CN117911528A - 一种深度相机标定的方法、装置、存储介质、设备 - Google Patents
一种深度相机标定的方法、装置、存储介质、设备 Download PDFInfo
- Publication number
- CN117911528A CN117911528A CN202410008924.XA CN202410008924A CN117911528A CN 117911528 A CN117911528 A CN 117911528A CN 202410008924 A CN202410008924 A CN 202410008924A CN 117911528 A CN117911528 A CN 117911528A
- Authority
- CN
- China
- Prior art keywords
- medical instrument
- point cloud
- pose
- depth camera
- standard
- 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 69
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000000968 medical method and process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Abstract
本说明书公开了一种深度相机标定的方法、装置、存储介质、设备,通过深度相机采集室内医疗场景中指定医疗器械的深度图,根据所述深度图,确定所述指定医疗器械的预测位姿,根据所述预测位姿与预先确定的所述指定医疗器械的标准位姿,得到所述深度相机与所述指定医疗器械的相对位姿,根据所述相对位姿与指定医疗器械的标准位姿,标定所述深度相机的外部参数,利用了室内医疗场景中的原有医疗器械的标准位姿,无需额外布置标定材料,还可获取到更精确的标准位姿,进而提高了深度相机的外部参数标定的准确性。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种深度相机标定的方法、装置、存储介质、设备。
背景技术
在当今的医疗环境下,医疗器械的介入为手术的进行提供了良多助力,在手术过程中通过相机对手术床及其周边环境进行拍摄,所得到的拍摄的结果可以为医生提供指示以避免在医生的移动过程中发生误触事件,也可以为相关医疗设备提供引导以使该设备抵达合适的操作位置。通常,手术过程中会使用多个RGB-D相机对手术区域进行拍摄,然后将所有相机拍摄到的点云进行合成来完成对手术区域的记录。
然而,由于安装过程中的擦碰以及厂家所给出的RGB-D相机的参数存在误差等原因,在使用RGB-D相机的过程中直接引用该出厂参数往往无法借由RGB-D相机所拍摄的图像准确定位到被拍摄到的医疗器械,进而影响相关的治疗进程。
由此,本说明书提供一种深度相机标定的方法、装置、存储介质、设备。
发明内容
本说明书提供一种深度相机标定的方法及装置,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种深度相机标定的方法,包括:
通过深度相机采集室内医疗场景中指定医疗器械的深度图;
根据所述深度图,确定所述指定医疗器械的预测位姿;
根据所述预测位姿与预先确定的所述指定医疗器械的标准位姿,得到所述深度相机与所述指定医疗器械的相对位姿;
根据所述相对位姿与指定医疗器械的标准位姿,标定所述深度相机的外部参数。
可选的,根据所述深度图,确定所述指定医疗器械的预测位姿,具体包括:
根据所述深度图与预先确定的所述深度相机的初始外部参数,生成所述指定医疗器械的预测点云模型;
将所述预测点云模型作为所述指定医疗器械的预测位姿。
可选的,确定所述深度相机的初始外部参数,具体包括:
通过指定的标定方法对所述深度相机进行预标定,得到所述深度相机的初始外部参数。
可选的,确定所述指定医疗器械的标准位姿,具体包括:
获取所述指定医疗器械的标准点云模型与标准坐标;
将所述指定医疗器械的标准点云模型与标准坐标,作为所述指定医疗器械的标准位姿。
可选的,根据所述预测位姿与预先确定的指定医疗器械的标准位姿,得到所述深度相机与所述指定医疗器械的相对位姿,具体包括:
将所述预测点云模型与所述标准点云模型进行匹配,得到点云转换关系;
将所述点云转换关系作为所述深度相机与所述指定医疗器械的相对位姿。
可选的,将所述预测点云模型与所述标准点云模型进行匹配,得到点云转换关系,具体包括:
将所述预测点云模型与所述标准点云模型中的其中一个作为源点云,另一个作为目标点云;
针对所述源点云中的多个点,确定目标点云中与该多个点中的每个点匹配的各匹配基准;所述匹配基准为所述目标点云中与该多个点中的任一点匹配的点和/或面;
采用预设的优化算法,以最小化所述源点云中各点到所述目标点云中相应的匹配基准的距离为优化目标,确定点云转换关系。
可选的,根据所述相对位姿与指定医疗器械的标准位姿,标定所述深度相机的外部参数,具体包括:
根据所述点云转换关系和所述标准坐标,对所述深度相机的初始外部参数进行调整,将调整后的初始外部参数作为所述深度相机标定后的外部参数。
本说明书提供了一种深度相机标定装置,包括:
采集模块,通过深度相机采集室内医疗场景中指定医疗器械的深度图;
预测模块,根据所述深度图,确定所述指定医疗器械的预测位姿;
匹配模块,根据所述预测位姿与预先确定的所述指定医疗器械的标准位姿,得到所述深度相机与所述指定医疗器械的相对位姿;
标定模块,根据所述相对位姿与指定医疗器械的标准位姿,标定所述深度相机的外部参数。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述深度相机标定的方法。
本说明书提供了一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述深度相机标定的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的深度相机标定的方法中,通过深度相机采集室内医疗场景中指定医疗器械的深度图,根据所述深度图,确定所述指定医疗器械的预测位姿,根据所述预测位姿与预先确定的所述指定医疗器械的标准位姿,得到所述深度相机与所述指定医疗器械的相对位姿,根据所述相对位姿与指定医疗器械的标准位姿,标定所述深度相机的外部参数。
从上述方法中可以看出,本方法利用了室内医疗场景中的原有医疗器械的标准位姿,无需额外布置标定材料,还可获取到更精确的标准位姿,进而提高了深度相机的外部参数标定的准确性。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种深度相机标定的方法的流程示意图;
图2为本说明书中RGB-D相机在手术室中的部署位置示意图;
图3为本说明书提供的一种深度相机标定装置的示意图;
图4为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种深度相机标定的方法的流程示意图,该深度相机标定的方法具体包括以下步骤:
S100:通过深度相机采集室内医疗场景中指定医疗器械的深度图。
在当今的医疗体系中,为了提升医护人员对复杂多样的病情的处理能力,高精度医疗设备的引入已成必然的趋势,无论是对医疗过程进行记录以为后续的教学、复盘等工作留存资料,还是在医疗过程中提供相较于人眼更精准更高精度的观测条件,都离不开医用相机的参与。考虑到医疗场景的使用需求,目前常使用RGB-D相机作为医用相机,而如果RGB-D相机中的深度(Depth)相机的外部参数误差则可能会导致:产生的点云偏离其所代表物体在实际物理空间的位置、用RBG图片点云染色时颜色和3D点不匹配、合成多个相机的点云时同一个物体会有多个点云的重影等各种问题,最终影响医疗过程的正常进行。由此,本说明书提出一种深度相机标定的方法,所述方法可应用于专为深度相机标定而设计的标定系统,也可应用于深度相机所处室内医疗场景的控制系统,本说明书在此不作限制。
图2为RGB-D相机在手术室中的部署位置示意图,如图2所示,两个RGB-D相机作为一组被悬挂于手术室的天花板上,地面上置有手术床与手术辅助机械装置,二者均可被获取到标准点云模型与标准坐标,可以作为本说明书中所提到的指定医疗器械。在实际的应用场景中,RGB-D相机组中的相机数量可根据需要进行调整,RGB-D相机也可以固定于手术室中的其他位置,只需满足该位置的坐标不会发生改变,且该位置可以使RGB-D相机拍摄到指定医疗器械的条件;指定医疗器械也并不局限于手术床与手术辅助机械装置,可被获取到标准位姿的室内医疗场景中的器械均可作为指定医疗设备。
在开始执行本说明书所提供的深度相机标定的方法时,通过预设在室内医疗场景的RGB-D相机中的深度相机采集室内医疗场景中指定医疗器械的深度图,为保证所采集到的深度图的质量,在采集图像时,需保证深度相机与指定医疗器械之间无遮挡物。
其中,该预设的RGB-D相机的数量和指定医疗器械的数量本说明书在此不做限制,当预设的RGB-D相机的数量或指定医疗器械的数量不止一个时,则由每个RGB-D相机的深度相机分别对每个指定医疗器械进行深度图采集,以得到与各深度相机对应的各深度图。
S102:根据所述深度图,确定所述指定医疗器械的预测位姿。
在通过深度相机采集完深度图后,由于该采集到的深度图中记录有每个像素点距离深度相机的距离信息,首先通过预设的识别算法识别到深度图中指定医疗器械所代表的像素点,再利用深度相机的内部参数对深度图中代表指定医疗器械的各像素点与深度相机的距离进行矫正,根据深度相机的初始外部参数即可确定所述指定医疗器械的预测位姿(位置与姿态)。其中,深度相机的初始外部参数可根据安装时RGB-D相机的坐标,根据RGB-D相机出厂所携带的深度相机与本体相机的转换参数的获得。(由于极高的精密度要求以及安装时的磕碰所带来的内部构件的形变,该初始外部参数往往是不准确的);上述预设的识别算法可以基于神经网络或其他深度学习模型训练得到,本说明书在此不作限制。
S104:根据所述预测位姿与预先确定的所述指定医疗器械的标准位姿,得到所述深度相机与所述指定医疗器械的相对位姿。
在确定出指定医疗器械的预测位姿之后,即可根据预先确定的该指定医疗器械的标准位姿与该预测位姿,得到从该预测位姿到该标准位姿的转换关系,将该转换关系作为所述深度相机与所述指定医疗器械的相对位姿。其中,由于室内医疗场景中,尤其是手术室环境下,往往布设有对该室内医疗场景中的智能设备进行控制的控制系统,由于医疗场景的严格标准,该控制系统中存储的各智能设备的标准位姿也具有极高的精度,可将在该控制系统中存储有标准位姿的智能设备作为指定医疗设备。
相较于传统的外参标定方法,本说明书所提供的方法可通过室内医疗场景中的控制系统获取指定医疗器械的标准位姿,利用了室内医疗场景的中原有的医疗器械,使得获取到的作为标定参照的标准位姿具有更高的精度。
S106:根据所述相对位姿与指定医疗器械的标准位姿,标定所述深度相机的外部参数。
在获取到该预测位姿与标准位姿的转换关系之后,由于预测位姿是根据深度相机所拍摄的深度图,基于深度相机的初始外部参数得到的,也即是在排除其他干扰因素的情况下,预测位姿与标准位姿之间的差异即是由深度相机的初始外部参数的不准确导致的,由此,可根据由室内医疗场景控制系统获得的标准位姿,依照该相对位姿所反映出的预测位姿与标准位姿的差异,对相机的初始外部参数进行调整,以标定该深度相机的外部参数。
如图1所示的一种深度相机标定的方法,利用了室内医疗场景中的原有医疗器械的标准位姿,无需额外布置标定材料,还可获取到更精确的标准位姿,进而提高了深度相机的外部参数标定的准确性。
在本说明书的一个或多个实施例中,在通过深度相机采集指定医疗器械的深度图之前,还可以通过指定的标定方法对所述深度相机进行预标定,得到所述深度相机的初始外部参数。该指定的标定方法可以是张氏标定法、摄影标定法、自标定法等常用的标定方法,本说明书在此不做限制。
另外,在如图1所示的步骤S102中,根据所述深度图与预先确定的所述深度相机的初始外部参数,生成所述指定医疗器械的预测点云模型,将所述预测点云模型作为所述指定医疗器械的预测位姿。
在获得指定医疗器械的深度图后,具体的,可根据深度图所记录的每个像素点与深度相机的距离信息与深度图中所记录到的指定医疗器械与完整的指定医疗器械的位姿关系,根据控制系统中预存的指定医疗器械的三维模型,为指定医疗器械建立预测点云模型,并将此预测点云模型作为该指定医疗器械的预测位姿。
在本说明书的一个或多个实施例中,所述标准位姿,具体包括:标准点云模型与标准坐标。其中,标准坐标即为基于该指定医疗器械在室内医疗场景的世界坐标系下的坐标。
进一步的,在如图1所示的步骤S104中,将所述预测点云模型与所述标准点云模型进行匹配,得到点云转换关系,将所述点云转换关系作为所述深度相机与所述指定医疗器械的相对位姿。具体的,该点云匹配的过程包括:将所述预测点云模型与所述标准点云模型中的其中一个作为源点云,另一个作为目标点云,针对所述源点云中的多个点,确定目标点云中与该多个点中的每个点匹配的各匹配基准,所述匹配基准为所述目标点云中与该多个点中的任一点匹配的点和/或面,采用预设的优化算法,以最小化所述源点云中各点到所述目标点云中相应的匹配基准的距离为优化目标,确定点云转换关系。
也即,针对应用于匹配的每个源点云中的每个点,利用优化算法最小化该点与该点所对应的匹配基准的距离,其中所述预设的优化算法可以是点到点的ICP(迭代最近点,Iterative Closest Point)算法也可以是点到面的ICP算法。
本说明书所提供的方法,利用深度相机所采集的深度图建立指定医疗器械的预测点云模型,再将该预测点云模型与控制系统中预存的标准点云模型进行匹配,进而得到预测点云模型与标准点云模型之间的点云转换关系,这一过程充分地利用了深度相机的特点,在标定的流程中引入了相较于其他标定方式多得多的匹配基准,增加了标定的准确性。
确定点云转换关系之后,在如图1所示的步骤S106中,即可根据所述点云转换关系和所述标准坐标,对所述深度相机的初始外部参数进行调整,将调整后的初始外部参数作为所述深度相机标定后的外部参数。
以上为本说明书的一个或多个实施例提供的深度相机标定的方法,基于同样的思路,本说明书还提供了相应的深度相机标定装置,如图3所示。
图3为本说明书提供的一种深度相机标定装置示意图,具体包括:
采集模块300,通过深度相机采集室内医疗场景中指定医疗器械的深度图;
预测模块302,根据所述深度图,确定所述指定医疗器械的预测位姿;
匹配模块304,根据所述预测位姿与预先确定的所述指定医疗器械的标准位姿,得到所述深度相机与所述指定医疗器械的相对位姿;
标定模块306,根据所述相对位姿与指定医疗器械的标准位姿,标定所述深度相机的外部参数。
可选的,预测模块302,具体用于:根据所述深度图与预先确定的所述深度相机的初始外部参数,生成所述指定医疗器械的预测点云模型,将所述预测点云模型作为所述指定医疗器械的预测位姿。
可选的,预测模块302,具体用于:通过指定的标定方法对所述深度相机进行预标定,得到所述深度相机的初始外部参数。
可选的,匹配模块304,具体用于:获取所述指定医疗器械的标准点云模型与标准坐标,将所述指定医疗器械的标准点云模型与标准坐标,作为所述指定医疗器械的标准位姿。
可选的,匹配模块304,具体用于:将所述预测点云模型与所述标准点云模型进行匹配,得到点云转换关系,将所述点云转换关系作为所述深度相机与所述指定医疗器械的相对位姿。
可选的,匹配模块304,具体用于:将所述预测点云模型与所述标准点云模型中的其中一个作为源点云,另一个作为目标点云,针对所述源点云中的多个点,确定目标点云中与该多个点中的每个点匹配的各匹配基准,所述匹配基准为所述目标点云中与该多个点中的任一点匹配的点和/或面,采用预设的优化算法,以最小化所述源点云中各点到所述目标点云中相应的匹配基准的距离为优化目标,确定点云转换关系。
可选的,标定模块306,具体用于:根据所述点云转换关系和所述标准坐标,对所述深度相机的初始外部参数进行调整,将调整后的初始外部参数作为所述深度相机标定后的外部参数。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的深度相机标定的方法。
本说明书还提供了图4所示的电子设备的示意结构图。如图4所述,在硬件层面,该深度相机标定设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的深度相机标定方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制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 Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。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。或者甚至,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。
上述实施例阐明的系统、装置、模块或单元,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。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、深度相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
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存储介质中。
本说明书中的各个实施例均采用递进的方式描述,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,对于系统实施例而言,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。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理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权利要求范围之内。
Claims (10)
1.一种深度相机标定的方法,其特征在于,包括:
通过深度相机采集室内医疗场景中指定医疗器械的深度图;
根据所述深度图,确定所述指定医疗器械的预测位姿;
根据所述预测位姿与预先确定的所述指定医疗器械的标准位姿,得到所述深度相机与所述指定医疗器械的相对位姿;
根据所述相对位姿与指定医疗器械的标准位姿,标定所述深度相机的外部参数。
2.如权利要求1所述的方法,其特征在于,根据所述深度图,确定所述指定医疗器械的预测位姿,具体包括:
根据所述深度图与预先确定的所述深度相机的初始外部参数,生成所述指定医疗器械的预测点云模型;
将所述预测点云模型作为所述指定医疗器械的预测位姿。
3.如权利要求2所述的方法,其特征在于,确定所述深度相机的初始外部参数,具体包括:
通过指定的标定方法对所述深度相机进行预标定,得到所述深度相机的初始外部参数。
4.如权利要求2所述的方法,其特征在于,确定所述指定医疗器械的标准位姿,具体包括:
获取所述指定医疗器械的标准点云模型与标准坐标;
将所述指定医疗器械的标准点云模型与标准坐标,作为所述指定医疗器械的标准位姿。
5.如权利要求4所述的方法,其特征在于,根据所述预测位姿与预先确定的指定医疗器械的标准位姿,得到所述深度相机与所述指定医疗器械的相对位姿,具体包括:
将所述预测点云模型与所述标准点云模型进行匹配,得到点云转换关系;
将所述点云转换关系作为所述深度相机与所述指定医疗器械的相对位姿。
6.如权利要求5所述的方法,其特征在于,将所述预测点云模型与所述标准点云模型进行匹配,得到点云转换关系,具体包括:
将所述预测点云模型与所述标准点云模型中的其中一个作为源点云,另一个作为目标点云;
针对所述源点云中的多个点,确定目标点云中与该多个点中的每个点匹配的各匹配基准;所述匹配基准为所述目标点云中与该多个点中的任一点匹配的点和/或面;
采用预设的优化算法,以最小化所述源点云中各点到所述目标点云中相应的匹配基准的距离为优化目标,确定点云转换关系。
7.如权利要求5所述的方法,其特征在于,根据所述相对位姿与指定医疗器械的标准位姿,标定所述深度相机的外部参数,具体包括:
根据所述点云转换关系和所述标准坐标,对所述深度相机的初始外部参数进行调整,将调整后的初始外部参数作为所述深度相机标定后的外部参数。
8.一种深度相机标定的装置,其特征在于,包括:
采集模块,通过深度相机采集室内医疗场景中指定医疗器械的深度图;
预测模块,根据所述深度图,确定所述指定医疗器械的预测位姿;
匹配模块,根据所述预测位姿与预先确定的所述指定医疗器械的标准位姿,得到所述深度相机与所述指定医疗器械的相对位姿;
标定模块,根据所述相对位姿与指定医疗器械的标准位姿,标定所述深度相机的外部参数。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。
10.一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410008924.XA CN117911528A (zh) | 2024-01-02 | 2024-01-02 | 一种深度相机标定的方法、装置、存储介质、设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410008924.XA CN117911528A (zh) | 2024-01-02 | 2024-01-02 | 一种深度相机标定的方法、装置、存储介质、设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117911528A true CN117911528A (zh) | 2024-04-19 |
Family
ID=90691694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410008924.XA Pending CN117911528A (zh) | 2024-01-02 | 2024-01-02 | 一种深度相机标定的方法、装置、存储介质、设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117911528A (zh) |
-
2024
- 2024-01-02 CN CN202410008924.XA patent/CN117911528A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111263075B (zh) | 对包含音圈电机的镜头模组进行标定的方法、装置及设备 | |
CN109151301B (zh) | 包括相机模块的电子装置 | |
CN113589473B (zh) | 一种镜头模组的对焦方法、装置及设备 | |
EP3676802B1 (en) | Image processing device that utilizes built-in dynamic camera models to support rapid determination of camera intrinsics and method of operating same | |
CN111238450B (zh) | 视觉定位方法及装置 | |
KR101256309B1 (ko) | 촬영장치 | |
CN111163313A (zh) | 一种对包含音圈电机的镜头模组进行标定的方法及装置 | |
CN116309823A (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
CN115546095A (zh) | 一种图像的配准方法及配准装置 | |
CN113674424B (zh) | 一种电子地图绘制的方法及装置 | |
CN112362084A (zh) | 一种数据标定方法、装置及数据标定系统 | |
CN111275769B (zh) | 一种单目视觉参数的校正方法及装置 | |
CN117911528A (zh) | 一种深度相机标定的方法、装置、存储介质、设备 | |
CN114129262B (zh) | 一种患者手术位置的跟踪方法、设备及装置 | |
CN114326857B (zh) | 低温条件下数字图像处理误差主动温度补偿装置及方法 | |
CN116363695A (zh) | 一种人体感兴趣位置的确定方法、装置、介质及设备 | |
CN111798489B (zh) | 一种特征点跟踪方法、设备、介质及无人设备 | |
CN114494381A (zh) | 模型训练及深度估计方法、装置、存储介质及电子设备 | |
US20210160420A1 (en) | Determination device, control device, photographing device, determination method, and program | |
CN117226853B (zh) | 一种机器人运动学标定的方法、装置、存储介质、设备 | |
CN117207204B (zh) | 一种弹琴机器人的控制方法及控制装置 | |
CN117036438A (zh) | 一种医学图像采集方法、装置、设备及可读存储介质 | |
CN113345026A (zh) | 一种相机参数的标定方法、装置、存储介质及电子设备 | |
CN116740114B (zh) | 一种基于凸包检测的目标物边界拟合方法及装置 | |
CN116558504B (zh) | 一种单目视觉的定位方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |