[发明专利]手术机器人及其运动错误检测方法、检测装置有效

专利信息
申请号: 202011068075.5 申请日: 2020-10-08
公开(公告)号: CN112043397B 公开(公告)日: 2021-09-24
发明(设计)人: 高元倩;王建辰;王牌 申请(专利权)人: 深圳市精锋医疗科技有限公司
主分类号: A61B34/37 分类号: A61B34/37;G06K9/00;G06N3/04;G06T7/246
代理公司: 暂无信息 代理人: 暂无信息
地址: 518000 广东省深圳市龙岗区园山街*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 手术 机器人 及其 运动 错误 检测 方法 装置
【权利要求书】:

1.一种手术机器人,其特征在于,包括:

相机臂;

手术臂,所述手术臂具有一个以上的特征部位;

输入部,用于输入控制所述相机臂及/或所述手术臂运动的控制指令;

及控制装置,与所述相机臂、所述手术臂及所述输入部耦接,被配置成执行如下步骤:

获取所述相机臂采集的手术区域的操作图像;

从所述操作图像中识别出所述手术臂的特征部位,令识别出的所述特征部位作为第一特征部位;

获取所述输入部输入的控制指令,并根据所述控制指令获得所述手术臂的运动学模型;

在所述运动学模型中获得匹配所述第一特征部位的第二特征部位;

获得所述第一特征部位的实际运动信息,并获得所述第二特征部位的目标运动信息;

比较所述实际运动信息及所述目标运动信息以判断所述手术机器人是否存在运动错误。

2.根据权利要求1所述的手术机器人,其特征在于,所述控制装置被配置成在从所述操作图像中识别出所述手术臂的特征部位的步骤中,执行:

检测所述操作图像中是否包含所述手术臂至少部分的子图像;

在检测到包含所述子图像时,从所述操作图像中提取出所述子图像;

从所述子图像中识别出所述手术臂的特征部位。

3.根据权利要求2所述的手术机器人,其特征在于,所述控制装置被配置成在检测所述操作图像中是否包含所述手术臂的子图像的步骤中,执行:

将所述操作图像输入神经网络,利用所述神经网络判断所述操作图像中是否包含所述手术臂的子图像。

4.根据权利要求2所述的手术机器人,其特征在于,所述控制装置被配置成在从所述子图像中识别出所述手术臂的特征部位的步骤中,执行:

将所述子图像输入神经网络,利用所述神经网络从所述子图像中检测出所述手术臂的特征部位。

5.根据权利要求1所述的手术机器人,其特征在于,所述控制装置被配置成在从所述操作图像中识别出所述手术臂的特征部位的步骤中,执行:

将所述操作图像输入到神经网络,利用所述神经网络从所述操作图像中检测出所述手术臂的特征部位。

6.根据权利要求4或5所述的手术机器人,其特征在于,所述控制装置被配置成在获得所述第一特征部位的实际运动信息的步骤中,执行:

利用所述神经网络预测出所述第一特征部位的实际运动信息。

7.根据权利要求6所述的手术机器人,其特征在于,所述神经网络是卷积神经网络。

8.根据权利要求7所述的手术机器人,其特征在于,所述控制装置被配置成在在利用所述神经网络预测出所述第一特征部位的实际运动信息的步骤之前,执行:

根据所述卷积神经网络通过提取预设训练集的特征图而输出的预测结果与所述预设训练集对应的真实结果的差别来训练所述卷积神经网络。

9.根据权利要求6所述的手术机器人,其特征在于,所述实际运动信息是实际位置信息及/或姿态信息。

10.根据权利要求6所述的手术机器人,其特征在于,所述实际运动信息是实际速度信息及/或角速度信息。

11.根据权利要求1所述的手术机器人,其特征在于,所述相机臂远端具有双目视觉的图像末端器械,所述控制装置被配置成在在获得所述第一特征部位的实际运动信息的步骤中,执行:

通过利用视差原理获得在所述图像末端器械视点下的所述第一特征部位的实际运动信息,所述实际运动信息是实际位置信息及/或姿态信息。

12.根据权利要求9或11所述的手术机器人,其特征在于,所述控制装置被配置成在获得所述第二特征部位的目标运动信息的步骤中,执行:

根据所述运动学模型计算获得所述第二特征部位的目标运动信息,所述目标运动信息是目标位置信息及/或姿态信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市精锋医疗科技有限公司,未经深圳市精锋医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011068075.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top