对末端执行器的反馈连续定位控制制造技术

一种包括成像预测模型(80)和逆向对照预测模型(70)的定位控制器(50)。在操作中，所述控制器(50)将所述成像预测模型(80)应用于由成像设备(40)生成的成像数据，以呈现所述成像设备(40)的预测导航姿态，并且将所述对照预测模型(70)应用于根据所述成像设备(40)的目标姿态与所述成像设备(40)的所述预测导航姿态之间的差异方面导出的误差定位数据，以呈现所述成像设备(40)(或所述介入设备中与该成像设备相关联的部分)到所述目标姿态的预测校正定位运动。根据预测结果，所述控制器(50)还基于所述介入设备(30)的所述预测校正定位运动来生成控制由所述介入设备(30)将所述成像设备(40)(或介入设备的所述部分)校正定位到所述目标姿态的连续定位命令。目标姿态的连续定位命令。目标姿态的连续定位命令。

【技术实现步骤摘要】
【国外来华专利技术】对末端执行器的反馈连续定位控制


[0001]本公开内容总体上涉及对在介入流程(例如，微创手术、视频辅助的胸部手术、血管流程、管腔内流程、畸形矫正流程)中使用的介入设备(例如，介入设备的末端执行器)的部分的定位控制。本公开内容能够特别涉及在对在介入流程中使用的介入设备的这样的部分的定位控制中结合预测模型。

技术介绍

[0002]连续(或非连续)控制——将所述设备部分(例如，末端执行器)定位在某个工作空间内——是在常规的刚性连杆机器人中最常尝试的控制形式之一。通过利用机器人的分立刚性连杆结构，能够在结构化应用(例如，制造)中根据需要实现对介入设备(例如，末端执行器)的所述部分的精确定位。然而，由于人体器官的软组织具有可变形、脆弱的性质以及患者的安全，在临床环境中使用刚性连杆机器人的需求较少。
[0003]更具体地，受生物学启发的机器人可以产生类似于蛇、大象和章鱼的运动，这在操纵柔软的解剖对象方面会非常有效。尽管如此，鉴于针对期望的自由度的连续体(或准连续体)结构的复杂性难以通过数学建模或者难以提供足够的致动器输入以实现一致的控制，因此，在临床环境中对机器人结构的有效控制(并且特别是有效的连续控制)被证明是极其困难实现的。
[0004]例如，一种用于对由连续体机器人支持的末端执行器的连续定位控制的方法涉及对连续体机器人的配置进行建模和控制，其中，静态模型(其被公式化为一组非线性微分方程)试图考虑连续体机器人由于弯曲、扭转和伸长而引起的枪变形。然而，数学建模的准确度容易受到机器人的环境条件(例如，温度和湿度)的变化的影响，这会影响机器人部件的机械性能，并且容易受到任何制造误差或各种工作负载的影响。
[0005]再举个例子，另一种用于对由机器人支持的末端执行器进行定位控制的方法是通过将一组可允许的运动和一组可允许的力投射到与操纵者控制相对应的关节空间中来操纵机器人。例如，在将机器人插入到鼻腔中之后，控制器会调整机器人的每个节段的位置，以增大测量到的广义力与每个端盘上的预期的广义力之间的差异。然而，增加机器人的自由度以使其更具机动性具有使机器人运动学复杂化的不利影响。在连续控制连续体机器人的情况下，这可能特别成问题。
[0006]此外，即使实现了对由机器人支持的末端执行器的有效定位控制，对机器人系统的不正确的校准或使用或机械部件的普遍磨损也会对机器人结构的运动学的预测准确度产生负面影响。同样，在连续控制连续体机器人(或连续体机器人结构)的情况下，这可能特别成问题。

技术实现思路

[0007]被设计用于对介入设备(例如，末端执行器)的部分进行定位控制的已知技术提供的益处有限。因此，仍然需要改进的用于提供对介入设备的这些部分进行有效定位控制的
技术。为此，本公开内容教导了前馈定位控制、反馈定位控制和数据收集。该控制优选是连续执行的。
[0008]为此，本专利技术提出了根据权利要求1至12中的任一项所述的用于介入设备的定位控制器作为第一实施例，该介入设备包括成像设备。
[0009]作为第二实施例和第三实施例，本专利技术提出了根据权利要求13所述的编码有指令的(任选为非瞬态)机器可读存储介质以及根据权利要求14所述的能由用于介入设备的定位控制器执行的定位方法。
[0010]前馈(优选连续)定位控制。本公开内容还教导了一种预测模型方法，该预测模型方法用于基于利用介入设备的运动学进行配置的(任选地在这些运动学上进行训练的)预测模型对由介入设备支持的设备部分(例如，末端执行器)的手动导航定位或自动导航定位的前馈(优选连续)定位控制。
[0011]本公开内容的用于设备部分(例如，末端执行器)的前馈(优选连续)定位控制的一个其他实施例是一种(连续)定位控制器，这种(连续)定位控制器包括正向预测模型和/或控制(任选逆向)预测模型，该正向预测模型是利用预测末端执行器的导航姿态的介入设备的(任选正向)运动学进行配置的(任选地在介入设备的这些正向运动学上进行训练)，并且/或者该控制(任选逆向)预测模型是利用预测介入设备的定位运动的介入设备的运动学进行配置的(任选地在预测介入设备的定位运动的介入设备的逆向运动学上进行训练)。
[0012]出于本公开内容的描述和目的，术语“导航姿态”广义地涵盖在介入流程期间介入设备的所述部分(例如，介入设备的末端执行器)在经由介入设备被导航到空间位置时的姿态，并且术语“定位运动”广义地涵盖在介入流程期间用于将该设备部分导航到空间位置的介入设备的任何移动。
[0013]在操作中，连续定位控制器将正向预测模型应用于介入设备的命令定位运动，以呈现末端执行器的预测导航姿态并基于所述设备部分的预测导航姿态来生成关于由介入设备将所述设备部分定位到目标姿态的信息的定位数据。
[0014]替代地，在前地或同时地，(优选连续)定位控制器将逆向预测模型应用于介入设备的所述部分(例如，末端执行器)的目标姿态以呈现介入设备的预测定位运动，并基于介入设备的预测定位运动来生成控制由介入设备将所述设备部分定位到目标姿态的(连续)定位命令。
[0015]反馈(优选连续)定位控制。本公开内容还教导了一种预测模型方法，该预测模型方法用于基于以下成像预测模型来对与介入设备的部分(例如，介入设备的末端执行器)相关联的或被附接到介入设备的部分(例如，介入设备的末端执行器)的成像设备的手动导航定位或(半)自动导航定位的反馈(优先连续)定位控制：该成像预测模型利用(任选地与图像数据相关的)介入设备的运动学被配置为接收来自所述成像设备的成像数据作为对成像设备(或被连杆到成像设备的介入设备的部分——例如，末端执行器)到目标姿态的手动导航定位或自动导航定位的反馈。
[0016]本公开内容的用于对成像设备(或被连杆到成像设备的介入设备的部分——例如，末端执行器)的反馈(优选连续)控制定位的一个实施例是一种连续定位控制器，这种连续定位控制器包括成像预测模型，该成像预测模型在由末端执行器进行的相对成像与预测末端执行器的导航姿态的介入设备的正向运动学的相关性上进行训练。(连续)定位控制器
还可以包括控制预测模型，该控制预测模型是利用预测介入设备的校正定位运动的介入设备的运动学进行配置的。任选地，该控制预测模型在介入设备的逆向运动学上进行训练或者已经被训练过，以输出对校正定位运动的所述预测。
[0017]出于本公开内容的描述和目的，术语“相对成像”广义地涵盖由末端执行器在相对于介入流程的参考图像的给定姿态下生成介入流程的图像。
[0018]在操作中，在设备部分(例如，末端执行器)被导航到目标姿态之后，(优选)连续定位控制器将成像预测模型应用于由末端执行器生成的成像数据以呈现设备部分(例如，末端执行器)的预测导航姿态，将控制(或特别是逆向)预测模型应用于根据末端执行器的目标姿态和末端执行器的预测导航姿态之间的差异方面导出的误差定位数据以呈现介入设备的预测校正定位运动，并且基于介入设备的预测校正定位运动来生成控制由介入设备将成像设备(40)或介入设备中与成像设备相关联的部分(例如本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于介入设备(30)的定位控制器(50)，所述介入设备包括成像设备，所述定位控制器(50)包括：存储器，其存储：成像预测模型(80)，其利用介入设备的运动学被配置为接收成像数据并输出与对所述介入设备(30)的导航姿态的预测有关的数据，以及对照预测模型(70)，其利用介入设备的运动学被配置为接收误差定位数据并输出与对所述介入设备(30)的校正定位运动的预测有关的数据；以及至少一个处理器，其与所述存储器通信，其中，所述至少一个处理器被配置为：将所述成像预测模型(80)应用于由所述成像设备(40)生成的成像数据，以呈现所述成像设备(40)的预测导航姿态或所述介入设备中与所述成像设备相关联的部分的预测导航姿态，生成根据所述成像设备(40)的确定的目标姿态与由所述成像预测模型呈现的所述成像设备(40)的所述预测导航姿态之间的差异方面导出的误差定位数据；将所述对照预测模型(70)应用于所生成的误差定位数据，以呈现所述介入设备(30)的预测校正定位运动；并且基于所述介入设备(30)的所述预测校正定位运动来生成控制由所述介入设备(30)将所述成像设备(40)或所述介入设备中与所述成像设备相关联的所述部分校正定位到所述目标姿态的定位命令。2.根据权利要求1所述的定位控制器，其中，所述成像预测模型(80)在由所述成像设备(40)进行的相对成像与所述介入设备(30)的正向运动学的相关性上进行训练或者已经被训练过，并且/或者所述对照预测模型(70)是逆向预测模型，所述逆向预测模型在所述介入设备(30)的逆向运动学上进行训练或者已经被训练过。3.根据权利要求1或2所述的定位控制器，其中，所述成像设备与所述介入设备的末端执行器(40)相关联或者诞生于所述介入设备的末端执行器。4.根据权利要求1至3中的任一项所述的定位控制器，其中，所述定位控制器还被配置为连续生成所述定位命令，使得所述定位控制器被认为是连续定位控制器。5.根据权利要求1或2所述的定位控制器(50)，其中，所述成像预测模型(80)包括：神经网络库，其具有输入层和输出层，所述输入层被配置为输入由所述成像设备(40)生成的所述成像数据，所述输出层被配置为输出根据所述成像数据到参考图像的相对定位导出的所述成像设备(40)的平移、旋转和枢转中的至少一项，其中，所述成像设备(40)的所述平移、所述旋转和所述枢转中的所述至少一项推断所述成像设备(40)的所述预测导航姿态。6.根据权利要求1或2所述的定位控制器(50)，其中，所述成像预测模型(80)包括：神经网络库，其具有输入层和输出层，所述输入层被配置为输入由所述成像设备(40)生成的所述成像数据，所述输出层被配置为输出根据所述成像数据到参考图像的相对定位得到的所述成像设备(40)的线速度和角速度中的至少一项。其中，所述成像设备(40)的所述线速度和所述角速度中的所述至少一项推断所述成像设备(40)的所述预测导航姿态。7.根据权利要求1或2所述的定位控制器(50)，其中，所述成像预测模型(80)包括：
特征提取器，其被配置为在由所述成像设备(40)生成的成像数据中跟踪特征的运动；以及运动变换器，其被配置为输出根据在所述成像数据中所跟踪的特征的运动的雅可比变换导出的所述成像设备(40)的线速度和角速度中的至少一项，其中，所述成像设备(40)的所述线速度和所述角速度中的所述至少一项推断所述成像设备(40)的所述预测导航姿态。8.根据权利要求7所述的定位控制器(50)，其中，所述特征提取器包括：特征检测器，其被配置为从由所述成像设备(40)生成的成像数据中检测特征；以及缩放不变特征变换器，其被配置为跟踪检测到的特征的运动。9.根据权利要求1或2所述的定位控制器(50)，其中，所述对照预测模型(70)包括：神经网络库，其具有输入层和输出层，所述输入层被配置为输入根据所述成像设备(40)的所述目标姿态与所述成像设备(40)的所述预测导航姿态之间的差异姿态导出的所述误差数据，所述输出层被配置为输出根据所述成像设备(40)的所述目标姿态与所述成像设备(40)的所述预测导航姿态之间的所述差异姿态的回归导出的所述介入设备(30)的平移、旋转和枢转...

【专利技术属性】
技术研发人员：G，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：