论文部分内容阅读
连续体机器人在微创外科手术发展中展现出巨大的应用前景,其固有的结构柔顺性使其能够在受限空间内沿曲折入路到达病灶部位,并且可以在患者体内完成复杂精细的手术动作。然而,连续体机器人固有的柔顺性以及手术中器械与人体组织接触导致的不确定性,使其形状不可知,从而导致运动难以被准确描述且存在组织损伤风险,因此必须对连续体机器人进行准确的实时三维形状检测。本文基于立体视觉技术,针对微创手术中常见的连续体机器人轮廓构型特点,分别实现了基于标记点和基于自组织映射(Self-organizing Map,SOM)神经网络算法的连续体机器人实时三维形状检测,并分别设计出离线和实时检测软件平台。本文主要研究内容如下:首先,搭建连续体机器人形状检测平台,并完成检测平台系统标定,系统标定包括双目相机标定及相机与机器人坐标系之间转换矩阵的求取。介绍了摄像机模型和系统标定方法,借助MATLAB标定工具箱得到系统标定结果,并对所得相机与机器人坐标系之间的转换矩阵进行精度验证。其次,实现了基于标记点方法的连续体机器人实时三维形状检测,并在完成标记点提取与匹配基础上,分别实现了基于三角测量和优化求解的两种三维重构方法。此外,基于SOM算法实现了一种无须在机器人上设置标记点的实时形状检测方法,与传统应用SOM进行机器人形状检测的方法相比,提高了运行效率。基于Visual Studio 2013开发环境,利用MFC框架进行界面程序设计,同时应用OpenCV和OpenGL开发工具,针对本文基于标记点和基于SOM的形状检测算法分别设计出相应的离线和实时检测软件,并在软件设计中考虑到人机交互以及用户界面的友好性。最后,针对本文所提算法开展相关实验研究,分别验证了基于标记点和基于SOM的机器人形状检测算法的检测精度、误差稳定性以及程序实时性。实验结果表明,本文所提算法均能实现较高精度的连续体机器人实时三维形状检测。