【技术实现步骤摘要】
本申请涉及机器人，特别是涉及一种运动精度检测方法、装置、计算机设备、存储介质和产品。
技术介绍
1、在医学领域，机器人辅助手术系统正越来越广泛的应用在医疗实践中。其中，手术机器人是机器人辅助手术系统中的重要组成部分之一。因此，在采用机器人辅助手术系统进行手术操作的过程中，手术机器人的运动精度高低将决定手术的成败。因此，就需要不断对手术机器人进行维护，使得手术机器人能够长期保持较高的运动精度。在手术机器人的使用过程中，通常先要对手术机器人的运动精度进行检测，若检测到运动精度较低，则就需要重新对手术机械臂进行标定，以对手术机器人的运动精度进行维护。
2、然而，传统方法，在对手术机器人的运动精度进行检测时，存在精度检测不准确的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高对手术机器人的运动精度的检测准确性的运动精度检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种运动精度检测方法。应用于机器人，该方法包括：
3、获取机器人上目标部位的运动数据集合，将目标部位的运动数据集合输入至预设运动学模型及预设误差估计模型中进行位置预测，生成与运动数据集合对应的预测位置坐标集合；
4、控制目标部位基于运动数据集合进行运动，并对目标部位基于运动数据集合进行运动后的位置进行测量，生成与运动数据集合对应的测量位置坐标集合；
5、根据与运动数据集合对应的预测位置坐标集合、与运动
6、在其中一个实施例中，将目标部位的运动数据集合输入至预设运动学模型及预设误差估计模型中进行位置预测，生成与运动数据集合对应的预测位置坐标集合，包括：
7、针对运动数据集合中的各运动数据，将运动数据输入至预设运动学模型中进行位置预测，生成目标部位与运动数据对应的初始预测位置坐标；
8、将运动数据输入至预设误差估计模型中，计算运动数据对应的位置误差；
9、根据位置误差对初始预测位置坐标进行校正，生成目标部位与运动数据对应的预测位置坐标；
10、基于目标部位与各运动数据对应的预测位置坐标，生成与运动数据集合对应的预测位置坐标集合。
11、在其中一个实施例中，预设误差估计模型由样本运动数据集合及样本运动数据集合中各样本运动数据对应的标准位置误差构建而成；将运动数据输入至预设误差估计模型中，计算运动数据对应的位置误差，包括：
12、从样本运动数据集合中，确定与运动数据的相似度大于或等于预设相似度阈值的多个目标样本运动数据；
13、基于各目标样本运动数据对应的标准位置误差，采用空间插值算法，计算各目标样本运动数据对应的插值系数；各目标样本运动数据对应的插值系数使得各目标样本运动数据对应的融合位置误差与运动数据对应的位置误差之间的偏差小于预设偏差阈值；各目标样本运动数据对应的融合位置误差为基于各目标样本运动数据对应的插值系数和各目标样本运动数据对应的标准位置误差计算所得；
14、基于各目标样本运动数据对应的插值系数、各目标样本运动数据对应的标准位置误差，计算运动数据对应的位置误差。
15、在其中一个实施例中，预测位置坐标集合中包括与运动数据集合中各运动数据对应的预测位置坐标；测量位置坐标集合中包括与运动数据集合中各运动数据对应的测量位置坐标；
16、根据与运动数据集合对应的预测位置坐标集合、与运动数据集合对应的测量位置坐标集合，确定机器人的运动精度，包括：
17、针对运动数据集合中的各运动数据，根据运动数据对应的预测位置坐标、运动数据对应的测量位置坐标，计算运动数据对应的位置误差；
18、根据各运动数据对应的位置误差及预设位置误差阈值，确定机器人的运动精度。
19、在其中一个实施例中，根据各运动数据对应的位置误差及预设位置误差阈值，确定机器人的运动精度，包括：
20、计算各运动数据对应的位置误差的加权平均值；
21、将加权平均值与预设位置误差阈值进行大小比较，得到比较结果；
22、若比较结果为加权平均值大于预设位置误差阈值，则确定机器人的运动精度不满足预设运动精度条件；
23、若比较结果为加权平均值小于或等于预设位置误差阈值，则确定机器人的运动精度满足预设运动精度条件。
24、在其中一个实施例中，控制目标部位基于运动数据集合进行运动，并对目标部位基于运动数据集合进行运动后的位置进行测量，生成与运动数据集合对应的测量位置坐标集合，包括：
25、针对运动数据集合中的各运动数据，控制目标部位基于运动数据进行运动，并通过光学追踪设备对目标部位基于运动数据进行运动后的位置进行测量，得到目标部位在位置处的中间位置坐标；中间位置坐标为在光学追踪设备坐标系下的位置坐标；
26、根据预设坐标转换矩阵，对目标部位在位置处的中间位置坐标进行坐标转换，生成目标部位与运动数据对应的测量位置坐标；测量位置坐标为在机器人的基座坐标系下的位置坐标；
27、基于目标部位与各运动数据对应的测量位置坐标，生成与运动数据集合对应的测量位置坐标集合。
28、在其中一个实施例中，该方法还包括：
29、获取机器人上目标部位的样本运动数据集合，将目标部位的样本运动数据集合输入至预设运动学模型，生成与样本运动数据集合对应的理论位置坐标集合；
30、控制目标部位基于样本运动数据集合进行运动，并对目标部位基于样本运动数据集合进行运动后的位置进行测量，生成与样本运动数据集合对应的实际位置坐标集合；
31、根据与样本运动数据集合对应的理论位置坐标集合、与样本运动数据集合对应的实际位置坐标集合，确定与样本运动数据集合对应的标准位置误差集合；
32、根据样本运动数据集合、与样本运动数据集合对应的标准位置误差集合，构建预设误差估计模型。
33、在其中一个实施例中，目标部位包括机器人上机械臂的末端。
34、第二方面，本申请还提供了一种运动精度检测装置。应用于机器人，该装置包括：
35、第一生成模块，用于获取机器人上目标部位的运动数据集合，将目标部位的运动数据集合输入至预设运动学模型及预设误差估计模型中进行位置预测，生成与运动数据集合对应的预测位置坐标集合；
36、第二生成模块，用于控制目标部位基于运动数据集合进行运动，并对目标部位基于运动数据集合进行运动后的位置进行测量，生成与运动数据集合对应的测量位置坐标集合；
37、第一确定模块，用于根据与运动数据集合对应的预测位置坐标集合、与运动数据集合对应的测量位置坐标集合，确定机器人的运动精度。
38、第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行所述计算机程本文档来自技高网...
【技术保护点】
1.一种运动精度检测方法，其特征在于，应用于机器人，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述目标部位的运动数据集合输入至预设运动学模型及预设误差估计模型中进行位置预测，生成与所述运动数据集合对应的预测位置坐标集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述预设误差估计模型由样本运动数据集合及所述样本运动数据集合中各样本运动数据对应的标准位置误差构建而成；所述将所述运动数据输入至所述预设误差估计模型中，计算所述运动数据对应的位置误差，包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述预测位置坐标集合中包括与所述运动数据集合中各运动数据对应的预测位置坐标；所述测量位置坐标集合中包括与所述运动数据集合中各运动数据对应的测量位置坐标；
5.根据权利要求4所述的方法，其特征在于，所述根据各所述运动数据对应的位置误差及预设位置误差阈值，确定所述机器人的运动精度，包括：
6.根据权利要求1至3中任一项所述的方法，其特征在于，所述控制所述目标部位基于所述运动数据集合进行运动，并对所
7.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
8.根据权利要求1至3中任一项所述的方法，其特征在于，所述目标部位包括所述机器人上机械臂的末端。
9.一种运动精度检测装置，其特征在于，应用于机器人，所述装置包括：
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
12.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种运动精度检测方法，其特征在于，应用于机器人，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述目标部位的运动数据集合输入至预设运动学模型及预设误差估计模型中进行位置预测，生成与所述运动数据集合对应的预测位置坐标集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述预设误差估计模型由样本运动数据集合及所述样本运动数据集合中各样本运动数据对应的标准位置误差构建而成；所述将所述运动数据输入至所述预设误差估计模型中，计算所述运动数据对应的位置误差，包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述预测位置坐标集合中包括与所述运动数据集合中各运动数据对应的预测位置坐标；所述测量位置坐标集合中包括与所述运动数据集合中各运动数据对应的测量位置坐标；
5.根据权利要求4所述的方法，其特征在于，所述根据各所述运动数据对应的位置误差及预设位置误差阈值，确定所述机器人的运动精度，包括：
6.根据权利要求1至3中任一项所述...
【专利技术属性】
技术研发人员：刘双龙，
申请(专利权)人：武汉联影智融医疗科技有限公司，
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。