System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于机械臂控制,尤其涉及一种智能导航手术机械臂路径规划方法、装置、设备及计算机可读存储介质。
技术介绍
1、在导航手术机械臂中,机械臂负责完成对规划路劲的精准定位,但在部分术式中,如椎弓根螺钉内固定;前后交叉韧带重建等手术中,规划路径往往存在多个位置,机械臂在执行定位任务时需要拥有避障能力。
2、因此,如何在通过导航完成环境感知的同时,合理规划机械臂末端路径、躲避障碍物完成穿刺任务,提高路径规划效率和准确率是本领域技术人员亟需解决的技术问题。
技术实现思路
1、本申请实施例提供一种智能导航手术机械臂路径规划方法、装置、设备及计算机可读存储介质,能够在通过导航完成环境感知的同时,合理规划机械臂末端路径、躲避障碍物完成穿刺任务,提高路径规划效率和准确率。
2、第一方面,本申请实施例提供一种智能导航手术机械臂路径规划方法,包括:
3、对障碍物进行边缘检测,确定障碍物的形状;
4、对障碍物的形状范围内的节点进行聚类处理,确定障碍物的中心点;
5、基于障碍物的形状和中心点,计算障碍物的体积;
6、基于整体空间的体积和障碍物的体积,计算空白空间的体积;
7、将空白空间的的体积输入到训练好的混合神经网络模型中,确定所需的采样节点数;其中,混合神经网络模型由径向基函数rbf神经网络、长短期记忆lstm神经网络深度融合而成;
8、基于采样概率和所需的采样节点数,进行节点采样;
9、根据采
10、根据规划路径,以及机械臂运动学生成机械臂关节角路点。
11、可选的,对障碍物进行边缘检测,确定障碍物的形状,包括:
12、获取障碍物图像;
13、计算任意一对对角线方向相邻两像素之差,得到像素差值;
14、基于像素差值,计算梯度幅度值;
15、基于梯度幅度值,确定障碍物的形状;
16、具体的,设障碍物图像为𝐟(𝐱,𝐲),通过以下公式计算得到障碍物的形状的图像𝑔(𝑥,𝑦):
17、
18、可选的,基于障碍物的形状和中心点,计算障碍物的体积,包括:
19、基于障碍物的形状和中心点,确定包含该障碍物的正方体;
20、计算正方体的体积,并将正方体的体积作为障碍物的体积。
21、可选的,包括:
22、rbf神经网络用于将采集到的机械臂各关节的空间坐标数据输入到径向基函数中,实现从低维到高维的移动坐标数据;
23、lstm神经网络用于从原始机械手运动坐标数据中提取时间序列特征,以更准确地传达指令,更好地校正机械臂末端执行器的轨迹。
24、可选的,混合神经网络模型的网络结构,包括:
25、输入层、隐藏层和输出层;
26、输入层有64个神经元,隐藏层有22个神经元,输出层有13个神经元;
27、对输入层的64个神经元、隐藏层的22个神经元,输出层的13个神经元,均分配一个对应的随机数;
28、使用逆多二次函数作为激活函数;
29、使用均方误差作为损失函数;
30、学习率设置为0.01,迭代次数设置为300,epoch设置为9000。
31、可选的,混合神经网络模型中lstm神经网络的网络结构,包括:
32、𝑓𝑡表示遗忘阈值,𝑖𝑡表示输入阈值,表示神经元在前一时刻的状态,代表神经元此时的状态,𝑜𝑡表示输出阈值,ℎ𝑡表示当前神经元的输出,并且ℎ𝑡−1代表前一个神经元;
33、一次输出,遗忘阈值决定了最后一刻的单元状态在当前时刻保留了多少;输入阈值决定了当前时刻将多少网络输入保存到单元状态;输出阈值控制输出到lstm的当前输出值的单位状态数;每个参数的公式如下:
34、
35、可选的,根据采样到的节点,确定规划路径之后,还包括:
36、分别计算当前路径与规划路径的轨迹偏差、线速度偏差和角速度偏差;
37、基于轨迹偏差、线速度偏差和角速度偏差,调整机械臂的线速度和角速度;
38、其中,线速度是机械臂在某一时刻运动方向的切向速度;角速度是机械臂在某一时刻的关节旋转角度。
39、第二方面,本申请实施例提供了一种智能导航手术机械臂路径规划装置,包括:
40、边缘检测模块,用于对障碍物进行边缘检测,确定障碍物的形状;
41、聚类处理模块,用于对障碍物的形状范围内的节点进行聚类处理,确定障碍物的中心点;
42、障碍物体积计算模块,用于基于障碍物的形状和中心点,计算障碍物的体积;
43、空白空间体积计算模块,用于基于整体空间的体积和障碍物的体积,计算空白空间的体积;
44、采样节点数确定模块,用于将空白空间的的体积输入到训练好的混合神经网络模型中,确定所需的采样节点数;其中,混合神经网络模型由径向基函数rbf神经网络、长短期记忆lstm神经网络深度融合而成;
45、节点采样模块,用于基于采样概率和所需的采样节点数,进行节点采样;
46、规划路径确定模块,用于根据采样到的节点,确定规划路径;
47、关节角路点生成模块,用于根据规划路径,以及机械臂运动学生成机械臂关节角路点。
48、第三方面,本申请实施例提供了一种电子设备,电子设备包括:处理器以及存储有计算机程序指令的存储器;
49、所述处理器执行所述计算机程序指令时实现智能导航手术机械臂路径规划方法。
50、第四方面,本申请实施例提供了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指令,所述计算机程序指令被处理器执行时实现智能导航手术机械臂路径规划方法。
51、本申请实施例提供一种智能导航手术机械臂路径规划方法、装置、设备及计算机可读存储介质,能够在通过导航完成环境感知的同时,合理规划机械臂末端路径、躲避障碍物完成穿刺任务,提高路径规划效率和准确率。
52、该智能导航手术机械臂路径规划方法,包括:对障碍物进行边缘检测,确定障碍物的形状;对障碍物的形状范围内的节点进行聚类处理,确定障碍物的中心点;基于障碍物的形状和中心点,计算障碍物的体积;基于整体空间的体积和障碍物的体积,计算空白空间的体积;将空白空间的的体积输入到训练好的混合神经网络模型中,确定所需的采样节点数;其中,混合神经网络模型由径向基函数rbf神经网络、长短期记忆lstm神经网络深度融合而成;基于采样概率和所需的采样节点数,进行节点采样;根据采样到的节点,确定规划路径;根据规划路径,以及机械臂运动学生成机械臂关节角路点。
本文档来自技高网...【技术保护点】
1.一种智能导航手术机械臂路径规划方法,其特征在于,包括:
2.根据权利要求1所述的智能导航手术机械臂路径规划方法,其特征在于,对障碍物进行边缘检测,确定障碍物的形状,包括:
3.根据权利要求2所述的智能导航手术机械臂路径规划方法,其特征在于,基于障碍物的形状和中心点,计算障碍物的体积,包括:
4.根据权利要求1所述的智能导航手术机械臂路径规划方法,其特征在于,包括:
5.根据权利要求1所述的智能导航手术机械臂路径规划方法,其特征在于,混合神经网络模型的网络结构,包括:
6.根据权利要求5所述的智能导航手术机械臂路径规划方法,其特征在于,混合神经网络模型中LSTM神经网络的网络结构,包括:
7.根据权利要求1所述的智能导航手术机械臂路径规划方法,其特征在于,根据采样到的节点,确定规划路径之后,还包括:
8.一种智能导航手术机械臂路径规划装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述电子设备包括:处理器以及存储有计算机程序指令的存储器;
10.一种计算机
...【技术特征摘要】
1.一种智能导航手术机械臂路径规划方法,其特征在于,包括:
2.根据权利要求1所述的智能导航手术机械臂路径规划方法,其特征在于,对障碍物进行边缘检测,确定障碍物的形状,包括:
3.根据权利要求2所述的智能导航手术机械臂路径规划方法,其特征在于,基于障碍物的形状和中心点,计算障碍物的体积,包括:
4.根据权利要求1所述的智能导航手术机械臂路径规划方法,其特征在于,包括:
5.根据权利要求1所述的智能导航手术机械臂路径规划方法,其特征在于,混合神经网络模型的网络结构,包括:
6.根据权利要求5所述的智能导航手术机械臂路径...
【专利技术属性】
技术研发人员:张逸凌,刘星宇,
申请(专利权)人:北京长木谷医疗科技股份有限公司,
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。