一种基于点云特征提取的脊柱椎板减压手术定位方法技术

本发明专利技术公开了一种基于点云特征提取的脊柱椎板减压手术定位方法，包括：获取待定位者的开放背部的3D点云；将3D点云转换到矫正坐标系中，以完成姿态矫正；对矫正后的3D点云进行特征分割，将其分离成两个含有目标区域的区块；针对每一区块，分别采用小批量采样并插值映射的方式，得到关节突位置；基于关节突位置，得到待定位者脊柱椎板减压手术定位结果。本发明专利技术通过3D结构光相机获取脊柱术区及其周围表面轮廓立体三维模型，然后直接在三维模型中识别手术目标位置并进行定位，具有无辐射，速度快，成本低等优点，解决了目前脊柱机器人手术必须植入标记和进行多次CT才能进行定位的问题。题。题。

【技术实现步骤摘要】
一种基于点云特征提取的脊柱椎板减压手术定位方法


[0001]本专利技术涉及计算机视觉
，特别涉及一种基于点云特征提取的脊柱椎板减压手术定位方法。

技术介绍

[0002]椎板减压手术现阶段依然需要开放的背部，人体背部轮廓和脊柱是非刚性连接，导致微创手术无法准确定位不可见的脊柱，背部开放手术依赖于经验丰富的医生，同时对医生的生理以及心理都提出了巨大的考验。为了缓解这一现状，考虑引入辅助机器人协助医生手术。
[0003]用机器人辅助甚至代替医生进行手术可以提高手术的安全性与一致性。随着感知技术的发展，机器人已经可以逐渐适应复杂环境的感知任务，例如无人驾驶场景。传统2D视觉在开放式脊柱手术中无法有效辨别不同的组织与结构，而3D视觉可以解决开放式脊柱手术术区颜色差异不显著的难点，点云又是3D视觉中最常用的数据结构，所以点云分析可以更有效的提取术区结构特征，完成术区定位任务。
[0004]目前的点云识别应用算法场景单一，大多针对特定的3D场景或者3D模型，不能很好的解决开放式脊柱手术的术区复杂结构识别的问题。

技术实现思路

[0005]本专利技术提供了一种基于点云特征提取的脊柱椎板减压手术定位方法，以解决目前的点云识别应用算法场景单一，大多针对特定的3D场景或者3D模型，不能很好的解决开放式脊柱手术的术区复杂结构识别的技术问题。
[0006]为解决上述技术问题，本专利技术提供了如下技术方案：
[0007]一方面，本专利技术提供了一种基于点云特征提取的脊柱椎板减压手术定位方法，所述基于点云特征提取的脊柱椎板减压手术定位方法包括：
[0008]获取待定位者的开放背部的表面数据，根据所述表面数据生成相应的相机坐标系下的3D点云，并对所述3D点云进行预处理；其中，所述开放背部为裸露部分脊柱的背部手术区域，所述表面数据为开放背部术区表面3D轮廓图；
[0009]构建矫正坐标系，将预处理后的3D点云转换到所述矫正坐标系中，以完成预处理后的3D点云的姿态矫正，得到矫正后的3D点云；
[0010]对矫正后的3D点云进行特征分割，将其分离成两个含有目标区域的区块；
[0011]针对每一区块，分别采用小批量采样并插值映射的方式，得到关节突位置；
[0012]基于所述关节突位置，得到目标区域在所述矫正坐标系中的坐标，并将得到的坐标映射回所述相机坐标系，以得到待定位者脊柱椎板减压手术定位结果。
[0013]进一步地，所述获取待定位者的开放背部的表面数据，根据所述表面数据生成相应的相机坐标系下的3D点云，并对所述3D点云进行预处理，包括：
[0014]利用传感器设备采集待定位者的开放背部的表面数据；
[0015]根据所述表面数据生成相应的相机坐标系下的3D点云；
[0016]将所述3D点云中存在的无效点和零值点去除，然后对3D点云进行滤波。
[0017]进一步地，所述传感器设备为具有立体结构捕获功能的传感器。
[0018]进一步地，所述对3D点云进行滤波包括体素下采样、孤立点去除和冗余区域去除；其中，体素下采样采用的体素大小为0.8mm，将点数降低到原来的1/10；孤立点去除采用统计滤波方法统计50个点的平均距离，去除小于一定阈值的点。
[0019]进一步地，所述构建矫正坐标系，将预处理后的3D点云转换到所述矫正坐标系中，以完成预处理后的3D点云的姿态矫正，得到矫正后的3D点云，包括：
[0020]对预处理后的3D点云进行主成分分析，获得前三个主向量；
[0021]使用获得的主向量构建矫正坐标系，预处理后的3D点云转换到所述矫正坐标系中，以完成预处理后的3D点云的姿态矫正，得到矫正后的3D点云。
[0022]进一步地，在对预处理后的3D点云进行主成分分析时，采用奇异值分解计算协方差矩阵来获得主向量。
[0023]进一步地，所述对矫正后的3D点云进行特征分割，将其分离成两个含有目标区域的区块，包括：
[0024]利用参数投影获得矫正后的3D点云在俯视视角下的2D投影；
[0025]基于2D投影，采用高斯聚类将术区以棘突为界，分离成两个含有目标区域的区块，并消除高斯聚类带来的随机性，将两个区块命名为左区块和右区块；
[0026]将完成区块分离的2D投影映射回3D点云，得到特征分割后的3D点云。
[0027]进一步地，采用小批量采样并插值映射的方式，得到关节突位置，包括：
[0028]利用参数投影获得待处理区块的3D点云在侧视视角下的2D投影；
[0029]在获得的2D投影中最大主成分方向上分批采样术区底部区域，每个批次采集固定数量的点；
[0030]利用曲线拟合算法拟合所有采样点；
[0031]找到曲线每个波谷位置；
[0032]利用最近邻算法，在特征分割后的3D点云中以多个波谷为中心分别进行采样，获得多个3D区域；其中，所述3D区域描述的是关节突位置。
[0033]进一步地，利用曲线拟合算法拟合所有采样点时，拟合方案分两步，首先预拟合，降低数据不稳定的影响，然后对预拟合曲线进行二次拟合获得最终曲线。
[0034]进一步地，所述基于所述关节突位置，得到目标区域在所述矫正坐标系中的坐标，并将得到的坐标映射回所述相机坐标系，以得到待定位者脊柱椎板减压手术定位结果，包括：
[0035]根据所述3D区域估计目标区域；其中，两个关节突中间靠近棘突的位置就是目标区域；
[0036]根据估计点位置再次采用最近邻算法在特征分割后的3D点云中提取目标区域，得到目标区域在所述矫正坐标系中的坐标；
[0037]将得到的坐标映射回所述相机坐标系，得到脊柱椎板减压手术定位结果。
[0038]再一方面，本专利技术还提供了一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0039]又一方面，本专利技术还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0040]本专利技术提供的技术方案带来的有益效果至少包括：
[0041]目前的现有技术一般是利用深度学习技术或者采用特征描述子技术实现脊柱椎板减压手术定位。前者依赖于大量的数据，而理疗数据本身就非常稀缺，后者需要大量的计算，且无法适用于复杂结构的识别。对此，本专利技术为有效识别术区复杂结构，并减少数据依赖与提高计算速度，采用投影的方法，对投影轮廓进行识别。实验结果证明本专利技术对于开放式脊柱手术具有良好的效果。且本专利技术投入小，性能高，鲁棒性好，不需要额外标记，无放射性，可移植性强。
附图说明
[0042]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云特征提取的脊柱椎板减压手术定位方法，其特征在于，包括：获取待定位者的开放背部的表面数据，根据所述表面数据生成相应的相机坐标系下的3D点云，并对所述3D点云进行预处理；其中，所述开放背部为裸露部分脊柱的背部手术区域，所述表面数据为开放背部术区表面3D轮廓图；构建矫正坐标系，将预处理后的3D点云转换到所述矫正坐标系中，以完成预处理后的3D点云的姿态矫正，得到矫正后的3D点云；对矫正后的3D点云进行特征分割，将其分离成两个含有目标区域的区块；针对每一区块，分别采用小批量采样并插值映射的方式，得到关节突位置；基于所述关节突位置，得到目标区域在所述矫正坐标系中的坐标，并将得到的坐标映射回所述相机坐标系，以得到待定位者脊柱椎板减压手术定位结果。2.如权利要求1所述的基于点云特征提取的脊柱椎板减压手术定位方法，其特征在于，所述获取待定位者的开放背部的表面数据，根据所述表面数据生成相应的相机坐标系下的3D点云，并对所述3D点云进行预处理，包括：利用传感器设备采集待定位者的开放背部的表面数据；根据所述表面数据生成相应的相机坐标系下的3D点云；将所述3D点云中存在的无效点和零值点去除，然后对3D点云进行滤波。3.如权利要求2所述的基于点云特征提取的脊柱椎板减压手术定位方法，其特征在于，所述传感器设备为具有立体结构捕获功能的传感器。4.如权利要求2所述的基于点云特征提取的脊柱椎板减压手术定位方法，其特征在于，所述对3D点云进行滤波包括体素下采样、孤立点去除和冗余区域去除；其中，体素下采样采用的体素大小为0.8mm，将点数降低到原来的1/10；孤立点去除采用统计滤波方法统计50个点的平均距离，去除小于一定阈值的点。5.如权利要求1所述的基于点云特征提取的脊柱椎板减压手术定位方法，其特征在于，所述构建矫正坐标系，将预处理后的3D点云转换到所述矫正坐标系中，以完成预处理后的3D点云的姿态矫正，得到矫正后的3D点云，包括：对预处理后的3D点云进行主成分分析，获得前三个主向量；使用获得的主向量构建矫正坐标系，预处理后的3D点云转换到所述矫正坐标系中，以完成预处理后...

【专利技术属性】
技术研发人员：丁大伟，程乐，高宇，安翠娟，赵宇，翟吉良，李嘉浩，高晨郜，王峻晨，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：