本發(fā)明屬于智能醫(yī)療領域。

背景技術：

1、在醫(yī)學成像領域，超聲檢查作為一種無創(chuàng)、實時且成本效益高的診斷工具，廣泛應用于臨床實踐中。然而，傳統(tǒng)的人工超聲掃描依賴于操作者的技術和經驗，其結果可能受到主觀因素的影響，并且對于某些難以觸及或復雜的解剖結構，手動掃描可能無法達到理想的圖像質量和診斷效果。此外，長時間的手動操作還可能導致操作者的疲勞和職業(yè)傷害。

2、近年來，隨著機器人技術和人工智能的發(fā)展，超聲掃描機器人逐漸成為研究熱點，旨在提高超聲檢查的精確度、可靠性和效率，同時減輕操作者的工作負擔。盡管如此，當前的超聲機器人系統(tǒng)仍面臨諸多挑戰(zhàn)，尤其在自主性和智能決策方面，距離全面臨床應用還有一定差距。主要的技術瓶頸包括精準的路徑規(guī)劃、有效的力反饋控制、精確的探頭姿態(tài)調整以及圖像引導下的伺服控制等。

3、路徑規(guī)劃作為超聲機器人操作的第一步，是實現(xiàn)自動化超聲掃描的關鍵。然而，人體解剖結構的個體差異和位置的不確定性給路徑規(guī)劃帶來了難度?，F(xiàn)有的路徑規(guī)劃方法往往存在以下局限性：

4、部分算法采用覆蓋式掃描策略，雖然能確保掃描區(qū)域的全面覆蓋，但效率低下，耗費大量時間和資源。

5、其他方法則依賴于操作者通過外部設備(如鼠標)繪制掃描路徑，這不僅增加了操作的復雜性，也限制了系統(tǒng)的自主性。

6、還有些超聲機器人需要操作者先手動定位探頭至掃描區(qū)域，這種半自動模式降低了系統(tǒng)的整體自動化程度。

技術實現(xiàn)思路

1、本發(fā)明是為了解決現(xiàn)有自動腎區(qū)掃描存在自動性差、效率低存在浪費資源的問題，現(xiàn)提供一種腎臟超聲掃描機器人的路徑規(guī)劃方法。

2、本發(fā)明所述一種腎臟超聲掃描機器人的路徑規(guī)劃方法，該方法包括：

3、步驟一、采用深度相機拍攝待檢測對象俯臥在平面時的彩色圖像和深度圖像；利用所述彩色圖像和深度圖像，結合相機的焦距和相機的主點位置，計算出待檢測對象每個點云點在世界坐標系中的三維坐標，進而獲取待檢測對象俯臥在平面上時的三維點云模型；

4、步驟二、在彩色圖像上繪制一個矩形框，利用所述矩形框將待檢測對象及其臨近平面區(qū)域的點云從步驟一所述三維點云模型中分割出來；獲取僅包含待檢測對象及其臨近平面區(qū)域的三維點云模型；

5、步驟三、采用隨機抽樣一致算法將步驟二所述的三維點云模型中的平面區(qū)域去除，獲取待檢測對象的三維點云模型；

6、步驟四、應用定向包圍盒對待檢測對象的三維點云模型的輪廓范圍進行界定，利用界定的輪廓范圍，計算待檢測對象背面的對稱中線，利用所述對稱中線將待檢測對象的三維點云模型調整至期望位姿；

7、步驟五、采用切片法對期望位姿狀態(tài)下的待檢測對象的三維點云模型進行切割，獲取待檢測對象腰線和背脊線；

8、步驟六、搜索所述脊柱線和腰線相交區(qū)域的點云坐標，將所述相交區(qū)域內點云坐標中y值最大的點作為起點，根據(jù)人體結構設定長度為m的局部截取窗口，截取一段脊柱線，以截取的脊柱線與所述局部截取窗口交點作為頂點，采用平面投影方法將截取的脊柱線向左和右分別旋轉45度，將旋轉以后的脊柱線作為兩側腎臟超聲掃描路徑，所述m為8cm-15cm。

9、進一步地，本發(fā)明中，步驟三中，還包括采用區(qū)域生長算法去除待檢測對象的三維點云模型中的噪聲和離群點的步驟。

10、進一步地，本發(fā)明中，步驟二中，獲取僅包含待檢測對象及其臨近平面區(qū)域的三維點云模型的具體方法為：

11、創(chuàng)建一個與彩色圖像尺寸相同，但全為零的二值掩碼罩層，矩形框內的掩碼值設為255，用矩形框選取待檢對象及其臨近平面區(qū)域，獲取待檢對象及其臨近平面區(qū)域的三維點云模型；

12、所述矩形框為：

13、proi＝{pp＝f(i,d,m,(x,y)),m(x,y)＝255}

14、式中，proi表示矩形框內的點，f表示相機模型的逆投影函數(shù)，依賴于相機的內部參數(shù)和像素坐標，m(x,y)表示與彩色圖像尺寸相同但全為零的二值掩碼，i表示待檢測對象俯臥在平面時的彩色圖像，d表示待檢測對象俯臥在平面時的深度圖像，p表示三維點云模型中的點。

15、進一步地，本發(fā)明中，步驟三中，獲取待檢測對象的三維點云模型的方法為：

16、采用公式：

17、ntx+d＝0

18、對步驟二所述三維點云模型中的平面區(qū)域去除，其中，n是平面的法向量，x是平面點在三維空間中的坐標，d是常數(shù)項。

19、進一步地，本發(fā)明中，步驟四中，提取所述待檢測對象的背部三維點云模型的具體方法為：

20、首先對點云模型中點的曲率值進行排序，選擇曲率值最小的點作為初始種子點，根據(jù)預設參數(shù)，采用生長準則，將具有相似特征的鄰近點合并到同一區(qū)域中，直至所有符合條件的點都被分配至相應的區(qū)域，形成多個獨立的聚類；選取包含點云點最多的獨立聚類作為待檢測對象的背部三維點云模型；

21、所述預設參數(shù)包括：獨立聚類中最少點云點的數(shù)量、獨立聚類中最多點云點的數(shù)量、鄰域搜索點數(shù)、平滑閾值和曲率閾值；

22、將具有相似特征的鄰近點合并到同一區(qū)域中的具體方法為：

23、計算種子點p0與其鄰域內的任意一點q的法線向量和之間的夾角θ，判斷所述夾角θ是否滿足條件1：

24、

25、若是，則點q與點p0方向一致，·表示向量點積，和分別是向量的模長，θthreshold表示夾角閾值；

26、同時判斷鄰域點q的曲率kq與種子點p0的曲率kq是否滿足條件2：

27、|kq-kp|≤δkthreshold

28、若是，則將點q與點p0納入同一生長區(qū)域，依次遍歷種子點p0鄰域內所有點，所述鄰域內所有滿足條件1和條件2的點置于同一生長區(qū)域，形成一個獨立聚類，遍歷所有聚類，將點云點最多的聚類作為待檢測對象的背部三維點云模型，其中δkthreshold為曲率差值閾值。

29、進一步地，本發(fā)明中，步驟四中，應用定向包圍盒(obb)對去噪后的待檢測對象背部的三維點云模型的輪廓范圍進行界定，利用界定的輪廓范圍，計算待檢測對象背部的對稱中線：

30、計算包圍盒的中心點cobb和定向包圍盒頂點定義的線段質心c2，計算人體背部模型中線的參考線：

31、cbb＝(centerx,centery,centerz)

32、

33、p(t)＝(1-t)·c2+t·c1,0≤t≤1

34、其中，n是構成線段的點的數(shù)量，pi是線段上的點，i表示線段上的第i個點，centerx,centery,centerz分別表示圍盒的中心點三個軸方向的坐標，p(t)表示中線，t限制在區(qū)間[0,1]確保p(t)位于c2到c1的直線上。

35、進一步地，本發(fā)明中，步驟四中，利用所述對稱中線將待檢測對象的三維點云模型調整至期望位姿的方法為：

36、將包圍盒中待檢測對象背部的對稱中線方向與世界坐標系的坐標軸對齊，通過點積公式計算其與相機坐標系y軸之間的夾角θ余弦值；

37、

38、其中，是y軸單位向量，是人體參考中心線的向量；通過反余弦函數(shù)求得角度θ后，構造旋轉矩陣r圍繞y軸旋轉點云數(shù)據(jù)；

39、

40、將旋轉矩陣r與三維點云模型叉乘，將待檢測對象背部的三維點云模型調整至與相機坐標軸對齊，實現(xiàn)對待檢測對象背部的三維點云模型的位姿進行調整。

41、進一步地，本發(fā)明中，步驟五中，采用切片法對期望位姿的待檢測對象背面的三維點云模型進行切割，獲取目標對象背部的腰線和背脊線的方法為：

42、首先，采用切片法沿垂直于脊柱方向等間隔切取背面三維點云模型，獲取多個切片，計算每個切片沿相機坐標系z軸方向的平均值，將所述平均值最高的切片的點云數(shù)據(jù)作為腰線點云數(shù)據(jù)；

43、然后，根據(jù)人體比例去除頭部及臀部范圍內的切片，獲取待檢測對象背部三維點云模型；

44、最后，采用切片法沿脊柱方向等間隔切取背部三維點云模型的多個切片，計算每個切片沿相機坐標系z軸方向平均值，將所述平均值最高切片的點云數(shù)據(jù)作為背脊線的點云數(shù)據(jù)。

45、進一步地，本發(fā)明中，計算每個切片沿相機坐標系z軸方向的平均值的公式為：

46、

47、其中，zp是第p個切片在z軸上的坐標，而|si|是切片si中點的數(shù)量，p表示第p個切片。

48、進一步地，本發(fā)明中，去除頭部及臀部范圍內的切片的方法為：

49、根據(jù)人體比例設定一個起始索引s和結束索引e去除頭部及臀部范圍內的切片，

50、

51、其中，n表示切片數(shù)量：

52、

53、其中，ymin表示切片沿相機坐標系z軸方向的最小值，ymax表示切片沿相機坐標系z軸方向的最大值，δy表示切片的寬度。

54、進一步地，本發(fā)明中，步驟六中，還包括：采用點云體素下對兩側腎臟超聲掃描路徑進行處理，獲取掃描路徑軌跡線的步驟。

55、本發(fā)明充分利用了人體解剖學知識，特別是脊柱線、最細腰部區(qū)域以及肋脊角，為腎臟超聲掃描提供了明確的方向指引。這不僅簡化了路徑規(guī)劃的過程，使得在二維超聲中能夠快速確定腎臟的位置，而且能夠避免其他研究中需要額外標記或者依賴于特定圖像質量的問題。其次，本發(fā)明采用了先進的點云處理技術精確地檢測出人體的關鍵特征線，該過程完全自動化，不僅降低了操作難度，還大幅減少了人工干預的可能性，使得整個系統(tǒng)更加可靠。此外，由于點云數(shù)據(jù)能夠較好地反映人體表面的真實形態(tài)，因此即使面對體型各異的個體，也能初步適應其體型特點，相較于依賴昂貴設備或其他復雜技術的研究，本方法的成本更低，更易于推廣和普及。最后，無論待檢對象處于哪個位置，系統(tǒng)都能夠通過調整來補償位姿差異，確保掃描路徑的一致性和準確性，與那些僅在固定條件下表現(xiàn)良好的方法相比，我們的方案面對臨床環(huán)境時具有更強的適應性和魯棒性。