【技术实现步骤摘要】
本专利技术涉及机器人定位导航，尤其涉及一种脊柱机器人的定位导航方法。
技术介绍
1、现有的脊柱机器人导航方式多采用加拿大ndi相机。采用近红外相机，这个系统通常包括一个小球或传感器，上面装有红外发射器和接收器。这个球通常固定在患者的骨骼部位或手术仪器上，红外发射器会发出红外光信号，这些信号以特定的频率和模式发射，以便被接收器捕捉和处理，通过接收红外信号信息实现机器人跟ct影像之前的配准以及实现手术过程中的随动方式，然而，传统方法需要在机器人，在目标生命体身上放置两处光学定位球，容易因为光路被阻挡的原因进而无法监测或者配准，同时传统的方式只能识别特定的红外光学信息，即只能识别到两个光学球，即只能判断目标是否发生移动，无法精细化判断移动路径的多少以及无法进行实时路径调整，导致导航的精度和实用性较低。
技术实现思路
1、基于此，有必要提供一种脊柱机器人的定位导航方法，以解决至少一个上述技术问题。
2、为实现上述目的，一种脊柱机器人的定位导航方法，所述方法包括以下步骤：
3、步骤s1：获取空间3d信息数据和空间2d信息数据；基于空间3d信息数据和空间2d信息数据进行空间融合感知图谱构建，生成3d融合感知图谱；
4、步骤s2：获取视觉标定板初始坐标数据；根据3d融合感知图谱对视觉标定板初始坐标数据进行特定点位三维坐标感知，生成第一视觉标定点坐标；通过脊柱机器人中的传感器以及ct机对视觉标定板初始坐标数据进行特定点位三维坐标感知，生成第二视觉标定点坐标和第三
5、步骤s3：获取脊柱机器人术前规划手术路径；利用融合传感器对脊柱机器人和视觉标定板进行术中运动拍摄，得到脊柱机器人运动拍摄图像集和视觉标定板运动拍摄图像集；利用ct-脊柱机器人坐标系的转换矩阵对脊柱机器人运动拍摄图像集和视觉标定板运动拍摄图像集进行实时路径图更新，生成定位导航实时路径图；
6、步骤s4：获取骨钉规划位置数据；利用ct-脊柱机器人坐标系的转换矩阵对骨钉规划位置数据进行骨钉接触检测，生成骨钉接触检测数据；根据骨钉接触检测数据对定位导航实时路径图进行脊柱机器人导航控制指令生成，得到脊柱机器人优化导航控制指令。
7、本专利技术通过将空间3d信息数据和空间2d信息数据进行融合，可以综合利用它们的优势，得到更全面、准确的感知图谱。融合后的感知图谱包含了丰富的空间信息，为后续的操作和决策提供了更丰富的依据。生成的3d融合感知图谱不仅包含了空间的几何信息，还包括了图像的视觉信息，图谱能够提供更加全面的场景认知和理解，为后续的任务提供更强的基础。通过对视觉标定板初始坐标数据进行感知，可以获取到视觉标定点在空间中的准确位置，为后续的定位和导航提供准确的参考。通过对第一、第二和第三视觉标定点坐标进行多坐标系配准，可以建立不同坐标系之间的准确转换关系，可以在不同坐标系下进行准确的定位和导航，实现坐标的无缝对接和协同操作。通过融合传感器数据和ct-脊柱机器人坐标系的转换矩阵，可以实时更新定位导航的路径图。可以实时了解脊柱机器人在手术过程中的位置和姿态，为手术提供更准确的导航和定位信息。通过对骨钉规划位置数据进行骨钉接触检测，可以判断骨钉是否与周围结构发生接触，可以提供能加精准的骨钉显示位置。因此，本专利技术通过使用激光雷达传感器加2d彩色相机的融合传感器对脊柱机器人和视觉标定板进行坐标联合配准以及导航路径优化，提高了导航的精准性。
8、优选的，步骤s1包括以下步骤：
9、步骤s11：利用融合传感器获取空间3d信息数据和空间2d信息数据，其中融合传感器包括激光雷达传感器和2d彩色相机；
10、步骤s12：将空间3d信息数据和空间2d信息数据进行数据整合，生成空间融合数据；
11、步骤s13：对空间融合数据进行三维点云化，生成空间融合点云数据；对空间融合点云数据进行数据去噪，生成空间融合点云去噪数据；
12、步骤s14：对空间融合点云去噪数据进行时间同步，生成空间融合点云同步数据；基于预设的外参标定矩阵对空间融合点云同步数据进行空间对齐，生成标准空间融合点云数据；
13、步骤s15：基于标准空间融合点云数据进行空间融合感知图谱构建，生成3d融合感知图谱。
14、本专利技术通过利用激光雷达传感器和2d彩色相机，步骤s11实现了不同类型传感器数据的融合，可以从不同维度获取空间信息，提高感知的全面性和准确性。将融合传感器获取的空间3d信息数据和空间2d信息数据进行整合，生成空间融合数据，可以将不同传感器的数据进行有效融合，提高感知数据的完整性和一致性。对空间融合数据进行三维点云化，生成空间融合点云数据，并对其进行数据去噪，可以将感知数据转化为更加高维的点云数据，并通过去噪处理提高数据的质量和可靠性。对空间融合点云去噪数据进行时间同步，并基于预设的外参标定矩阵进行空间对齐，生成标准空间融合点云数据，可以确保数据在时间和空间上的一致性，提高感知结果的准确性和可用性。基于标准空间融合点云数据，步骤s15实现了空间融合感知图谱的构建，可以将感知数据以图谱的形式整合和表示，提供更加丰富和全面的空间信息，为后续的目标检测、路径规划等任务提供基础。
15、优选的，步骤s15包括以下步骤：
16、步骤s151：对标准空间融合点云数据进行维度特征点提取，得到空间二维特征点和空间三维特征点，其中空间三维特征点包括边缘特征点和曲面特征点，空间二维特征点包括颜色特征点以及纹理特征点；
17、步骤s152：将边缘特征点、曲面特征点和颜色特征点、纹理特征点进行特征关联匹配，生成关联特征数据；
18、步骤s153：根据关联特征数据对激光雷达传感器和2d彩色相机进行传感器状态估计，得到传感器状态估计数据；
19、步骤s154：将传感器状态估计数据和标准空间融合点云数据进行多源数据融合，生成3d融合感知图谱。
20、本专利技术通过对标准空间融合点云数据进行维度特征点提取。通过提取空间二维特征点和空间三维特征点，包括边缘特征点、曲面特征点、颜色特征点和纹理特征点，可以捕捉到点云数据中的重要特征信息。将提取的边缘特征点、曲面特征点、颜色特征点和纹理特征点进行特征关联匹配，生成关联特征数据，可以将不同特征之间的相关性进行建模，增强特征的一致性和可靠性。根据关联特征数据对激光雷达传感器和2d彩色相机进行传感器状态估计，得到传感器状态估计数据。通过对特征数据的分析和匹配，可以推断出传感器的位置、姿态、运动状态等信息，为后续的感知和决策提供准确的传感器状态。将传感器状态估计数据和标准空间融合点云数据进行多源数据融合，生成3d融合感知图谱。通过将传感器状态信息与点云数据进行融合，可以将感知数据和传感器状态有效地整合在一起，提高感知结果的一致性和可靠性。
21、优选的，步骤s2包括以下本文档来自技高网...
【技术保护点】
1.一种脊柱机器人的定位导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的脊柱机器人的定位导航方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求2所述的脊柱机器人的定位导航方法，其特征在于，步骤S15包括以下步骤：
4.根据权利要求1所述的脊柱机器人的定位导航方法，其特征在于，步骤S2包括以下步骤：
5.根据权利要求4所述的脊柱机器人的定位导航方法，其特征在于，步骤S25包括以下步骤：
6.根据权利要求1所述的脊柱机器人的定位导航方法，其特征在于，步骤S3包括以下步骤：
7.根据权利要求6所述的脊柱机器人的定位导航方法，其特征在于，步骤S33包括以下步骤：
8.根据权利要求6所述的脊柱机器人的定位导航方法，其特征在于，步骤S34包括以下步骤：
9.根据权利要求1所述的脊柱机器人的定位导航方法，其特征在于，步骤S4包括以下步骤：
10.根据权利要求9所述的脊柱机器人的定位导航方法，其特征在于，对骨钉映射影像数据进行骨钉接触检测包括：
【技术特征摘要】
1.一种脊柱机器人的定位导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的脊柱机器人的定位导航方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的脊柱机器人的定位导航方法，其特征在于，步骤s15包括以下步骤：
4.根据权利要求1所述的脊柱机器人的定位导航方法，其特征在于，步骤s2包括以下步骤：
5.根据权利要求4所述的脊柱机器人的定位导航方法，其特征在于，步骤s25包括以下步骤：
6.根据权利要求...
【专利技术属性】
技术研发人员：姜冠群，赵毅，
申请(专利权)人：山东卓业医疗科技有限公司，
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。