[发明专利]一种基于结构光的手术导航点云分割与配准方法

权利要求书

1.一种基于结构光的手术导航点云分割与配准方法，其特征是包括如下步骤：

步骤1，对结构光系统进行标定，投射编码图案获取术中患者体表点云；

步骤2，在术前通过CT扫描患者并进行三维重建得到三维模型，通过设置阈值得到术前患者体表三维图像，并进行采样获取术前患者的体表点云；

步骤3，构建基于特征重用和注意力机制的动态图卷积网络模型，将获取到的术前和术中患者体表点云分割出其背部点云；

步骤4，构建基于主成分分析和动态图卷积的点云配准网络，将分割得到的术前和术中的患者背部点云进行匹配，获得两个空间坐标系之间的转换关系。

2.根据权利要求1所述的一种基于结构光的手术导航点云分割与配准方法，其特征是所述步骤1具体包括以下步骤：

步骤1-1：对于摄像机的标定，通过采集多个角度的棋盘格标定板图像，检测特征点获取像素坐标值，求解内外参初值并估计畸变系数，最大似然估计优化参数，计算重投影误差，若小于0.2像素则输出摄像机参数；

步骤1-2：对于投影仪的标定，通过采集横纵互补格雷码图像，解码得到解码值，使用局部单应性矩阵求解亚像素值，计算重投影误差，若小于0.2像素则输出投影仪参数；

局部单应性矩阵如下所示：

其中p代表摄像机矩形区域内像素点集，q代表解码后的对应投影仪像素点集，

其中位于区域中间位置的目标角点通过应用局部单应性矩阵得到最终投影仪角点像素坐标此时得到的像素坐标值是亚像素精度的；

步骤1-3、投射编码的正反互补格雷码图案，使用PCL点云库，提取术中患者体表的解码后的点云三维坐标值，从而得到术中患者体表点云。

3.根据权利要求1所述的一种基于结构光的手术导航点云分割与配准方法，其特征是所述步骤2具体包括以下步骤：

步骤2-1：术前对患者进行胸腹部平扫CT，通过Mimics软件进行三维重建，得到术前患者三维重建模型；

步骤2-2：根据人体不同部位的密度和对X射线吸收程度的不同从而得到不同的CT值，通过设置CT值大于-200Hu且小于50Hu，得到术前患者体表的三维图像，使用PCL点云库，将三维图像进行采样获取术前患者体表点云。

4.根据权利要求1所述的一种基于结构光的手术导航点云分割与配准方法，其特征是所述步骤3具体过程如下：

步骤3-1：对于不同边缘卷积层使用密集连接实现特征重用，其中边缘卷积层的数学表述为：

其中作为第l层中第i个点，那么这个点经过边缘卷积后进行参数更新后的输出σ表示ReLU激活函数，BN表示批处理归一化，表示当前l层所得到的边特征；

步骤3-2：以动态图卷积网络模型为基础，在每一个边缘卷积层中加入空间注意力，增强采样点云中心与邻域结点几何结构关系表达，空间注意力的数学表述为：

A_s(F)＝σ(g(F_s(max)||F_s(avg)))xF

其中σ代表sigmoid激活函数，g代表卷积操作，F_s(max)和F_s(avg)分别表示最大池化和平均池化操作，||代表拼接操作，最终获得新的特征图A_s(F)；

步骤3-3：使用特征重用和注意力机制的动态图卷积网络模型对输入的术前和术中患者的体表点云中的每一个点进行分类，从而获取到所有被分类为背部类型的点，将这些点作为被分割出的背部点云并进行保存。

5.根据权利要求1所述的一种基于结构光的手术导航点云分割与配准方法，其特征是所述步骤4具体包括以下步骤：

步骤4-1：使用主成分分析计算待配准的术前和术中患者背部点云的质心，同时计算得到两片点云的协方差矩阵，对协方差矩阵进行奇异值分解得到对应的特征值和特征向量，分别取两片点云中特征值最大的特征向量作为两片点云的主成分向量，通过主成分向量计算出两片点云之间的旋转矩阵R和平移向量t，完成两片点云的初始配准；

步骤4-2：使用动态图卷积网络作为特征提取器，动态图卷积网络即步骤三种提出的基于特征重用和注意力机制的动态图卷积网络模型，使用改进的LK算法，将特征提取器看做成像函数，计算两片点云特征之间的特征投影误差，使得两片点云之间的特征差异最小化，及目标函数最小化，从而获得最佳的变换矩阵，目标函数的表示如下：

其中旋转矩阵R∈SO(3)，平移向量其中φ表示动态图卷积中的特征提取函数，φ：K表示提取特征的维数。