本发明专利技术提供了上肢康复机器人主动训练方法、装置及上肢康复机器人；其中，该方法包括：基于正运动学模型从RGB图像中提取感兴趣区域ROI，得到ROI图像；基于Farneback光流算法计算ROI图像的稠密光流，并确定待训练手臂末端在ROI图像中的邻域；根据邻域内的光流确定待训练手臂末端的实际速度向量；最后确定待训练手臂末端的目标速度向量，并根据实际速度向量和目标速度向量确定待训练手臂的运动意图，并根据运动意图辅助待训练手臂进行康复训练，直至运动至目标位置；上述训练方法降低了上肢康复机器人主动训练成本，提高了主动训练模式的实用性，便于在实际应用中推广实施。便于在实际应用中推广实施。便于在实际应用中推广实施。
【技术实现步骤摘要】
上肢康复机器人主动训练方法、装置及上肢康复机器人
[0001]本专利技术涉及康复训练
，尤其是涉及上肢康复机器人主动训练方法、装置及上肢康复机器人。
技术介绍
[0002]脑卒中俗称中风，是由于脑血管堵塞或破裂而造成的急性脑血管循环障碍疾病，具有高发病率、高死亡率、高致残率和高复发率等特点。在中风患者中只有少数轻微患者可以自然恢复，大部分脑卒中患者会残留不同程度的运动、感觉、认知、言语等功能障碍，严重影响其日常活动能力和生活质量。康复是降低卒中致残率最有效的方法，及时、科学、有效的康复训练，尤其是在疾病早期的“黄金期”，在治疗疾病、功能恢复、预防卒中复发、减少并发症等方面发挥着弥足轻重的作用。在传统的中风康复治疗中，主要通过医师以徒手方式对患者进行一对一的康复治疗，医师个人的治疗手段、经验差异、主观意识以及疲劳程度会直接影响治疗效果，治疗过程劳动强度大，护理成本高昂；以及医师和患者的数量比例严重失衡，难以满足日益增长的医疗需求，因此，引入医疗康复类机器人设备是帮助有效缓解康复供需矛盾的可行方案。
[0003]康复机器人可以辅助甚至替代医师为患者提供更加持续、有效以及更具针对性的康复训练治疗，缓解康复医疗人力资源紧缺问题，而且可以实时记录患者的治疗数据，为病情评估和方案改进提供客观依据。在实际应用中，康复机器人主要提供主动和被动两种康复训练模式，随着神经可塑性和功能重组理论及实践的深入研究，主动性康复的作用远大于被动性运动。
[0004]康复机器人的主动康复训练是指患者主动发起运动，但由于患者的肢体受损无法独立产生完成运动所需的全部力/力矩，因此，需要康复机器人提供部分辅助力/力矩，康复机器人在识别到患者的运动意图后提供所需的辅助力/力矩以协助患者完成运动。其中，主动康复训练的难点在于如何识别患者的运动意图，现有方法主要通过脑电或肌电信号识别患者的运动意图来实现主动训练，但是采集脑电或肌电信号的传感器价格比较昂贵，实用性不足，极大的限制了康复机器人主动训练模式的推广。
技术实现思路
[0005]有鉴于此，本专利技术的目的在于提供上肢康复机器人主动训练方法、装置及上肢康复机器人，以缓解上述问题，降低了上肢康复机器人主动训练成本，提高了主动训练模式的实用性，便于在实际应用中推广实施。
[0006]第一方面，本专利技术实施例提供了一种上肢康复机器人主动训练方法，该方法包括：获取包含待训练手臂的RGB图像，并基于正运动学模型从RGB图像中提取感兴趣区域ROI，得到ROI图像；其中，ROI图像覆盖待训练手臂的所有运动区域；基于Farneback光流算法计算ROI图像的稠密光流；获取待训练手臂末端在ROI图像中的当前位置，并根据当前位置确定待训练手臂末端在ROI图像中的邻域；根据邻域内的光流确定待训练手臂末端的实际速度
向量；获取待训练手臂末端在ROI图像中的目标位置，并根据目标位置和当前位置确定待训练手臂末端的目标速度向量；根据实际速度向量和目标速度向量确定待训练手臂的运动意图，并根据运动意图辅助待训练手臂进行康复训练，直至运动至目标位置。
[0007]优选地，基于Farneback光流算法计算ROI图像的稠密光流的步骤，包括：对ROI图像进行灰度转换处理，得到第一灰度图像；对第一灰度图像进行中值滤波处理，得到滤波后的第二灰度图像；基于Farneback光流算法，根据当前帧的第二灰度图像和上一帧的第二灰度图像，计算得到当前帧的第二灰度图像的光流。
[0008]优选地，根据当前位置确定待训练手臂末端在ROI图像中的邻域的步骤，包括：根据待训练手臂形状确定邻域宽度和邻域高度；以当前位置为中心，建立宽度为邻域宽度、高度为邻域高度的矩形区域，作为待训练手臂末端在ROI图像中的邻域。
[0009]优选地，光流包括X方向的第一光流和Y方向的第二光流；根据邻域内的光流确定待训练手臂末端的实际速度向量的步骤，包括：对邻域内的全部第一光流进行平均计算，得到X方向的第一速度；以及，对邻域内的全部第二光流进行平均计算，得到Y方向的第二速度；根据第一速度和第二速度得到实际速度向量。
[0010]优选地，根据实际速度向量和目标速度向量确定待训练手臂的运动意图的步骤，包括：计算实际速度向量在目标速度向量上的投影；判断投影是否满足预设运动条件；如果是，确定待训练手臂产生正确的运动意图，并辅助待训练手臂进行康复训练，直至运动至目标位置。
[0011]优选地，判断投影是否满足预设运动条件的步骤，包括：判断投影的方向是否为正，且，投影的幅值是否达到预设阈值；如果均是，判定投影满足预设运动条件。
[0012]优选地，该方法还包括：如果投影不满足预设运动条件，确定待训练手臂产生错误的运动意图，并停止辅助待训练手臂进行康复训练。
[0013]第二方面，本专利技术实施例还提供一种上肢康复机器人主动训练装置，该装置包括：图像获取模块，用于获取包含待训练手臂的RGB图像，并基于正运动学模型从RGB图像中提取感兴趣区域ROI，得到ROI图像；其中，ROI图像覆盖待训练手臂的所有运动区域；光流计算模块，用于基于Farneback光流算法计算ROI图像的稠密光流；邻域确定模块，用于获取待训练手臂末端在ROI图像中的当前位置，并根据当前位置确定待训练手臂末端在ROI图像中的邻域；实际速度确定模块，用于根据邻域内的光流确定待训练手臂末端的实际速度向量；目标速度确定模块，用于获取待训练手臂末端在ROI图像中的目标位置，并根据目标位置和当前位置确定待训练手臂末端的目标速度向量；运动意图确定模块，用于根据实际速度向量和目标速度向量确定待训练手臂的运动意图，并根据运动意图辅助待训练手臂进行康复训练，直至运动至目标位置。
[0014]第三方面，本专利技术实施例还提供一种上肢康复机器人，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，处理器执行计算机程序时实现上述第一方面的方法的步骤。
[0015]第四方面，本专利技术实施例还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运行时执行上述第一方面的方法的步骤。
[0016]本专利技术实施例带来了以下有益效果：
[0017]本专利技术实施例提供了上肢康复机器人主动训练方法、装置及上肢康复机器人，首
先基于正运动学模型从RGB图像中提取感兴趣区域ROI，得到ROI图像；基于Farneback光流算法计算ROI图像的稠密光流，并确定待训练手臂末端在ROI图像中的邻域；根据邻域内的光流确定待训练手臂末端的实际速度向量；最后确定待训练手臂末端的目标速度向量，并根据实际速度向量和目标速度向量确定待训练手臂的运动意图，并根据运动意图辅助待训练手臂进行康复训练，直至运动至目标位置；上述训练方法在患者发起主动运动后肢体会产生微小位移，通过RGB图像捕获位移的大小和方向，以识别出患者的运动意图实现主动训练，从而降低了上肢康复机器人主动训练成本，提高了主动训练模式的实用性，便于在实际应用中推广实施。
[0018]本专利技术的其他本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种上肢康复机器人主动训练方法，其特征在于，所述方法包括：获取包含待训练手臂的RGB图像，并基于正运动学模型从所述RGB图像中提取感兴趣区域ROI，得到ROI图像；其中，所述ROI图像覆盖所述待训练手臂的所有运动区域；基于Farneback光流算法计算所述ROI图像的稠密光流；获取所述待训练手臂末端在所述ROI图像中的当前位置，并根据所述当前位置确定所述待训练手臂末端在所述ROI图像中的邻域；根据所述邻域内的光流确定所述待训练手臂末端的实际速度向量；获取所述待训练手臂末端在所述ROI图像中的目标位置，并根据所述目标位置和所述当前位置确定所述待训练手臂末端的目标速度向量；根据所述实际速度向量和所述目标速度向量确定所述待训练手臂的运动意图，并根据所述运动意图辅助所述待训练手臂进行康复训练，直至运动至所述目标位置。2.根据权利要求1所述的方法，其特征在于，所述基于Farneback光流算法计算所述ROI图像的稠密光流的步骤，包括：对所述ROI图像进行灰度转换处理，得到第一灰度图像；对所述第一灰度图像进行中值滤波处理，得到滤波后的第二灰度图像；基于Farneback光流算法，根据当前帧的所述第二灰度图像和上一帧的第二灰度图像，计算得到当前帧的所述第二灰度图像的光流。3.根据权利要求1所述的方法，其特征在于，所述根据所述当前位置确定所述待训练手臂末端在所述ROI图像中的邻域的步骤，包括：根据所述待训练手臂形状确定邻域宽度和邻域高度；以所述当前位置为中心，建立宽度为所述邻域宽度、高度为所述邻域高度的矩形区域，作为所述待训练手臂末端在所述ROI图像中的邻域。4.根据权利要求1所述的方法，其特征在于，所述光流包括X方向的第一光流和Y方向的第二光流；所述根据所述邻域内的光流确定所述待训练手臂末端的实际速度向量的步骤，包括：对所述邻域内的全部所述第一光流进行平均计算，得到X方向的第一速度；以及，对所述邻域内的全部所述第二光流进行平均计算，得到Y方向的第二速度；根据所述第一速度和所述第二速度得到所述实际速度向量。5.根据权利要求1所述的方法，其特征在于，所述根据所述实际速度向量和所述目标速度向量确定所述待训练手臂的运动意图的步...
【专利技术属性】
技术研发人员：吴剑煌，黄冠，孙维，
申请(专利权)人：深圳华鹊景医疗科技有限公司，
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。