形态和姿态预估方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种形态和姿态预估方法、装置、设备及存储介质。该方法包括：利用三维摄像头采集目标物体的表面三维形态信息，其中，目标物体包括目标器官或目标生物组织；获取目标物体对应的初始三维模型；利用预设匹配函数对表面三维形态信息和初始三维模型进行匹配，预估目标物体的形态和姿态。本发明专利技术实施例的形态和姿态预估方法、装置、设备及存储介质，能够利用器官或生物组织的表面三维形态信息，来预估器官或生物组织的形态和姿态，不受器官、生物组织变形、遮挡等影响，能够提高预估精度。估精度。估精度。

【技术实现步骤摘要】
形态和姿态预估方法、装置、设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种形态和姿态预估方法、装置、设备及存储介质。

技术介绍

[0002]不管是在开放式手术，还是在内窥镜手术中，如果医生能更加准确的获取当前手术对象器官或生物组织的形态和姿态信息，将会大大的降低医生的压力及手术的风险。
[0003]目前对器官或生物组织的形态和姿态预估，主要依据有限的特征点或者部分外形轮廓。受器官或生物组织变形、遮挡等的影响，依据有限的特征点或者部分外形轮廓对器官或生物组织的形态和姿态预估，预估精度较低。

技术实现思路

[0004]本专利技术实施例提供一种形态和姿态预估方法、装置、设备及存储介质，能够利用器官或生物组织的表面三维形态信息，来预估器官或生物组织的形态和姿态，能够提高预估精度。
[0005]一方面，本专利技术实施例提供了一种形态和姿态预估方法，方法包括：
[0006]利用三维摄像头采集目标物体的表面三维形态信息，其中，目标物体包括目标器官或目标生物组织；
[0007]获取目标物体对应的初始三维模型；
[0008]利用预设匹配函数对表面三维形态信息和初始三维模型进行匹配，预估目标物体的形态和姿态。
[0009]在本专利技术的一个实施例中，预设匹配函数对应的表达式为：
[0010](V
’
，x，y，z，α，β，θ)＝H(V，So)
[0011]其中，V
’
为预估的目标物体的形态，(x，y，z)为预估的目标物体的姿态包括的坐标信息，(α，β，θ)为预估的目标物体的姿态包括的旋转指向角，V为目标物体对应的初始三维模型，So为目标物体的表面三维形态信息，H为预设匹配函数的对应法则，预设匹配函数以So和V
’
的最小化差值为目标。
[0012]在本专利技术的一个实施例中，本专利技术实施例提供的形态和姿态预估方法还可以包括：
[0013]根据表面三维形态信息，预估目标物体的内部结构形变。
[0014]在本专利技术的一个实施例中，根据表面三维形态信息，预估目标物体的内部结构形变，包括：
[0015]根据表面三维形态信息，利用神经网络模型，预估目标物体的内部结构形变。
[0016]在本专利技术的一个实施例中，神经网络模型为基于有限元的神经网络模型。
[0017]在本专利技术的一个实施例中，根据表面三维形态信息，预估目标物体的内部结构形变，包括：
[0018]根据相邻两次获取到的表面三维形态信息，确定目标物体表面的变化幅度；
[0019]根据变化幅度，预估目标物体的内部结构形变。
[0020]在本专利技术的一个实施例中，根据变化幅度，预估目标物体的内部结构形变，包括：
[0021]若变化幅度小于预设第一阈值，则预估目标物体的内部结构没有发生形变。
[0022]在本专利技术的一个实施例中，根据变化幅度，预估目标物体的内部结构形变，包括：
[0023]若变化幅度大于预设第二阈值，根据相邻两次获取到的表面三维形态信息，计算目标物体表面变化对应的变化体积；
[0024]将变化体积，确定为目标物体的内部结构形变。
[0025]另一方面，本专利技术实施例提供了一种形态和姿态预估装置，装置包括：
[0026]采集模块，用于利用三维摄像头采集目标物体的表面三维形态信息，其中，目标物体包括目标器官或目标生物组织；
[0027]获取模块，用于获取目标物体对应的初始三维模型；
[0028]预估模块，用于利用预设匹配函数对表面三维形态信息和初始三维模型进行匹配，预估目标物体的形态和姿态。
[0029]在本专利技术的一个实施例中，预设匹配函数对应的表达式为：
[0030](V
’
，x，y，z，α，β，θ)＝H(V，So)
[0031]其中，V
’
为预估的目标物体的形态，(x，y，z)为预估的目标物体的姿态包括的坐标信息，(α，β，θ)为预估的目标物体的姿态包括的旋转指向角，V为目标物体对应的初始三维模型，So为目标物体的表面三维形态信息，H为预设匹配函数的对应法则，预设匹配函数以So和V
’
的最小化差值为目标。
[0032]在本专利技术的一个实施例中，本专利技术实施例提供的形态和姿态预估装置还可以包括：
[0033]内部结构形变预估模块，用于根据表面三维形态信息，预估目标物体的内部结构形变。
[0034]在本专利技术的一个实施例中，内部结构形变预估模块，具体可以用于：
[0035]根据表面三维形态信息，利用神经网络模型，预估目标物体的内部结构形变。
[0036]在本专利技术的一个实施例中，神经网络模型为基于有限元的神经网络模型。
[0037]在本专利技术的一个实施例中，内部结构形变预估模块，可以包括：
[0038]变化幅度确定单元，用于根据相邻两次获取到的表面三维形态信息，确定目标物体表面的变化幅度；
[0039]内部结构形变预估单元，用于根据变化幅度，预估目标物体的内部结构形变。
[0040]在本专利技术的一个实施例中，内部结构形变预估单元，具体可以用于：
[0041]若变化幅度小于预设第一阈值，则预估目标物体的内部结构没有发生形变。
[0042]在本专利技术的一个实施例中，内部结构形变预估单元，具体可以用于：
[0043]若变化幅度大于预设第二阈值，根据相邻两次获取到的表面三维形态信息，计算目标物体表面变化对应的变化体积；
[0044]将变化体积，确定为目标物体的内部结构形变。
[0045]再一方面，本专利技术实施例提供一种形态和姿态预估设备，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；
[0046]处理器执行计算机程序时实现本专利技术实施例提供的形态和姿态预估方法。
[0047]再一方面，本专利技术实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本专利技术实施例提供的形态和姿态预估方法。
[0048]本专利技术实施例的形态和姿态预估方法、装置、设备及存储介质，能够利用器官或生物组织的表面三维形态信息，来预估器官或生物组织的形态和姿态，不受器官、生物组织变形、遮挡等影响，能够提高预估精度。
附图说明
[0049]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图作简单地介绍，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。
[0050]图1示出了本专利技术实施例提供的形态和姿态预估方法的第一种流程示意图；
[0051]图2示出了本专利技术实施例提供的形态和姿态预估方法的第二种流程示意图；
[0052]图3示出了本专利技术实施例提供的形态和姿态预估装置的第一种结构示意图；
[0053]图4示出了本专利技术实施例提供的形态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种形态和姿态预估方法，其特征在于，所述方法包括：利用三维摄像头采集目标物体的表面三维形态信息，其中，所述目标物体包括目标器官或目标生物组织；获取所述目标物体对应的初始三维模型；利用预设匹配函数对所述表面三维形态信息和所述初始三维模型进行匹配，预估所述目标物体的形态和姿态。2.根据权利要求1所述的方法，其特征在于，所述预设匹配函数对应的表达式为：(V
’
，x，y，z，α，β，θ)＝H(V，So)其中，V
’
为预估的所述目标物体的形态，(x，y，z)为预估的所述目标物体的姿态包括的坐标信息，(α，β，θ)为预估的所述目标物体的姿态包括的旋转指向角，V为所述目标物体对应的初始三维模型，So为所述目标物体的表面三维形态信息，H为所述预设匹配函数的对应法则，所述预设匹配函数以So和V
’
的最小化差值为目标。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述表面三维形态信息，预估所述目标物体的内部结构形变。4.根据权利要求3所述的方法，其特征在于，所述根据所述表面三维形态信息，预估所述目标物体的内部结构形变，包括：根据所述表面三维形态信息，利用神经网络模型，预估所述目标物体的内部结构形变。5.根据权利要求3所述的方法，其特征在于，所述根据所述表面三维形态信息，预估所述目标物体的内部结构形变，包括：根据相邻两次获取到的所述表面三维形态信息...

【专利技术属性】
技术研发人员：廖锐，张懿，林敏，
申请(专利权)人：成都术通科技有限公司，
类型：发明
国别省市：