一种医疗器械三维建模方法及装置制造方法及图纸

本发明专利技术涉及一种三维建模的技术领域，公开了一种医疗器械三维建模方法，包括：对医疗器械发射红外激光，利用红外摄像头采集到医疗器械的二维图像以及点云数据，并对医疗器械的二维图像进行灰度化处理，得到医疗器械二维图像的灰度图；利用光照消除算法对灰度图进行光照消除处理；利用图像增强算法对光照消除后的灰度图进行结构增强处理，并提取医疗器械的结构特征；利用点云匹配算法将采集的点云数据与结构特征进行匹配，根据匹配结果，将医疗器械的结构特征在对应点云位置进行医疗器械三维建模，得到医疗器械的三维模型。本发明专利技术还提供了一种医疗器械三维建模装置。本发明专利技术实现了医疗器械的三维建模。器械的三维建模。器械的三维建模。

【技术实现步骤摘要】
一种医疗器械三维建模方法及装置


[0001]本专利技术涉及医疗器械三维建模的
，尤其涉及一种医疗器械三维建模方法及装置。

技术介绍

[0002]随着计算机视觉技术在游戏、医学、测绘、虚拟现实等领域的广泛应用，基于图像的三维建模成为热门的研究方向，利用三维建模算法实现医疗器械的建模成为当前医疗领域研究的热门话题。
[0003]现有的三维建模方法主要为被动式单目重建算法，该算法流程复杂、运行时间长。同时图像特征匹配作为重建算法中重要步骤，现有的算法准确性及匹配数量均低，误匹配结果会对后期重建效果造成影响。另外，现有三维重建算法恢复的三维点云空洞多，可视效果差。
[0004]鉴于此，如何实现更高质量的医疗器械三维建模，成为本领域技术人员亟待解决的问题。

技术实现思路

[0005]本专利技术提供一种医疗器械三维建模方法，通过对医疗器械发射红外激光，利用红外摄像头采集到医疗器械的二维图像以及点云数据，利用图像增强算法对医疗器械的二维图像进行增强处理，并提取医疗器械的结构特征；利用点云匹配算法将采集的点云数据与结构特征进行匹配，根据匹配结果，将医疗器械的结构特征在对应点云位置进行医疗器械三维建模。
[0006]为实现上述目的，本专利技术提供的一种医疗器械三维建模方法，包括：
[0007]对医疗器械发射红外激光，利用红外摄像头采集到医疗器械的二维图像以及点云数据，并对医疗器械的二维图像进行灰度化处理，得到医疗器械二维图像的灰度图；
[0008]利用光照消除算法对灰度图进行光照消除处理；
[0009]利用图像增强算法对光照消除后的灰度图进行结构增强处理，并提取医疗器械的结构特征；
[0010]利用点云匹配算法将采集的点云数据与结构特征进行匹配，根据匹配结果，将医疗器械的结构特征在对应点云位置进行医疗器械三维建模，得到医疗器械的三维模型。
[0011]可选地，所述利用红外摄像头采集到医疗器械的二维图像以及点云数据，并对医疗器械的二维图像进行灰度化处理，包括：
[0012]利用红外激光发射装置对医疗器械发射红外激光，在本专利技术一个具体实施例中，所述红外激光的波长为1000nm；
[0013]利用红外摄像头采集到医疗器械反射的红外射线以及二维图像，并根据医疗器械不同组件的红外射线相位不同，采集到医疗器械的点云数据，所述点云数据包括医疗器械不同组件结构的三维坐标以及颜色信息。
[0014]对所采集的医疗器械二维图像进行灰度化处理，所述灰度化处理公式为：
[0015]Gray
(i,j)
＝R
(i,j)
×
0.3+G
(i,j)
×
0.59+B
(i,j)
×
0.11
[0016]其中：
[0017]R
(i,j)
,G
(i,j)
,B
(i,j)
为医疗器械二维图像中像素(i,j)在R，G，B三个颜色分量中的像素值；
[0018]Gray
(i,j)
为像素(i,j)的灰度值；
[0019]对医疗器械二维图像中每个像素进行灰度化处理，得到医疗器械二维图像的灰度图。
[0020]可选地，所述光照消除算法的流程为：
[0021]由于医疗器械中存在大量与红外摄像头位置相关的镜面反射，镜面反射现象会影响医疗器械重建的精度，因此本专利技术利用光照消除算法对灰度图进行光照消除处理，所述光照消除算法的流程为：
[0022]利用自适应阈值识别医疗器械灰度图的镜面区域：
[0023][0024]其中：
[0025]Q为灰度图中3
×
3的灰度图区域Q的像素值，当d
Q
＝1，则说明灰度图区域Q为镜面区域；
[0026]μ
I
表示医疗器械灰度图的像素平均值；
[0027]σ
I
表示医疗器械灰度图的像素标准值；
[0028]使用镜面区域的周围区域像素值，代替镜面区域的像素值：
[0029][0030]其中：
[0031]Q1,Q2,Q3,Q4分别表示镜面区域Q在上下左右四个区域的像素值，在本专利技术一个具体实施例中，Q1,Q2,Q3,Q4的区域大小均为3
×
3像素大小；
[0032]Q'为镜面消除后的区域像素值，在本专利技术一个具体实施例中，Q'中每个像素的值为Q1,Q2,Q3,Q4四个区域对应位置像素值大小之和的1/3。
[0033]可选地，所述利用图像增强算法对光照消除后的灰度图进行结构增强处理，包括：
[0034]所述医疗器械灰度图的结构包括医疗器械的关节架构、探针、钳以及刨削器等；
[0035]所述图像增强算法的流程为：
[0036]1)计算光照消除后的灰度图的Hessian矩阵：
[0037][0038]其中：
[0039]I
xx
,I
xy
,I
yx
,I
yy
为光照消除后的灰度图I的二阶偏微分；
[0040]2)计算Hessian矩阵的特征值λ1,λ2：
[0041][0042][0043]其中：
[0044]λ1>λ2，若λ1<λ2，则交换特征值λ1,λ2；
[0045]3)计算图像增强参数：
[0046][0047][0048]在低对比度的背景区域，Hessian矩阵的所有特征值都很小，s的取值也很小；在图像的结构区域，Hessian矩阵至少有一个特征值可以取到比较大，s值也可以取到比较大；
[0049]4)构建图像增强函数：
[0050][0051]其中：
[0052]I表示光照消除后的灰度图，表示增强滤波器；
[0053]*表示卷积操作；
[0054]G(I)表示光照消除后的灰度图I的增强结果；
[0055]β表示增强系数，在本专利技术一个具体实施例中，β用于控制增强滤波器对r和s的敏感性，由于医疗器械中的结构种类较多，因此本专利技术选取不同增强系数的多尺度增强滤波器对图像的结构进行增强处理；由于在图像的结构区域，s的取值较大，因此可对I进行卷积增强。
[0056]可选地，所述特征提取算法的流程为：
[0057]在每一个结构区域的像素点i上放一个圆，并检测圆周上的每一个像素点，与圆心的灰度值进行比较，当有3个及以上相同的灰度时，则将像素点i作为结构特征点F
i1
；
[0058]将像素点i的连接点标记为已访问状态，并将该连接点作为结构特征点F
i1
的连接特征点F
i2
，如果像素点i点还有未访问的像素点，则继续遍历访问这些连接点；
[0059]若在遍历的过程中可以在邻域找到至少一个未被访问的连接点，则可以继续遍历；否则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医疗器械三维建模方法，其特征在于，所述方法包括：对医疗器械发射红外激光，利用红外摄像头采集到医疗器械的二维图像以及点云数据，并对医疗器械的二维图像进行灰度化处理，得到医疗器械二维图像的灰度图；利用光照消除算法对灰度图进行光照消除处理；利用图像增强算法对光照消除后的灰度图进行结构增强处理，并提取医疗器械的结构特征；利用点云匹配算法将采集的点云数据与结构特征进行匹配，根据匹配结果，将医疗器械的结构特征在对应点云位置进行医疗器械三维建模，得到医疗器械的三维模型。2.如权利要求1所述的一种医疗器械三维建模方法，其特征在于，所述利用红外摄像头采集到医疗器械的二维图像以及点云数据，并对医疗器械的二维图像进行灰度化处理，包括：利用红外激光发射装置对医疗器械发射红外激光；利用红外摄像头采集到医疗器械反射的红外射线以及二维图像，并根据医疗器械不同组件的红外射线相位不同，采集到医疗器械的点云数据息；对所采集的医疗器械二维图像进行灰度化处理，所述灰度化处理公式为：Gray
(i，j)
＝R
(i，j)
×
0.3+G
(i，j)
×
0.59+B
(i，j)
×
0.11其中：R
(i，j)
，G
(i，j)
，B
(i，j)
为医疗器械二维图像中像素(i，j)在R，G，B三个颜色分量中的像素值；Gray
(i，j)
为像素(i，j)的灰度值；对医疗器械二维图像中每个像素进行灰度化处理，得到医疗器械二维图像的灰度图。3.如权利要求2所述的一种医疗器械三维建模方法，其特征在于，所述光照消除算法的流程为：利用自适应阈值识别医疗器械灰度图的镜面区域：其中：Q为灰度图中3
×
3的灰度图区域Q的像素值，当d
Q
＝1，则说明灰度图区域Q为镜面区域；μ
I
表示医疗器械灰度图的像素平均值；σ
I
表示医疗器械灰度图的像素标准值；使用镜面区域的周围区域像素值，代替镜面区域的像素值：其中：Q1，Q2，Q3，Q4分别表示镜面区域Q在上下左右四个区域的像素值，Q1，Q2，Q3，Q4的区域大小均为3
×
3像素大小；Q
′
为镜面消除后的区域像素值，Q
′
中每个像素的值为Q1，Q2，Q3，Q4四个区域对应位置像素值大小之和的1/3。4.如权利要求3所述的一种医疗器械三维建模方法，其特征在于，所述利用图像增强算
法对光照消除后的灰度图进行结构增强处理，包括：所述图像增强算法的流程为：1)计算光照消除后的灰度图的Hessian矩阵：其中：I
xx
，I
xy
，I
yx
，I
yy
为光照消除后的灰度图I的二阶偏微分；2)计算Hessian矩阵的特征值λ1，λ2：：其中：λ1＞λ2，若λ1＜λ2，则交换特征值λ1，λ2；3)计算图像增强参数：3)计算图像增强参数：4)构建图像增强函数：其中：I表示光照消除后的灰度图，表示增强滤波器；*表示卷积操作；G(I)表示光照消除后的灰度图I的增强结果；β...

【专利技术属性】
技术研发人员：薛志伟，
申请(专利权)人：薛志伟，
类型：发明
国别省市：