一种新型医疗机器人运动学及灵活性分析

从临床应用的角度出发,分析了微创神经外科机器人的结构特点.建立了机器人空间运动学模型,确定了该机器人逆解具有解析解,通过仿真验证了逆解的正确性.分析了机器人手腕的灵活性,用姿态球的概念定义了五自由度机器人手腕灵活性,给出了手术矢量工具姿态球的边界表达式,提出了手腕灵活性的分析方法,给出了机器人的灵活区域分布.掌握运动学和灵活性分析方法,可以为结构设计提供可靠的依据,为后续机器人控制功能的实现奠定基础.     

CT导航混联医疗机器人灵活性研究

总结了目前医疗机器人灵活性的分析方法,基于服务球的数值法,对5R串联机器人和4H并联机器人进行了灵活度计算,得到了各自的任务灵活度.针对9-DOF冗余度串并混联医疗机器人运动学的复杂性以及难以获得逆解的解析解的状况,给出了串联部分、并联部分的位移流形,推导了混联机器人的位移流形.提出了混联机器人的灵活性分析方法,即基于位移流形(黎曼流形)的方法,并定义了混联机器人灵活度的通用解析表达式.基于黎曼曲面外接椭球面的面积计算,得到混联机器人的灵活度超过了CT导航手术所需的灵活度,满足手术要求,为微创外科混联机器人灵活性分析和度量提供了新的参考.      

基于模板识别的高精度自动定位系统

为满足机器人辅助 医疗手术中高精度自动识别物体的需要,利用Bumblebee 2 摄像头拍摄图像,把黑白交互的椭圆和圆作为一个模板,用改进的角点提取方法提取出图像中的角点;在对图像进行增强之后,利用模板黑白格的几何对称性特征提取模板中的角点,然后区分出椭圆中的角点和圆中的角点,最后利用向量垂直关系提取出椭圆中的目标角点,识别出模板.通过Bumblebee 2自带的深度函数,提取模板的深度,得到模板在摄像头空间中的坐标,达到高精度自动定位物体的目的,克服传统摄像机需要标定内外参数的步骤.实验表明,定位误差在0.42 mm之内,基本上可以满足手术的要求.     

基于分水岭与图割的自动分割方法

为快速、准确的提取CT序列图像中目标物体,把分水岭和图割相结合.首先选择目标物体的内外轮廓,对内外轮廓之间的区域用分水岭算法预分割为若干小区域,把每一个小区域作为一个节点,建立图结构.把多源点和多汇点简化成单源点和单汇点,建立新的图结构.然后利用最大流/最小割定理进行切割,提取目标物体.最后把上一张CT目标物体的轮廓映射到下一张CT上,分别扩大和缩小该轮廓作为该CT的内外轮廓.根据上述方法提取轮廓,对整个CT序列依次循环操作.通过实验证明该算法在分割效果和分割时间上优于其它传统算法,同时,实现了三维空间上序列轮廓的自动提取.