2016-09-27 | 2017-05-10 | 深圳市速腾聚创科技有限公司 | 三维点云数据配准方法及拼接方法 |
CN108257163A (zh) * | 2017-12-08 | 2018-07-06 | 西安电子科技大学 | 一种已知扫描点位置下的两点点云配准方法 |
CN109559338A (zh) * | 2018-11-20 | 2019-04-02 | 西安交通大学 | 一种基于加权主成分分析法及m估计的三维点云配准方法 |
CN110223226A (zh) * | 2019-05-07 | 2019-09-10 | 中国农业大学 | 全景图像拼接方法及系统 |
CN110443840A (zh) * | 2019-08-07 | 2019-11-12 | 山东理工大学 | 实物表面采样点集初始配准的优化求解方法 |
CN110473239A (zh) * | 2019-08-08 | 2019-11-19 | 刘秀萍 | 一种三维激光扫描的高精度点云配准方法 |
CN110942515A (zh) * | 2019-11-26 | 2020-03-31 | 北京迈格威科技有限公司 | 基于点云的目标物体三维计算机建模方法和目标识别方法 |
CN111709981A (zh) * | 2020-06-22 | 2020-09-25 | 高小翎 | 特征线融合的激光点云与模拟图像的配准方法 |
CN111915657A (zh) * | 2020-07-08 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种点云配准方法、装置、电子设备及存储介质 |
CN112085821A (zh) * | 2020-08-17 | 2020-12-15 | 万申(北京)科技有限公司 | 一种基于半监督的cbct与激光扫描点云数据配准方法 |
CN112184783A (zh) * | 2020-09-22 | 2021-01-05 | 西安交通大学 | 一种结合图像信息的三维点云配准方法 |
CN112884765A (zh) * | 2021-03-25 | 2021-06-01 | 上海交通大学 | 一种基于轮廓特征的2d图像与3d图像配准方法 |
CN112950684A (zh) * | 2021-03-02 | 2021-06-11 | 武汉联影智融医疗科技有限公司 | 基于表面配准的目标特征提取方法、装置、设备和介质 |
CN113855233A (zh) * | 2021-11-01 | 2021-12-31 | 杭州柳叶刀机器人有限公司 | 手术范围确定方法、装置、电子设备及存储介质 |
CN114066953A (zh) * | 2021-11-22 | 2022-02-18 | 南京大学 | 一种针对刚性目标的三维多模态图像可变形配准方法 |
CN114140761A (zh) * | 2020-08-13 | 2022-03-04 | 长沙智能驾驶研究院有限公司 | 点云配准方法、装置、计算机设备和存储介质 |
CN114155376A (zh) * | 2021-11-05 | 2022-03-08 | 苏州微创畅行机器人有限公司 | 目标特征点提取方法、装置、计算机设备和存储介质 |
CN114170279A (zh) * | 2021-11-30 | 2022-03-11 | 哈尔滨工程大学 | 一种基于激光扫描的点云配准方法 |
CN114305685A (zh) * | 2021-12-17 | 2022-04-12 | 杭州键嘉机器人有限公司 | 一种用于髋关节置换手术中的髋骨配准方法 |
CN114617633A (zh) * | 2022-03-30 | 2022-06-14 | 杭州三坛医疗科技有限公司 | 一种手术参考方案生成方法及装置 |
CN114742868A (zh) * | 2022-04-13 | 2022-07-12 | 中国农业银行股份有限公司 | 一种点云配准的方法、装置以及电子设备 |
CN114782508A (zh) * | 2022-06-21 | 2022-07-22 | 杭州三坛医疗科技有限公司 | 髋关节配准点筛选方法及装置 |
-
2022
- 2022-08-29 CN CN202211036689.4A patent/CN115100258B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646156A (zh) * | 2013-12-30 | 2014-03-19 | 北京建筑大学 | 一种基于球标靶探测的激光点云数据自动配准方法 |
CN104539928A (zh) * | 2015-01-05 | 2015-04-22 | 武汉大学 | 一种光栅立体印刷图像合成方法 |
CN104616311A (zh) * | 2015-02-13 | 2015-05-13 | 重庆大学 | 基于改进icp算法的损伤零部件精确配准方法 |
CN105701820A (zh) * | 2016-01-14 | 2016-06-22 | 上海大学 | 一种基于匹配区域的点云配准方法 |
CN106651752A (zh) * | 2016-09-27 | 2017-05-10 | 深圳市速腾聚创科技有限公司 | 三维点云数据配准方法及拼接方法 |
CN106447708A (zh) * | 2016-10-10 | 2017-02-22 | 吉林大学 | 一种oct眼底图像数据配准方法 |
CN108257163A (zh) * | 2017-12-08 | 2018-07-06 | 西安电子科技大学 | 一种已知扫描点位置下的两点点云配准方法 |
CN109559338A (zh) * | 2018-11-20 | 2019-04-02 | 西安交通大学 | 一种基于加权主成分分析法及m估计的三维点云配准方法 |
CN110223226A (zh) * | 2019-05-07 | 2019-09-10 | 中国农业大学 | 全景图像拼接方法及系统 |
CN110443840A (zh) * | 2019-08-07 | 2019-11-12 | 山东理工大学 | 实物表面采样点集初始配准的优化求解方法 |
CN110473239A (zh) * | 2019-08-08 | 2019-11-19 | 刘秀萍 | 一种三维激光扫描的高精度点云配准方法 |
CN110942515A (zh) * | 2019-11-26 | 2020-03-31 | 北京迈格威科技有限公司 | 基于点云的目标物体三维计算机建模方法和目标识别方法 |
CN111709981A (zh) * | 2020-06-22 | 2020-09-25 | 高小翎 | 特征线融合的激光点云与模拟图像的配准方法 |
CN111915657A (zh) * | 2020-07-08 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种点云配准方法、装置、电子设备及存储介质 |
CN114140761A (zh) * | 2020-08-13 | 2022-03-04 | 长沙智能驾驶研究院有限公司 | 点云配准方法、装置、计算机设备和存储介质 |
CN112085821A (zh) * | 2020-08-17 | 2020-12-15 | 万申(北京)科技有限公司 | 一种基于半监督的cbct与激光扫描点云数据配准方法 |
CN112184783A (zh) * | 2020-09-22 | 2021-01-05 | 西安交通大学 | 一种结合图像信息的三维点云配准方法 |
CN112950684A (zh) * | 2021-03-02 | 2021-06-11 | 武汉联影智融医疗科技有限公司 | 基于表面配准的目标特征提取方法、装置、设备和介质 |
CN112884765A (zh) * | 2021-03-25 | 2021-06-01 | 上海交通大学 | 一种基于轮廓特征的2d图像与3d图像配准方法 |
CN113855233A (zh) * | 2021-11-01 | 2021-12-31 | 杭州柳叶刀机器人有限公司 | 手术范围确定方法、装置、电子设备及存储介质 |
CN114155376A (zh) * | 2021-11-05 | 2022-03-08 | 苏州微创畅行机器人有限公司 | 目标特征点提取方法、装置、计算机设备和存储介质 |
CN114066953A (zh) * | 2021-11-22 | 2022-02-18 | 南京大学 | 一种针对刚性目标的三维多模态图像可变形配准方法 |
CN114170279A (zh) * | 2021-11-30 | 2022-03-11 | 哈尔滨工程大学 | 一种基于激光扫描的点云配准方法 |
CN114305685A (zh) * | 2021-12-17 | 2022-04-12 | 杭州键嘉机器人有限公司 | 一种用于髋关节置换手术中的髋骨配准方法 |
CN114617633A (zh) * | 2022-03-30 | 2022-06-14 | 杭州三坛医疗科技有限公司 | 一种手术参考方案生成方法及装置 |
CN114742868A (zh) * | 2022-04-13 | 2022-07-12 | 中国农业银行股份有限公司 | 一种点云配准的方法、装置以及电子设备 |
CN114782508A (zh) * | 2022-06-21 | 2022-07-22 | 杭州三坛医疗科技有限公司 | 髋关节配准点筛选方法及装置 |
Non-Patent Citations (2)
Title |
---|
TIANYU REN等: "An Acceleration Algorithm of 3D Point Cloud Registration Based on Iterative Closet Point", 《2020 ASIA-PACIFIC CONFERENCE ON IMAGE PROCESSING, ELECTRONICS AND COMPUTERS (IPEC)》 * |
靳永刚: "基于局部特征信息的图像配准技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342672A (zh) * | 2023-05-26 | 2023-06-27 | 杭州三坛医疗科技有限公司 | 髋关节实际位置配准方法、装置、电子设备及存储介质 |
CN116363184A (zh) * | 2023-05-26 | 2023-06-30 | 杭州三坛医疗科技有限公司 | 一种髋关节位置配准方法、装置、电子设备及存储介质 |
CN116342672B (zh) * | 2023-05-26 | 2023-10-03 | 杭州三坛医疗科技有限公司 | 髋关节实际位置配准方法、装置、电子设备及存储介质 |
CN116363184B (zh) * | 2023-05-26 | 2023-10-03 | 杭州三坛医疗科技有限公司 | 一种髋关节位置配准方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115100258B (zh) | 2023-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115100258B (zh) | 一种髋关节图像配准方法、装置、设备以及存储介质 | |
CN106651942B (zh) | 基于特征点的三维旋转运动检测与旋转轴定位方法 | |
CN110335297B (zh) | 一种基于特征提取的点云配准方法 | |
US20050256395A1 (en) | Information processing method and device | |
CN111145227B (zh) | 一种地下隧道空间多视点云的可迭代整体配准方法 | |
CN110853082B (zh) | 医学图像配准方法、装置、电子设备及计算机存储介质 | |
CN111145232A (zh) | 一种基于特征信息变化度的三维点云自动配准方法 | |
CN108257163B (zh) | 一种已知扫描点位置下的两点点云配准方法 | |
CN112686950B (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
EP1966760A2 (en) | Automatic 3-d object detection | |
WO2023160272A1 (zh) | 基于深度学习的髋关节置换术后影像的评估方法及系统 | |
CN111612850A (zh) | 一种基于点云的猪只体尺参数测量方法 | |
CN114862973B (zh) | 基于固定点位的空间定位方法、装置、设备及存储介质 | |
CN112289416B (zh) | 一种引导针置入精度评价方法 | |
CN115375842A (zh) | 一种植株三维重建方法、终端及存储介质 | |
Tang et al. | Retinal image registration based on robust non-rigid point matching method | |
CN114782508A (zh) | 髋关节配准点筛选方法及装置 | |
CN110727817A (zh) | 基于t-CNN的三维模型检索方法、终端设备及存储介质 | |
CN116523973A (zh) | 骨骼配准方法及装置 | |
CN116503387B (zh) | 图像检测方法、装置、设备、系统及可读存储介质 | |
CN117422721B (zh) | 一种基于下肢ct影像的智能标注方法 | |
CN116109685B (zh) | 一种零件点云配准方法、装置、设备及介质 | |
CN116342672B (zh) | 髋关节实际位置配准方法、装置、电子设备及存储介质 | |
Škorvánková et al. | Inception Network for Anthropometric Body Measurements Estimation from Structured Point Clouds | |
CN117582286A (zh) | 一种骨骼复位路径规划方法和电子设备 |
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 |