CN105232161A - 一种手术机器人标志点识别定位方法 - Google Patents
一种手术机器人标志点识别定位方法 Download PDFInfo
- Publication number
- CN105232161A CN105232161A CN201510673140.XA CN201510673140A CN105232161A CN 105232161 A CN105232161 A CN 105232161A CN 201510673140 A CN201510673140 A CN 201510673140A CN 105232161 A CN105232161 A CN 105232161A
- Authority
- CN
- China
- Prior art keywords
- group mark
- point
- mark point
- point set
- candidate 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008569 process Effects 0.000 claims description 29
- 238000001914 filtration Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 12
- 230000004807 localization Effects 0.000 claims description 11
- 210000002837 heart atrium Anatomy 0.000 claims description 6
- 238000002059 diagnostic imaging Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种手术机器人标志点识别定位方法，包括以下步骤：(1)选用标定标尺，并获取特征三角形模板表；(2)对X线透视图像进行处理，并获取初次候选点集合；(3)将初次候选点集合中的点组成待匹配三角形与特征三角形模板表进行匹配，以获取二次的候选点集合；(4)通过计算得到完整的候选点集合，并计算其是否在初次候选点集合中，若在则作为输出为初步结果，若不在则进行搜索，并将搜索到的点校正后输出为初步结果；(5)将初步结果换算成原图坐标输出，结束。本发明不但能够兼容各种不同型号的成像设备，而且对不同成像质量的X线透视图像上的标志点均能够准确、有效识别。
Description
技术领域
本发明涉及一种标志点识别定位方法，特别是涉及一种手术机器人标志点识别定位方法。
背景技术
手术机器人需要利用二维X线透视图像进行手术定位，其原理主要是利用C型臂等医学成像设备拍摄病人在手术中的X线透视图像，并根据X线透视图像上特定的标志点计算手术机器人与手术空间之间的映射关系，从而进行精准的手术路径规划，进而协助医生实现透视辐射少、手术精度高且手术效果优良的机器人辅助手术。其中，怎样实现X线透视图像上特定标志点的自动有效识别是影响手术时间和效果的关键步骤。
目前，标志点自动识别方法是先通过计算标志点之间的距离和垂直度识别符合既定设置的标志点；再对有限阈值限制范围内能够搜索到的标志位标志点进行识别，并排序和编号。该方法虽然在一定程度上能够缩短手术时间和提高手术效率，但是该方法仍具有如下两种缺陷：第一种是该方法容易受到图像灰度分布、导针和骨头等背景因素的干扰，从而使得无法检测到有效的候选点或者检测到过多的候选点而无法正确识别出有效标志点；第二种是该方法应用于不同型号C型臂输出的X线透视图像时，会因为受到X线透视图像大小等的限制，而需要设置不同的识别阈值，所以该方法不能兼容不同型号的成像设备。
发明内容
针对上述问题，本发明的目的是提供一种手术机器人标志点识别定位方法，不但能够兼容各种不同型号的成像设备，而且对不同成像质量的X线透视图像上的标志点均能够准确、有效识别。
为实现上述技术目的，本发明采取以下技术方案：一种手术机器人标志点识别定位方法，包括以下步骤：(1)根据选用具有两组标志点的标定标尺，获取相应的两组特征三角形模板表，具体过程为：1)第一组标志点包括一个特征点和两个以上的顶点标志点，将第一组标志点中的特征标志点分别与第一组标志点中的任意两个顶点标志点组成若干特征三角形，分别计算每一特征三角形三个内角的角度，并将计算结果存入第一组特征三角形模板表；2)第二组标志点包括一个特征点和两个以上的顶点标志点，将第二组标志点中的特征标志点分别与第二组标志点中的任意两个顶点标志点组成若干特征三角形，分别计算每一特征三角形三个内角的角度，并将计算结果存入第二组特征三角形模板表；(2)通过医学成像设备透过步骤(1)所选用标定标尺拍摄获取X线透视图像；(3)基于BLOB检测方法，对步骤(2)的X线透视图像依次进行二值化处理和连通域提取，并对提取的得到BLOB进行选择，如果不能选择出有效的候选点，则结束；如果能选择出有效的候选点，则组成两组标志点的初次候选点集合；(4)将步骤(3)得到的两组标志点初次的候选点集合中的候选点组成待匹配三角形，并与步骤(1)获取的两组特征三角形模板表进行匹配，并判断是否能获取两组标志点的候选点集合，如果不能，则结束，如果能，则进行下一步计算，具体过程为：1)将步骤(3)中的两组标志点的初次候选点集合的候选点每三个作为一组构成待匹配三角形，计算待匹配三角形三个内角的角度，并将计算结果分别与步骤(1)中获得的第一组特征三角形模板表和第二组特征三角形模板表进行匹配计算，当匹配计算结果和待匹配三角形三个内角的角度差值均在-5°～+5°范围内时，将组成该待匹配三角形的三个候选点作为一个组，对应存入第一组标志点的初次候选点集合或第二组标志点的初次候选点集合；2)判断第一组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第一组标志点的分布方式，若能符合，则将该两三角形组合作为一组对应存入第一组标志点的二次候选点集合A，若不能符合，则将该两三角形组合分别存入第一组标志点的二次候选点集合B，与此同时，判断第二组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第二组标志点的分布方式，若能符合，则将该两三角形组合作为一组对应存入第二组标志点的二次候选点集合A，若不能符合，则将该两三角形组合分别存入第二组标志点的二次候选点集合B；3)将第一组标志点的二次候选点集合A和第一组标志点的二次候选点集合B组成第一组标志点的候选点集合；将第二组标志点的二次候选点集合A和第二组标志点的二次候选点集合B组成第二组标志点的候选点集合；(5)根据步骤(4)得到的两组标志点的候选点集合中的已知点，分别计算出该组对应的每一点坐标，以得到两组标志点的完整候选点集合，具体过程为：1)根据第一组标志点的二次候选点集合A和标定标尺上既定的第一组标志点的分布方式，通过计算第一组标志点中所有点的坐标，对应得到第一组标志点的完整候选点集合A；2)根据第一组标志点的二次候选点集合B和标定标尺上既定的第一组标志点的分布方式，通过计算第一组标志点中所有点的坐标，对应得到第一组标志点的完整候选点集合B；3)根据第二组标志点的二次候选点集合A和标定标尺上既定的第二组标志点的分布方式，通过计算第二组标志点中所有点的坐标，对应得到第二组标志点的完整候选点集合A；4)根据第二组标志点的二次候选点集B和标定标尺上既定的第二组标志点的分布方式，通过计算第二组标志点中所有点的坐标，对应得到第二组标志点的完整候选点集合B；(6)将步骤(5)得到的两组标志点的完整候选点集合进行相互匹配，具体过程为：1)将步骤(5)得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A输出为初步结果，则进入步骤(8)；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤2)；2)将步骤(5)得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B输出为初步结果；则进入步骤(8)；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤3)；3)将步骤(5)得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A输出为初步结果，则进入步骤(8)；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤4)；4)将步骤(5)得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B输出为初步结果；则进入步骤(8)；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤(7)；(7)以第一组标志点的完整候选点集合A或第二组标志点的完整候选点集合A为基准，根据标定标尺上既定的两组标志点的分布方式以及步骤(3)得到的两组标志点初次的候选点集合，对应计算出第二组标志点或者第一组标志点的坐标，并输出为初步结果；并进入步骤(8)；若无法计算出第二组标志点或者第一组标志点的坐标，则结束；(8)根据图像缩放比例，将步骤(6)或(7)初步结果换算成原图坐标输出，结束。
所述步骤(6)或(7)的初步结果先经过判断后，再进入所述步骤(8)，具体过程为：判断步骤(6)或步骤(7)得到的初步结果是否包含在步骤(3)得到的两组标志点初次的候选点集合中，若包含在其中，则将对应的判断过后的点作为此点的实际位置，并进入步骤(8)；若不包含在其中，则通过在步骤(3)得到的两组标志点初次的候选点集合中为该判断过后的点设定阈值距离，并进行二次搜索计算，若能在设定的阈值距离范围内搜索到点，则通过该搜索到的点对该判断过后的点进行校正，并将校正后的点的位置作为此点的实际位置，并转步骤(8)；若不能在设定的阈值距离范围内搜索到点，则以该判断过后的点作为此点的实际位置，并转步骤(8)。
对所述步骤(2)获取的X线透视图像进行缩放，将缩放处理后的X线透视图像转化成灰度图并依次进行灰度均衡化处理和滤波平滑处理。
所述滤波平滑处理采用中值滤波或高斯滤波。
所述步骤(3)通过设置颜色为黑色、圆形度良好、包含区域面积适中和半径适中的BLOB特征对提取到的BLOB进行选择。
本发明由于采取以上技术方案，其具有以下优点：1、本发明由于通过采用特征三角形进行匹配计算，因此不但能够兼容各种不同型号的成像设备，而且对不同成像质量的X线透视图像上的标志点均能够准确、有效识别。2、本发明由于采用小区域二次搜索计算和根据标尺上既定的点与点之间的几何关系计算，使得即使在初步提取候选点集时不能够提取到包含所有有效点的候选集，也可以得到有效的标志点，进一步显著提高了识别精度。本发明识别精度高，识别速度快，可以广泛应用于标志点识别定位技术领域。
附图说明
图1是本发明的流程示意图；
图2是本发明的包括有两组标志点的标定标尺的成像结构示意图；
图3是图2中的第一组标志点组成特征三角形的结构示意图；
图4是图2中的第二组标志点组成特征三角形的结构示意图；
图5是本发明的待匹配三角形进行匹配的流程示意图。
具体实施方式
以下结合附图对本发明进行详细的描述。
如图1所示，本发明提出了一种手术机器人标志点识别定位方法，包括以下步骤：
1、根据选用具有两组标志点的标定标尺，获取相应的两组特征三角形模板表，具体过程为：
(1)如图2所示，选用包括两组标志点的标定标尺，为了方便描述，将标定标尺中的两组标志点分别定义为第一组标志点1和第二组标志点2，且在图2中以直径大小不同区分第一组标志点1和第二组标志点2，但是实际使用时，对标志点的直径没有限制；第一组标志点1包括一个特征点11和两个以上的顶点标志点12，本实施例中，第一组标志点1包括四个顶点标志点12；第二组标志点2包括一个特征点21和两个以上的顶点标志点22，本实施例中，第二组标志点2包括四个顶点标志点22；
(2)如图3所示，将第一组标志点1中的特征标志点11与第一组标志点1中的任意两个顶点标志点12组成若干特征三角形，并根据标定标尺上既定的第一组标志点1的分布方式，计算每一特征三角形三个内角的角度，并将计算结果存入第一组特征三角形模板表；
(3)如图4所示，将第二组标志点2中的特征标志点21与第二组标志点2中的任意两个顶点标志点22组成若干特征三角形，并根据标定标尺上既定的第二组标志点2的分布方式，计算每一特征三角形三个内角的角度，并将计算结果存入第二组特征三角形模板表；
2、输入通过医学成像设备透过步骤1所选用标定标尺拍摄的X线透视图像，其中，为了提高X线透视图像的处理速度，可以根据实际使用时对处理速度的要求，对尺寸超过800*800的X线透视图像，进行一定比例的缩放；
为了使得所有载入的X线透视图像均具有同样的灰度分布范围，将缩放处理后的X线透视图像转化成灰度图，并进行灰度均衡化处理，其中，灰度值处理范围为0～255；
为了减少噪声干扰，对灰度均衡化处理后的X线透视图像进行滤波平滑处理，其中，滤波平滑处理可以采用中值滤波或者高斯滤波；
3、基于BLOB(二进制大对象)检测方法，对步骤2处理后的X线透视图像依次进行二值化处理和连通域提取；
为了得到近似为圆形黑色的BLOB点集合，通过设置颜色为黑色、圆形度良好、包含区域面积适中和半径适中的BLOB特征对提取到的BLOB进行选择，如果不能够选择出有效的候选点，即候选点集合为空，则结束；如果能够选择出有效的候选点，则得到两组标志点的初次候选点集合；
4、将步骤3得到的两组标志点初次的候选点集合中的候选点组成待匹配三角形，并与步骤1获取的两组特征三角形模板表进行匹配，并判断是否能获取两组标志点的候选点集合，如果不能，则结束，如果能，则进行下一步计算，具体过程，如图5所示：
(1)将步骤3中的两组标志点的初次候选点集合的候选点每三个作为一组构成待匹配三角形，计算待匹配三角形三个内角的角度，并将计算结果分别与步骤1中获得的第一组特征三角形模板表和第二组特征三角形模板表进行匹配计算，当匹配计算结果和待匹配三角形三个内角的角度差值均在-5°～+5°范围内时，将组成该待匹配三角形的三个候选点作为一个组，对应存入第一组标志点的初次候选点集合或第二组标志点的初次候选点集合；
(2)判断第一组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第一组标志点的分布方式，若能符合，则将该两三角形组合作为一组对应存入第一组标志点的二次候选点集合A，若不能符合，则将该两三角形组合分别存入第一组标志点的二次候选点集合B，与此同时，判断第二组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第二组标志点的分布方式，若能符合，则将该两三角形组合作为一组对应存入第二组标志点的二次候选点集合A，若不能符合，则将该两三角形组合分别存入第二组标志点的二次候选点集合B；
(3)将第一组标志点的二次候选点集合A和第一组标志点的二次候选点集合B组成第一组标志点的候选点集合；将第二组标志点的二次候选点集合A和第二组标志点的二次候选点集合B组成第二组标志点的候选点集合；
5、根据步骤4得到的两组标志点的候选点集合中的已知点，分别计算出该组对应的每一点坐标，以得到两组标志点的完整候选点集合，具体过程为：
(1)根据第一组标志点的二次候选点集合A和标定标尺上既定的第一组标志点的分布方式，通过计算第一组标志点中所有点的坐标，对应得到第一组标志点的完整候选点集合A；
(2)根据第一组标志点的二次候选点集合B和标定标尺上既定的第一组标志点的分布方式，通过计算第一组标志点中所有点的坐标，对应得到第一组标志点的完整候选点集合B；
(3)根据第二组标志点的二次候选点集合A和标定标尺上既定的第二组标志点的分布方式，通过计算第二组标志点中所有点的坐标，对应得到第二组标志点的完整候选点集合A；
(4)根据第二组标志点的二次候选点集B和标定标尺上既定的第二组标志点的分布方式，通过计算第二组标志点中所有点的坐标，对应得到第二组标志点的完整候选点集合B；
6、将步骤5得到的两组标志点的完整候选点集合进行相互匹配，具体过程为：
(1)将步骤5得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A输出为初步结果，则进入步骤8；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤(2)；
(2)将步骤5得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B输出为初步结果；则进入步骤8；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤(3)；
(3)将步骤5得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A输出为初步结果，则进入步骤8；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤(4)；
(4)将步骤5得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B输出为初步结果；则进入步骤8；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤7；
7、以步骤5得到的第一组标志点的完整候选点集合A或第二组标志点的完整候选点集合A为基准，根据标定标尺上既定的两组标志点的分布方式以及步骤3得到的两组标志点初次的候选点集合，对应计算出第二组标志点或者第一组标志点的坐标，并输出为初步结果；并进入步骤8；若无法计算出第二组标志点或者第一组标志点的坐标，则结束；
另外，本步骤也可以以第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B为基准，根据标定标尺上既定的第一组标志点和第二组标志点之间的分布方式以及步骤3得到的两组标志点初次的候选点集合，对应计算出第二组标志点或者第一组标志点的坐标，只是因为第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A所包含的信息分别对应多于第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B，所以优选第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A进行计算；
8、判断步骤6或者步骤7得到的初步结果是否包含在步骤3得到的两组标志点初次的候选点集合中，若包含在其中，则将对应的判断过后的点作为此点的实际位置，并进入步骤9；若不包含在其中，则通过在步骤3得到的两组标志点初次的候选点集合中为该判断过后的点设定阈值距离，并进行二次搜索计算，若能在设定的阈值距离范围内搜索到点，则通过该搜索到的点对该判断过后的点进行校正，并将校正后的点的位置作为此点的实际位置，并转步骤9；若不能在设定的阈值距离范围内搜索到点，则以该判断过后的点作为此点的实际位置，并转步骤9；
9、根据图像缩放比例，将步骤8得到的实际位置的点的坐标换算成原图坐标输出，并结束。
上述实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。
Claims (5)
1.一种手术机器人标志点识别定位方法，包括以下步骤：
(1)根据选用具有两组标志点的标定标尺，获取相应的两组特征三角形模板表，具体过程为：
1)第一组标志点包括一个特征点和两个以上的顶点标志点，将第一组标志点中的特征标志点分别与第一组标志点中的任意两个顶点标志点组成若干特征三角形，分别计算每一特征三角形三个内角的角度，并将计算结果存入第一组特征三角形模板表；
2)第二组标志点包括一个特征点和两个以上的顶点标志点，将第二组标志点中的特征标志点分别与第二组标志点中的任意两个顶点标志点组成若干特征三角形，分别计算每一特征三角形三个内角的角度，并将计算结果存入第二组特征三角形模板表；
(2)通过医学成像设备透过步骤(1)所选用标定标尺拍摄获取X线透视图像；
(3)基于BLOB检测方法，对步骤(2)的X线透视图像依次进行二值化处理和连通域提取，并对提取的得到BLOB进行选择，如果不能选择出有效的候选点，则结束；如果能选择出有效的候选点，则组成两组标志点的初次候选点集合；
(4)将步骤(3)得到的两组标志点初次的候选点集合中的候选点组成待匹配三角形，并与步骤(1)获取的两组特征三角形模板表进行匹配，并判断是否能获取两组标志点的候选点集合，如果不能，则结束，如果能，则进行下一步计算，具体过程为：
1)将步骤(3)中的两组标志点的初次候选点集合的候选点每三个作为一组构成待匹配三角形，计算待匹配三角形三个内角的角度，并将计算结果分别与步骤(1)中获得的第一组特征三角形模板表和第二组特征三角形模板表进行匹配计算，当匹配计算结果和待匹配三角形三个内角的角度差值均在-5°～+5°范围内时，将组成该待匹配三角形的三个候选点作为一个组，对应存入第一组标志点的初次候选点集合或第二组标志点的初次候选点集合；
2)判断第一组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第一组标志点的分布方式，若能符合，则将该两三角形组合作为一组对应存入第一组标志点的二次候选点集合A，若不能符合，则将该两三角形组合分别存入第一组标志点的二次候选点集合B，与此同时，判断第二组标志点的初次候选点集合中有两个共同顶点的两三角形组合所能组成的其他三角形是否均符合标定标尺上既定的第二组标志点的分布方式，若能符合，则将该两三角形组合作为一组对应存入第二组标志点的二次候选点集合A，若不能符合，则将该两三角形组合分别存入第二组标志点的二次候选点集合B；
3)将第一组标志点的二次候选点集合A和第一组标志点的二次候选点集合B组成第一组标志点的候选点集合；将第二组标志点的二次候选点集合A和第二组标志点的二次候选点集合B组成第二组标志点的候选点集合；
(5)根据步骤(4)得到的两组标志点的候选点集合中的已知点，分别计算出该组对应的每一点坐标，以得到两组标志点的完整候选点集合，具体过程为：
1)根据第一组标志点的二次候选点集合A和标定标尺上既定的第一组标志点的分布方式，通过计算第一组标志点中所有点的坐标，对应得到第一组标志点的完整候选点集合A；
2)根据第一组标志点的二次候选点集合B和标定标尺上既定的第一组标志点的分布方式，通过计算第一组标志点中所有点的坐标，对应得到第一组标志点的完整候选点集合B；
3)根据第二组标志点的二次候选点集合A和标定标尺上既定的第二组标志点的分布方式，通过计算第二组标志点中所有点的坐标，对应得到第二组标志点的完整候选点集合A；
4)根据第二组标志点的二次候选点集B和标定标尺上既定的第二组标志点的分布方式，通过计算第二组标志点中所有点的坐标，对应得到第二组标志点的完整候选点集合B；
(6)将步骤(5)得到的两组标志点的完整候选点集合进行相互匹配，具体过程为：
1)将步骤(5)得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合A输出为初步结果，则进入步骤(8)；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤2)；
2)将步骤(5)得到的第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合A和第二组标志点的完整候选点集合B输出为初步结果；则进入步骤(8)；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤3)；
3)将步骤(5)得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合A输出为初步结果，则进入步骤(8)；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤4)；
4)将步骤(5)得到的第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B进行互相匹配关系验证计算，若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式相符，则将第一组标志点的完整候选点集合B和第二组标志点的完整候选点集合B输出为初步结果；则进入步骤(8)；若匹配结果和标定标尺上既定的第一组标志点和第二组标志点之间的分布方式不符，则进入步骤(7)；
(7)以第一组标志点的完整候选点集合A或第二组标志点的完整候选点集合A为基准，根据标定标尺上既定的两组标志点的分布方式以及步骤(3)得到的两组标志点初次的候选点集合，对应计算出第二组标志点或者第一组标志点的坐标，并输出为初步结果；并进入步骤(8)；若无法计算出第二组标志点或者第一组标志点的坐标，则结束；
(8)根据图像缩放比例，将步骤(6)或(7)初步结果换算成原图坐标输出，结束。
2.如权利要求1所述一种手术机器人标志点识别定位方法，其特征在于：所述步骤(6)或(7)的初步结果先经过判断后，再进入所述步骤(8)，具体过程为：判断步骤(6)或步骤(7)得到的初步结果是否包含在步骤(3)得到的两组标志点初次的候选点集合中，若包含在其中，则将对应的判断过后的点作为此点的实际位置，并进入步骤(8)；若不包含在其中，则通过在步骤(3)得到的两组标志点初次的候选点集合中为该判断过后的点设定阈值距离，并进行二次搜索计算，若能在设定的阈值距离范围内搜索到点，则通过该搜索到的点对该判断过后的点进行校正，并将校正后的点的位置作为此点的实际位置，并转步骤(8)；若不能在设定的阈值距离范围内搜索到点，则以该判断过后的点作为此点的实际位置，并转步骤(8)。
3.如权利要求2所述一种手术机器人标志点识别定位方法，其特征在于：对所述步骤(2)获取的X线透视图像进行缩放，将缩放处理后的X线透视图像转化成灰度图并依次进行灰度均衡化处理和滤波平滑处理。
4.如权利要求3所述一种手术机器人标志点识别定位方法，其特征在于：所述滤波平滑处理采用中值滤波或高斯滤波。
5.如权利要求1或2或3或4所述一种手术机器人标志点识别定位方法，其特征在于：所述步骤(3)通过设置颜色为黑色、圆形度良好、包含区域面积适中和半径适中的BLOB特征对提取到的BLOB进行选择。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510673140.XA CN105232161B (zh) | 2015-10-16 | 2015-10-16 | 一种手术机器人标志点识别定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510673140.XA CN105232161B (zh) | 2015-10-16 | 2015-10-16 | 一种手术机器人标志点识别定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105232161A true CN105232161A (zh) | 2016-01-13 |
| CN105232161B CN105232161B (zh) | 2017-05-17 |
Family
ID=55030182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510673140.XA Active CN105232161B (zh) | 2015-10-16 | 2015-10-16 | 一种手术机器人标志点识别定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105232161B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017211039A1 (zh) * | 2016-06-08 | 2017-12-14 | 北京天智航医疗科技股份有限公司 | 一种手术定位装置、定位系统及定位方法 |
| CN107481276A (zh) * | 2016-06-08 | 2017-12-15 | 北京天智航医疗科技股份有限公司 | 一种三维医学图像中标记点序列的自动识别方法 |
| CN107468350A (zh) * | 2016-06-08 | 2017-12-15 | 北京天智航医疗科技股份有限公司 | 一种三维图像专用标定器、手术定位系统及定位方法 |
| CN110123456A (zh) * | 2019-05-15 | 2019-08-16 | 北京天智航医疗科技股份有限公司 | 示踪设备和定位系统 |
| CN116350352A (zh) * | 2023-02-23 | 2023-06-30 | 北京纳通医用机器人科技有限公司 | 手术机器人标志位识别定位方法、装置及设备 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109363770B (zh) * | 2018-12-06 | 2021-08-10 | 安徽埃克索医疗机器人有限公司 | 一种手术导航机器人标志点自动识别定位方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004011876A1 (en) * | 2002-07-25 | 2004-02-05 | Solutionix Corporation | Apparatus and method for automatically arranging three dimensional scan data using optical marker |
| CN1801896A (zh) * | 2006-01-17 | 2006-07-12 | 东南大学 | 摄像机标定数据的采集方法及其标定板 |
| CN101853333A (zh) * | 2010-05-26 | 2010-10-06 | 中国科学院遥感应用研究所 | 医疗机器人导航定位图像中的标记拾取方法 |
| CN104123540A (zh) * | 2014-07-15 | 2014-10-29 | 北京天智航医疗科技股份有限公司 | 手术机器人定位标志点自动识别方法 |
| CN104406538A (zh) * | 2014-12-01 | 2015-03-11 | 南京航空航天大学 | 用于点云拼接的标志点三维匹配方法及三维扫描方法 |
-
2015
- 2015-10-16 CN CN201510673140.XA patent/CN105232161B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004011876A1 (en) * | 2002-07-25 | 2004-02-05 | Solutionix Corporation | Apparatus and method for automatically arranging three dimensional scan data using optical marker |
| CN1801896A (zh) * | 2006-01-17 | 2006-07-12 | 东南大学 | 摄像机标定数据的采集方法及其标定板 |
| CN101853333A (zh) * | 2010-05-26 | 2010-10-06 | 中国科学院遥感应用研究所 | 医疗机器人导航定位图像中的标记拾取方法 |
| CN104123540A (zh) * | 2014-07-15 | 2014-10-29 | 北京天智航医疗科技股份有限公司 | 手术机器人定位标志点自动识别方法 |
| CN104406538A (zh) * | 2014-12-01 | 2015-03-11 | 南京航空航天大学 | 用于点云拼接的标志点三维匹配方法及三维扫描方法 |
Non-Patent Citations (1)
| Title |
|---|
| 易新华: "智能内窥镜显形系统研究", 《中国博士学位论文全文数据库 信息科技辑（月刊）》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017211039A1 (zh) * | 2016-06-08 | 2017-12-14 | 北京天智航医疗科技股份有限公司 | 一种手术定位装置、定位系统及定位方法 |
| CN107481276A (zh) * | 2016-06-08 | 2017-12-15 | 北京天智航医疗科技股份有限公司 | 一种三维医学图像中标记点序列的自动识别方法 |
| CN107468350A (zh) * | 2016-06-08 | 2017-12-15 | 北京天智航医疗科技股份有限公司 | 一种三维图像专用标定器、手术定位系统及定位方法 |
| CN107468351A (zh) * | 2016-06-08 | 2017-12-15 | 北京天智航医疗科技股份有限公司 | 一种手术定位装置、定位系统及定位方法 |
| US20190142359A1 (en) * | 2016-06-08 | 2019-05-16 | Tinavi Medical Technologies Co., Ltd. | Surgical positioning system and positioning method |
| CN107481276B (zh) * | 2016-06-08 | 2020-02-14 | 北京天智航医疗科技股份有限公司 | 一种三维医学图像中标记点序列的自动识别方法 |
| CN110123456A (zh) * | 2019-05-15 | 2019-08-16 | 北京天智航医疗科技股份有限公司 | 示踪设备和定位系统 |
| CN116350352A (zh) * | 2023-02-23 | 2023-06-30 | 北京纳通医用机器人科技有限公司 | 手术机器人标志位识别定位方法、装置及设备 |
| CN116350352B (zh) * | 2023-02-23 | 2023-10-20 | 北京纳通医用机器人科技有限公司 | 手术机器人标志位识别定位方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105232161B (zh) | 2017-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104123540B (zh) | 手术机器人定位标志点自动识别方法 | |
| CN105232161A (zh) | 一种手术机器人标志点识别定位方法 | |
| EP3255609B1 (en) | A method of automatically identifying a sequence of marking points in 3d medical image | |
| CN109754387B (zh) | 一种全身骨显像放射性浓聚灶的智能检测定位方法 | |
| US10318839B2 (en) | Method for automatic detection of anatomical landmarks in volumetric data | |
| CN106340044B (zh) | 摄像机外参自动标定方法及标定装置 | |
| CN110946654A (zh) | 一种基于多模影像融合的骨科手术导航系统 | |
| CN108416791A (zh) | 一种基于双目视觉的并联机构动平台位姿监测与跟踪方法 | |
| CN103020969B (zh) | 一种ct图像肝脏分割的处理方法及系统 | |
| EP2931161A1 (en) | Markerless tracking of robotic surgical tools | |
| CN104248454B (zh) | 一种二维超声图像与穿刺针共面判断方法 | |
| CN106890031A (zh) | 一种标记物识别及标记点定位方法及手术导航系统 | |
| CN109994188A (zh) | 基于ndi的神经外科导航配准测试方法和系统 | |
| CN104434313A (zh) | 一种腹部外科手术导航方法及系统 | |
| CN104766309A (zh) | 一种平面特征点导航定位方法与装置 | |
| CN105078573A (zh) | 基于手持式扫描仪的神经导航空间配准方法 | |
| CN112734776A (zh) | 一种微创手术器械定位方法和系统 | |
| CN112950648B (zh) | 确定磁共振图像中的正中矢状平面的方法和设备 | |
| CN109965979A (zh) | 一种无需标志点的稳健的神经导航自动注册方法 | |
| CN109363770A (zh) | 一种手术导航机器人标志点自动识别定位方法 | |
| CN103914845B (zh) | 基于主动轮廓模型的超声图像分割中获取初始轮廓的方法 | |
| CN108175500A (zh) | 基于手持式三维扫描仪的手术导航空间配准方法 | |
| CN114820587A (zh) | 一种超声检查中智能测量血管管径的方法及系统 | |
| CN110415246B (zh) | 一种腹部脂肪成分的分析方法 | |
| CN113066126A (zh) | 穿刺入针点的定位方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |