CN116758144A - 反光球的球心坐标获取方法、装置、设备和存储介质 - Google Patents
反光球的球心坐标获取方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN116758144A CN116758144A CN202310666012.7A CN202310666012A CN116758144A CN 116758144 A CN116758144 A CN 116758144A CN 202310666012 A CN202310666012 A CN 202310666012A CN 116758144 A CN116758144 A CN 116758144A
- Authority
- CN
- China
- Prior art keywords
- edge point
- point set
- target
- sphere
- original
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 120
- 230000002159 abnormal effect Effects 0.000 claims abstract description 51
- 238000003708 edge detection Methods 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012216 screening Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种反光球的球心坐标获取方法，该方法包括：获取CT影像中位于目标反光球的球心附近的种子点坐标；将所述种子点坐标作为起始点，对所述目标反光球进行边缘检测，得到所述目标反光球对应的边缘点集合；去除所述边缘点集合中的异常边缘点，得到原始边缘点集合；在所述原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于所述原始边缘点集合的误差矩阵的拟合结果，获取所述目标反光球的候选球心坐标；基于所述候选球心坐标，确定出目标边缘点集合；若所述目标边缘点集合的误差矩阵的残差值小于所述残差阈值，则基于所述目标边缘点集合的误差矩阵的拟合结果，确定出所述目标反光球的球心坐标。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及一种反光球的球心坐标获取方法、装置、设备和存储介质。
背景技术
目前，在采用影像导航的神经外科手术中，通常会使用安装有多个反光球的光学导航配准装置，来进行CT影像的配准，进而实现针对目标手术区域的定位。该类型的光学导航配准装置，往往需要基于多个反光球的球心在CT影像中的影像坐标位置，与光学导航配准装置中的多个反光球的实际球心坐标之间的转换关系，来实现CT影像的配准。
然而，由于基于现有技术，尚难以准确获取上述两种坐标之间的转换关系，这使得基于现有技术得到的CT影像的配准结果，也存在准确性较低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种反光球的球心坐标获取方法、装置、设备和存储介质。
第一方面，本申请提供了一种反光球的球心坐标获取方法，所述方法包括：
获取CT影像中位于目标反光球的球心附近的种子点坐标；
将所述种子点坐标作为起始点，对所述目标反光球进行边缘检测，得到所述目标反光球对应的边缘点集合；
去除所述边缘点集合中的异常边缘点，得到原始边缘点集合；
在所述原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于所述原始边缘点集合的误差矩阵的拟合结果，获取所述目标反光球的候选球心坐标；
基于所述候选球心坐标，确定出目标边缘点集合；所述目标边缘点集合中的每一目标边缘点与所述候选球心坐标之间的拟合误差值小于或等于拟合误差阈值；
若所述目标边缘点集合的误差矩阵的残差值小于所述残差阈值，则基于所述目标边缘点集合的误差矩阵的拟合结果，确定出所述目标反光球的球心坐标。
在其中一个实施例中，所述基于所述原始边缘点集合的误差矩阵的拟合结果，获取所述目标反光球的候选球心坐标之前，所述方法还包括：
构建所述原始边缘点集合的误差矩阵；采用最小二乘法，对所述原始边缘点集合的误差矩阵进行求解，得到所述原始边缘点集合的误差矩阵的拟合结果。
在其中一个实施例中，所述构建所述原始边缘点集合的误差矩阵，包括：
构建所述原始边缘点集合对应的雅克比矩阵；
基于所述原始边缘点集合对应的雅克比矩阵，获取所述原始边缘点集合对应的误差矩阵。
在其中一个实施例中，所述去除所述边缘点集合中的异常边缘点，得到原始边缘点集合，包括：
根据所述边缘点集合中的每一边缘点对应的CT值，以及所述边缘点集合中的每一边缘点与所述目标反光球的球心之间的距离，确定异常边缘点筛选条件；
基于所述异常边缘点筛选条件，去除所述边缘点集合中的异常边缘点，得到所述原始边缘点集合。
在其中一个实施例中，所述基于所述候选球心坐标，确定出目标边缘点集合，包括：
在所述拟合误差值大于所述拟合误差阈值的情况下，在所述原始边缘点集合中，去除对应拟合误差值最大的原始边缘点，得到更新后的原始边缘点集合；若所述更新后的原始边缘点集合中的每一原始边缘点与所述候选球心坐标之间的拟合误差值均小于或等于所述拟合误差阈值，则将所述更新后的原始边缘点集合，确定为所述目标边缘点集合。
在其中一个实施例中，所述获取CT影像中位于目标反光球的球心附近的种子点坐标，包括：
基于对所述CT影像中的选择事件的监听情况，获取所述CT影像中位于所述目标反光球的球心附近的种子点坐标。
第二方面，本申请还提供了一种反光球的球心坐标获取装置，所述装置包括：
种子点坐标获取模块，用于获取CT影像中位于目标反光球的球心附近的种子点坐标；
第一集合获取模块，用于将所述种子点坐标作为起始点，对所述目标反光球进行边缘检测，得到所述目标反光球对应的边缘点集合；
第二集合获取模块，用于去除所述边缘点集合中的异常边缘点，得到原始边缘点集合；
候选球心坐标获取模块，用于在所述原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于所述原始边缘点集合的误差矩阵的拟合结果，获取所述目标反光球的候选球心坐标；
第三集合获取模块，用于基于所述候选球心坐标，确定出目标边缘点集合；所述目标边缘点集合中的每一目标边缘点与所述候选球心坐标之间的拟合误差值小于或等于拟合误差阈值；
球心坐标确定模块，用于若所述目标边缘点集合的误差矩阵的残差值小于所述残差阈值，则基于所述目标边缘点集合的误差矩阵的拟合结果，确定出所述目标反光球的球心坐标。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取CT影像中位于目标反光球的球心附近的种子点坐标；将所述种子点坐标作为起始点，对所述目标反光球进行边缘检测，得到所述目标反光球对应的边缘点集合；去除所述边缘点集合中的异常边缘点，得到原始边缘点集合；在所述原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于所述原始边缘点集合的误差矩阵的拟合结果，获取所述目标反光球的候选球心坐标；基于所述候选球心坐标，确定出目标边缘点集合；所述目标边缘点集合中的每一目标边缘点与所述候选球心坐标之间的拟合误差值小于或等于拟合误差阈值；若所述目标边缘点集合的误差矩阵的残差值小于所述残差阈值，则基于所述目标边缘点集合的误差矩阵的拟合结果，确定出所述目标反光球的球心坐标。
第四方面，本申请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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取CT影像中位于目标反光球的球心附近的种子点坐标；将所述种子点坐标作为起始点，对所述目标反光球进行边缘检测，得到所述目标反光球对应的边缘点集合；去除所述边缘点集合中的异常边缘点，得到原始边缘点集合；在所述原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于所述原始边缘点集合的误差矩阵的拟合结果，获取所述目标反光球的候选球心坐标；基于所述候选球心坐标，确定出目标边缘点集合；所述目标边缘点集合中的每一目标边缘点与所述候选球心坐标之间的拟合误差值小于或等于拟合误差阈值；若所述目标边缘点集合的误差矩阵的残差值小于所述残差阈值，则基于所述目标边缘点集合的误差矩阵的拟合结果，确定出所述目标反光球的球心坐标。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取CT影像中位于目标反光球的球心附近的种子点坐标；将所述种子点坐标作为起始点，对所述目标反光球进行边缘检测，得到所述目标反光球对应的边缘点集合；去除所述边缘点集合中的异常边缘点，得到原始边缘点集合；在所述原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于所述原始边缘点集合的误差矩阵的拟合结果，获取所述目标反光球的候选球心坐标；基于所述候选球心坐标，确定出目标边缘点集合；所述目标边缘点集合中的每一目标边缘点与所述候选球心坐标之间的拟合误差值小于或等于拟合误差阈值；若所述目标边缘点集合的误差矩阵的残差值小于所述残差阈值，则基于所述目标边缘点集合的误差矩阵的拟合结果，确定出所述目标反光球的球心坐标。
上述反光球的球心坐标获取方法、装置、设备和存储介质，首先，获取CT影像中位于目标反光球的球心附近的种子点坐标。然后，将种子点坐标作为起始点，对目标反光球进行边缘检测，得到目标反光球对应的边缘点集合。接着，去除边缘点集合中的异常边缘点，得到原始边缘点集合。之后，在原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于原始边缘点集合的误差矩阵的拟合结果，获取目标反光球的候选球心坐标。再之后，基于候选球心坐标，确定出目标边缘点集合。最后，若目标边缘点集合的误差矩阵的残差值小于残差阈值，则基于目标边缘点集合的误差矩阵的拟合结果，确定出目标反光球的球心坐标。本申请通过基于目标反光球的球心附近的种子点坐标，对目标反光球进行边缘检测，得到目标反光球的边缘点坐标集合，并采用最小二乘法对该边缘点坐标集合进行多次迭代，实现了准确获取CT影像中的反光球的影像坐标位置与光学导航配准装置中的反光球的实际球心坐标之间的转换关系，不仅能够提升获取得到的CT影像中的反光球的球心坐标的准确率，还能够有效提升获取CT影像中的反光球的球心坐标的效率。
附图说明
图1为一个实施例中提供的一种反光球的球心坐标获取方法的流程示意图；
图2为一个实施例中提供的一种获取原始边缘点集合的误差矩阵的拟合结果的具体方式的流程示意图；
图3为一个实施例中提供的一种获取原始边缘点集合对应的误差矩阵的具体方式的流程示意图；
图4为一个实施例中提供的一种获取原始边缘点集合的具体方式的流程示意图；
图5为一个实施例中提供的一种获取目标边缘点集合的具体方式的流程示意图；
图6为一个实施例中提供的一种反光球的球心坐标获取装置的结构框图；
图7为一个实施例中提供的一种带有若干反光球的CT影像示意图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的反光球的球心坐标获取方法，可以应用于终端或服务器执行。其中，终端可以通过网络与服务器进行通信；数据存储系统可以存储服务器需要处理的数据；数据存储系统可以集成在服务器上，也可以放在云上或其他网络服务器上；终端可以但不限于是各种个人计算机、笔记本电脑；服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图1所示，提供了一种反光球的球心坐标获取方法，该方法包括以下步骤：
步骤S110，获取CT影像中位于目标反光球的球心附近的种子点坐标。
本步骤中，CT影像，可以是带有若干反光球的CT影像；目标反光球，是指CT影像中的目标反光球，可以是带有若干反光球的CT影像中的其中一个反光球；位于目标反光球的球心附近的种子点坐标，可以是位于带有若干反光球的CT影像中的其中一个反光球的球心附近的一个种子点坐标，该种子点坐标，可以是三维坐标。
具体而言，位于目标反光球的球心附近的种子点坐标与目标反光球的球心之间的距离，应当小于或等于种子点距离目标阈值。
在一种实施例中，种子点距离目标阈值为目标反光球的半径的0.9倍(即种子点坐标与目标反光球的球心之间的距离，应当处于目标反光球的半径的0～0.9倍之间)。示例性的，位于目标反光球的球心附近的种子点坐标与目标反光球的球心之间的距离，可以等于目标反光球的半径的0.2倍，或目标反光球的半径的0.3倍，或目标反光球的半径的0.4倍，或目标反光球的半径的0.5倍，或目标反光球的半径的0.6倍，或目标反光球的半径的0.7倍，或目标反光球的半径的0.8倍。
在实际应用中，带有若干反光球的CT影像的具体表现形式，可以是如图7所示的形式；目标反光球的球心附近的种子点坐标的具体表现形式，可以是(xi,yi,zi)。
步骤S120，将种子点坐标作为起始点，对目标反光球进行边缘检测，得到目标反光球对应的边缘点集合。
本步骤中，种子点坐标，即位于目标反光球的球心附近的种子点坐标；目标反光球，即CT影像中的目标反光球；对目标反光球进行边缘检测的具体方式，可以是采用边缘检测算法，对CT影像中的目标反光球进行边缘检测；目标反光球对应的边缘点集合，是指通过对目标反光球进行边缘检测，获取得到的由目标反光球对应的若干边缘点组合而成的边缘点集合，该边缘点集合中的各个边缘点，均可以采用三维坐标的形式进行表示。
步骤S130，去除边缘点集合中的异常边缘点，得到原始边缘点集合。
本步骤中，边缘点集合，即目标反光球对应的边缘点集合；去除边缘点集合中的异常边缘点的具体方式，可以是去除包含若干边缘点的边缘点集合中的异常边缘点；原始边缘点集合，是指通过去除边缘点集合中的异常边缘点，获取得到的原始边缘点集合。
在实际应用中，边缘点集合中的异常边缘点，可以是在边缘点集合中对应的CT值(或称HU值)存在异常的边缘点，或与目标反光球的球心之间的距离存在异常的边缘点；HU值，即HU(Hounsfiled Unit,HU)值。
步骤S140，在原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于原始边缘点集合的误差矩阵的拟合结果，获取目标反光球的候选球心坐标。
本步骤中，原始边缘点集合，是指通过去除边缘点集合中的异常边缘点，获取得到的原始边缘点集合；原始边缘点集合的误差矩阵的残差值，可以是原始边缘点集合的误差矩阵的模值；目标反光球，是指CT影像中的目标反光球；目标反光球的候选球心坐标，是指在原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于原始边缘点集合的误差矩阵的拟合结果，获取得到的目标反光球的候选球心坐标。
步骤S150，基于候选球心坐标，确定出目标边缘点集合；前述目标边缘点集合中的每一目标边缘点与候选球心坐标之间的拟合误差值小于或等于拟合误差阈值。
本步骤中，候选球心坐标，即目标反光球的候选球心坐标，是指在原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于原始边缘点集合的误差矩阵的拟合结果，获取得到的目标反光球的候选球心坐标；基于候选球心坐标，确定出目标边缘点集合的具体方式，可以是从原始边缘点集合中选取出与候选球心坐标之间的拟合误差值小于或等于拟合误差阈值的各个目标边缘点，并将选取出的各个目标边缘点，组合成目标边缘点集合。
步骤S160，若目标边缘点集合的误差矩阵的残差值小于残差阈值，则基于目标边缘点集合的误差矩阵的拟合结果，确定出目标反光球的球心坐标。
本步骤中，目标边缘点集合，是指基于原始边缘候选球心坐标，确定出的目标边缘点集合；目标边缘点集合的误差矩阵的残差值，可以是目标边缘点集合的误差矩阵的模值；目标反光球的球心坐标，是指在目标边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于目标边缘点集合的误差矩阵的拟合结果，确定出的目标反光球的球心坐标。
上述反光球的球心坐标获取方法，首先，获取CT影像中位于目标反光球的球心附近的种子点坐标。然后，将种子点坐标作为起始点，对目标反光球进行边缘检测，得到目标反光球对应的边缘点集合。接着，去除边缘点集合中的异常边缘点，得到原始边缘点集合。之后，在原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于原始边缘点集合的误差矩阵的拟合结果，获取目标反光球的候选球心坐标。再之后，基于候选球心坐标，确定出目标边缘点集合。最后，若目标边缘点集合的误差矩阵的残差值小于残差阈值，则基于目标边缘点集合的误差矩阵的拟合结果，确定出目标反光球的球心坐标。本申请通过基于目标反光球的球心附近的种子点坐标，对目标反光球进行边缘检测，得到目标反光球的边缘点坐标集合，并采用最小二乘法对该边缘点坐标集合进行多次迭代，实现了准确获取CT影像中的反光球的影像坐标位置与光学导航配准装置中的反光球的实际球心坐标之间的转换关系，不仅能够提升获取得到的CT影像中的反光球的球心坐标的准确率，还能够有效提升获取CT影像中的反光球的球心坐标的效率。
对于获取原始边缘点集合的误差矩阵的拟合结果的具体方式，在一个实施例中，如图2所示，在上述步骤S140之前，上述方法还包括：
步骤S210，构建原始边缘点集合的误差矩阵。
本步骤中，原始边缘点集合，是指通过去除边缘点集合中的异常边缘点，获取得到的原始边缘点集合；边缘点集合，即目标反光球对应的边缘点集合，是指通过对目标反光球进行边缘检测，获取得到的由目标反光球对应的若干边缘点组合而成的边缘点集合；原始边缘点集合的误差矩阵，是指针对原始边缘点集合中的各个原始边缘点进行构建的、原始边缘点集合对应的误差矩阵。
步骤S220，采用最小二乘法，对原始边缘点集合的误差矩阵进行求解，得到原始边缘点集合的误差矩阵的拟合结果。
本步骤中，原始边缘点集合的误差矩阵的拟合结果，是指采用最小二乘法，对原始边缘点集合的误差矩阵进行求解，得到原始边缘点集合的误差矩阵的拟合结果。
上述实施例通过采用最小二乘法，对原始边缘点集合的误差矩阵进行求解，得到原始边缘点集合的误差矩阵的拟合结果的方式，有效提升了获取得到的CT影像中的反光球的球心坐标的准确率。
对于获取原始边缘点集合对应的误差矩阵的具体方式，在一个实施例中，如图3所示，上述步骤S210具体包括：
步骤S310，构建原始边缘点集合对应的雅克比矩阵。
本步骤中，原始边缘点集合，是指通过去除边缘点集合中的异常边缘点，获取得到的原始边缘点集合；边缘点集合，即目标反光球对应的边缘点集合，是指通过对目标反光球进行边缘检测，获取得到的由目标反光球对应的若干边缘点组合而成的边缘点集合；原始边缘点集合对应的雅克比矩阵，是指针对原始边缘点集合中的各个原始边缘点进行构建的、原始边缘点集合对应的雅克比矩阵。
步骤S320，基于原始边缘点集合对应的雅克比矩阵，获取原始边缘点集合对应的误差矩阵。
本步骤中，原始边缘点集合对应的雅克比矩阵，是指针对针对原始边缘点集合中的各个原始边缘点进行构建的、原始边缘点集合对应的雅克比矩阵；原始边缘点集合对应的误差矩阵，是指基于原始边缘点集合对应的雅克比矩阵，获取得到的原始边缘点集合对应的误差矩阵。
上述实施例通过基于原始边缘点集合对应的雅克比矩阵，获取原始边缘点集合对应的误差矩阵的方式，有效提升了获取CT影像中的反光球的球心坐标的效率。
对于获取原始边缘点集合的具体方式，在一个实施例中，如图4所示，上述步骤S130具体包括：
步骤S410，根据边缘点集合中的每一边缘点对应的CT值，以及边缘点集合中的每一边缘点与目标反光球的球心之间的距离，确定异常边缘点筛选条件。
本步骤中，边缘点集合，即目标反光球对应的边缘点集合，是指通过对目标反光球进行边缘检测，获取得到的由目标反光球对应的若干边缘点组合而成的边缘点集合；边缘点集合中的每一边缘点对应的CT值，又称为边缘点集合中的每一边缘点对应的HU值；异常边缘点筛选条件，是指用于从边缘点集合中，筛选出对应的CT值存在异常、以及与目标反光球的球心之间的距离存在异常的每一异常边缘点的筛选条件。
在实际应用中，根据边缘点集合中的每一边缘点对应的CT值，以及边缘点集合中的每一边缘点与目标反光球的球心之间的距离，确定异常边缘点筛选条件的具体方式，可以是分别设置可以用于将某些边缘点对应的CT值确定为异常CT值的判断阈值，以及可以用于将某些边缘点与目标反光球的球心之间的距离确定为异常距离的判断阈值(即设置相应的数值，作为异常CT值、异常距离的判断阈值)。
步骤S420，基于异常边缘点筛选条件，去除边缘点集合中的异常边缘点，得到原始边缘点集合。
本步骤中，异常边缘点筛选条件，是指用于从边缘点集合中，筛选出对应的CT值存在异常、以及与目标反光球的球心之间的距离存在异常的每一异常边缘点的筛选条件；去除边缘点集合中的异常边缘点，是指基于异常边缘点筛选条件，去除边缘点集合中对应的CT值存在异常、以及与目标反光球的球心之间的距离存在异常的每一异常边缘点；原始边缘点集合，是指基于异常边缘点筛选条件，去除边缘点集合中的异常边缘点之后，获取得到的原始边缘点集合。
上述实施例通过基于异常边缘点筛选条件，去除边缘点集合中的异常边缘点，得到原始边缘点集合的方式，不仅提高了获取CT影像中的反光球的球心坐标的效率，还有效保障了获取得到的CT影像中的反光球的球心坐标的准确率。
对于获取目标边缘点集合的具体方式，在一个实施例中，如图5所示，上述步骤S150具体包括：
步骤S510，在拟合误差值大于拟合误差阈值的情况下，在原始边缘点集合中，去除对应拟合误差值最大的原始边缘点，得到更新后的原始边缘点集合。
本步骤中，拟合误差值，是指原始边缘点集合中的各个原始边缘点与候选球心坐标之间的拟合误差值；原始边缘点集合，是指通过去除边缘点集合中的异常边缘点，获取得到的原始边缘点集合；边缘点集合，即目标反光球对应的边缘点集合；更新后的原始边缘点集合，是指在拟合误差值大于拟合误差阈值的情况下，在原始边缘点集合中，去除对应拟合误差值最大的原始边缘点之后，获取得到的更新后的原始边缘点集合。
步骤S520，若更新后的原始边缘点集合中的每一原始边缘点与候选球心坐标之间的拟合误差值均小于或等于拟合误差阈值，则将更新后的原始边缘点集合，确定为目标边缘点集合。
本步骤中，更新后的原始边缘点集合，是指在拟合误差值大于拟合误差阈值的情况下，在原始边缘点集合中，去除对应拟合误差值最大的原始边缘点之后，获取得到的更新后的原始边缘点集合；目标边缘点集合，是指在更新后的原始边缘点集合中的每一原始边缘点与候选球心坐标之间的拟合误差值均小于或等于拟合误差阈值的情况下，根据更新后的原始边缘点集合，确定得到的目标边缘点集合。
上述实施例通过在更新后的原始边缘点集合中的每一原始边缘点与候选球心坐标之间的拟合误差值均小于或等于拟合误差阈值的情况下，将更新后的原始边缘点集合，确定为目标边缘点集合的方式，有效提高了获取CT影像中的反光球的球心坐标的效率。
对于获取CT影像中位于目标反光球的球心附近的种子点坐标的具体方式，在一个实施例中，上述步骤S110具体包括：
基于对CT影像中的选择事件的监听情况，获取CT影像中位于目标反光球的球心附近的种子点坐标。
其中，CT影像，可以是带有若干反光球的CT影像；CT影像中的选择事件，可以是在展示带有若干反光球的CT影像的导航软件中，通过屏幕指针点击位于其中一个反光球的球心附近的任意一点的选择事件；目标反光球，可以是在展示带有若干反光球的CT影像的导航软件中，通过屏幕指针进行点击的反光球；位于目标反光球的球心附近的种子点坐标，可以是在展示带有若干反光球的CT影像的导航软件中，通过屏幕指针点击位于其中一个反光球的球心附近的任意一点，获取得到的该反光球的球心附近的任意一点对应的坐标。
在实际应用中，上述屏幕指针，可以是鼠标指针；目标反光球的球心附近的种子点坐标的具体表现形式，可以是目标反光球的球心附近的种子点对应的三维坐标。
上述实施例通过基于对CT影像中的选择事件的监听情况，获取CT影像中位于目标反光球的球心附近的种子点坐标的方式，降低了获取CT影像中位于目标反光球的球心附近的种子点坐标的操作难度，进而有效提升了获取CT影像中的反光球的球心坐标的效率。
在一个实施例中，结合上述各方法实施例中的各个步骤，对在实际应用中采用上述方法获取反光球的球心坐标的具体方式，进行整体说明：
首先，假设目标反光球的球面方程可以采用如下公式进行表示：
(x-x0)2+(y-y0)2+(z-z0)2＝r2；
其中，r为目标反光球的半径，[x0,y0,z0]T为目标反光球的球心坐标。
在展示带有若干反光球的CT影像的导航软件中，通过屏幕指针点击位于其中一个反光球的球心附近的任意一点的方式，获取位于目标反光球的球心附近的种子点坐标(xi,yi,zi)，则可以采用如下公式表示目标反光球的球心坐标与种子点坐标之间的关系：
(xi-x0)2+(yi-y0)2+(zi-z0)2＝r2。
在此基础上，约束函数fi(p)可以采用如下公式进行表示：
fi(p)＝(xi-x0)2+(yi-y0)2+(zi-z0)2-r2；
其中，参数p＝[x0,y0,z0,r]T。由此可见，fi(p)关于参数p的雅克比矩阵，可以采用如下公式进行表示：
将该公式展开，可以得到：
基于此，约束函数fi(p)也可以采用如下形式进行表示：
进一步的，约束函数fi(p)的一阶微分公式为：
JiΔP＝fi。
然后，将位于目标反光球的球心附近的种子点坐标(xi,yi,zi)作为起始点，对目标反光球进行边缘检测，得到目标反光球对应的边缘点集合。
接着，去除边缘点集合中的对应的CT值存在异常、以及与目标反光球的球心之间的距离存在异常的每一异常边缘点，得到目标反光球对应的原始边缘点集合。
之后，针对目标反光球对应的原始边缘点集合，构建如下雅克比矩阵：
基于上述雅克比矩阵，可以得到如下形式的原始边缘点集合对应的误差矩阵：
再之后，采用最小二乘法，计算原始边缘点集合对应的误差矩阵的残差值ΔP(即原始边缘点集合对应的误差矩阵的模值ΔP)，并获取原始边缘点集合对应的误差矩阵的拟合结果Piter：
Piter＝P+ΔP；
具体而言，在原始边缘点集合的误差矩阵的残差值ΔP小于残差阈值的情况下，基于原始边缘点集合的误差矩阵的拟合结果Piter，获取目标反光球的候选球心坐标，并基于该候选球心坐标，确定出与其对应的拟合误差值小于或等于拟合误差阈值(可以将拟合误差阈值设置为每一目标边缘点拟合候选球心坐标的距离小于0.005mm、每一目标边缘点与候选球心坐标之间的拟合误差小于半个像素等形式)的每一目标边缘点，进而得到目标边缘点集合；在原始边缘点集合的误差矩阵的残差值ΔP大于残差阈值的情况下，在原始边缘点集合中，去除对应拟合误差值最大的原始边缘点，得到更新后的原始边缘点集合，若更新后的原始边缘点集合中的每一原始边缘点与候选球心坐标之间的拟合误差值均小于或等于拟合误差阈值，则将更新后的原始边缘点集合，确定为目标边缘点集合。
最后，在目标边缘点集合的误差矩阵的残差值(即目标边缘点集合的误差矩阵的模值)小于残差阈值的情况下，基于目标边缘点集合的误差矩阵的拟合结果Piter，确定得到目标反光球的球心坐标。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的反光球的球心坐标获取方法的反光球的球心坐标获取装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个反光球的球心坐标获取装置实施例中的具体限定可以参见上文中对于反光球的球心坐标获取方法的限定，在此不再赘述。
在一个实施例中，如图6所示，提供了一种反光球的球心坐标获取装置，该装置600包括：
种子点坐标获取模块610，用于获取CT影像中位于目标反光球的球心附近的种子点坐标；
第一集合获取模块620，用于将所述种子点坐标作为起始点，对所述目标反光球进行边缘检测，得到所述目标反光球对应的边缘点集合；
第二集合获取模块630，用于去除所述边缘点集合中的异常边缘点，得到原始边缘点集合；
候选球心坐标获取模块640，用于在所述原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于所述原始边缘点集合的误差矩阵的拟合结果，获取所述目标反光球的候选球心坐标；
第三集合获取模块650，用于基于所述候选球心坐标，确定出目标边缘点集合；所述目标边缘点集合中的每一目标边缘点与所述候选球心坐标之间的拟合误差值小于或等于拟合误差阈值；
球心坐标确定模块660，用于若所述目标边缘点集合的误差矩阵的残差值小于所述残差阈值，则基于所述目标边缘点集合的误差矩阵的拟合结果，确定出所述目标反光球的球心坐标。
在其中一个实施例中，上述装置还包括：原始边缘点拟合模块，用于构建所述原始边缘点集合的误差矩阵；采用最小二乘法，对所述原始边缘点集合的误差矩阵进行求解，得到所述原始边缘点集合的误差矩阵的拟合结果。
在其中一个实施例中，原始边缘点拟合模块，具体用于构建所述原始边缘点集合对应的雅克比矩阵；基于所述原始边缘点集合对应的雅克比矩阵，获取所述原始边缘点集合对应的误差矩阵。
在其中一个实施例中，第二集合获取模块630，具体用于根据所述边缘点集合中的每一边缘点对应的CT值，以及所述边缘点集合中的每一边缘点与所述目标反光球的球心之间的距离，确定异常边缘点筛选条件；基于所述异常边缘点筛选条件，去除所述边缘点集合中的异常边缘点，得到所述原始边缘点集合。
在其中一个实施例中，第三集合获取模块650，具体用于在所述拟合误差值大于所述拟合误差阈值的情况下，在所述原始边缘点集合中，去除对应拟合误差值最大的原始边缘点，得到更新后的原始边缘点集合；若所述更新后的原始边缘点集合中的每一原始边缘点与所述候选球心坐标之间的拟合误差值均小于或等于所述拟合误差阈值，则将所述更新后的原始边缘点集合，确定为所述目标边缘点集合。
在其中一个实施例中，种子点坐标获取模块610，具体用于基于对所述CT影像中的选择事件的监听情况，获取所述CT影像中位于所述目标反光球的球心附近的种子点坐标。
上述反光球的球心坐标获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种反光球的球心坐标获取方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如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)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种反光球的球心坐标获取方法，其特征在于，所述方法包括：
获取CT影像中位于目标反光球的球心附近的种子点坐标；
将所述种子点坐标作为起始点，对所述目标反光球进行边缘检测，得到所述目标反光球对应的边缘点集合；
去除所述边缘点集合中的异常边缘点，得到原始边缘点集合；
在所述原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于所述原始边缘点集合的误差矩阵的拟合结果，获取所述目标反光球的候选球心坐标；
基于所述候选球心坐标，确定出目标边缘点集合；所述目标边缘点集合中的每一目标边缘点与所述候选球心坐标之间的拟合误差值小于或等于拟合误差阈值；
若所述目标边缘点集合的误差矩阵的残差值小于所述残差阈值，则基于所述目标边缘点集合的误差矩阵的拟合结果，确定出所述目标反光球的球心坐标。
2.根据权利要求1所述的方法，其特征在于，所述基于所述原始边缘点集合的误差矩阵的拟合结果，获取所述目标反光球的候选球心坐标之前，所述方法还包括：
构建所述原始边缘点集合的误差矩阵；
采用最小二乘法，对所述原始边缘点集合的误差矩阵进行求解，得到所述原始边缘点集合的误差矩阵的拟合结果。
3.根据权利要求2所述的方法，其特征在于，所述构建所述原始边缘点集合的误差矩阵，包括：
构建所述原始边缘点集合对应的雅克比矩阵；
基于所述原始边缘点集合对应的雅克比矩阵，获取所述原始边缘点集合对应的误差矩阵。
4.根据权利要求1所述的方法，其特征在于，所述去除所述边缘点集合中的异常边缘点，得到原始边缘点集合，包括：
根据所述边缘点集合中的每一边缘点对应的CT值，以及所述边缘点集合中的每一边缘点与所述目标反光球的球心之间的距离，确定异常边缘点筛选条件；
基于所述异常边缘点筛选条件，去除所述边缘点集合中的异常边缘点，得到所述原始边缘点集合。
5.根据权利要求1所述的方法，其特征在于，所述基于所述候选球心坐标，确定出目标边缘点集合，包括：
在所述拟合误差值大于所述拟合误差阈值的情况下，在所述原始边缘点集合中，去除对应拟合误差值最大的原始边缘点，得到更新后的原始边缘点集合；
若所述更新后的原始边缘点集合中的每一原始边缘点与所述候选球心坐标之间的拟合误差值均小于或等于所述拟合误差阈值，则将所述更新后的原始边缘点集合，确定为所述目标边缘点集合。
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述获取CT影像中位于目标反光球的球心附近的种子点坐标，包括：
基于对所述CT影像中的选择事件的监听情况，获取所述CT影像中位于所述目标反光球的球心附近的种子点坐标。
7.一种反光球的球心坐标获取装置，其特征在于，所述装置包括：
种子点坐标获取模块，用于获取CT影像中位于目标反光球的球心附近的种子点坐标；
第一集合获取模块，用于将所述种子点坐标作为起始点，对所述目标反光球进行边缘检测，得到所述目标反光球对应的边缘点集合；
第二集合获取模块，用于去除所述边缘点集合中的异常边缘点，得到原始边缘点集合；
候选球心坐标获取模块，用于在所述原始边缘点集合的误差矩阵的残差值小于残差阈值的情况下，基于所述原始边缘点集合的误差矩阵的拟合结果，获取所述目标反光球的候选球心坐标；
第三集合获取模块，用于基于所述候选球心坐标，确定出目标边缘点集合；所述目标边缘点集合中的每一目标边缘点与所述候选球心坐标之间的拟合误差值小于或等于拟合误差阈值；
球心坐标确定模块，用于若所述目标边缘点集合的误差矩阵的残差值小于所述残差阈值，则基于所述目标边缘点集合的误差矩阵的拟合结果，确定出所述目标反光球的球心坐标。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310666012.7A CN116758144A (zh) | 2023-06-06 | 2023-06-06 | 反光球的球心坐标获取方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310666012.7A CN116758144A (zh) | 2023-06-06 | 2023-06-06 | 反光球的球心坐标获取方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116758144A true CN116758144A (zh) | 2023-09-15 |
Family
ID=87954500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310666012.7A Pending CN116758144A (zh) | 2023-06-06 | 2023-06-06 | 反光球的球心坐标获取方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116758144A (zh) |
-
2023
- 2023-06-06 CN CN202310666012.7A patent/CN116758144A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11573942B2 (en) | System and method for determining exact location results using hash encoding of multi-dimensioned data | |
| CN114020756B (zh) | 遥感影像实时地图服务发布方法和装置 | |
| CN116883563B (zh) | 标注点渲染方法、装置、计算机设备、存储介质 | |
| CN116932935A (zh) | 地址匹配方法、装置、设备、介质和程序产品 | |
| CN116385575A (zh) | 图像重构方法、装置、计算机设备和存储介质 | |
| CN117058022A (zh) | 深度图像去噪方法、装置、计算机设备及存储介质 | |
| CN116912791A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
| CN114022518B (zh) | 图像的光流信息获取方法、装置、设备和介质 | |
| CN116758144A (zh) | 反光球的球心坐标获取方法、装置、设备和存储介质 | |
| CN116797747A (zh) | 水下检测数据可视化方法、装置、计算机设备和存储介质 | |
| CN115482152A (zh) | 栅格地图导入设计软件方法、装置及计算机设备 | |
| CN117576645B (zh) | 基于bev视角的车位检测方法、装置和计算机设备 | |
| CN116645374B (zh) | 点状缺陷检测方法、装置、计算机设备及存储介质 | |
| CN116442226B (zh) | 位姿正确性判断方法、装置、机器人和存储介质 | |
| CN118334031B (zh) | 外观缺陷检测方法、装置、存储介质及电子设备 | |
| CN116295031B (zh) | 弧垂的测量方法、装置、计算机设备和存储介质 | |
| CN118229585A (zh) | 深度图像修复方法、装置、计算机设备和存储介质 | |
| CN117312653A (zh) | 服务策略确定方法、装置、计算机设备和存储介质 | |
| CN118261981A (zh) | 柜式设备内部部件空间估计方法、装置、设备、介质 | |
| CN118657833A (zh) | 标记中心的定位方法、装置、计算机设备、可读存储介质和计算机程序产品 | |
| CN118314233A (zh) | 图形处理方法、装置、计算机设备和存储介质 | |
| CN118277417A (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
| CN117237826A (zh) | 基于空间位姿信息的配电网的缺陷去重方法、装置和设备 | |
| CN118153292A (zh) | 产品可靠度确定方法、装置、计算机设备和存储介质 | |
| CN118820950A (zh) | 作业结果自动确定方法、装置、计算机设备和存储介质 |
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 |