手术机器人红外相机标定方法技术

本发明专利技术公开了手术机器人红外相机标定方法，涉及手术机器人技术领域，能够克服自遮挡问题，使得每个红外相机都能观察到整个标定物品，提高标定精度本发明专利技术包括：利用十字定位法对标定物进行标定，将标定物上的标志点和其在红外相机平面上投影的图像点对应，将标定物多次旋转，利用旋转后标志点和图像点的关系，求解红外相机的参数混合矩阵；利用参数混合矩阵和正交矩阵的乘积性质，求得红外相机系统矩阵；利用红外相机系统矩阵解算红外相机的内参数矩阵；利用参数混合矩阵和红外相机内参矩阵求解红外相机的外参数矩阵；利用极大似然估计原理，以参数混合矩阵、系统矩阵、内参数矩阵、外参数矩阵和标志点为优化变量，以最小化重投影误差为优化目标进行非线性优化，得到红外相机投影矩阵的优化解。机投影矩阵的优化解。机投影矩阵的优化解。

【技术实现步骤摘要】
手术机器人红外相机标定方法


[0001]本专利技术涉及手术机器人
，尤其涉及了手术机器人红外相机标定方法。

技术介绍

[0002]红外相机标定是光学定位系统中至关重要的一个步骤，其精度在一定意义上决定着光学定位系统的精度。在基于多目红外相机的光学系统中，红外相机高精度标定的必要条件是系统中的每一个红外相机都能同时观察到整个标定物。然而，传统的基于三维或二维标定物的标定方法因自遮挡而无法满足这一条件。

技术实现思路

[0003]本专利技术提供了手术机器人红外相机标定方法，能够克服自遮挡问题，使得每个红外相机都能观察到整个标定物品，提高标定精度。
[0004]为达到上述目的，本专利技术采用如下技术方案：
[0005]手术机器人红外相机标定方法，包括：
[0006]利用十字定位法对标定物进行标定，将标定物上的标志点和其在红外相机平面上投影的图像点对应，将标定物多次旋转，利用旋转后标志点和图像点的关系，求解红外相机的参数混合矩阵；
[0007]利用参数混合矩阵和正交矩阵的乘积性质，求得红外相机的系统矩阵；
[0008]利用红外相机系统矩阵解算红外相机的内参数矩阵；
[0009]利用参数混合矩阵和红外相机内参矩阵求解红外相机的外参数矩阵；
[0010]利用极大似然估计原理，以参数混合矩阵、系统矩阵、内参数矩阵、外参数矩阵和标志点为优化变量，以最小化重投影误差为优化目标进行非线性优化，得到红外相机投影矩阵的优化解。
[0011]进一步的，计算外参数矩阵时，利用旋转矩阵最优估计的方式对外参数矩阵进行解算。
[0012]进一步的，旋转矩阵最优估计具体包括：
[0013]构造初始矩阵，对初始矩阵的奇异值进行分解；
[0014]利用奇异值计算初始矩阵的最佳估计值，并将最佳估计值中的元素相乘，相乘得到的值和初始矩阵的最佳估计值共同组成旋转矩阵的最佳估计值。
[0015]本专利技术的有益效果是：
[0016]本专利技术分阶段确定了参数混合矩阵、系统矩阵、内参数矩阵、外参数矩阵，上述均为线性解，再利用极大似然估计原理对上述线性解进行优化，再利用极大似然估计原理以红外相机矩阵和空间点为优化变量，以最小化重投影误差为优化目标进行非线性优化，最终求解得到极大似然估计意义下的红外相机参数，从而提高相机标定精度。
附图说明
[0017]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0018]图1是十字定位法所用标定物模型；
[0019]图2是标定参考物的投影过程；
[0020]图3是十字定位法求得的红外相机参数线性解；
[0021]图4是十字定位法求得的红外相机参数非线性优化解(α、β)；
[0022]图5是十字定位法求得的红外相机参数非线性优化解(u0、v0)。
具体实施方式
[0023]为使本领域技术人员更好地理解本专利技术的技术方案，下面结合具体实施方式对本专利技术作进一步详细描述。
[0024]手术机器人红外相机标定方法，具体步骤如下：
[0025]1、首先利用十字定位法对标定物进行标定。十字定位法如图1所示，标定物由两个相互垂直的一维线状物组成，标定物上固定有五个标志点M1，M2，M3，M4，M5，其中M1点位于两个一维线状物的中点处，d为预先设定的距离值，即有以下等式成立：
[0026]||M2-M1||＝||M3-M1||＝||M4-M1||＝||M5-M1||＝d
ꢀꢀꢀꢀꢀ
(1)
[0027]标定物上的五个标志点共面，所以图1所示标定物是介于一维标定物与二维标定物之间的标定参考物。
[0028]以两个一维线状物的交点为实际坐标系的原点，标定参考物所在的平面为XY平面，依照笛卡尔坐标系的规则即可得到实际坐标系Z轴的方向。这样可以得到十字定位法下的五个标志点在实际坐标系下的坐标，即：
[0029]M1＝[0,0,0]，M2＝[-d,0,0]，M3＝[d,0,0]，M4＝[0,d,0]，M5＝[0,-d,0](2)
[0030]令采集图像的左上顶点为原点在图像上建立直角坐标系u、v，这样每一像素的坐标(u、v)分别是该像素在数组中的列数和行数，所以(u、v)是以像素为单位的位置坐标。因图像像素坐标系无法用物理单位表示出该像素在图像中的位置,无法与实际坐标系及红外相机坐标系联系起来,因而需要另外建立一个物理单位表示的图像坐标系，以红外相机光轴与图像平面的交点即主点为原点，x，y轴分别为x
u
轴与y
u
轴，x
u
轴与y
u
轴分别与u、v轴平行,建立二维直角坐标系。若原点O1在u、v坐标系中的坐标为(u
o
、v
o
)，则每一个像素在x
u
轴与y
u
轴方向的物理距离为dx、dy。
[0031]令以O点为坐标原点建立直角坐标系Xc、Yc、Zc，其中Xc轴和Yc轴与图像坐标系的x
u
轴与y
u
轴平行,Zc轴为红外相机的光轴,Zc轴与图像平面垂直。光轴与图像平面的交点即为图像坐标系的原点
[0032]红外相机坐标系与实际坐标系均为三维欧氏坐标系,由空间几何的知识可得,两者的关系可以用旋转矩阵R与平移向量t来描述，(Xw、Yw、Zw)为实际坐标系，(tx、ty、tz)表示红外相机相对于实际坐标系的平移向量，(θ、ψ、)表示红外相机相对于实际坐标系围绕x、y、z轴的旋转角度。R为正交单位矩阵(旋转矩阵),t为三维平移向量。
[0033]因所有标志点的Z坐标均为0，故得到下式：
[0034][0035]设t＝[t
1 t
2 t3]T
，R＝[r
1 r
2 r3]，r1＝[r
11 r
21 r
31
]T
，r2＝[r
12 r
22 r
32
]T
，r3＝[r
13 r
23 r
33
]T
，经推导式(3)可转化为：
[0036][0037]其中α、β分别为x、y的导数。
[0038]令式(4)中的令B＝A-T
A-1
。
[0039]将C标记为红外相机的参数混合矩阵、B为系统矩阵、A为红外相机内参矩阵。
[0040]分阶段确定红外相机参数的方法包括五个阶段：
[0041]1、利用空间点与图像点的对应求得参数混合矩阵C。
[0042]2、利用参数混合矩阵C及正交矩阵的性质求得B矩阵。
[0043]3、利用B矩阵分解得到红本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.手术机器人红外相机标定方法，其特征在于，包括：利用十字定位法对标定物进行标定，将标定物上的标志点和其在红外相机平面上投影的图像点对应，将标定物多次旋转，利用旋转后标志点和图像点的关系，求解红外相机的参数混合矩阵；利用参数混合矩阵和正交矩阵的乘积性质，求得红外相机的系统矩阵；利用红外相机系统矩阵解算红外相机的内参数矩阵；利用参数混合矩阵和红外相机内参矩阵求解红外相机的外参数矩阵；利用极大似然估计原理，以参数混合矩阵、系统矩阵、内参数矩阵、外参数矩阵和标志点为优化变量，以最小化重...

【专利技术属性】
技术研发人员：侯礼春，芦颖僖，周亚瑞，
申请(专利权)人：南京凌华微电子科技有限公司，
类型：发明
国别省市：