本发明专利技术提供一种CBCT数据和三维面部扫描数据的配准方法、配准装置，所述方法包括：引导提示用户根据CBCT数据和三维面部扫描数据手动选择建议特征点，并自动扩选特征点；根据特征点进行粗配准并计算尺度变化值，根据尺度变化值生成粗配准的相似变换矩阵；根据粗配准结果进行精配准；根据粗配准的相似变换矩阵和精配准的刚性变换矩阵计算配准后的三维面部扫描数据。本发明专利技术针对CBCT数据和三维面部扫描数据的非刚性变换问题，引入尺度变化参数，将非刚性变换问题简化为刚性变换问题，有效降低了配准算法的复杂度，提出手自一体的特征点选取方法，手动选取少量建议特征点，并根据距离自动扩选特征点，有效减少了人为带来的干扰因素。素。素。
【技术实现步骤摘要】
CBCT数据和三维面部扫描数据的配准方法、配准装置
[0001]本专利技术涉及医疗数据处理
，具体涉及一种CBCT(Cone beam Computer Tomography，口腔颌面锥形束CT)数据和三维面部扫描数据的配准方法、配准装置。
技术介绍
[0002]随着数字化口腔医学的提出和发展，口腔种植修复已成为常见的手术。在口腔种植修复手术中，医师需要与患者进行充分的沟通与交流，消除患者术前的疑虑和恐慌心理，提高患者对医师的信任。如果提供一种直观展示口腔种植修复手术后面部的改善效果视图，可以有效辅助医师进行术前医患沟通和手术方案的调整，而CBCT数据和三维面部扫描数据的配准作为面部效果展示视图中最重要技术之一，直接关系到后续的排牙、种植、正畸等手术后的面部展示效果。
[0003]相关技术中，CBCT数据和三维面部扫描数据的配准以点云配准算法为主。然而，基于CBCT数据和三维面部扫描数据的配准是两种不同来源不同分辨率的三维数据模型，数据量也不一样，并且CBCT数据包含许多外在因素干扰(比如：软组织、骨骼、咬牙棒等等)因此，上述的点云配准算法存在以下不足：
[0004](1)多数算法只针对刚性变换，未加入尺度变化参数，无法适应分辨率有差异的物体配准；
[0005](2)对于包含许多干扰的不同源数据，难以选择合适的特征点；
[0006](3)依赖一定的初始位置，两个三维数据相距较远时，难以通过迭代寻找到有效最近点对。
技术实现思路
[0007]本专利技术为解决上述技术问题，提出了一种CBCT数据和三维面部扫描数据的配准方法。
[0008]本专利技术还提出一种CBCT数据和三维面部扫描数据的配准装置。
[0009]本专利技术采用的技术方案如下：
[0010]本专利技术第一方面实施例提出了一种CBCT数据和三维面部扫描数据的配准方法，包括以下步骤：获取CBCT数据和三维面部扫描数据并进行预处理；引导提示用户根据CBCT数据和三维面部扫描数据手动选择建议特征点，并自动扩选特征点；根据所述特征点进行CBCT数据和三维面部扫描数据的粗配准并计算尺度变化值，根据所述尺度变化值生成粗配准的相似变换矩阵；根据粗配准结果进行精配准，并获取精配准的刚性变换矩阵；根据所述粗配准的相似变换矩阵和所述精配准的刚性变换矩阵计算配准后的三维面部扫描数据。
[0011]本专利技术上述的CBCT数据和三维面部扫描数据的配准方法还具有如下附加技术特征：
[0012]根据本专利技术的一个实施例，引导提示用户根据CBCT数据和三维面部扫描数据手动选择建议特征点，并自动扩选特征点，具体包括：引导提示用户手动依次在CBCT数据和三维
面部扫描数据中各选择3个建议特征点，构成建议特征点对；以每个手动选取的建议特征点为中心，获取设定半径内的所有特征点；重新计算所述设定半径内特征点到对应的中心特征点的距离，筛选出指定范围内的特征点作为扩选特征点。
[0013]根据本专利技术的一个实施例，根据所述特征点进行CBCT数据和三维面部扫描数据的粗配准并计算尺度变化值，根据所述尺度变化值生成粗配准的相似变换矩阵，具体包括：将CBCT数据和三维面部扫描数据选取的特征点集分别记为目标点云Q和源点云P，根据k邻近法分别计算每个特征点的表面法向量和FPFH(Fast Point Feature Histograms，快速点特征直方)；根据特征点间距离，从所述目标点云Q和源点云P中任一特征点集中随机选取3个采样点；根据特征点的FPFH从另一特征点集中找到与上述3个采样点对应的采样点构成粗配准点对；根据所述粗配准点对计算粗配准的刚性变换矩阵；分别计算CBCT数据和三维面部扫描数据的方差，根据所述方差计算尺度变化值；根据所述粗配准的刚性变换矩阵和尺度变化值生成所述粗配准的相似变换矩阵。
[0014]根据本专利技术的一个实施例，根据粗配准结果进行精配准，并获取精配准的刚性变换矩阵，具体包括：根据粗配准结果获取精配准的初始点集；根据距离最近原则从所述精配准的初始点集中确定精配准点对；根据所述精配准点对获取精配准的刚性变换矩阵的目标函数；迭代求解所述目标函数以获取所述精配准的刚性变换矩阵。
[0015]根据本专利技术的一个实施例，获取CBCT数据和三维面部扫描数据并进行预处理，具体包括：对所述CBCT数据进行重采样、分割和裁剪；对所述三维面部扫描数据进行重采样和裁剪；对所述CBCT数据和三维面部扫描数据的x、y和z方向数据进行标准化。
[0016]本专利技术第二方面实施例提出了一种CBCT数据和三维面部扫描数据的配准装置，包括：预处理模块，所述预处理模块用于获取CBCT数据和三维面部扫描数据并进行预处理；选取模块，所述选取模块用于引导提示用户根据CBCT数据和三维面部扫描数据手动选择建议特征点，并自动扩选特征点；粗配准模块，所述粗配准模块用于根据所述特征点进行CBCT数据和三维面部扫描数据的粗配准并计算尺度变化值，根据所述尺度变化值生成粗配准的相似变换矩阵；精配准模块，所述精配准模块用于根据粗配准结果进行精配准，并获取精配准的刚性变换矩阵；计算模块，所述计算模块用于根据所述粗配准的相似变换矩阵和所述精配准的刚性变换矩阵计算配准后的三维面部扫描数据。
[0017]本专利技术上述的CBCT数据和三维面部扫描数据的配准装置还具有如下附加技术特征：
[0018]根据本专利技术的一个实施例，所述选取模块具体用于：引导提示用户手动依次CBCT数据和三维面部扫描数据中各选择3个建议特征点，构成建议特征点对；以每个手动选取的建议特征点为中心，获取设定半径内的所有特征点；重新计算所述设定半径内特征点到对应的中心特征点的距离，筛选出指定范围内的特征点作为扩选特征点。
[0019]根据本专利技术的一个实施例，所述粗配准模块具体用于：将CBCT数据和三维面部扫描数据选取的特征点集分别记为目标点云Q和源点云P，根据k邻近法分别计算每个特征点的表面法向量和FPFH；根据特征点间距离，从所述目标点云Q和源点云P中任一特征点集中随机选取3个采样点；根据特征点的FPFH从另一特征点集中找到与上述3个采样点对应的采样点构成粗配准点对；根据所述粗配准点对计算粗配准的刚性变换矩阵；分别计算CBCT数据和三维面部扫描数据的方差，根据所述方差计算尺度变化值；根据所述粗配准的刚性变
换矩阵和尺度变化值生成所述粗配准的相似变换矩阵。
[0020]根据本专利技术的一个实施例，所述精配准模块具体用于：根据粗配准结果获取精配准的初始点集；根据距离最近原则从所述精配准的初始点集中确定精配准点对；根据所述精配准点对获取精配准的刚性变换矩阵的目标函数；迭代求解所述目标函数以获取所述精配准的刚性变换矩阵。
[0021]根据本专利技术的一个实施例，所述预处理模块用于：对所述CBCT数据进行重采样、分割和裁剪；对所述三维面部扫描数据进行重采样和裁剪；对所述CBCT数据和三维面部扫描数据的x、y和z方向数据进行标准化。
[0022]本专利技术的有益效果：
[0023]本本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种CBCT数据和三维面部扫描数据的配准方法，其特征在于，包括以下步骤：获取CBCT数据和三维面部扫描数据并进行预处理；引导提示用户根据CBCT数据和三维面部扫描数据手动选择建议特征点，并自动扩选特征点；根据所述特征点进行CBCT数据和三维面部扫描数据的粗配准并计算尺度变化值，根据所述尺度变化值生成粗配准的相似变换矩阵；根据粗配准结果进行精配准，并获取精配准的刚性变换矩阵；根据所述粗配准的相似变换矩阵和所述精配准的刚性变换矩阵计算配准后的三维面部扫描数据。2.根据权利要求1所述的CBCT数据和三维面部扫描数据的配准方法，其特征在于，引导提示用户根据CBCT数据和三维面部扫描数据手动选择建议特征点，并自动扩选特征点，具体包括：引导提示用户手动依次在CBCT数据和三维面部扫描数据中各选择3个建议特征点，构成建议特征点对；以每个手动选取的建议特征点为中心，获取设定半径内的所有特征点；重新计算所述设定半径内特征点到对应的中心特征点的距离，筛选出指定范围内的特征点作为扩选特征点。3.根据权利要求1所述的CBCT数据和三维面部扫描数据的配准方法，其特征在于，根据所述特征点进行CBCT数据和三维面部扫描数据的粗配准并计算尺度变化值，根据所述尺度变化值生成粗配准的相似变换矩阵，具体包括：将CBCT数据和三维面部扫描数据选取的特征点集分别记为目标点云Q和源点云P，根据k邻近法分别计算每个特征点的表面法向量和FPFH；根据特征点间距离，从所述目标点云Q和源点云P中任一特征点集中随机选取3个采样点；根据特征点的FPFH从另一特征点集中找到与上述3个采样点对应的采样点构成粗配准点对；根据所述粗配准点对计算粗配准的刚性变换矩阵；分别计算CBCT数据和三维面部扫描数据的方差，根据所述方差计算尺度变化值；根据所述粗配准的刚性变换矩阵和尺度变化值生成所述粗配准的相似变换矩阵。4.根据权利要求1所述的CBCT数据和三维面部扫描数据的配准方法，其特征在于，根据粗配准结果进行精配准，并获取精配准的刚性变换矩阵，具体包括：根据粗配准结果获取精配准的初始点集；根据距离最近原则从所述精配准的初始点集中确定精配准点对；根据所述精配准点对获取精配准的刚性变换矩阵的目标函数；迭代求解所述目标函数以获取所述精配准的刚性变换矩阵。5.根据权利要求1所述的CBCT数据和三维面部扫描数据的配准方法，其特征在于，获取CBCT数据和三维面部扫描数据并进行预处理，具体包括：对所述CBCT数据进行重采样、分割和裁剪；对所述三维面部扫描数据进行重采样和裁剪；
对所述CBCT数...
【专利技术属性】
技术研发人员：杨振华，姜斯浩，曹洪玮，
申请(专利权)人：常州博恩中鼎医疗科技有限公司，
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。