CN117695016A - 机械臂的匹配方法、医生控制台和计算机可读存储介质 - Google Patents

机械臂的匹配方法、医生控制台和计算机可读存储介质 Download PDF

Info

Publication number
CN117695016A
CN117695016A CN202211020147.8A CN202211020147A CN117695016A CN 117695016 A CN117695016 A CN 117695016A CN 202211020147 A CN202211020147 A CN 202211020147A CN 117695016 A CN117695016 A CN 117695016A
Authority
CN
China
Prior art keywords
main operation
operation end
mechanical arm
target
pose data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211020147.8A
Other languages
English (en)
Inventor
请求不公布姓名
王家寅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Microport Medbot Group Co Ltd
Original Assignee
Shanghai Microport Medbot Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Microport Medbot Group Co Ltd filed Critical Shanghai Microport Medbot Group Co Ltd
Priority to CN202211020147.8A priority Critical patent/CN117695016A/zh
Priority to PCT/CN2023/112022 priority patent/WO2024041386A1/zh
Publication of CN117695016A publication Critical patent/CN117695016A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • A61B34/37—Master-slave robots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • A61B34/35—Surgical robots for telesurgery
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/70—Manipulators specially adapted for use in surgery
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/70—Manipulators specially adapted for use in surgery
    • A61B34/77—Manipulators with motion or force scaling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J3/00—Manipulators of master-slave type, i.e. both controlling unit and controlled unit perform corresponding spatial movements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/107—Visualisation of planned trajectories or target regions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A61B2034/2046—Tracking techniques
    • A61B2034/2065—Tracking using image or pattern recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
    • A61B2034/2068—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis using pointers, e.g. pointers having reference marks for determining coordinates of body points
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/30—Surgical robots
    • A61B2034/305—Details of wrist mechanisms at distal ends of robotic arms
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Robotics (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本说明书提供了机械臂的匹配方法、医生控制台和计算机可读存储介质。基于上述方法，医生控制台在接收到指示将主操作端由操控第一从机械臂切换为操控第二从机械臂的机械臂切换指令时，可以先获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；再综合利用上述数据，确定出主操作端的目标位姿数据；再根据目标位姿数据，控制主操作端运动，以与新切换的第二从机械臂的相匹配。从而可以避免主操作端的主操作臂跟随运动范围过大对用户操作的影响，精准地控制主操作端自动调整到与第二从机械臂相匹配，且与之前用户已适应的构型相同或相近的位姿状态。

Description

机械臂的匹配方法、医生控制台和计算机可读存储介质
技术领域
本说明书属于医疗器械技术领域，尤其涉及机械臂的匹配方法、医生控制台和计算机可读存储介质。
背景技术
通常，在医生用户使用医生控制台的主操作端操控患者手术台的从机械臂进行手术操作的过程中，当需要切换所操控的从机械臂时，要先调整主操作端的位姿，以与新切换的从机械臂相匹配。但是，基于现有方法，在调整主操作端的位姿的过程中往往存在主操作端的主操作臂跟随运动范围过大、用户操作体验差等问题。
针对上述问题，目前尚未提出有效的解决方案。
发明内容
本说明书提供了机械臂的匹配方法、医生控制台和计算机可读存储介质，可以较好地避免主操作端的主操作臂跟随运动范围过大对用户操作的影响，能够精准地控制主操作端自动调整到与第二从机械臂相匹配，且与之前用户已经适应的构型相同或相近的位姿状态，使用户可以获得较好的操作体验。
本说明书提供了一种机械臂的匹配方法，包括：接收机械臂切换指令；其中，所述机械臂切换指令用于指示将主操作端由操控第一从机械臂切换为操控第二从机械臂；所述第二从机械臂挂载有目标手术器械；响应所述机械臂切换指令，获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据；根据目标位姿数据，控制主操作端运动，以与第二从机械臂相匹配。
本说明书提供了还提供了一种医生控制台，至少包括：主操作端和机械臂的匹配装置；其中，所述主操作端与患者手术台的从机械臂关联；所述机械臂的匹配装置执行时实现所述机械臂的匹配方法的相关步骤。
本说明书提供了还提供了一种计算机设备，至少包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现所述机械臂的匹配方法的相关步骤。
本说明书还提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现以下步骤：接收机械臂切换指令；其中，所述机械臂切换指令用于指示将主操作端由操控第一从机械臂切换为操控第二从机械臂；所述第二从机械臂挂载有目标手术器械；响应所述机械臂切换指令，获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据；根据目标位姿数据，控制主操作端运动，以与第二从机械臂相匹配。
基于本说明书提供的机械臂的匹配方法、医生控制台和计算机可读存储介质，医生控制台在接收到指示将主操作端由操控第一从机械臂切换为操控第二从机械臂的机械臂切换指令时，可以先获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；再综合利用上述数据，通过构建并求解兼顾多方面因素的目标函数，确定出主操作端的目标位姿数据；再根据上述目标位姿数据，控制主操作端运动。从而可以较好地避免主操作端的主操作臂跟随运动范围过大对用户操作的影响，能够精准地控制主操作端自动调整到与第二从机械臂相匹配，且与之前用户已经适应的构型相同或相近的位姿状态，有效地改善了用户操作时舒适度和连续性，使用户可以获得较好的操作体验。
进一步，还通过采集并根据用户使用医生控制台的主操作端操控从机械臂时的历史影像数据，确定出用户使用主操作端操控该从机械臂时针对手柄末端的抓握特征；再根据该抓握特征，对目标约束条件进行针对性的调整，以便后续可以基于上述调整后的目标约束条件求解目标函数，得到符合该用户个性化抓握习惯的目标位姿数据，以进一步提高用户的舒适度，使用户可以获得相对更好的操作体验。
此外，还通过利用预设的规划算法基于目标位姿数据进行路径规划来确定目标轨迹路径，从而可以较为高效地确定出符合要求的目标轨迹路径，进而可以根据上述目标轨迹路径快速、安全地控制主操作端运动，以与新切换的从机械臂匹配，减少了用户的等待时长，也能进一步提高了用户的操作体验。
附图说明
为了更清楚地说明本说明书实施例，下面将对实施例中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本说明书中记载的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本说明书的一个实施例提供的机械臂的匹配方法的流程示意图；
图2是在一个场景示例中，医疗系统的一种实施例的示意图；
图3是在一个场景示例中，医疗系统中的医生控制台的结构组成一种实施例的示意图；
图4是在一个场景示例中，医生控制台的主操作端的结构组成的一种实施例的示意图；
图5是在一个场景示例中，医生控制台的主操作端的结构组成的另一种实施例的示意图；
图6是在一个场景示例中，医疗系统中的患者手术台的结构组成一种实施例的示意图；
图7是在一个场景示例中，医疗系统中的患者手术台的坐标系一种实施例的示意图；
图8是在一个场景示例中，应用本说明书实施例提供的机械臂的匹配方法进行路径规划时得到的关节速度的变化曲线图；
图9是在一个场景示例中，应用本说明书实施例提供的机械臂的匹配方法采用预设的规划算法进行路径规划时得到的关节加速度的变化曲线图；
图10是在一个场景示例中，应用本说明书实施例提供的机械臂的匹配方法采用预设的规划算法进行路径规划时采用优化的规划算法确定自由空间的实施例示意图；
图11是在一个场景示例中，应用本说明书实施例提供的机械臂的匹配方法采用预设的规划算法进行路径规划时采用优化的规划算法的流程示意图；
图12是在一个场景示例中，应用本说明书实施例提供的机械臂的匹配方法采用预设的规划算法进行路径规划时采用优化的规划算法的确定过程示意图；
图13是本说明书的一个实施例提供的医生控制台的结构组成示意图；
图14是本说明书的一个实施例提供的计算机设备的结构组成示意图；
图15是本说明书的一个实施例提供的机械臂的匹配装置的结构组成示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
参阅图1所示，本说明书实施例提供了一种机械臂的匹配方法。其中，该方法具体应用于医生控制台一侧。具体实施时，该方法可以包括以下内容：
S101：接收机械臂切换指令；其中，所述机械臂切换指令用于指示将主操作端由操控第一从机械臂切换为操控第二从机械臂；所述第二从机械臂挂载有目标手术器械；
S102：响应所述机械臂切换指令，获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；
S103：根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据；
S104：根据目标位姿数据，控制主操作端运动，以与第二从机械臂相匹配。
在一些实施例中，上述机械臂的匹配方法具体可以应用于医疗系统中的医生控制台一侧。其中，参阅图2所示，上述医生控制台面向用户(例如，医生用户)。医生用户可以通过医生控制台操控患者手术台为患者进行手术操作。
具体的，参阅图3所示，上述医生控制台至少可以包括主操作端和显示器。其中，参阅图4所示，上述主操作端进一步可以包括主操作臂(或称主机械臂)和手柄末端(或称手腕模块)。
进一步，参阅图5所示，在上述主操作臂上还可以布设有多个位置关节，例如，位置关节1、位置关节2和位置关节3。其中，上述主操作臂上的位置关节的位姿变化会对主操作端的运动范围幅度产生相对较为明显的影响。
在上述手柄末端至少布设有一个姿态关节，例如，姿态关节4。进一步，在上述手柄末端还可以布设有一个或多个其他的姿态关节，例如，姿态关节5，姿态关节6和姿态关节7，以使手柄末端可以具有一定冗余自由度。其中，上述姿态关节5具体用于控制俯仰姿态，上述姿态关节6用于控制偏摆姿态，上述姿态关节7用于控制自转姿态。区别于主操作臂上的位置关节，上述手柄末端的姿态关节的位姿变化对主操作端的运动范围幅度影响相对较小。
具体的，主操作端的位置主要由主操作臂的位置关节的关节位置决定。主操作端的姿态主要由手柄末端的姿态关节的姿态数据决定，同时也会受到位置关节的影响。例如，位置关节1、位置关节3的关节位置，与姿态关节4的姿态数据之间存在相应的转换关系。
上述显示器用于向医生用户展示手术过程中的影像数据。
此外，参阅图3所示，上述医生控制台还可以包含有脚踏面板。其中，上述脚踏面板用于触发生成相关的功能控制指令，例如，机械臂切换指令、电操作功能指令等。上述医生控制还可以包含有扶手，用于为医生用户提供支撑，方便医生用户的操作。
参阅图2所示，上述医生控制台可以通过有线或无线的方式与医疗系统中的患者手术台相连。其中，上述患者手术台面向待进行手术的患者。
具体的，参阅图6所示，在患者手术台上至少布设有多个从机械臂。例如，从机械臂1、从机械臂2、从机械臂3、从机械臂4、从机械臂5。此外，上述患者手术台还可以包含有基座、顶盘等结构。
进一步，在上述从机械臂上可以挂载有手术时所需要使用到的手术器械、内窥镜等相关设备。例如，从机械臂1挂载有手术器械，从机械臂5挂载有内窥镜。
患者手术台的从机械臂与医生控制台的主操作端关联。相应的，医生用户可以通过操作医生控制台的主操作端发来操控患者手术台的从机械臂控制所挂载的手术器械等对患者进行具体的手术操作。
参阅图2所示，上述患者手术台还可以与图像平台相连。图像平台至少包含有显示器和图像处理装置。上述图像平台还与挂载于患者手术台的从机械臂的内窥镜相连。进而可以通过内窥镜采集手术过程中的影像数据，并利用图像处理装置对上述影像数据进行相应处理后，再通过上述显示器向医生用户或者医生用户的助理展示处理后的影像数据。此外，上述处理后的影像数据也会传输至医生控制台，并通过医生控制台的显示器展示给医生用户。
此外，上述医疗系统还包含有手术器械台、患者床和麻醉台车。其中，手术器械台用于放置手术器械等手术所需设备；麻醉台车用于实现手术过程中麻醉和体征监测。
具体实施前，还可以分别在医生控制台的主操作端，以及患者手术台的从机械臂布设相应的传感器，用于采集主操作端和从机械臂的位姿数据。
进一步，还可以在医生控制台设置摄像头，用于采集医生用户手握主操作端操控患者手术台的从机械臂时的影像数据。
基于上述医疗系统，一开始，医生用户通过主操作端操控从机械臂1使用所挂载的手术器械1对患者进行手术操作。当需要切换使用从机械臂2所挂载的手术器械2对患者进行手术操作时，医生用户可以通过脚踏面板向医生控制台发起用于指示将主操作端由操控从机械臂1切换为操控从机械臂2的机械臂切换指令。
这时，医生控制台可以先通过传感器(或者码盘等检测设备)采集此时主操作端操控从机械臂1时主操作端时主操作臂的位置关节的关节位置，作为从机械臂的构型数据(可以记为与从机械臂1对应的构型数据1)；并将该构型数据保存于数据库中。再响应机械臂切换指令，将主操作端所操控的从机械臂1切换成从机械臂2；并将主操作端恢复成与从机械臂2所挂载的手术器械2相匹配的位姿状态。
在医生用户通过主操作端操控从机械臂2使用所挂载的手术器械2一段时间后，当医生用户需要再次使用从机械臂2所挂载的手术器械2对患者进行手术操作时，医生用户可以通过脚踏面板向医生控制台发起用于指示将主操作端由操控从机械臂2切换为操控从机械臂1的机械臂切换指令。
这时，医生控制台可以先通过传感器采集此时主操作端操控从机械臂2时主操作端时主操作臂的位置关节的关节位置，作为从机械臂的构型数据(可以记为与从机械臂2对应的构型数据2)；并将该构型数据保存于数据库中。再响应该机械臂切换指令，应用本说明书提供的机械臂的匹配方法，通过传感器采集挂载于从机械臂1的手术器械1的当前位姿数据；同时，采集并获取主操作端的当前关节位置，以及之前记录保存的上一次主操作端操控从机械臂1时主操作端的构型数据1；进而可以综合利用上述手术器械的当前位姿数据、主操作端的当前关节位置和构型数据1，同时兼顾主操作臂的跟随运动范围，用户操作时的舒适度和连续性等多方面因素，确定出能够与当前的从机械臂1相匹配的，且用户操作体验较好的主操作端的目标位姿数据。进而可以根据该目标位姿数据，通过路径规划，控制主操作端的位姿状态与当前的从机械臂1相匹配；同时尽量减少主操作端的主操作臂跟随运动范围过大对用户操作的影响，使用户手握主操作端操作时具有较好的舒适性和连续性，有效地提高了用户的操作体验。
在一些实施例中，上述机械臂切换指令具体可以理解为一种用于指示将主操作端由操控第一从机械臂切换为操控第二从机械臂的指令数据。
具体实施时，用户可以通过触发医生控制台的脚踏面板发起上述机械臂切换指令。此外，用户还可以通过发出相关的语音指令，或者触发设置于医生控制台的切换按钮来发起上述机械臂切换指令等。
在本实施例中，上述第一从机械臂具体可以理解为主操作端当前所操控的从机械臂；上述第二从机械具体可以理解为主操作端即将切换操控的从机械臂；上述目标手术器械具体可以理解为挂载于第二从机械臂上的手术器械。
在一些实施例中，具体实施时，可以响应机械臂切换指令，通过布设于第二从机械臂上的传感器等检测设备采集获取目标手术器械的当前位姿数据；同时，通过布设于主操作端的传感器采集获取主操作端的当前关节位置；并且，还可以通过查询数据库，获取所保存的上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据。
此外，在通过布设于主操作端的传感器采集获取主操作端的当前关节位置之后，还可以主操作端的当前关节位置作为主操作端操控第一从机械臂时与第一从机械臂对应的构型数据，并将该构型数据保存于数据库中。
其中，上述数据库内可以存储有主操作端操控分别操控多个从机械臂时的构型数据。具体的，上述构型数据还可以携带有所对应的从机械臂的机械臂标识。
此外，在上述数据库内，还可以存储有对应同一个从机械臂的多个构型数据。其中，上述构型数据中还可以携带有关于保存时间的时间信息。
在一些实施例中，上述获取目标手术器械的当前位姿数据，具体实施时，可以包括：
S1：采集目标手术器械当前在基于第二从机械臂的第二基坐标系下的位姿坐标，作为目标手术器械的初始位姿数据；
S2：获取第二基坐标系相对于基于参考机械臂的参考基坐标系的第一转换关系，以及参考基坐标系相对于内窥镜坐标系的第二转换关系；其中，所述参考机械臂为挂载有内窥镜的从机械臂；
S3：根据目标手术器械的初始位姿数据、第一转换关系和第二转换关系，计算出目标手术器械当前在内窥镜坐标系下的位姿坐标，作为目标手术器械的当前位姿数据。
具体的，参阅图7所示，通过布设于第二从机械臂(例如，从机械臂2)的传感器针对目标手术器械所直接采集到的位姿坐标(例如，Tob2_ot2)往往是基于第二从机械臂的第二基坐标系(例如，坐标系{Ot2})下的手术器械的位姿坐标。这种位姿坐标可以记为初始位姿数据，需要转换为内窥镜坐标系下的位姿坐标才能使用。类似的，通过布设于第一从机械臂(例如，从机械臂1)的传感器针对手术器械所直接采集到的位姿坐标(例如，Tob1_ot1)往往是基于第一从机械臂的第一基坐标系(例如，坐标系{Ot1})下的手术器械的位姿坐标。
其中，参阅图7所示，基于内窥镜视角所建立的坐标系可以记为内窥镜坐标系，例如，坐标系{Oe}。患者手术台中布设有内窥镜的从机械臂可以记为参考机械臂，基于参考机械臂所建立的坐标系可以记为参考基坐标系，例如，坐标系{Obc}。
在得到目标手术器械的初始位姿数据后，可以获取第一转换关系，例如，变换矩阵Tobc_ob2，以及第二转换关系，例如，变换矩阵Toe_obc。其中，上述第一转换关系和第二转换关系可以是预先对患者手术台的从机械臂进行位置标定得到的。
再按照以下算式，计算出目标手术器械在内窥镜坐标系下的位姿坐标，作为该目标手术器械的当前位姿数据：Toe_ot2＝Toe_obc*Tobc_ob2*Tob2_ot2。
在一些实施例中，上述获取主操作端的当前关节位置，具体实施时，可以包括：
S1：采集主操作端的各个关节当前在基于主操作臂的主坐标系下的位置坐标，作为主操作端的初始关节位置坐标；
S2：获取主坐标系相对于基于手柄末端的手柄坐标系的第三转换关系，以及手柄坐标系相对于显示器坐标系的第四转换关系；
S3：根据主操作端的初始关节位置坐标、第三转换关系和第四转换关系，计算出主操作端的各个关节当前在显示器坐标系下的位置坐标，作为主操作端的当前关节位置。
具体的，通过布设于主操作端的传感器针对位置关节所直接采集到的位姿坐标往往是基于主操作臂的主坐标系(例如，坐标系{Ob})下的位置坐标。这种位置坐标可以记为初始关节位置坐标，需要转换为内显示器坐标系下的位置坐标才能使用。
其中，基于医生控制台的显示器视角所建立的坐标系可以记为显示器坐标系，例如，坐标系{Od}。基于手柄末端的坐标系可以记为手柄坐标系，例如，坐标系{Oh}。
类似于确定目标手术器械的当前位姿数据，可以获取并使用主坐标系相对于基于手柄末端的手柄坐标系的第三转换关系，以及手柄坐标系相对于显示器坐标系的第四转换关系来处理初始关节位置坐标，得到主操作端的各个关节当前在显示器坐标系下的位置坐标，作为主操作端的当前关节位置。其中，上述第三转换关系和第四转换关系可以是预先对医生控制台的主操作端进行位置标定得到的。
在一些实施例中，在获取主操作端的当前关节位置之后，所述方法具体实施时，还可以包括：将所述主操作端的当前关节位置确定为主操作端操控第一从机械臂时与第一从机械臂对应的构型数据，并保存该构型数据。
在一些实施例中，具体实施时，可以同时考虑与当前的目标手术器械相匹配的位姿状态，以及调整主操作端过程中主操作臂的运动范围，以及用户抓握手柄末端时的舒适度等多方面的因素，综合利用目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据。
在一些实施例中，上述根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据，具体实施时，可以包括以下内容：
S1：根据目标手术器械的当前位姿数据、主操作端的当前关节位置，确定出相匹配的主操作端的参考位姿数据；
S2：根据主操作端的参考位姿数据、主操作端的当前关节位置和历史构型数据，构建关于目标位姿数据的目标函数；
S3：求解目标函数，得到针对主操作端的目标位姿数据。
具体实施时，上述根据目标手术器械的当前位姿数据、主操作端的当前关节位置，确定出相匹配的主操作端的参考位姿数据，可以包括以下内容：根据目标手术器械的当前位姿数据和主从映射关系，确定出主操作端的期望位姿数据；根据主操作端的关节位置与姿态数据的转换关系，利用主操作端的期望位姿数据和当前关节位置，确定出与当前关节位置相匹配的主操作端的参考位姿数据。其中，上述参考位姿数据至少包括主操作臂的参考关节位置。
其中，上述主从映射关系具体可以是预先在对患者手术台和医生控制台进行调试时所确定的。
基于上述主从映射关系，可以将目标手术器械的当前位姿数据映射到所关联的主操作端，从而可以得到相匹配的主操作端的期望位姿数据。
但是，基于上述方式得到的主操作端的期望位姿数据往往不是最优解。直接基于上述期望位姿数据调整主操作端时，很容易出现主操作端的主操作臂运动范围过大，进而影响用户的操作体验。
正是注意到上述问题，在确定出主操作端的期望位姿数据后，还可以考虑缩小主操作端的主操作臂的运动范围，有针对性地将主操作臂的位置关节的位置变化转换为手柄末端的姿态变换，减少对用户的操作体验的影响。
此外，在一些情况下，也可以直接使用历史构型数据(例如，可以记为：Jm_before)，或者组合使用目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，来确定相匹配的主操作端的参考位姿数据。
具体的，可以根据主操作端的关节位置与姿态数据的转换关系，利用主操作端的期望位姿数据和当前关节位置，确定出与当前关节位置相匹配的主操作端的参考位姿数据。
例如，参阅图5所示。主操作端的期望位姿数据中的主操作臂的期望位置可以使用历史构型数据确定，可以表示为：Jm_before。主操作端的主操作臂的当前关节位置表示为：Jm_cur。主操作端的参考位姿数据中的参考关节位置表示为：Jm_exp。
由于位置关节1和位置关节3的运动可通过姿态关节4等效，为使得主操作端的关节构型尽量与上一次主操作端操控第二从机械臂时的关节构型相近，且还要使得主操作端的跟随运动尽量少，考虑可以尽量将主操作端的主操作臂的位置关节的参考位置设置为各个位置关节的当前关节位置，以减小主操作端的运动幅度。
具体的，例如，按照以下方式分别设置主操作臂上的位置关节1、位置关节2、位置关节3的参考关节位置：Jm_exp(1)＝Jm_cur(1)；Jm_exp(2)＝Jm_cur(2)；Jm_exp(3)＝Jm_cur(3)。
再根据主操作端的关节位置与姿态数据的转换关系，利用主操作端的期望位姿数据和主操作臂各个位置关节的参考位置，计算出主操作端的姿态关节的参考位姿数据。
例如，可以按照以下方式，计算出姿态关节4的参考位姿数据：
Jm_exp(4)＝Jm_before(4)-(Jm_cur(1)+Jm_cur(3)-Jm_before(1)-Jm_before(3))。
其中，上述Jm_exp(1)、Jm_exp(2)、Jm_exp(3)分别表示主操作端的主操作臂上的位置关节1、位置关节2、位置关节3的参考关节位置，上述Jm_cur(1)、Jm_cur(2)、Jm_cur(3)分别表示主操作端的主操作臂上的位置关节1、位置关节2、位置关节3的当前关节位置，Jm_exp(4)表示手柄末端的姿态关节4的参考位姿数据，Jm_before(1)、Jm_before(3)、Jm_before(4)分别表示位置关节1、位置关节2和姿态关节4的期望姿态数据。
而姿态关节4的位姿数据进一步又可以通过3个分别独立的姿态关节5、姿态关节6和姿态关节7进行表示。相应的，可以根据所确定的位置关节1、位置关节2、位置关节3，和姿态冠杰的参考位姿数据，通过逆解推导，确定出姿态关节5、姿态关节6和姿态关节7的参考位姿数据。从而可以确定出完整的主操作端的参考位姿数据。
在一些实施例中，主操作端具体可以包括主操作臂和手柄末端；其中，所述主操作臂设置有多个位置关节；
相应的，所述参考位姿数据具体可以包括：主操作臂的参考关节位置，以及手柄末端的参考末端位置和参考姿态数据。
在一些情况下，可以通过关节位置和姿态数据的转换，控制主操作臂的位置关节的关节位置变化为0，这时主操作端的主操作臂相对没有发生明显运动，只有手柄末端的末端位置和姿态数据发生小范围的变化，从而可以将主操作端跟随运动范围控制得相对较小。
相应的，所目标位姿数据至少可以包括：手柄末端的目标末端位置和目标姿态数据等。
当然，在另一些情况下，可能无法将主操作端的主操作臂的位置关节的关节位置变化控制到0，这时，上述目标位姿数据还可以包括：主操作臂的位置关节的目标关节位置等。
其中，主操作臂的参考关节位置可以记为：Jd，手柄末端的参考位置可以记为：Pd，手柄末端的参考姿态数据可以记为：Rd。手柄末端的目标末端位置可以记为：Ptar，手柄末端的目标姿态数据可以记为：Rtar。
并且，主操作臂的参考关节位置，与手柄末端的参考位置、手柄末端的参考姿态数据之间所具有的主操作端的关节位置与姿态数据的转换关系可以表示为以下形式：Pd＝Fpos(Jd),Rd＝Frot(Jd)。
基于上述实施例，可以有针对性地将主操作臂的关节位置的较大幅度范围运动，转换成手柄末端较小幅度范围的运动，从而可以有效地减少主操作端的主操作臂跟随运动范围过大对用户操作的影响。
在一些实施例中，上述根据主操作端的参考位姿数据、主操作端的当前关节位置和历史构型数据，构建关于目标位姿数据的目标函数，具体实施时，可以包括以下内容：
S1：根据目标末端位置和参考末端位置构建关于末端位置偏差的第一目标函数；根据目标姿态数据和参考姿态数据构建关于末端姿态偏差的第二目标数据；
S2：根据参考关节位置和主操作端的当前关节位置，构建关于关节跟随偏差的第三目标函数；
S3：根据参考关节位置和主操作端的历史构型数据，构建关于构型偏差的第四目标函数。
具体实施时，可以根据目标末端位置和参考末端位置，按照以下算式，构建关于末端位置偏差的第一目标函数：Min_perr||Ptar-Pd||；
可以根据目标姿态数据和参考姿态数据，按照以下算式，构建构建关于末端姿态偏差的第二目标数据：Min_rerr||Rtar-Rd||。
其中，perr||Ptar-Pd||表示位置偏差的绝对值，rerr||Rtar-Rd||表示姿态偏差的绝对值。
基于上述第一目标函数、第二目标函数，可以使得求解运算过程向靠近与当目标手术器械的当前位姿相匹配的参考位姿数据的方向优化。
具体实施时，可以根据参考关节位置和主操作端的当前关节位置，按照以下方式，构建关于关节跟随偏差的第三目标函数：Minj_dis||Jd–Jm_cur||。
其中，j_dis||Jd–Jm_cur||表示关节位置的偏差距离的绝对值。
基于上述第三目标函数，可以使得求解运算过程向使得主操作端的跟随运动范围较小的方向优化。
具体实施时，可以根据参考关节位置和主操作端的历史构型数据，按照以下算式，构建关于构型偏差的第四目标函数：Minj_dis||Jd–Jm_before||。
其中，j_dis||Jd–Jm_before||表示与历史构型的偏差距离的绝对值。
基于上述第四目标函数，可以使得求解运算过程向使得主操作端的构型靠近历史构型的方向优化。
基于上述实施例，可以通过构建和组合使用上述第一目标函数、第二目标函数、第三目标函数和第四目标函数，综合考虑目标手术器械的当前位姿数据、主操作端上一次操控第二从机械臂时的历史构型数据，以及主操作端的当前关节位置等多方面因素，在使得主操作端的位姿数据与目标手术器械相匹配的同时，兼顾考虑主操作端的跟随运动范围，以及主操作端的构型，确定出既与当前的目标手术器械相匹配，又导致主操作端的跟随运动范围较小，且能够恢复到接近用户已经熟悉的之前操控第二从机械臂是的历史构型的目标位姿数据。
在一些实施例中，在根据主操作端的参考位姿数据、主操作端的当前关节位置和历史构型数据，构建关于目标位姿数据的目标函数之后，所述方法具体实施时，还可以包括以下内容：根据主操作臂的位置关节的位置阈值，构建针对目标函数的目标约束条件；
相应的，上述求解目标函数，得到针对主操作端的目标位姿数据，具体可以包括：基于所述目标约束条件，求解所述目标函数，得到针对主操作端的目标位姿数据。
具体实施时，可以根据主操作臂的位置关节的位置阈值，按照以下算式，构建针对目标函数的目标约束条件：Ji_negative<＝Jd<＝Ji_positive，i＝1,2,……n。
其中，i表示主操作端的位置关节的关节编号，Ji_negative表示编号为i的位置关节的位置阈值中的下限值，Ji_positive表示编号为i的位置关节的位置阈值中的上限值。上述位置阈值具体可以是预先通过对主操作端进行安全性测试所确定的。
基于上述实施例，可以通过利用目标约束条件求解目标函数，确定出效果较好且安全可靠的目标位姿数据。
在一些实施例中，所述方法具体实施时，还可以包括以下内容：
S1：确定用户使用主操作端操控第二从机械臂时针对手柄末端的抓握特征；其中，所述抓握特征包括抓握位置和/或抓握方式；
S2：根据所述抓握特征，调整所述目标约束条件。
在一些实施例中，上述确定用户使用主操作端时针对手柄末端的抓握特征，具体可以包括：获取用户上一次使用主操作端操控第二从机械臂时的历史影像数据；根据所述历史影像数据，确定出用户使用主操作端操控第二从机械臂时针对手柄末端的抓握特征。
具体实施时，可以通过摄像头实时或定时地拍摄用户使用主操作端操控机械臂的影像数据。
例如，可以在检测到用户切换操控从机械臂指定时间段(例如，10秒)时，控制摄像头拍摄用户当前使用主操作端控制该从机械臂时的照片作为影像数据，并将该影像数据保存于数据库中。具体保存时，可以将该影像数据的拍摄时间，以及拍摄时用户所操控的从机械臂的机械臂编号一起存入数据库中。
相应的，具体实施时，可以通过检索数据库内影像数据的拍摄时间和机械臂编号，以找到用户上一次使用主操作端操控第二从机械臂时的历史影像数据。
具体实施时，可以通过利用预设的动作识别模型处理所述历史影像数据，确定出用户使用主操作端操控第二从机械臂时针对手柄末端的抓握特征。
其中，上述手握特征具体可以包括以下至少之一：抓握方式、抓握位置、抓握角度等。
上述预设的动作识别模型具体可以理解为预先训练得到的能够基于影像数据识别出用户抓取和使用主操作端时的手握特征的神经网络模型。
具体实施时，可以将历史影像数据作为输入，输入至预设的动作识别模型中，并运行该模型，得到对应的模型输出，作为识别结果；再根据识别结果确定出抓握特征。
具体实施前，可以按照以下方式训练得到上述预设的动作识别模型：获取样本影像数据；并标注出样本影像数据中的抓握特征，得到标注后的样本影像数据；构建初始的分类模型；利用标注后的样本影像数据训练初始的分类模型，得到符合要求的预设的动作识别模型。
具体实施时，可以根据抓握特征，调整所述目标约束条件；再利用上述调整后的目标约束条件，求解目标函数，可以使得运算求解过程受用户的使用主操作端时的手误习惯的约束，从而可以使得最终求解得到的目标位姿数据是符合该用户之前使用主操作端操控第二从机械臂时的手握特征的，使得所求解得到的目标位姿数据可以给用户带来更好的操作体验。
在一些实施例中，上述求解目标函数，得到针对主操作端的目标位姿数据，具体实施时，可以包括：利用预设的求解算法，求解目标函数，得到针对主操作端的目标位姿数据；其中，所述预设的求解算法包括以下至少之一：粒子群算法、遗传算法、萤火虫算法等群体智能算法。
具体实施时，除了使用上述所列举的群体智能算法外，还可以利用基于神经网络的算法来求解上述目标函数，以快速得到针对主操作端的目标位姿数据。
在一些实施例中，上述根据目标位姿数据，控制主操作端运动，具体实施时，可以包括：
S1：利用预设的规划算法，根据主操作端的当前关节位置和目标位姿数据，通过路径规划，确定出符合要求的目标轨迹路径；
S2：根据所述目标轨迹路径，控制主操作端运动。
在一些实施例中，具体实施时，可以先获取主操作端的最大关节速度和最大关节加速度；其中，上述最大关节速度和最大关节加速度可以是预先通过对主操作端进行安全性测试所确定的。再采用轨迹规划算法作为预设的规划算法，并利用主操作端的当前关节位置、目标位姿数据，以最大关节速度和最大关节加速度，通过进行求解计算，得到基于时间的关节轨迹作为目标轨迹路径；其中，所述轨迹算法具体可以包括以下至少之一：多项式插值规划算法、三角函数插值规划算法、S型插值规划算法等。
具体的，以五次多项式规划算法作为预设的规划算法为例，可以按照以下方式确定出符合要求的目标轨迹路径。
首先，基于五次多项式规划算法构建主操作端的关节位置q关于时间t的路径函数，具体可以表示为以下形式：q(t)＝a5t5+a4t4+a3t3+a2t2+a1t+a0。其中，a0、a1、a2、a3、a4、a5分别为待确定的系数参数。
再根据主操作端的当前关节位置、目标位姿数据，以最大关节速度和最大关节加速度，设置约束条件。
具体的，可以按照以下方式设置约束条件：
起始时间的主操作端的关节位置：q(0)＝qs；
结束时间tf的主操作端的关节位置：q(tf)＝qf；
起始时间的主操作端的关节速度：
结束时间的主操作端的关节速度：
起始时间的主操作端的关节加速度：
结束时间的主操作端的关节加速度：
最大关节速度限制：
最大关节加速度限制：
其中，qs为主操作端的当前关节位置，qf为主操作端的目标位姿数据中的位置，为最大关节速度，为最大关节加速度。具体可以参阅图8和图9所示。
基于上述约束条件，代入路径函数q(t)，可以计算出各个系数参数的具体数值：
从而可以得到满足要求的路径函数q(t)，得到了符合要求的目标轨迹路径。其中，结束时间的具体数值可以根据具体情况和处理需求灵活设置。
进而可以根据目标轨迹路径，控制主操作端运动，以使得主操作端的位姿与新切换的第二从机械臂的目标手术器械相匹配；同时，也可以使得用户获得较好的操作体验。
在一些实施例中，具体进行路径规划时，还可以考虑主操作端运动过程中所遇到的障碍物，并采用优化的规划算法来求解得到效果更好、精度更高、更加安全的目标轨迹路径。
具体实施时，参阅图10所示，首先，可以根据障碍物，确定出安全的有效运动空间；其中，所述障碍物包括以下所列举的一种或多种：扶手、围栏、用户的手臂等。
例如，可以先通过获取并根据当前用户使用主操作端时的影像数据来确定出障碍物；再根据障碍物确定出障碍物空间。然后，按照以下算式，确定出有效运动空间：其中，A为障碍物空间，Jm为主操作端的有效运动空间。
同时，根据最大关节速度和最大关节加速度，建立约束条件。
例如，按照以下算式，建立约束条件：|Vj|<＝vmax,|amax|<＝amax，其中，vmax为最大关节速度，amax为最大关节加速度。此外，在建立约束条件时，还可以引入用户使用主操作端操控第二从机械臂时针对手柄末端的抓握特征。
然后，采用优化的规划算法作为预设的规划算法，来进行求解运算，以确定出符合要求的目标轨迹路径。其中，所述优化的规划算法包括以下至少之一：RRT算法、人工势场法、BUG算法、图搜索法等。
其中，上述RRT算法具体可以是指一种对状态空间随机采样的算法，通过对采样点进行碰撞检测，避免对空间建模带来的大计算量，能够快速、有效地解决高维空间、复杂约束的路径规划问题。上述人工势场法(或称人工势场法路径规划算法)具体可以是指一种虚拟力算法，基于该算法可以将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。上述BUG算法(Bug Algorithms)具体可以是指一种避障算法，基于该算法在未遇到障碍物时，沿直线向目标运动；在遇到障碍物后，沿着障碍物边界绕行，并利用一定的判断准则离开障碍物继续直行。上述图搜索法具体可以是指一种先计算所有途径节点的路径的成本值；再选择成本值最低的一条作为结果路径的路径规划算法。
当然，需要说明的是，上述所列举的优化的规划算法只是一种示意性说明。具体实施时，根据具体的应用场景和处理需要，还可以引入并使用其他类型的优化的规划算法作为预设的规划算法。对此，本说明书不作限定。
基于上述实施例，由于考虑到了主操作端运动过程中可能碰到的障碍物，并根据障碍物有针对性地建立有效运动空间；再基于该有效运动空间，进行路径规划，从而可以有效地避免后续在控制主操端按照目标轨迹路径运动的过程中与障碍物发送碰撞。
在一些实施例中，具体的，参阅图11所示，可以采用一种优化的规划算法来快速地求解得到效果相对较好的目标轨迹路径。
可以设主操作端的当前关节位置为Pcur，该关节的目标位置为Ptar，参阅图11所示，根据优化的规划算法，可以设置自由空间(或有效运动空间)为：C∈(Pcur,Ptar)。此外，还可以设置障碍物空间为S。参阅图11和图12所示，利用优化的规划算法，具体求解时，可以包括以下步骤：
S1：在自由空间随机生成一个随机点Ptmp；
S2：计算生长树上所有当前节点Pn与该随机点Ptmp间的距离，并选择与该随机点Ptmp最近的点为Pnearest；
S3：由最近点Pnearest向目标点Ptmp以步长u生成生长点Pgrowing，其中，上述步长u可为固定值或随机值，且步长u小于该关节最大关节速度，即u<＝vmax；
S4：判断若该关节运动至该生长点Pgrowing时是否会发生碰撞；
具体进行S4时，若发生碰撞，舍弃该生长点，重复上述步骤S1、S2、S3、S4；若不发生碰撞，则将该生长点Pgrowing作为生长树的新节点Pn，触发进行步骤S5；
S5：计算新节点Pn与目标节点Ptar间的距离是否小于步长u；
具体进行S5时，若小于u，则规划结束，依次查找出相关父节点即可得到完整路径，作为目标轨迹路径；若大于等于u，则重复上述步骤S1、S2、S3、S4、S5。
由上可见，本说明书实施例提供的机械臂的匹配方法，医生控制台在接收到指示将主操作端由操控第一从机械臂切换为操控第二从机械臂的机械臂切换指令时，可以先获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；再综合利用上述数据，设置并求解兼顾多方面因素的目标函数，以确定出主操作端的目标位姿数据；再根据上述目标位姿数据，控制主操作端运动。从而可以较好地避免主操作端的主操作臂跟随运动范围过大对用户操作的影响，能够精准地控制主操作端自动调整到与第二从机械臂相匹配，且与之前用户已适应的构型相同或相近的位姿状态，有效改善了用户操作时舒适度和连续性，使用户可以获得较好的操作体验。进一步，还通过采集并根据用户使用医生控制台的主操作端操控从机械臂时的历史影像数据，确定出用户使用主操作端操控该从机械臂时针对手柄末端的抓握特征；再根据该抓握特征，对目标约束条件进行针对性的调整，以便后续可以基于上述调整后的目标约束条件求解目标函数，得到符合该用户的个性化抓握习惯的目标位姿数据，进一步提高用户的舒适度。此外，还通过利用预设的规划算法基于目标位姿数据进行路径规划来确定目标轨迹路径，从而可以较为高效地确定出符合要求的目标轨迹路径，进而可以根据上述目标轨迹路径快速、安全地控制主操作端运动，以与新切换的从机械臂匹配，减少了用户的等待时长，进一步提高了用户的操作体验。
参阅图13所示，本说明实施例还提供了一种医生控制台，至少包括：主操作端1301和机械臂的匹配装置1302；其中，所述主操作端1301与患者手术台的从机械臂关联，所述机械臂的匹配装置1302执行时实现以下步骤：接收机械臂切换指令；其中，所述机械臂切换指令用于指示将主操作端由操控第一从机械臂切换为操控第二从机械臂；所述第二从机械臂挂载有目标手术器械；响应所述机械臂切换指令，获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据；根据目标位姿数据，控制主操作端运动，以与第二从机械臂相匹配。
在一些实施例中，参阅图13所示，主操作端处还可以设置有传感器1303，用于采集主操作端的关节位置。进一步，主操作端还可以包括：主操作臂和手柄末端。
本说明书实施例还提供一种计算机设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器具体实施时可以根据指令执行以下步骤：接收机械臂切换指令；其中，所述机械臂切换指令用于指示将主操作端由操控第一从机械臂切换为操控第二从机械臂；所述第二从机械臂挂载有目标手术器械；响应所述机械臂切换指令，获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据；根据目标位姿数据，控制主操作端运动，以与第二从机械臂相匹配。
为了能够更加准确地完成上述指令，参阅图14所示，本说明书实施例还提供了另一种具体的计算机设备，其中，所述计算机设备包括网络通信端口1401、处理器1402以及存储器1403，上述结构通过内部线缆相连，以便各个结构可以进行具体的数据交互。
其中，所述网络通信端口1401，具体可以用于接收机械臂切换指令；其中，所述机械臂切换指令用于指示将主操作端由操控第一从机械臂切换为操控第二从机械臂；所述第二从机械臂挂载有目标手术器械。
所述处理器1402，具体可以用于响应所述机械臂切换指令，获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据；根据目标位姿数据，控制主操作端运动，以与第二从机械臂相匹配。
所述存储器1403，具体可以用于存储相应的指令程序。
在本实施例中，所述网络通信端口1401可以是与不同的通信协议进行绑定，从而可以发送或接收不同数据的虚拟端口。例如，所述网络通信端口可以是负责进行web数据通信的端口，也可以是负责进行FTP数据通信的端口，还可以是负责进行邮件数据通信的端口。此外，所述网络通信端口还可以是实体的通信接口或者通信芯片。例如，其可以为无线移动网络通信芯片，如GSM、CDMA等；其还可以为Wifi芯片；其还可以为蓝牙芯片。
在本实施例中，所述处理器1402可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。本说明书并不作限定。
在本实施例中，所述存储器1403可以包括多个层次，在数字系统中，只要能保存二进制数据的都可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也叫存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也叫存储器，如内存条等。
本说明书实施例还提供了一种基于上述机械臂的匹配方法的计算机可读存储介质，所述计算机可读存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：接收机械臂切换指令；其中，所述机械臂切换指令用于指示将主操作端由操控第一从机械臂切换为操控第二从机械臂；所述第二从机械臂挂载有目标手术器械；响应所述机械臂切换指令，获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据；根据目标位姿数据，控制主操作端运动，以与第二从机械臂相匹配。
在本实施例中，上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的，用于进行网络连接通信的接口。
在本实施例中，该计算机可读存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。
参阅图15所示，在软件层面上，本说明书实施例还提供了一种机械臂的匹配装置，该装置具体可以包括以下的结构模块：
接收模块1501，具体可以用于接收机械臂切换指令；其中，所述机械臂切换指令用于指示将主操作端由操控第一从机械臂切换为操控第二从机械臂；所述第二从机械臂挂载有目标手术器械；
获取模块1502，具体可以用于响应所述机械臂切换指令，获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；
确定模块1503，具体可以用于根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据；
控制模块1504，具体可以用于根据目标位姿数据，控制主操作端运动，以与第二从机械臂相匹配。
在一些实施例中，上述获取模块1502具体实施时，可以按照以下方式获取目标手术器械的当前位姿数据：采集目标手术器械当前在基于第二从机械臂的第二基坐标系下的位姿坐标，作为目标手术器械的初始位姿数据；获取第二基坐标系相对于基于参考机械臂的参考基坐标系的第一转换关系，以及参考基坐标系相对于内窥镜坐标系的第二转换关系；其中，所述参考机械臂为挂载有内窥镜的从机械臂；根据目标手术器械的初始位姿数据、第一转换关系和第二转换关系，计算出目标手术器械当前在内窥镜坐标系下的位姿坐标，作为目标手术器械的当前位姿数据。
在一些实施例中，上述获取模块1502具体实施时，可以按照以下方式获取主操作端的当前关节位置：采集主操作端的各个关节当前在基于主操作臂的主坐标系下的位置坐标，作为主操作端的初始关节位置坐标；获取主坐标系相对于基于手柄末端的手柄坐标系的第三转换关系，以及手柄坐标系相对于显示器坐标系的第四转换关系；根据主操作端的初始关节位置坐标、第三转换关系和第四转换关系，计算出主操作端的各个关节当前在显示器坐标系下的位置坐标，作为主操作端的当前关节位置。
在一些实施例中，在获取主操作端的当前关节位置之后，所述装置具体实施时，还可以用于将所述主操作端的当前关节位置确定为主操作端操控第一从机械臂时与第一从机械臂对应的构型数据，并保存该构型数据。
在一些实施例中，上述确定模块1503具体实施时，可以按照以下方式根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据：根据目标手术器械的当前位姿数据、主操作端的当前关节位置，确定出相匹配的主操作端的参考位姿数据；根据主操作端的参考位姿数据、主操作端的当前关节位置和历史构型数据，构建关于目标位姿数据的目标函数；求解目标函数，得到针对主操作端的目标位姿数据。
在一些实施例中，上述确定模块1503具体实施时，可以按照以下方式根据目标手术器械的当前位姿数据、主操作端的当前关节位置，确定出相匹配的主操作端的参考位姿数据：根据目标手术器械的当前位姿数据和主从映射关系，确定出主操作端的期望位姿数据；根据主操作端的关节位置与姿态数据的转换关系，利用主操作端的期望位姿数据和当前关节位置，确定出与当前关节位置相匹配的主操作端的参考位姿数据。
在一些实施例中，所述主操作端具体可以包括主操作臂和手柄末端；其中，所述主操作臂设置有多个位置关节；相应的，所述参考位姿数据包括：主操作臂的参考关节位置，以及手柄末端的参考末端位置和参考姿态数据；所目标位姿数据至少包括：手柄末端的目标末端位置和目标姿态数据。
在一些实施例中，上述确定模块1503具体实施时，可以按照以下方式根据主操作端的参考位姿数据、主操作端的当前关节位置和历史构型数据，构建关于目标位姿数据的目标函数：根据目标末端位置和参考末端位置构建关于末端位置偏差的第一目标函数；根据目标姿态数据和参考姿态数据构建关于末端姿态偏差的第二目标数据；根据参考关节位置和主操作端的当前关节位置，构建关于关节跟随偏差的第三目标函数；根据参考关节位置和主操作端的历史构型数据，构建关于构型偏差的第四目标函数。
在一些实施例中，在根据主操作端的参考位姿数据、主操作端的当前关节位置和历史构型数据，构建关于目标位姿数据的目标函数之后，所述确定模块1503具体实施时，还可以用于根据主操作臂的位置关节的位置阈值，构建针对目标函数的目标约束条件；
相应的，所述确定模块1503具体求解目标函数，得到针对主操作端的目标位姿数据时，可以基于所述目标约束条件，求解所述目标函数，得到针对主操作端的目标位姿数据。
在一些实施例中，所述确定模块1503具体实施时，还可以用于确定用户使用主操作端操控第二从机械臂时针对手柄末端的抓握特征；其中，所述抓握特征包括抓握位置和/或抓握方式；根据所述抓握特征，调整所述目标约束条件。
在一些实施例中，所述确定模块1503具体实施时，可以按照以下方式确定用户使用主操作端时针对手柄末端的抓握特征：获取用户上一次使用主操作端操控第二从机械臂时的历史影像数据；根据所述历史影像数据，确定出用户使用主操作端操控第二从机械臂时针对手柄末端的抓握特征。
在一些实施例中，所述确定模块1503具体实施时，可以按照以下方式求解目标函数，得到针对主操作端的目标位姿数据：利用预设的求解算法，求解目标函数，得到针对主操作端的目标位姿数据；其中，所述预设的求解算法包括以下至少之一：粒子群算法、遗传算法、萤火虫算法。
在一些实施例中，所述控制模块1504具体实施时，可以按照以下方式根据目标位姿数据，控制主操作端运动：利用预设的规划算法，根据主操作端的当前关节位置和目标位姿数据，通过路径规划，确定出符合要求的目标轨迹路径；根据所述目标轨迹路径，控制主操作端运动。
需要说明的是，上述实施例阐明的单元、装置或模块等，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
由上可见，基于本说明书实施例提供的机械臂的匹配装置，在接收到指示将主操作端由操控第一从机械臂切换为操控第二从机械臂的机械臂切换指令时，可以先获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；再综合利用上述数据，确定出主操作端的目标位姿数据；再根据目标位姿数据，控制主操作端运动。从而可以较好地避免主操作端的主操作臂跟随运动范围过大对用户操作的影响，能够精准地控制主操作端自动调整到与第二从机械臂相匹配，且与之前用户已适应的构型相同或相近的位姿状态，有效改善了用户操作时舒适度和连续性，使用户可以获得较好的操作体验。
虽然本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机可读存储介质中。
通过以上的实施例的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或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。本说明书可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。

Claims (15)

1.一种机械臂的匹配方法，其特征在于，包括：
接收机械臂切换指令；其中，所述机械臂切换指令用于指示将主操作端由操控第一从机械臂切换为操控第二从机械臂；所述第二从机械臂挂载有目标手术器械；
响应所述机械臂切换指令，获取目标手术器械的当前位姿数据、主操作端的当前关节位置，以及上一次主操作端操控第二从机械臂时与第二从机械臂对应的主操作端的历史构型数据；
根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据；
根据目标位姿数据，控制主操作端运动，以与第二从机械臂相匹配。
2.根据权利要求1所述的机械臂的匹配方法，其特征在于，获取目标手术器械的当前位姿数据，包括：
采集目标手术器械当前在基于第二从机械臂的第二基坐标系下的位姿坐标，作为目标手术器械的初始位姿数据；
获取第二基坐标系相对于基于参考机械臂的参考基坐标系的第一转换关系，以及参考基坐标系相对于内窥镜坐标系的第二转换关系；其中，所述参考机械臂为挂载有内窥镜的从机械臂；
根据目标手术器械的初始位姿数据、第一转换关系和第二转换关系，计算出目标手术器械当前在内窥镜坐标系下的位姿坐标，作为目标手术器械的当前位姿数据。
3.根据权利要求1所述的机械臂的匹配方法，其特征在于，获取主操作端的当前关节位置，包括：
采集主操作端的各个关节当前在基于主操作臂的主坐标系下的位置坐标，作为主操作端的初始关节位置坐标；
获取主坐标系相对于基于手柄末端的手柄坐标系的第三转换关系，以及手柄坐标系相对于显示器坐标系的第四转换关系；
根据主操作端的初始关节位置坐标、第三转换关系和第四转换关系，计算出主操作端的各个关节当前在显示器坐标系下的位置坐标，作为主操作端的当前关节位置。
4.根据权利要求3所述的机械臂的匹配方法，其特征在于，在获取主操作端的当前关节位置之后，所述方法还包括：
将所述主操作端的当前关节位置确定为主操作端操控第一从机械臂时与第一从机械臂对应的构型数据，并保存该构型数据。
5.根据权利要求1所述的机械臂的匹配方法，其特征在于，根据目标手术器械的当前位姿数据、主操作端的当前关节位置和历史构型数据，确定出针对主操作端的目标位姿数据，包括：
根据目标手术器械的当前位姿数据、主操作端的当前关节位置，确定出相匹配的主操作端的参考位姿数据；
根据主操作端的参考位姿数据、主操作端的当前关节位置和历史构型数据，构建关于目标位姿数据的目标函数；
求解目标函数，得到针对主操作端的目标位姿数据。
6.根据权利要求5所述的机械臂的匹配方法，其特征在于，根据目标手术器械的当前位姿数据、主操作端的当前关节位置，确定出相匹配的主操作端的参考位姿数据，包括：
根据目标手术器械的当前位姿数据和主从映射关系，确定出主操作端的期望位姿数据；
根据主操作端的关节位置与姿态数据的转换关系，利用主操作端的期望位姿数据和当前关节位置，确定出与当前关节位置相匹配的主操作端的参考位姿数据。
7.根据权利要求5所述的机械臂的匹配方法，其特征在于，主操作端包括主操作臂和手柄末端；其中，所述主操作臂设置有多个位置关节；
相应的，所述参考位姿数据包括：主操作臂的参考关节位置，以及手柄末端的参考末端位置和参考姿态数据；
所目标位姿数据至少包括：手柄末端的目标末端位置和目标姿态数据。
8.根据权利要求7所述的机械臂的匹配方法，其特征在于，根据主操作端的参考位姿数据、主操作端的当前关节位置和历史构型数据，构建关于目标位姿数据的目标函数，包括：
根据目标末端位置和参考末端位置构建关于末端位置偏差的第一目标函数；根据目标姿态数据和参考姿态数据构建关于末端姿态偏差的第二目标数据；
根据参考关节位置和主操作端的当前关节位置，构建关于关节跟随偏差的第三目标函数；
根据参考关节位置和主操作端的历史构型数据，构建关于构型偏差的第四目标函数。
9.根据权利要求8所述的机械臂的匹配方法，其特征在于，在根据主操作端的参考位姿数据、主操作端的当前关节位置和历史构型数据，构建关于目标位姿数据的目标函数之后，所述方法还包括：
根据主操作臂的位置关节的位置阈值，构建针对目标函数的目标约束条件；
相应的，求解目标函数，得到针对主操作端的目标位姿数据，包括：
基于所述目标约束条件，求解所述目标函数，得到针对主操作端的目标位姿数据。
10.根据权利要求9所述的机械臂的匹配方法，其特征在于，所述方法还包括：
确定用户使用主操作端操控第二从机械臂时针对手柄末端的抓握特征；其中，所述抓握特征包括抓握位置和/或抓握方式；
根据所述抓握特征，调整所述目标约束条件。
11.根据权利要求10所述的机械臂的匹配方法，其特征在于，确定用户使用主操作端时针对手柄末端的抓握特征，包括：
获取用户上一次使用主操作端操控第二从机械臂时的历史影像数据；
根据所述历史影像数据，确定出用户使用主操作端操控第二从机械臂时针对手柄末端的抓握特征。
12.根据权利要求5所述的机械臂的匹配方法，其特征在于，求解目标函数，得到针对主操作端的目标位姿数据，包括：
利用预设的求解算法，求解目标函数，得到针对主操作端的目标位姿数据；其中，所述预设的求解算法包括以下至少之一：粒子群算法、遗传算法、萤火虫算法。
13.根据权利要求1所述的机械臂的匹配方法，其特征在于，根据目标位姿数据，控制主操作端运动，包括：
利用预设的规划算法，根据主操作端的当前关节位置和目标位姿数据，通过路径规划，确定出符合要求的目标轨迹路径；
根据所述目标轨迹路径，控制主操作端运动。
14.一种医生控制台，其特征在于，至少包括：主操作端和机械臂的匹配装置；其中，所述主操作端与患者手术台的从机械臂关联；所述机械臂的匹配装置执行时实现权利要求1至13中任一项所述方法的步骤。
15.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，所述指令被处理器执行时实现权利要求1至13中任一项所述方法的步骤。
CN202211020147.8A 2022-08-24 2022-08-24 机械臂的匹配方法、医生控制台和计算机可读存储介质 Pending CN117695016A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211020147.8A CN117695016A (zh) 2022-08-24 2022-08-24 机械臂的匹配方法、医生控制台和计算机可读存储介质
PCT/CN2023/112022 WO2024041386A1 (zh) 2022-08-24 2023-08-09 机械臂的匹配方法、医生控制台和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211020147.8A CN117695016A (zh) 2022-08-24 2022-08-24 机械臂的匹配方法、医生控制台和计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN117695016A true CN117695016A (zh) 2024-03-15

Family

ID=90012515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211020147.8A Pending CN117695016A (zh) 2022-08-24 2022-08-24 机械臂的匹配方法、医生控制台和计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN117695016A (zh)
WO (1) WO2024041386A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118319502A (zh) * 2024-06-07 2024-07-12 苏州视通医疗科技有限公司 手术机器人的主从运动控制方法及相关设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6659939B2 (en) * 1998-11-20 2003-12-09 Intuitive Surgical, Inc. Cooperative minimally invasive telesurgical system
US9259289B2 (en) * 2011-05-13 2016-02-16 Intuitive Surgical Operations, Inc. Estimation of a position and orientation of a frame used in controlling movement of a tool
JP6109001B2 (ja) * 2013-07-26 2017-04-05 オリンパス株式会社 医療用システムおよびその作動方法
WO2018225819A1 (ja) * 2017-06-08 2018-12-13 株式会社メディカロイド 遠隔操作装置および遠隔操作システム
CN109806002B (zh) * 2019-01-14 2021-02-23 微创（上海）医疗机器人有限公司 一种手术机器人
CN113876434A (zh) * 2020-07-01 2022-01-04 北京术锐技术有限公司 主从运动的控制方法、机器人系统、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118319502A (zh) * 2024-06-07 2024-07-12 苏州视通医疗科技有限公司 手术机器人的主从运动控制方法及相关设备

Also Published As

Publication number Publication date
WO2024041386A1 (zh) 2024-02-29

Similar Documents

Publication Publication Date Title
US11344374B2 (en) Detection of unintentional movement of a user interface device
KR101797169B1 (ko) 제스처 컨트롤을 이용한 로봇 시스템 제어를 위한 방법과 제어 장치
JP5982542B2 (ja) 低侵襲外科システムにおいて手の存在を検出するための方法およびシステム
JP2019524284A (ja) ロボットシステムの動作の実行
JP5699158B2 (ja) 低侵襲外科システムにおいて使用するマスターフィンガー追跡デバイスおよびその方法
JP5702797B2 (ja) 遠隔操作される低侵襲スレーブ手術器具の手による制御のための方法およびシステム
US9632573B2 (en) Medical manipulator and method of controlling the same
JP5702798B2 (ja) 低侵襲外科システムにおけるハンドジェスチャー制御の方法および装置
US20180250084A1 (en) Robotic surgical system control scheme for manipulating robotic end effctors
JP2020532383A (ja) 手術ロボットシステムのためのカメラ制御
EP2931485A1 (en) Bare hand robot path teaching
WO2015163943A1 (en) Robotic interface positioning determination systems and methods
KR20140022907A (ko) 도구의 제어 움직임에 사용되는 프레임의 위치 및 방향을 추정하는 장치 및 방법
CN110914022A (zh) 直接教导机器人的系统和方法
Stroppa et al. Human interface for teleoperated object manipulation with a soft growing robot
JP7035309B2 (ja) マスタスレーブシステム
CN111085996B (zh) 带电作业机器人的控制方法、装置及系统
CN117695016A (zh) 机械臂的匹配方法、医生控制台和计算机可读存储介质
Devine et al. Real time robotic arm control using hand gestures with multiple end effectors
Bihlmaier et al. Endoscope robots and automated camera guidance
WO2021131344A1 (en) Computer assisted surgery system, surgical control apparatus and surgical control method
WO2018150489A1 (ja) 手術器具の動作方法、ロボット手術システム、及びカメラ座標とロボットに関する座標との関係の推定プログラム
US11974827B2 (en) Association processes and related systems for manipulators
Ciobanu et al. Robot telemanipulation system
CN113876433A (zh) 机器人系统以及控制方法

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