【技术实现步骤摘要】
基于有SVD监督的BP神经网络的手眼标定方法及装置
[0001]本专利技术涉及机器人应用
，具体是涉及一种基于有SVD监督的BP神经网络的手眼标定方法及装置。
技术介绍
[0002]光学定位系统作为手术机器人进行目标感知和定位的关键系统，其性能好坏直接决定手术机器人辅助医生进行关节置换手术的高效可靠性。手眼标定作为确定光学系统坐标系与机械臂基坐标系之间的转换关系的主要方法，目前已有很多学者作出研究，但是所采用的算法往往利用线性模型来计算光学系统坐标系与机械臂基坐标系之间的线性标定关系，未能考虑到其中的非线性系统误差。当然，也有学者提出利用具备高效非线性映射能力的神经网络模型来解决这一非线性误差问题，然而传统的神经网络模型容易出现陷入局部极小值、预测误差大、训练时间长、收敛曲线长等问题。
技术实现思路
[0003]本专利技术提供一种基于有SVD监督的BP神经网络的手眼标定方法及装置，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0004]本专利技术实施例提供一种...
【技术保护点】
【技术特征摘要】
1.一种基于有SVD监督的BP神经网络的手眼标定方法，其特征在于，应用在手术机器人标定系统中，所述手术机器人标定系统包括末端携带有校准工具的机械臂、标定平台、手持式探针和光学定位仪，且所述标定平台、所述机械臂的基座和所述光学定位仪之间的位置保持相对固定；所述手术机器人手眼标定方法包括：步骤S100、建立所述机械臂所对应的机械臂基坐标系和所述光学定位仪所对应的光学系统坐标系；步骤S200、控制所述机械臂的末端和所述手持式探针在所述标定平台上进行多次移动，获取所述手持式探针在所述光学系统坐标系下的第一坐标集合和所述校准工具在所述机械臂基坐标系下的第二坐标集合，进而按照设定比例构建训练集和测试集；步骤S300、利用所述训练集对预先搭建的BP神经网络模型进行预训练，得到初始BP神经网络模型；步骤S400、利用SVD算法对所述训练集进行数据更新，再利用更新后的训练集对所述初始BP神经网络模型进行强监督训练，得到优化BP神经网络模型；步骤S500、利用所述测试集对所述优化BP神经网络模型进行测试，若测试达标，则进入步骤S600，若测试不达标，则返回步骤S400；步骤S600、将所述优化BP神经网络模型定义为最终的手眼标定模型。2.根据权利要求1所述的基于有SVD监督的BP神经网络的手眼标定方法，其特征在于，所述步骤S200包括：步骤S201、在所述标定平台上设置若干个标定位置，且每一个标定位置携带有唯一的编码标记；步骤S202、控制所述手持式探针在所述若干个标定位置中逐个移动，获取所述手持式探针的尖端在所述光学系统坐标系下的若干个坐标信息，形成第一坐标集合；步骤S203、控制所述机械臂的末端在所述若干个标定位置中逐个移动，获取所述校准工具的尖端在所述机械臂基坐标系下的若干个坐标信息，形成第二坐标集合；步骤S204、根据每一个标定位置所携带的编码标记，建立所述第一坐标集合与所述第二坐标集合之间的输入输出对应关系，进而合并形成样本数据集；步骤S205、从所述样本数据集中选取80％的样本数据作为训练集，将所述样本数据集中剩下20％的样本数据作为测试集。3.根据权利要求2所述的基于有SVD监督的BP神经网络的手眼标定，其特征在于，所述样本数据集中所包含的每一个样本数据包括输入样本和输出样本，所述输入样本为所述第一坐标集合中的一个坐标信息，所述输出样本为所述第二坐标集合中的一个坐标信息，所述输入样本与所述输出样本的编码标记相同。4.根据权利要求2所述的基于有SVD监督的BP神经网络的手眼标定方法，其特征在于，所述手持式探针包括刚性支架、可拆卸针头和两个定位球，所述可...
【专利技术属性】
技术研发人员：朱家祺，宁为博，范衠，陈栩聪，袁野，胡军，谷敏强，陈洪江，谭业成，周伟骏，何树星，
申请(专利权)人：汕头大学医学院第一附属医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。