【技术实现步骤摘要】
本专利技术涉及点云配准领域，具体是一种半自动的点云配准方法。
技术介绍
1、智能化，精准化及微创化的治疗，是当下医疗机器人发展的方向，在进行微创化内脏器官疾病如肝癌，肺癌等的诊疗工作中，影像配准和融合是智能医疗器械的一个必不可少的步骤。通常情况下是将需要配准的立体组织进行点云化，以便能快速的处理和进行定量化的分析。
2、因配准点云的来源存在时间(如肝癌患者在诊断时会做ct，在治疗时使用诊断的ct和当下的实时超声影像)和空间(如ct/mri室和病床)上的不同，用于配准的两组点云可能存在较大差异，在超声引导的软组织智能导航系统中，使用实时重构的3d超声点云同诊断前(如ct/mri/3d超声)构建的点云差异包括点云范围上的，噪音以及的组织形变等方面。
3、目前的解决方案有两种，一种是通过纯手动配准，既人工在两个点云上分别选择多个配准特征点组，但该方法费事费力且不同医生之间的结果可能会差异较大；
4、另外一种就是通过配准算法，让两组点云自动对齐，但由于两组点云可能本身有较大差异，这种方法需要的时间成本较高，且配准结果可能存在较大误差。
5、针对以上的问题，提出了一种半自动的点云配准方案，进行解决上述问题。
技术实现思路
1、专利技术目的：提供一种半自动的点云配准方法，以解决现有技术存在的上述问题。
2、技术方案：一种半自动的点云配准方法，包括：
3、步骤1、术前及术中组织信息识别并点云化；
4、步骤2、术前
5、步骤3、术前及术中点云特征点的提取及特征分割点云段的生成；
6、步骤4、对特征分割点云段进行人为配对；
7、步骤5、基于配准特征点和对特征分割点云段进行配准形成最终配准矩阵完成配准。
8、本专利技术结合了自动化的高效点云处理，又综合了人工的快速化的配对经验，将复杂的人体内具有形变的软组织配准问题，通过基于点云特性的精准化的分割，人工的快速化的配对，降低了软组织配准时，识别噪音，形变和误识别对配准结果的影响，方向简单可靠；
9、最为优选的方式为，人工可以选择医生，通过医生的从医经验，更加精准的解决配准的两组点云在范围及形状上有差异，或有噪音时，配准困难和配准精度差的问题；
10、方案对两组点云进行自动分段并切割，筛选特性较为相近的点云段作为配对组，丢弃无相关性的点云段，之后进行自动的配准的过程。
11、在进一步实施例中，所述步骤1包括：
12、步骤11、对病人诊断时采集ct/mri/3d超声等医学影像进行组织分割，并点云化，形成点云1；
13、点云1的获取，病人术前诊断时进行ct/mri/3d等影像学检查，通过影像处理工具对影像学检查的数据进行处理，获得术前影像，如肝脏血管及肝脏肿瘤的点云信息pclsq；
14、步骤12、提取治疗时重构的超声立体组织，并点云化，形成点云2，对于肝癌治疗，提取的组织为肝脏内的血管；
15、点云2的获取，病人在进行手术治疗过程中使用带有定位信息的超声探头检查，可以使用算法重构出来术中超声血管的三维点云信息pclsz。
16、在进一步实施例中，所述步骤2包括：对获取的需要配准的两组血管点云，分别进行特征点提取，血管的特征点选择为血管分叉处，即一段点云片段内的，高斯曲率最小的点作为特征点，此时特征点的高斯曲率为负值，根据点云规模的大小，整个点云可能会存在多个特征点；
17、基于提取到的特征点，对两组点云基于特征点进行分割，将要配准的点云分割成不同的小段；
18、步骤21、计算点云在各点的高斯曲率，使用计算工具如cloudcompare计算点云中各点的高斯曲率，并保存，形成两组数据序列sa1和sb1；
19、序列sa1中每一项表示点云中每一点的三维坐标pa1_n(xn,yn,yn)；
20、sb1为sa1序列中对应的每一点的高斯曲率；
21、sa1＝{pa1_1,pa1_2，pa1_3…pa1_n}
22、
23、在进一步实施例中，所述步骤3包括：
24、步骤31、第一特征点的提取，从序列sb1提取高斯曲率值最小的一项gf1，与之相对应的sa1中的点pf1为选中的第一个特征点；
25、gf1＝min(sb1)。
26、步骤32、第一特征分割段的选取，基于第一特征点pf1的三维坐标信息，距离pf1的距离小于等于特征半径r的点云的集合即为第一特征分割段，其点云集合为pclf1；
27、根据应用场景的不同，r的值进行变化，如在肝脏的配准穿刺手术中，r的可以取15mm，而在肾脏配准穿刺手术中，该值可以变小。
28、pclf1＝{pf1_1,pf1_2，pf1_3…pf1_n},pf1_n∈sa1且pf1pf1_n≤r；
29、步骤33、第二特征点的提取，基于第一特征分割段提取后剩余的点云，重新组合成为一个新点云组sa2和与之对应的高斯曲率点组sb2；
30、
31、sb2＝{gb2_1,gb2_2，gb2_3…gb2_n}
32、同步骤31一致，在此时选取sb2中高斯曲率值最小的一项gf2作为第二个特征点；
33、步骤34、第二特征分割段的选取，与步骤32一致，从sa2点云中获取与特征点gf2距离不大于r的点作为第二分割段pclf2；
34、步骤35、重复步骤33-34，不断获取其它特征点和特征分割段，直到所有的原始点云sa1被全部分割完全。
35、在进一步实施例中，所述步骤4包括：
36、步骤41、对于步骤1中的术前点云和术中点云均按步骤2-3处理，既可以获得两组特征点和两组特征分割段，分别为：
37、psq_f1
38、pclf1；
39、步骤42、术前点云特征点集合：
40、psq_f＝{psq_f1,psq_f2...psq_fn}
41、术前点云分割段集合：
42、pclsq_f＝{pclsq_f1,pclsq_f2…pclsq_fn}
43、术中点云特征点集合:
44、psz_f＝{psz_f1,psz_f2...psz_fm}
45、术中点云分割段集合：
46、
47、值的注意的是上式中，由于点云规模大大小和形变的影响，计算的术前点云特征点的个数与术中点云特征点的可能不一致。
48、步骤43、医生配对术前点云分割段和术中点云分割段，结合其医学常识和扫描部位的理解，医生可以更精准的分辨出术中获取点云同术前的点云哪些部分是相匹配的，哪些是噪音和不确定的。
49、自动分完分割段的点云，可以展示给医生，医生只需要挑选认为正确的点云分割段配对即可，医生可以挑选本文档来自技高网...
【技术保护点】
1.一种半自动的点云配准方法，其特征在于，包括：
2.根据权利要求1所述的一种半自动的点云配准方法，其特征是：所述步骤1包括：
3.根据权利要求1所述的一种半自动的点云配准方法，其特征是：所述步骤2包括：
4.根据权利要求1所述的一种半自动的点云配准方法，其特征是：所述步骤3包括：
5.根据权利要求1所述的一种半自动的点云配准方法，其特征是：所述步骤3包括：
6.根据权利要求1所述的一种半自动的点云配准方法，其特征是：所述步骤4包括：
7.根据权利要求1所述的一种半自动的点云配准方法，其特征是：所述步骤5包括：
【技术特征摘要】
1.一种半自动的点云配准方法，其特征在于，包括：
2.根据权利要求1所述的一种半自动的点云配准方法，其特征是：所述步骤1包括：
3.根据权利要求1所述的一种半自动的点云配准方法，其特征是：所述步骤2包括：
4.根据权利要求1所述的一种半自动的点云配准方法，其...
【专利技术属性】
技术研发人员：陈奎，姚宇航，李强，张哲明，范培华，张博，
申请(专利权)人：北京奥达智声医疗科技有限公司，
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。