手术机器人标尺的识别定位方法及装置与流程

1.本发明属于机器人导航定位技术领域，更具体地，涉及一种手术机器人标尺的识别定位方法及装置。


背景技术：

2.机器人进行图像导航手术时需要利用c型臂拍摄的x光图像进行手术定位，建立手术机器人和手术空间的坐标映射关系，进而指导机器人系统进行精准的手术规划和操作。定位过程需要从多个角度拍摄带有病人手术区域和标尺的x光图像，对标尺上的钢珠进行识别和排序。若识别不成功则需要重新拍摄，增加手术时长和辐射量。因此，高效准确地识别x光图像中的标尺是影响手术时间和手术质量的关键。
3.目前手术机器人标尺的识别定位方法包括半自动识别定位方法和自动识别定位方法；半自动识别定位方法首先通过人工设定圆半径阈值，通过hough圆变换算法，检测出图像中所有圆半径符合要求的圆形，通过人工筛选找到标尺钢珠对应的点并人工排序，若有未识别到的钢珠，则重新调整阈值再次识别，但此方法直接依赖人工进行钢珠定位或是通过人工框选图像定位标尺钢珠区域再进行处理，无法保证精度和效率；
4.自动识别定位方法通过单一固定阈值分割出带有钢珠的前景，再检测二值图像的连通区域，筛选出面积、圆半径和内切圆与外切圆之比符合要求的点作为钢珠候选点，最后根据标尺几何结构对这些点进行进一步筛选和排序；此方法通过单一阈值对图像进行二值化处理，容易受到图像灰度分布、图像中手术器械和骨骼等背景的干扰，导致无法检测到部分钢珠或是检测到过多候选点而最终无法正确识别到标尺整体；另外，不同c型臂型号拍摄x光图像的参数、质量不同，现有方法通常需要对每种型号的设备人为调整参数，限制了可移植性；
5.故需要一种能够不需要人工干预调整就兼容不同型号的c型臂成像设备，且能够适应不同质量的图像，能够自动、高效、准确地识别标尺结构的方法，以提高鲁棒性和识别率，减少术中x光图像的重拍次数，进而减少手术时长和病人接受的辐射量。
6.公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。


技术实现要素：

7.本发明的目的是提出一种手术机器人标尺的识别定位方法及装置，实现自动完成对手术机器人标尺的识别定位，能够高效、准确地识别标尺结构，提高了鲁棒性和识别率，减少了术中x光图像的重拍次数，进而减少了手术时长和病人接受的辐射量。
8.为实现上述目的，本发明提出了一种手术机器人标尺的识别定位方法及装置。
9.根据本发明的第一方面，提出了一种手术机器人标尺的识别定位方法，包括：
10.s1、读取包含标尺的术中x射线图像；
11.s2、基于canny边缘检测算法以设定的边缘检测阈值对所述术中图像进行图像边缘检测，进而通过霍夫圆变换识别出在设定的标志球圆半径阈值范围内的圆形，获取所述圆形的数据；
12.s3、根据第一识别条件对所述圆形的数据进行识别，获取所有候选点，组成候选点集合；
13.s4、根据第二识别条件遍历所述候选点集合中所有四个所述候选点的组合，获取所有四边形，组成四边形集合；
14.s5、根据第三识别条件遍历除所述四边形集合外的所有所述候选点，获取所有参考点，所述参考点与对应的所述四边形组成五点结构，进而组成五点结构集合；
15.s6、根据第四识别条件遍历所述五点结构集合中所有两个所述五点结构的组合，获取疑似标尺，跳转到s8；若未识别到所述疑似标尺，则跳转到s7；
16.s7、调整设定的所述标志球圆半径阈值范围，返回所述s2；
17.s8、输出所述疑似标尺的坐标。
18.可选地，设定的所述边缘检测阈值为60；
19.3≦设定的标志球圆半径阈值范围≦10；
20.所述圆形的数据包括：所述圆形的个数和每个所述圆形对应的坐标。
21.可选地，所述第一识别条件包括：
22.10≦所述圆形的个数≦40。
23.可选地，所述s3具体包括：
24.根据所述圆形的数据判断所述圆形的个数是否符合所述第一识别条件，若符合，则每一个所述圆形的坐标为所述候选点，组成所述候选点集合；若不符合，则设定的边缘检测阈值调整范围内调整设定的所述边缘检测阈值，返回所述s2；
25.若在设定的所述调整范围内所述圆形的个数均不符合所述第一识别条件，则跳转到所述s7；
26.其中，20≦设定的所述边缘检测阈值调整范围≦200。
27.可选地，所述第二识别条件包括：
28.四个所述候选点能够构成凸四边形；
29.所述四边形的对边向量相减的模长小于15像素；
30.60
°
≦所述四边形的邻边夹角≦120
°
；
31.60
°
≦所述四边形的对角线夹角≦120
°
。
32.可选地，所述第三识别条件包括：
33.所述候选点与所述参考点可能出现的16个位置的坐标的距离均小于3像素。
34.可选地，所述s5具体包括：
35.根据所述四边形的各个候选点的坐标计算所述参考点可能出现的16个位置的坐标；
36.根据所述第三识别条件和所述参考点可能出现的16个位置的坐标遍历除所述四边形集合外的所有所述候选点，获取所有所述参考点，将每个所述参考点对应的四边形进行逆时针排序，进而与所述参考点组成所述五点结构，所有的所述五点结构组成所述五点结构集合；
37.其中，所述五点结构包括：第一五点结构和第二五点结构；
38.所述第一五点结构包括：第一参考点和对应的第一四边形；
39.所述第二五点结构包括：第二参考点和对应的第二四边形
40.在所述第一五点结构中，所述第一参考点的坐标设定为9号位，则所述第一四边形的排序为所述第一四边形的左上角为1号位，所述第一四边形的左下角为2号位，所述第一四边形的右下角为3号位，所述第一四边形的右上角为4号位，所述9号位位于所述2号位的左侧，并位于所述3号位和所述2号位之间线段的延长线上；
41.在所述第二五点结构中，所述第二参考点的坐标设定为10号位，则所述第二四边形的排序为所述第二四边形的左上角为5号位，所述第二四边形的左下角为6号位，所述第二四边形的右下角为7号位，所述第二四边形的右上角为8号位，所述10号位位于所述5号位和所述8号位之间，并位于所述5号位和所述8号位构成的线段上。
42.可选地，所述第四识别条件包括：
43.两个所述五点结构的所有候选点的坐标均不相同；
44.两个所述五点结构的参考点分别对应所述9号位和所述10号位；
45.所述9号位与所述3号位之间的线段和所述10号位与所述5号位之间的线段的夹角小于10
°
；
46.所述1号位与所述2号位之间的线段和所述8号位与所述7号位之间的线段的夹角小于10
°
；
47.所述1号位与所述3号位之间的线段的长度大于所述5号位与所述7号位之间的线段的长度；
48.通过最小二乘法拟合出所述1号位与所述5号位构成的直线、所述2号位与所述6号位构成的直线、所述3号位与所述7号位构成的直线和所述4号位与所述8号位构成的直线的交点，所述交底与所述四条直线距离的均方误差小于3像素。
49.可选地，所述s8具体包括：
50.若识别到所述疑似标尺为一个，则直接输出所述疑似标尺的坐标；
51.若识别到所述疑似标尺为多个，则输出所述s6中均方误差最小的所述疑似标尺的坐标；
52.若调整设定的所述标志球圆半径阈值范围的上限超过设定的上限，则输出未检测到所述疑似标尺；
53.其中，设定的所述标志球圆半径阈值范围的上限为20。
54.根据本发明的第二方面，提出了一种手术机器人标尺的识别定位装置，用于执行第一方面任一项所述的手术机器人标尺的识别定位方法，包括：
55.读取模块，用于读取包含标尺的术中x射线图像；
56.检测与识别模块，用于基于canny边缘检测算法以设定的边缘检测阈值对所述术中图像进行图像边缘检测，进而通过霍夫圆变换识别出在设定的标志球圆半径阈值范围内的圆形，获取所述圆形的数据；
57.第一识别模块，用于根据第一识别条件对所述圆形的数据进行识别，获取所有候选点，组成候选点集合；
58.第二识别模块，用于根据第二识别条件遍历所述候选点集合中所有四个所述候选
点的组合，获取所有四边形，组成四边形集合；
59.第三识别模块，用于根据第三识别条件遍历除所述四边形集合外的所有所述候选点，获取所有参考点，所述参考点与对应的所述四边形组成五点结构，进而组成五点结构集合；
60.第四识别模块，用于根据第四识别条件遍历所述五点结构集合中所有两个所述五点结构的组合，获取疑似标尺，跳转到输出模块；若未识别到所述疑似标尺，跳转到调整与执行模块；
61.调整与执行模块，用于调整设定的所述标志球圆半径阈值范围，返回到所述第一识别模块执行；
62.输出模块，用于输出所述疑似标尺的坐标。
63.本发明的有益效果在于：本发明通过设定的边缘检测阈值识别设定的标志球圆半径阈值范围内的所有圆形，若所有圆形的个数不符合第一识别条件，则调整设定的边缘检测阈值，直到符合第一识别条件，然后在通过第二识别条件、第三识别条件和第四识别条件识别出标尺，则获取标尺的坐标，若未识别出标尺，则通过调整设定的标志球圆半径阈值范围重新进行识别；本发明能够自动识别定位机器人标尺，不需要人工干预调整就能够兼容不同型号的c型臂成像设备，能够适应不同质量的图像，能够高效、准确地识别标尺结构，提高了鲁棒性和识别率，减少了术中x光图像的重拍次数，进而减少了手术时长和病人接受的辐射量。
64.本发明的系统具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
65.通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，在本发明示例性实施例中，相同的参考标号通常代表相同部件。
66.图1示出了根据本发明的一种手术机器人标尺的识别定位方法的步骤的流程图。
67.图2示出了根据本发明的一种手术机器人标尺的识别定位方法的每个四边形对应的参考点可能出现的位置的示意图。
68.图3示出了本发明的一种手术机器人标尺的识别定位方法的疑似标尺的结构的示意图。
69.图4示出了根据本发明的实施例1的一种手术机器人标尺的识别定位方法的步骤的流程图。
70.图5示出了根据本发明的实施例2的一种手术机器人标尺的识别定位装置的示意图。
具体实施方式
71.下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供
这些实施例是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。
72.如图1所示，根据本发明的一种手术机器人标尺的识别定位方法，包括：
73.s1、读取包含标尺的术中x射线图像；
74.s2、基于canny边缘检测算法以设定的边缘检测阈值对术中图像进行图像边缘检测，进而通过霍夫圆变换识别出在设定的标志球圆半径阈值范围内的圆形，获取圆形的数据；
75.s3、根据第一识别条件对圆形的数据进行识别，获取所有候选点，组成候选点集合；
76.s4、根据第二识别条件遍历候选点集合中所有四个候选点的组合，获取所有四边形，组成四边形集合；
77.s5、根据第三识别条件遍历除四边形集合外的所有候选点，获取所有参考点，参考点与对应的四边形组成五点结构，进而组成五点结构集合；
78.s6、根据第四识别条件遍历五点结构集合中所有两个五点结构的组合，获取疑似标尺，跳转到s8；若未识别到疑似标尺，则跳转到s7；
79.s7、调整设定的标志球圆半径阈值范围，返回s2；
80.s8、输出疑似标尺的坐标。
81.具体地，s1、读取包含标尺的术中x射线图像，设定标尺的标志球圆半径的阈值范围，设定边缘检测阈值，例如初始化标志球圆半径上下限为3到10，初始化边缘检测阈值为60；
82.s2、基于canny边缘检测算法以设定的边缘检测阈值对术中x射线图像进行图像边缘检测，提取图像的边缘信息，然后通过霍夫圆变换从边缘信息中寻找半径在设定标尺的标志球圆半径的阈值范围内的圆形，获得圆形的数据，圆形的数据包括圆形的个数和对应的坐标；霍夫圆变换是将二维图像空间中一个圆转换为该圆半径、圆心横纵坐标所确定的三维参数空间中一个点的过程，例如，基于canny边缘检测算法以设定的边缘检测阈值对术中x射线图像进行图像边缘检测，使用sobel算子计算所有像素的梯度，遍历canny之后的所有非0的像素点，沿着梯度方向画线，每个点有是一个累加器，有一个线经过该点，累加器加1，对所有累加器进行排序，根据设定的边缘检测阈值找到所有可能的圆心，计算canny图像中所有的非0像素点距离圆心的距离，距离从小到大排序，选取在设定标尺的标志球圆半径的阈值范围内的半径，对选取的半径设置累加器，对于满足半径r的累加器+1，累加器最后的数值就是检测到的圆形的个数；
83.s3、判断在s2中获得的所有圆形的个数是否符合第一识别条件，若符合第一识别条件，则每一个圆形的坐标为候选点，将这些圆的坐标组成候选点集合；若不符合，则调整设定的边缘检测阈值，返回s2；若在设定的边缘检测阈值调整范围内获得的圆形的个数均不符合第一识别条件，则跳转到s7；
84.例如，第一识别条件为10≦圆形的个数≦40，设定的边缘检测阈值为60，设定的边缘检测阈值调整范围为20-200，若s2中检测到的圆形的个数为30，则将这30个圆的坐标作为候选点，组成候选点集合，若s2中检测到的圆形的个数为5个，则调整设定的边缘检测阈值为40，再返回s2，重新获取圆形的数据；若通过在20-200范围内调整的设定的边缘检测阈
值在s2中获得的圆形的个数均不满足第一识别条件，则跳转到s7；
85.s4、根据第二识别条件遍历候选点集合中所有四个候选点的组合，符合第二识别条件的四个候选点的组合为四边形，所有的四边形组成四边形集合，记录集合中每个候选点的坐标；
86.s5、根据第三识别条件遍历除四边形集合外的所有候选点，符合第三识别条件的候选点为参考点，所有参考点与对应的四边形组成五点结构，所有的五点结构组成五点结构集合，记录五点结构中所有候选点的坐标；
87.s6、根据第四识别条件遍历五点结构集合中所有由两个五点结构构成的组合，若存在由两个五点结构构成的组合符合第四识别条件，则判断该组合为疑似标尺，则获取该标尺的坐标，跳转到s8；若未识别到符合第四识别条件的组合，则跳转到s7；
88.s7、调整设定的标志球圆半径阈值范围，返回到s2，直到识别到疑似标尺或者达到设定的标志球圆半径阈值范围的上限为止；
89.s8、输出疑似标尺的坐标。
90.在一个示例中，设定的边缘检测阈值为60；
91.3≦设定的标志球圆半径阈值范围≦10；
92.圆形的数据包括：圆形的个数和每个圆形对应的坐标。
93.具体地，初始化边缘检测阈值为60，阈值越小越敏感，越容易检测到图像边缘，但也容易检测到噪声干扰；初始化标志球圆半径阈值范围为3-10，圆形的数据包括圆形的个数和每个圆形对应的坐标。
94.在一个示例中，第一识别条件包括：
95.10≦圆形的个数≦40。
96.具体地，圆形的个数范围为10-40，用来识别s2中获得的圆形的个数是否在此范围内，此范围可根据实际情况调整。
97.在一个示例中，s3具体包括：
98.根据圆形的数据判断圆形的个数是否符合第一识别条件，若符合，则每一个圆形的坐标为候选点，组成候选点集合；若不符合，则设定的边缘检测阈值调整范围内调整设定的边缘检测阈值，返回s2；
99.若在设定的调整范围内圆形的个数均不符合第一识别条件，则跳转到s7；
100.其中，20≦设定的边缘检测阈值调整范围≦200。
101.具体地，通过第一识别条件识别s2中获得的圆形是否为候选点，s2中获得的圆形的个数若符合第一识别条件，则每一个圆形的坐标为候选点，获得的所有的圆形组成候选点集合，若不符合，则调整设定的边缘检测阈值，返回s2，直到获取候选点集合或者调整的边缘检测阈值超出设定的边缘检测阈值调整范围为止，若在设定的调整范围内圆形的个数均不符合第一识别条件，则跳转到s7；其中，设定的边缘检测阈值调整范围为20-200。
102.在一个示例中，第二识别条件包括：
103.四个候选点能够构成凸四边形；
104.四边形的对边向量相减的模长小于15像素；
105.60
°
≦四边形的邻边夹角≦120
°
；
106.60
°
≦四边形的对角线夹角≦120
°
。
107.具体地，候选点集合中若有四个候选点的组合满足以下四个条件：四个候选点能够构成凸四边形；四边形的对边向量相减的模长小于15像素；60
°
≦四边形的邻边夹角≦120
°
；60
°
≦四边形的对角线夹角≦120
°
；则此四个候选点的组合为四边形，所有的四边形组成四边形集合。
108.在一个示例中，第三识别条件包括：
109.候选点与参考点可能出现的16个位置的坐标的距离均小于3像素。
110.具体地，若某个在候选点集合中且非四边形集合的候选点与参考点可能出现的16个位置的坐标的距离均小于3像素，则此候选点为参考点。
111.在一个示例中，s5具体包括：
112.根据四边形的各个候选点的坐标计算参考点可能出现的16个位置的坐标；如图2所示，白色的圆的位置为参考点可能出现的16个位置的坐标，黑色的圆的位置为四边形的四个候选点位置的坐标；
113.根据第三识别条件和参考点可能出现的16个位置的坐标遍历除四边形集合外的所有候选点，获取所有参考点，将每个参考点对应的四边形进行逆时针排序，进而与参考点组成五点结构，所有的五点结构组成五点结构集合；
114.其中，五点结构包括：第一五点结构和第二五点结构；
115.第一五点结构包括：第一参考点和对应的第一四边形；
116.第二五点结构包括：第二参考点和对应的第二四边形
117.如图3所示，在第一五点结构中，第一参考点的坐标设定为9号位，则第一四边形的排序为第一四边形的左上角为1号位，第一四边形的左下角为2号位，第一四边形的右下角为3号位，第一四边形的右上角为4号位，9号位位于2号位的左侧，并位于3号位和2号位之间线段的延长线上；
118.在第二五点结构中，第二参考点的坐标设定为10号位，则第二四边形的排序为第二四边形的左上角为5号位，第二四边形的左下角为6号位，第二四边形的右下角为7号位，第二四边形的右上角为8号位，10号位位于5号位和8号位之间，并位于5号位和8号位构成的线段上。
119.在一个示例中，第四识别条件包括：
120.两个五点结构的所有候选点的坐标均不相同；
121.如图3所示，两个五点结构的参考点分别对应9号位和10号位；
122.9号位与3号位之间的线段和10号位与5号位之间的线段的夹角小于10
°
；
123.1号位与2号位之间的线段和8号位与7号位之间的线段的夹角小于10
°
；
124.1号位与3号位之间的线段的长度大于5号位与7号位之间的线段的长度；
125.通过最小二乘法拟合出1号位与5号位构成的直线、2号位与6号位构成的直线、3号位与7号位构成的直线和4号位与8号位构成的直线的交点，交底与四条直线距离的均方误差小于3像素。
126.下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
127.实施例1
128.如图4所示，本实施例提供了一种手术机器人标尺的识别定位方法，包括：
129.步骤1.读取术中图像；初始化钢珠圆半径上下限为3到10；
130.步骤2.初始化canny边缘检测器阈值为60；
131.步骤3.基于canny边缘检测算法，对术中图像进行边缘信息提取，然后通过hough圆变换，从边缘信息中寻找半径在钢珠圆半径上下限范围内的圆形，获得其位置坐标；
132.步骤4.判断检测出的圆形个数是否在10到40之间；若超出范围，则相应地增大或减小canny边缘检测器阈值并重复步骤3-4；若在范围内，则将这些圆的坐标作为候选点集合；若边缘检测器阈值超出设定的边缘检测器阈值范围，即20到200，则转到步骤8；
133.步骤5.遍历候选点集合中所有四个点的组合，判断是否有组合能构造符合要求的四边形，若有，则将符合要求的组合存入候选四边形集合；判断标准如下：
134.a)组合中的4点能够构成凸四边形；
135.b)构成的四边形对边向量相减的模长小于15像素；
136.c)构成的四边形邻边夹角在60-120度范围内；
137.d)构成的四边形对角线夹角在60-120度范围内；
138.步骤6.对于候选四边形集合中的每个四边形，遍历候选点集合中除去四边形的四个点后的所有点，判断是否有符合要求的参考点，若有，则将参考点和对应的四边形的四个点整体排序后存入候选五点结构集合；具体步骤如下：
139.a)根据四边形位置计算其所对应的参考点可能出现的16个位置的坐标；如图2所示，白色的圆为参考点可能出现的16个位置的坐标，黑色的圆为四边形的四个点；
140.b)对候选点集合中所有其他点，依次判断其与16个位置间的距离是否小于3个像素；
141.c)若有，则以此对四边形的四个点进行排序，分为两种情况：参考点对应9号点，则四边形对应1-4号点；参考点对应10号点，则四边形对应5-8号点，如图3所示；
142.步骤7.对候选五点结构集合中的所有的两两组合，判断其构成的10个点是否符合标尺三维结构，若有，则存入候选结果集合；如图3所示，判断标准如下：
143.a)两个五点结构间没有重复点；
144.b)两个五点结构的参考点分别对应9号和10号点，没有重复；
145.c)线段10-5与线段9-3的夹角小于10度；
146.d)线段1-2与线段8-7的夹角小于10度；
147.e)线段1-3长度大于线段5-7；
148.f)通过最小二乘法拟合出直线1-5、直线2-6、直线3-7和直线4-8四条线的交点，该交点与四条直线距离的均方误差小于3像素；
149.步骤8.若候选结果集合中只有一个结果，则输出该结果，结束；若有超过一个结果，则输出步骤7中的均方误差最小的结果，并提示检测出多个标尺，结束；若无候选结果，则判断为图像中钢珠半径超出了步骤1中初始化的上限，增加钢珠圆半径上下限，重复步骤2-8；若钢珠圆半径上限超出设定的允许范围，即上限超过20，则提示未检测到标尺，结束。
150.实施例2
151.如图5所示，本实施例提供了一种手术机器人标尺的识别定位装置，用于执行实施例1任一项所述的手术机器人标尺的识别定位方法，包括：
152.读取模块，用于读取包含标尺的术中x射线图像；
153.检测与识别模块，用于基于canny边缘检测算法以设定的边缘检测阈值对术中图像进行图像边缘检测，进而通过霍夫圆变换识别出在设定的标志球圆半径阈值范围内的圆形，获取圆形的数据；
154.第一识别模块，用于根据第一识别条件对圆形的数据进行识别，获取所有候选点，组成候选点集合；
155.第二识别模块，用于根据第二识别条件遍历候选点集合中所有四个候选点的组合，获取所有四边形，组成四边形集合；
156.第三识别模块，用于根据第三识别条件遍历除四边形集合外的所有候选点，获取所有参考点，参考点与对应的四边形组成五点结构，进而组成五点结构集合；
157.第四识别模块，用于根据第四识别条件遍历五点结构集合中所有两个五点结构的组合，获取疑似标尺，跳转到输出模块；若未识别到疑似标尺，跳转到调整与执行模块；
158.调整与执行模块，用于调整设定的标志球圆半径阈值范围，返回到第一识别模块执行；
159.输出模块，用于输出标尺的坐标。
160.以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。

技术特征：
1.一种手术机器人标尺的识别定位方法，其特征在于，包括：s1、读取包含标尺的术中x射线图像；s2、基于canny边缘检测算法以设定的边缘检测阈值对所述术中图像进行图像边缘检测，进而通过霍夫圆变换识别出在设定的标志球圆半径阈值范围内的圆形，获取所述圆形的数据；s3、根据第一识别条件对所述圆形的数据进行识别，获取所有候选点，组成候选点集合；s4、根据第二识别条件遍历所述候选点集合中所有四个所述候选点的组合，获取所有四边形，组成四边形集合；s5、根据第三识别条件遍历除所述四边形集合外的所有所述候选点，获取所有参考点，所述参考点与对应的所述四边形组成五点结构，进而组成五点结构集合；s6、根据第四识别条件遍历所述五点结构集合中所有两个所述五点结构的组合，获取疑似标尺，跳转到s8；若未识别到所述疑似标尺，则跳转到s7；s7、调整设定的所述标志球圆半径阈值范围，返回所述s2；s8、输出所述疑似标尺的坐标。2.根据权利要求1所述的手术机器人标尺的识别定位方法，其特征在于，设定的所述边缘检测阈值为60；3≦设定的标志球圆半径阈值范围≦10；所述圆形的数据包括：所述圆形的个数和每个所述圆形对应的坐标。3.根据权利要求2所述的手术机器人标尺的识别定位方法，其特征在于，所述第一识别条件包括：10≦所述圆形的个数≦40。4.根据权利要求3所述的手术机器人标尺的识别定位方法，其特征在于，所述s3具体包括：根据所述圆形的数据判断所述圆形的个数是否符合所述第一识别条件，若符合，则每一个所述圆形的坐标为所述候选点，组成所述候选点集合；若不符合，则设定的边缘检测阈值调整范围内调整设定的所述边缘检测阈值，返回所述s2；若在设定的所述调整范围内所述圆形的个数均不符合所述第一识别条件，则跳转到所述s7；其中，20≦设定的所述边缘检测阈值调整范围≦200。5.根据权利要求1所述的手术机器人标尺的识别定位方法，其特征在于，所述第二识别条件包括：四个所述候选点能够构成凸四边形；所述四边形的对边向量相减的模长小于15像素；60
°
≦所述四边形的邻边夹角≦120
°
；60
°
≦所述四边形的对角线夹角≦120
°
。6.根据权利要求1所述的手术机器人标尺的识别定位方法，其特征在于，所述第三识别条件包括：所述候选点与所述参考点可能出现的16个位置的坐标的距离均小于3像素。
7.根据权利要求6所述的手术机器人标尺的识别定位方法，其特征在于，所述s5具体包括：根据所述四边形的各个候选点的坐标计算所述参考点可能出现的16个位置的坐标；根据所述第三识别条件和所述参考点可能出现的16个位置的坐标遍历除所述四边形集合外的所有所述候选点，获取所有所述参考点，将每个所述参考点对应的四边形进行逆时针排序，进而与所述参考点组成所述五点结构，所有的所述五点结构组成所述五点结构集合；其中，所述五点结构包括：第一五点结构和第二五点结构；所述第一五点结构包括：第一参考点和对应的第一四边形；所述第二五点结构包括：第二参考点和对应的第二四边形在所述第一五点结构中，所述第一参考点的坐标设定为9号位，则所述第一四边形的排序为所述第一四边形的左上角为1号位，所述第一四边形的左下角为2号位，所述第一四边形的右下角为3号位，所述第一四边形的右上角为4号位，所述9号位位于所述2号位的左侧，并位于所述3号位和所述2号位之间线段的延长线上；在所述第二五点结构中，所述第二参考点的坐标设定为10号位，则所述第二四边形的排序为所述第二四边形的左上角为5号位，所述第二四边形的左下角为6号位，所述第二四边形的右下角为7号位，所述第二四边形的右上角为8号位，所述10号位位于所述5号位和所述8号位之间，并位于所述5号位和所述8号位构成的线段上。8.根据权利要求7所述的手术机器人标尺的识别定位方法，其特征在于，所述第四识别条件包括：两个所述五点结构的所有候选点的坐标均不相同；两个所述五点结构的参考点分别对应所述9号位和所述10号位；所述9号位与所述3号位之间的线段和所述10号位与所述5号位之间的线段的夹角小于10
°
；所述1号位与所述2号位之间的线段和所述8号位与所述7号位之间的线段的夹角小于10
°
；所述1号位与所述3号位之间的线段的长度大于所述5号位与所述7号位之间的线段的长度；通过最小二乘法拟合出所述1号位与所述5号位构成的直线、所述2号位与所述6号位构成的直线、所述3号位与所述7号位构成的直线和所述4号位与所述8号位构成的直线的交点，所述交底与所述四条直线距离的均方误差小于3像素。9.根据权利要求1所述的手术机器人标尺的识别定位方法，其特征在于，所述s8具体包括：若识别到所述疑似标尺为一个，则直接输出所述疑似标尺的坐标；若识别到所述疑似标尺为多个，则输出所述s6中均方误差最小的所述疑似标尺的坐标；若调整设定的所述标志球圆半径阈值范围的上限超过设定的上限，则输出未检测到所述疑似标尺；其中，设定的所述标志球圆半径阈值范围的上限为20。
10.一种手术机器人标尺的识别定位装置，其特征在于，用于执行权利要求1-9任一项所述的手术机器人标尺的识别定位方法，包括：读取模块，用于读取包含标尺的术中x射线图像；检测与识别模块，用于基于canny边缘检测算法以设定的边缘检测阈值对所述术中图像进行图像边缘检测，进而通过霍夫圆变换识别出在设定的标志球圆半径阈值范围内的圆形，获取所述圆形的数据；第一识别模块，用于根据第一识别条件对所述圆形的数据进行识别，获取所有候选点，组成候选点集合；第二识别模块，用于根据第二识别条件遍历所述候选点集合中所有四个所述候选点的组合，获取所有四边形，组成四边形集合；第三识别模块，用于根据第三识别条件遍历除所述四边形集合外的所有所述候选点，获取所有参考点，所述参考点与对应的所述四边形组成五点结构，进而组成五点结构集合；第四识别模块，用于根据第四识别条件遍历所述五点结构集合中所有两个所述五点结构的组合，获取疑似标尺，跳转到输出模块；若未识别到所述疑似标尺，跳转到调整与执行模块；调整与执行模块，用于调整设定的所述标志球圆半径阈值范围，返回到所述第一识别模块执行；输出模块，用于输出所述标尺的坐标。

技术总结
本发明公开了一种手术机器人标尺的识别定位方法及装置。该方法包括：通过设定的边缘检测阈值识别设定的标志球圆半径阈值范围内的所有圆形，若所有圆形的个数不符合第一识别条件，则调整设定的边缘检测阈值，直到符合第一识别条件，然后在通过第二识别条件、第三识别条件和第四识别条件识别出标尺，则获取标尺的坐标，若未识别出标尺，则通过调整设定的标志球圆半径阈值范围重新进行识别，最后输出标尺的坐标或提示未识别到标尺。本发明通过自动识别定位机器人标尺，能够兼容不同型号的C型臂成像设备及适应不同质量的图像，能够高效、准确地识别标尺结构，提高了鲁棒性，减少了术中X光图像的重拍次数，进而减少了手术时长和病人接受的辐射量。病人接受的辐射量。病人接受的辐射量。


技术研发人员：桑宇迪 许珂 朱罡
受保护的技术使用者：北京罗森博特科技有限公司
技术研发日：2023.04.26
技术公布日：2023/8/13