CN114119684B - 基于四面体结构的标记点配准方法 - Google Patents
基于四面体结构的标记点配准方法 Download PDFInfo
- Publication number
- CN114119684B CN114119684B CN202010895449.4A CN202010895449A CN114119684B CN 114119684 B CN114119684 B CN 114119684B CN 202010895449 A CN202010895449 A CN 202010895449A CN 114119684 B CN114119684 B CN 114119684B
- Authority
- CN
- China
- Prior art keywords
- target
- image
- space
- image space
- data set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003550 marker Substances 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 243
- 230000009466 transformation Effects 0.000 claims abstract description 53
- 238000006243 chemical reaction Methods 0.000 claims abstract description 46
- 238000013519 translation Methods 0.000 claims description 75
- 239000013598 vector Substances 0.000 claims description 65
- 238000005457 optimization Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 15
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 6
- 238000013507 mapping Methods 0.000 description 8
- 239000002245 particle Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006266 hibernation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例涉及手术导航技术领域，公开了一种基于四面体结构的标记点配准方法，包括：获取图像空间数据集及目标空间数据集；选取图像空间数据集中的四个标记点构成图像空间四面体模型，并从目标空间数据集中选取对应的四个标记点构成目标空间四面体模型；根据图像空间四面体模型和目标空间四面体模型，确定图像空间数据集相对于目标空间数据集的缩放比例；将图像空间标记点进行缩放；计算各图像空间标记点与各目标空间标记点之间的对应关系；对图像空间四面体模型及目标空间四面体模型进行刚性变换，确定转换矩阵，以根据转换矩阵将各个图像空间标记点与各个目标空间标记点进行配准。本发明实施例实现了有效提高了配准精度和速度的有益效果。
Description
技术领域
本发明实施例涉及手术导航技术领域，具体涉及一种基于四面体结构的标记点配准方法、配准装置、配准设备、手术导航***及计算机可读存储介质。
背景技术
目前，手术服务型机器人是智慧医疗的重要应用发展方向，而手术导航辅助***作为外科手术机器人的重要组成部分在手术过程中起着至关重要的作用，基本上所有的手术导航辅助***都需要一种三维空间配准算法来实现图像坐标与实际三维空间之间的转换，而配准的精度是影响手术机器人精度的关键所在。
然而，现有手术机器人导航***对于配准算法中的匹配点顺序要求高，且配准精度低。
发明内容
鉴于上述问题，本发明实施例提供了一种基于四面体结构的标记点配准方法，用于解决现有技术中存在的标记点配准顺序要求高且配准精度低的技术问题。
根据本发明实施例的一个方面，提供了一种基于四面体结构的标记点配准方法，所述方法包括：
分别获取图像空间数据集及目标空间数据集，其中，所述图像空间数据集包括三维虚拟图像空间的图像空间标记点信息，所述目标空间数据集包括患者手术目标空间的目标空间标记点信息；
选取所述图像空间数据集中的四个标记点作为顶点构成图像空间四面体模型，并从所述目标空间数据集中选取对应的四个标记点作为顶点构成目标空间四面体模型；
根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例；
根据所述缩放比例，将所述图像空间数据集中的图像空间标记点进行缩放，得到缩放后的图像空间数据集；
分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系；
根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵；
根据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵，以根据所述转换矩阵将所述图像空间数据集中各个图像空间标记点与所述目标空间数据集中对应的各个目标空间标记点进行配准，得到配准后的图像空间数据集。
在一种可选的方式中，据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵后，进一步包括：
获取各个所述图像空间标记点经过转换矩阵转换后，变换后的图像空间上的图像空间标记点与目标空间标记点的误差范围；
根据所述误差范围构建优化函数；
根据所述优化函数对所述转换矩阵进行优化，得到优化后的转换矩阵。
一种可选的方式中，所述图像空间四面体包括三个图像空间标记点构成的图像三角形，所述目标空间四面体对应包括三个目标空间标记点构成的目标三角形；
根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例，进一步包括：
根据所述图像空间标记点坐标信息及三角形定理，确定所述图像三角形的法向量、外接圆圆心坐标；
根据所述目标空间标记点坐标信息及三角形定理，以及所述目标三角形的法向量、外接圆圆心坐标；
根据所述图像三角形的法向量、外接圆圆心坐标确定所述图像三角形的外接圆半径，以及根据所述目标三角形的法向量、外接圆圆心坐标确定所述目标三角形的外接圆半径；
根据所述图像三角形的外接圆半径以及所述目标三角形的外接圆半径，确定所述缩放比例。
一种可选的方式中，分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，进一步包括：
分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息，计算缩放后的图像空间数据集中每个图像空间标记点与其余各个所述图像空间标记点的图像多维距离向量，以及每个所述目标空间标记点与其余各个所述目标空间标记点的目标多维距离向量；
根据所述图像多维距离向量与所述目标多维距离向量之间的相关度，确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系。
一种可选的方式中，根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵，进一步包括：
将所述图像三角形的外接圆圆心移动至图像空间坐标系的原点处，以得到图像平移矩阵；
将所述图像三角形绕图像空间坐标系的x轴旋转，计算得到绕图像空间坐标系的x轴旋转的旋转矩阵；
将所述图像三角形绕图像空间坐标系的y轴旋转，计算得到绕图像空间坐标系的y轴旋转的旋转矩阵；
根据所述对应关系，将所述图像三角形绕图像空间坐标系的z轴旋转，计算得到绕图像空间坐标系的z轴旋转的旋转矩阵。
在一种可选的方式中，根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵，进一步包括：
将所述目标三角形的外接圆圆心移动至目标空间坐标系的原点处，以得到目标平移矩阵；
将所述目标三角形绕目标空间坐标系的x轴旋转，计算得到绕目标空间坐标系的x轴旋转的旋转矩阵；
将所述目标三角形绕目标空间坐标系的y轴旋转，计算得到绕目标空间坐标系的y轴旋转的旋转矩阵。
根据本发明实施例的另一方面，提供了一种基于四面体结构的标记点配准装置，包括：
数据集获取模块，用于分别获取图像空间数据集及目标空间数据集，其中，所述图像空间数据集包括三维虚拟图像空间的图像空间标记点信息，所述目标空间数据集包括患者手术目标空间的目标空间标记点信息；
模型构建模块，用于选取所述图像空间数据集中的四个标记点作为顶点构成图像空间四面体模型，并从所述目标空间数据集中选取对应的四个标记点作为顶点构成目标空间四面体模型；
缩放比例确定模块，用于根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例；
缩放模块，用于根据所述缩放比例，将所述图像空间数据集中的图像空间标记点进行缩放，得到缩放后的图像空间数据集；
对应关系确定模块，用于分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系；
刚性变换模块，用于根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵；
转换矩阵确定模块，用于根据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵，以根据所述转换矩阵将所述图像空间数据集中各个图像空间标记点与所述目标空间数据集中对应的各个目标空间标记点进行配准，得到配准后的图像空间数据集。
根据本发明实施例的另一方面，提供了一种计算机设备，包括：
处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述的基于四面体结构的标记点配准方法的操作。
根据本发明实施例的又一方面，提供了一种手术导航***，包括上述基于四面体结构的标记点配准装置。
根据本发明实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令在计算机设备/装置上运行时，使得计算机设备/装置执行上述的基于四面体结构的标记点配准方法的操作。
本发明实施例通过选取图像空间标记点和目标空间标记点构建四面体结构，利用构建的四面体结构实现对数据点集顺序的自动匹配，并结合三角形关系，得到转换矩阵，优化了匹配操作流程，达到了不仅对数据点集的匹配顺序没有要求，且有效提高了标记点匹配的精度的有益效果。
进一步地，将误差因子考虑进去，构建优化函数，进行多点优化转换矩阵从而得到高精度转换矩阵，提高了映***度，减小了误差。
上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
附图仅用于示出实施方式，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的基于四面体结构的标记点配准方法的流程示意图；
图2示出了本发明另一实施例提供的基于四面体结构的标记点配准方法中四面体模型的结构示意图；
图3示出了本发明实施例提供的基于四面体结构的标记点配准装置的结构示意图；
图4示出了本发明实施例提供的基于四面体结构的标记点配准设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，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。
图1示出了本发明基于四面体结构的标记点配准方法实施例的流程图，该方法由基于四面体结构的标记点配准设备执行。如图1所示，该方法包括以下步骤：
步骤110：分别获取图像空间数据集及目标空间数据集，其中，所述图像空间数据集包括三维虚拟图像空间的图像空间标记点信息，所述目标空间数据集包括患者手术目标空间的目标空间标记点信息。
其中，图像空间数据集Pimg为获取的医疗影像数据，其建立在三维虚拟图像空间中。目标空间数据集Ptar为患者手术目标空间中的目标空间标记点信息，也即在手术操作流程中用手术器械在患者患部选取相应标记点集。
该图像空间标记点信息包括图像空间标记点在图像空间坐标系下的坐标。该目标空间标记点信息包括目标空间标记点在世界坐标系下的坐标。
本发明的实施例中，首先在三维虚拟图像模型中选择相应标记点，形成图像空间数据集，然后用手术器械在患者患部选取相应标记点集，形成目标空间数据集，记录这些标记点集，此时这些标记点的顺序是不对应的。
步骤120：选取所述图像空间数据集中的四个标记点作为顶点构成图像空间四面体模型，并从所述目标空间数据集中选取对应的四个标记点作为顶点构成目标空间四面体模型。
其中，本发明实施例将图像空间数据集分为图像空间四面体框架部分FTing及图像空间粒子群部分FPimg；将目标空间数据集分为目标空间四面体框架部分FTtar及目标空间粒子群部分FPtar。图像空间粒子群部分FPimg及目标空间粒子群部分FPtar可以被认为随机分布的离散粒子。
图像空间四面体框架部分FTimg通过选取图像空间数据集中的四个图像空间坐标点构成。本发明实施例中，图像空间四面体框架部分FTimg的顶点为图像空间数据集中的前四个元素，也即前四个图像空间坐标点。其中，的第一个元素(也即第一个图像空间标记点)称为休眠窗口。其它三个元素(其它三个选为顶点的图像空间标记点)称为图像空间基础点，由图像空间基础点组成的平面称为图像空间结构面。
目标空间四面体框架部分FTtar通过选取目标空间数据集中的四个目标空间坐标点构成。本发明实施例中，目标空间四面体框架部分FTtar的顶点同样也为目标空间数据集中的前四个元素，也即前四个目标空间坐标点。其中，的第一个元素(也即第一个图像空间标记点)称为休眠窗口。其它三个元素(其它三个选为顶点的图像空间标记点)称为目标空间基础点，由目标空间基础点组成的平面称为目标空间结构面。
如图2所示，S为目标空间四面体框架部分的休眠窗口，AT，BT，CT为目标空间数据集的基础点，也即为构成目标空间四面体框架部分的剩余3个目标空间标记点。 AI，BI，CI为图像空间数据集的基础点，也即为构成图像空间四面体框架部分的剩余3 个图像空间标记点。其中，AT，BT，CT与AI，BI，CI所构成的三角形均不能是等腰三角形或等边三角形。将AI，BI，CI分别记为P1(x1，y1，z1)，P2(x2，y2，z2)，P3(x3，y3， z3)，构成的三角形为图像三角形P1P2P3，将AT，BT，CT分别记为N1(x1，y1，z1)，N2(x2， y2，z2)，N3(x3，y3，z3)，构成的三角形为目标三角形N1N2N3。其中，这里未考虑基础点的匹配顺序，P1(x1，y1，z1)可能与N1(x1，y1，z1)，N2(x2，y2，z2)，N3(x3，y3，z3)中任意一点对应。
步骤130：根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例。
具体地，假设图像空间四面体模型中的图像基础点所构成的图像三角形P1P2P3的外接圆圆心为CP，法向量为
外接圆半径为RP。由三角定理(公式1)可得：
因此，图像三角形的法向量为：
对该法向量进行归一化，得到：
根据上述公式(1)和公式(3)，得到图像三角形的法向量
由图像三角形的法向量
及图像三角形的图像空间标记点P1求得图像三角形P1P2P3所在的平面方程：
f(x，y，z)＝0 (4)
根据三角形外接圆的特性，外接圆圆心到三角形各个顶点的距离相同，得到：
外接圆圆心CP需满足上述平面方程。因此，通过上述公式(4)及公式(5)，即可计算得到图像三角形的外接圆圆心坐标CP＝(l，m，n)。因此，图像三角形的外接圆半径为：
通过上述相同的方式，从而求得目标三角形N1N2N3的外接圆圆心坐标CN＝ (l′，m′，n′)，法向量
以及外接圆半径
在得到图像三角形及目标三角形的外接圆半径后，根据所述图像三角形的外接圆半径及所述目标三角形的外接圆半径，确定缩放比例，也即缩放参数k：
k＝Rn/Rp (6)
从而最终确定所述图像空间数据集相对于所述目标空间数据集的缩放比例k。
步骤140：根据所述缩放比例，将所述图像空间数据集中的图像空间标记点进行缩放，得到缩放后的图像空间数据集。
其中，在确定所述图像空间数据集相对于所述目标空间数据集的缩放比例k后，根据该缩放比例k将图形三角形上任意的标记点都乘以缩放比例k，从而实现对图像三角形上的图像空间标记点的坐标的缩放，使得其缩放后的坐标与目标三角形上的图像空间标记点的坐标大小一致。
则图像三角形的坐标P(x，y，z)转换成了P′(x′，y′，z′)，也即：
P′＝k·P
此时，构成图像三角形的3个图像空间标记点P1，P2，P3及对应的外接圆圆心CP分别转换成了P1′，P2′，P3′及CP′。
同样的，图像空间数据集中的图像空间标记点分别按照该缩放比例进行缩放，从而得到缩放后的图像空间数据集。在进行缩放变换前，图像空间数据集与目标数据集之间为相似变换，在进行缩放后，缩放后的图像空间数据集中的图像空间标记点与目标空间数据集中的目标空间标记点的数据比例相同，因此，只需要进行刚性变换即可。也即，通过缩放后，将相似变换转换为了刚体变换。
步骤150：分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系。
其中，本发明实施例中确定所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，具体包括以下步骤：
步骤1501：分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息，计算缩放后的图像空间数据集中每个图像空间标记点与其余各个所述图像空间标记点的图像多维距离向量，以及每个所述目标空间标记点与其余各个所述目标空间标记点的目标多维距离向量。
其中，由于在刚性变换前后，任意两点之间的距离不变，因此，根据这一性质，在图像空间坐标系中计算缩放后的图像空间数据集的每个图像空间标记点与其余各个所述图像空间标记点的距离，将这些距离组成图像多维距离向量，并将得到的多个图像多维距离向量按从大到小的顺序排列。
具体地，计算缩放后的图像空间数据集中的图像空间标记点mi与缩放后的图像空间数据集中其余各个图像空间标记点的距离，这些距离可以表示为 S(mi，m1)，S(mi，m2)，...，S(mi，mL)，其中，L为图像空间数据集中图像空间标记点的个数。
其中，mi与mj之间的距离S(mi，mj)为：
将S(mi，mj)按照从小到大的顺序排列，从而得到图像空间标记点mi的图像多维距离向量Si＝(Si1，Si2....SiL)。
同时，在世界坐标系中计算目标空间数据集中每个目标空间标记点与其余各个所述目标空间标记点的距离，将这些距离组成目标多维距离向量，并将得到的多个目标多维距离向量按从大到小的顺序排列。
具体地，计算缩放后的目标空间数据集中的目标空间标记点mi与缩放后的目标空间数据集中其余各个目标空间标记点的距离，这些距离可以表示为 N(mi，m1)，N(mi，m2)，...，N(mi，mL)，其中，L为目标空间数据集中目标空间标记点的个数。
其中，mi与mj之间的距离N(mi，mj)为：
将N(mi，mj)按照从小到大的顺序排列，从而得到目标空间标记点mi的目标多维距离向量Ni＝(Ni1，Ni2....NiL)。
步骤1502：根据所述图像多维距离向量与所述目标多维距离向量之间的相关度，确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系。
具体地，在获取到图像多维距离向量后，确定图像空间坐标点mi与图像空间坐标点mj的图像多维距离向量之间的相关度系数ρ(Si，Sj)为：
通过相关度系数ρ(Si，Sj)为确定图像空间坐标点mi与图像空间坐标点mj的关系，从而最终确定图像空间数据集中L个图像空间坐标点之间的顺序。
在获取到目标多维距离向量后，目标空间坐标点mi与目标空间坐标点mj的目标多维距离向量之间的相关度系数ρ(Ni，Nj)为：
通过相关度系数ρ(Ni，Nj)为确定目标空间坐标点mi与目标空间坐标点mj的关系，从而最终确定目标空间数据集中L个目标空间坐标点之间的顺序。
在获得缩放后的图像空间数据集中各个图像多维距离向量以及目标空间数据集中各个目标多维距离向量后，计算各个图像多维距离向量与各个目标多维距离向量之间的相似度，从而得到所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系。其中，图像空间坐标系下L个图像空间标记点点对应的图像多维距离向量分别为S1S2...SN，世界坐标系(手术操作空间坐标系)下L个目标空间标记点对应的目标多维距离向量分别为D1D2...DN，因此，第j个图像空间标记点的图像多维距离向量与第i个目标空间标记点的目标多维距离向量的相关系数为ρ(Di，Sj)。以该相关系数ρ(Di，Sj)是为元素组成L*L矩阵，逐列找出相关系数最大值，从而得到世界坐标系下的目标空间标记点mi对应的图像空间坐标系下的图像空间标记点mj。
步骤160：根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵。
其中，刚性变换指的是只有物体的位置(平移变换)和朝向(旋转变换)发生改变，而形状不变，得到的变换称为刚性变换。本发明实施例通过对图像空间四面体模型及所述目标空间四面体模型进行刚性变换，在刚性变换的过程中得到图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵。
具体地，步骤1601：计算图像空间标记点相对于图像空间坐标系的图像平移矩阵及目标空间标记点相对于目标空间坐标系的目标平移矩阵。
前述设定的图像空间四面体模型的图像三角形和目标空间四面体模型中的目标三角形中，分别确定了图像三角形的外接圆圆心CP(l，m，n)和目标三角形的外接圆圆心 CN(l′，m′，n′)。然而，由于图像空间坐标系与世界坐标系并不对应，因此CP(l，m，n)与 CN(l′，m′，n′)相对于坐标系原点的距离并不相同，也即，图像三角形与目标三角形在对应的坐标系中的位置是不一致的。
因此，在对图像空间四面体模型及所述目标空间四面体模型进行刚性变换时，将该图像三角形的外接圆圆心CP(l，m，n)移动至图像空间坐标系的原点处，将目标三角形的外接圆圆心CN(l′，m′，n′)移动至世界坐标系下的原点处，从而使得该图像三角形和目标三角形在坐标系中的位置相对统一。
从而得到图像三角形的图像平移矩阵为齐次变换矩阵Tm：
根据该图像平移矩阵Tm将缩放后的图像空间数据集中的图像空间标记点的坐标进行平移，从而得到平移后的图像空间数据集P″，其中，P″＝Tm·P′。
基于同样的方式，将世界坐标系下的目标三角形的外接圆圆心CN(l′，m′，n′)平移至原点处，其目标平移矩阵为齐次变换矩阵为Tm′：
根据该目标平移矩阵Tm′将缩放后的图像空间数据集中的图像空间标记点的坐标进行平移，从而得到平移后的图像空间数据集N′，其中，N′＝Tm′·N。
图像空间数据集相对于目标空间数据集的平移矩阵为：Tm·(Tm′)-1。
步骤1602：计算图像空间标记点相对于图像空间坐标系的图像旋转矩阵及目标空间标记点相对于目标空间坐标系的目标旋转矩阵。
图像旋转矩阵包括图像空间数据集绕图像空间坐标系的x轴旋转的旋转矩阵为Tx、绕图像空间坐标系的y轴旋转的旋转矩阵为Ty、绕图像空间坐标系的z轴旋转的旋转矩阵为Tz。目标旋转矩阵包括目标空间数据集绕世界坐标系的x轴旋转的旋转矩阵为 Tx′、绕世界坐标系的y轴旋转的旋转矩阵为Ty′。
在对图像空间四面体模型进行刚性变换时，需将图像三角形的平面旋转到与z轴垂直，再绕z轴旋转以使得图像三角形与目标三角形完全重合。该过程分为两步：先绕图像空间坐标系的x轴旋转，再绕图像空间坐标系的y轴旋转。其中，绕图像空间坐标系的x轴旋转的旋转矩阵为Tx：
其中，夹角θ是将图像三角形的法向量
投影到图像空间坐标系的YOZ平面所得的向量与z轴的夹角，该夹角为需绕x轴旋转的角度。该夹角θ对应的余弦cosθ和正弦 sinθ的计算公式为：
绕图像空间坐标系的y轴旋转的旋转矩阵为Ty：
其中，夹角
是将法向量
投影到图像空间坐标系的XOZ平面所得到的向量与 z轴的夹角，为需要绕y轴旋转的角度。该夹角
对应的余弦
和正弦
的计算公式为：
N′Pz＝NPy·sinθ+NPx·cosθ
通过绕x轴旋转及绕y轴旋转，使得图像三角形与图像空间坐标系的XOY平面平行。由于经过平移矩阵的平移转换后，图像三角形的外接圆圆心在图像空间坐标系的原点，因此，通过绕x轴旋转及绕y轴旋转后，图像三角形在图像空间坐标系的XOY 平面上。
相应地，目标三角形也需绕世界坐标系的x轴和y轴旋转，具体的计算方式与上述图像三角形的计算原理相同，此处不再赘述。从而得到目标三角形绕世界坐标系的x 轴旋转的旋转矩阵Tx′，绕世界坐标系的y轴旋转的旋转矩阵Ty′，旋转后使得目标三角形在世界坐标系的XOY平面上。
在经过绕x轴和绕y轴旋转后，图像三角形和目标三角形均在其对应的坐标系的XOY平面上，但此时图像三角形和目标三角形的三个标记点的位置是不对应的，因此需要使得图像三角形相对于图像空间坐标系的z轴进行旋转，从而使得图像三角形与目标三角形能够完全重合。
由于前述已经获取了各个图像空间标记点及目标图像空间标记点的顺序及对应关系，因此，此时可以获取图像三角形上的图像空间标记点与目标三角形上的目标空间标记点之间的对应关系。根据图像三角形上的图像空间标记点与目标三角形上的目标空间标记点之间的对应关系，使得图像三角形绕图像空间坐标系的z轴旋转，其绕z 轴的旋转矩阵Tz为：
将图像三角形以该绕z轴的旋转矩阵Tz的绕z轴旋转，从而使得图像三角形的各个图像空间标记点旋转至与目标三角形的各个目标空间标记点一致，使得图像三角形与目标三角形完全重合。
从而得到图像空间数据集绕图像空间坐标系的x轴旋转的旋转矩阵为Tx、绕图像空间坐标系的y轴旋转的旋转矩阵为Ty、绕图像空间坐标系的z轴旋转的旋转矩阵为 Tz，以及目标空间数据集绕世界坐标系的x轴旋转的旋转矩阵为Tx′、绕世界坐标系的 y轴旋转的旋转矩阵为Ty′。因此，平移旋转后的图像空间数据集P″′和平移旋转后的目标空间数据集N″为：
P″′＝P·k·Tm·Tx·Ty·Tz
N″＝N·Tm′·Tx′·Ty′
步骤170：根据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵，以根据所述转换矩阵将所述图像空间数据集中各个图像空间标记点与所述目标空间数据集中对应的各个目标空间标记点进行配准，得到配准后的图像空间数据集。
其中，通过上述步骤缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵。因此，确定转换矩阵TP为：
TP＝(Tm′)-1·(Tx′)-1·(Ty′)-1·Tm·Tx·Ty·Tz·k
根该转换矩阵TP为图像空间数据集到目标空间数据集的映射矩阵，通过该转换矩阵TP将目标空间数据集完全映射到图像空间数据集，也即：
Ptar＝TP·Pimg
本发明实施例中，在得到转换矩阵TP后，还对转换矩阵进行优化。获取各个所述图像空间标记点经过转换矩阵转换后，变换后的图像空间上的图像空间标记点与目标空间标记点的误差范围，根据所述误差范围构建优化函数，根据所述优化函数对所述转换矩阵进行优化，得到优化后的转换矩阵。
具体地：由于设备的精度等问题，使得图像空间数据集在转换为目标空间数据集一致的映射的时候，在x，y，z以及γ上均具有一定的误差，因此每个粒子(图像空间数据集中的图像空间标记点)可以在XOY平面上运动来优化它的位置，因此人为对这些参数(x，y，z以及γ)加入一些干扰(也即误差范围)，使的这些参数从常量变为变量，使图像空间数据集中所有的数据在与目标空间数据集对应时根据这些参数进行微调。
本发明实施例中，在x轴上的干扰为δx，在y轴上的干扰为δy，在z轴上的干扰为δz。δx及δy满足以下方程式：
δx2+δy2≤s2
s的值取决于配准设备的精度，本发明实施例中定义为
在z轴上的误差δz为±1mm，由于旋转角度γ上的误差δγ特别小，因此三角函数可以根据极简定理简化。故，根据这些参数的上述误差范围优化矩阵T0为：
因此，图像空间数据集在转换为目标空间数据集的映射时，加入优化矩阵：
Ptar′＝T0·TP·Pimg
将上述公式变换为不等式，并将其作为优化函数，优化函数为：
f(δx，δy，δz，δγ)＝min||Ptar-T0·TP·Pimg||
通过该优化函数，计算得到使得Ptar-T0·TP·Pimg最小的T0，优化矩阵T0的作为最优解T0m，从而得到优化后的转换矩阵为：TPm＝T0m·TP
本发明实施例中，通过对粒子群优化算法对目标函数进行优化，从而得到最优的目标函数以及高优化速度，并最终找到局部最优解。
本发明实施例通过选取图像空间标记点和目标空间标记点构建四面体结构，利用构建的四面体结构实现对数据点集顺序的自动匹配，并结合三角形关系，得到转换矩阵，优化了匹配操作流程，达到了不仅对数据点集的匹配顺序没有要求，且有效提高了标记点匹配的精度的有益效果。
进一步地，将误差因子考虑进去，构建优化函数，进行多点优化转换矩阵从而得到高精度转换矩阵，提高了映***度，减小了误差。
图3示出了本发明基于四面体结构的标记点配准装置实施例的结构示意图。如图3所示，该装置300包括：数据集获取模块310、模型构建模块320、缩放比例确定模块 330、缩放模块340、对应关系确定模块350、刚性变换模块360、转换矩阵确定模块 370。
数据集获取模块310，用于分别获取图像空间数据集及目标空间数据集，其中，所述图像空间数据集包括三维虚拟图像空间的图像空间标记点信息，所述目标空间数据集包括患者手术目标空间的目标空间标记点信息；
模型构建模块320，用于选取所述图像空间数据集中的四个标记点作为顶点构成图像空间四面体模型，并从所述目标空间数据集中选取对应的四个标记点作为顶点构成目标空间四面体模型；
缩放比例确定模块330，用于根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例；
缩放模块340，用于根据所述缩放比例，将所述图像空间数据集中的图像空间标记点进行缩放，得到缩放后的图像空间数据集；
对应关系确定模块350，用于分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系；
刚性变换模块360，用于根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵；
转换矩阵确定模块370，用于根据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵，以根据所述转换矩阵将所述图像空间数据集中各个图像空间标记点与所述目标空间数据集中对应的各个目标空间标记点进行配准，得到配准后的图像空间数据集。
本发明实施例的基于四面体结构的标记点配准装置的具体工作过程与上述基于四面体结构的标记点配准方法的方法步骤相同，此处不再赘述。
本发明实施例通过选取图像空间标记点和目标空间标记点构建四面体结构，利用构建的四面体结构实现对数据点集顺序的自动匹配，并结合三角形关系，得到转换矩阵，优化了匹配操作流程，达到了不仅对数据点集的匹配顺序没有要求，且有效提高了标记点匹配的精度的有益效果。
进一步地，将误差因子考虑进去，构建优化函数，进行多点优化转换矩阵从而得到高精度转换矩阵，提高了映***度，减小了误差。
本发明实施例还提供了一种手术导航***，包括上述基于四面体结构的标记点配准装置，该导航***的配准工作流程与上述基于四面体结构的标记点配准方法的方法流程相同，此处不再赘述。
图4示出了本发明计算机设备实施例的结构示意图，本发明具体实施例并不对计算机设备的具体实现做限定。
如图4所示，该计算机设备可以包括：处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中：处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。处理器402，用于执行程序410，具体可以执行上述用于计算机方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机可执行指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算机设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序410具体可以被处理器402调用使计算机设备执行以下操作：
分别获取图像空间数据集及目标空间数据集，其中，所述图像空间数据集包括三维虚拟图像空间的图像空间标记点信息，所述目标空间数据集包括患者手术目标空间的目标空间标记点信息；
选取所述图像空间数据集中的四个标记点作为顶点构成图像空间四面体模型，并从所述目标空间数据集中选取对应的四个标记点作为顶点构成目标空间四面体模型；
根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例；
根据所述缩放比例，将所述图像空间数据集中的图像空间标记点进行缩放，得到缩放后的图像空间数据集；
分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系；
根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵；
根据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵，以根据所述转换矩阵将所述图像空间数据集中各个图像空间标记点与所述目标空间数据集中对应的各个目标空间标记点进行配准，得到配准后的图像空间数据集。
在一种可选的方式中，据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵后，进一步包括：
获取各个所述图像空间标记点经过转换矩阵转换后，变换后的图像空间上的图像空间标记点与目标空间标记点的误差范围；
根据所述误差范围构建优化函数；
根据所述优化函数对所述转换矩阵进行优化，得到优化后的转换矩阵。
一种可选的方式中，所述图像空间四面体包括三个图像空间标记点构成的图像三角形，所述目标空间四面体对应包括三个目标空间标记点构成的目标三角形；
根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例，进一步包括：
根据所述图像空间标记点坐标信息及三角形定理，确定所述图像三角形的法向量、外接圆圆心坐标；
根据所述目标空间标记点坐标信息及三角形定理，以及所述目标三角形的法向量、外接圆圆心坐标；
根据所述图像三角形的法向量、外接圆圆心坐标确定所述图像三角形的外接圆半径，以及根据所述目标三角形的法向量、外接圆圆心坐标确定所述目标三角形的外接圆半径；
根据所述图像三角形的外接圆半径以及所述目标三角形的外接圆半径，确定所述缩放比例。
一种可选的方式中，分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，进一步包括：
分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息，计算缩放后的图像空间数据集中每个图像空间标记点与其余各个所述图像空间标记点的图像多维距离向量，以及每个所述目标空间标记点与其余各个所述目标空间标记点的目标多维距离向量；
根据所述图像多维距离向量与所述目标多维距离向量之间的相关度，确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系。
一种可选的方式中，根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵，进一步包括：
将所述图像三角形的外接圆圆心移动至图像空间坐标系的原点处，以得到图像平移矩阵；
将所述图像三角形绕图像空间坐标系的x轴旋转，计算得到绕图像空间坐标系的x轴旋转的旋转矩阵；
将所述图像三角形绕图像空间坐标系的y轴旋转，计算得到绕图像空间坐标系的y轴旋转的旋转矩阵；
根据所述对应关系，将所述图像三角形绕图像空间坐标系的z轴旋转，计算得到绕图像空间坐标系的z轴旋转的旋转矩阵。
在一种可选的方式中，根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵，进一步包括：
将所述目标三角形的外接圆圆心移动至目标空间坐标系的原点处，以得到目标平移矩阵；
将所述目标三角形绕目标空间坐标系的x轴旋转，计算得到绕目标空间坐标系的x轴旋转的旋转矩阵；
将所述目标三角形绕目标空间坐标系的y轴旋转，计算得到绕目标空间坐标系的y轴旋转的旋转矩阵。
本发明实施例通过选取图像空间标记点和目标空间标记点构建四面体结构，利用构建的四面体结构实现对数据点集顺序的自动匹配，并结合三角形关系，得到转换矩阵，优化了匹配操作流程，达到了不仅对数据点集的匹配顺序没有要求，且有效提高了标记点匹配的精度的有益效果。
进一步地，将误差因子考虑进去，构建优化函数，进行多点优化转换矩阵从而得到高精度转换矩阵，提高了映***度，减小了误差。
本发明实施例提供了一种计算机可读存储介质，所述存储介质存储有至少一可执行指令，该可执行指令在计算机设备/装置上运行时，使得所述计算机设备/装置执行上述任意方法实施例中的基于四面体结构的标记点配准方法。
可执行指令具体可以用于使得计算机设备/装置执行以下操作：
分别获取图像空间数据集及目标空间数据集，其中，所述图像空间数据集包括三维虚拟图像空间的图像空间标记点信息，所述目标空间数据集包括患者手术目标空间的目标空间标记点信息；
选取所述图像空间数据集中的四个标记点作为顶点构成图像空间四面体模型，并从所述目标空间数据集中选取对应的四个标记点作为顶点构成目标空间四面体模型；
根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例；
根据所述缩放比例，将所述图像空间数据集中的图像空间标记点进行缩放，得到缩放后的图像空间数据集；
分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系；
根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵；
根据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵，以根据所述转换矩阵将所述图像空间数据集中各个图像空间标记点与所述目标空间数据集中对应的各个目标空间标记点进行配准，得到配准后的图像空间数据集。
在一种可选的方式中，据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵后，进一步包括：
获取各个所述图像空间标记点经过转换矩阵转换后，变换后的图像空间上的图像空间标记点与目标空间标记点的误差范围；
根据所述误差范围构建优化函数；
根据所述优化函数对所述转换矩阵进行优化，得到优化后的转换矩阵。
一种可选的方式中，所述图像空间四面体包括三个图像空间标记点构成的图像三角形，所述目标空间四面体对应包括三个目标空间标记点构成的目标三角形；
根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例，进一步包括：
根据所述图像空间标记点坐标信息及三角形定理，确定所述图像三角形的法向量、外接圆圆心坐标；
根据所述目标空间标记点坐标信息及三角形定理，以及所述目标三角形的法向量、外接圆圆心坐标；
根据所述图像三角形的法向量、外接圆圆心坐标确定所述图像三角形的外接圆半径，以及根据所述目标三角形的法向量、外接圆圆心坐标确定所述目标三角形的外接圆半径；
根据所述图像三角形的外接圆半径以及所述目标三角形的外接圆半径，确定所述缩放比例。
一种可选的方式中，分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，进一步包括：
分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息，计算缩放后的图像空间数据集中每个图像空间标记点与其余各个所述图像空间标记点的图像多维距离向量，以及每个所述目标空间标记点与其余各个所述目标空间标记点的目标多维距离向量；
根据所述图像多维距离向量与所述目标多维距离向量之间的相关度，确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系。
一种可选的方式中，根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵，进一步包括：
将所述图像三角形的外接圆圆心移动至图像空间坐标系的原点处，以得到图像平移矩阵；
将所述图像三角形绕图像空间坐标系的x轴旋转，计算得到绕图像空间坐标系的x轴旋转的旋转矩阵；
将所述图像三角形绕图像空间坐标系的y轴旋转，计算得到绕图像空间坐标系的y轴旋转的旋转矩阵；
根据所述对应关系，将所述图像三角形绕图像空间坐标系的z轴旋转，计算得到绕图像空间坐标系的z轴旋转的旋转矩阵。
在一种可选的方式中，根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵，进一步包括：
将所述目标三角形的外接圆圆心移动至目标空间坐标系的原点处，以得到目标平移矩阵；
将所述目标三角形绕目标空间坐标系的x轴旋转，计算得到绕目标空间坐标系的x轴旋转的旋转矩阵；
将所述目标三角形绕目标空间坐标系的y轴旋转，计算得到绕目标空间坐标系的y轴旋转的旋转矩阵。
本发明实施例通过选取图像空间标记点和目标空间标记点构建四面体结构，利用构建的四面体结构实现对数据点集顺序的自动匹配，并结合三角形关系，得到转换矩阵，优化了匹配操作流程，达到了不仅对数据点集的匹配顺序没有要求，且有效提高了标记点匹配的精度的有益效果。
进一步地，将误差因子考虑进去，构建优化函数，进行多点优化转换矩阵从而得到高精度转换矩阵，提高了映***度，减小了误差。
本发明实施例提供一种基于四面体结构的标记点配准装置，用于执行上述基于四面体结构的标记点配准方法。
本发明实施例提供了一种计算机程序，所述计算机程序可被处理器调用使计算机设备执行上述任意方法实施例中的基于四面体结构的标记点配准方法。
本发明实施例提供了一种计算机程序产品，计算机程序产品包括存储在计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令在计算机上运行时，使得所述计算机执行上述任意方法实施例中的基于四面体结构的标记点配准方法。
在此提供的算法或显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述，构造这类***所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。
本领域技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。
Claims (10)
1.一种基于四面体结构的标记点配准方法，其特征在于，所述方法包括：
分别获取图像空间数据集及目标空间数据集，其中，所述图像空间数据集包括三维虚拟图像空间的图像空间标记点信息，所述目标空间数据集包括患者手术目标空间的目标空间标记点信息；
选取所述图像空间数据集中的四个标记点作为顶点构成图像空间四面体模型，并从所述目标空间数据集中选取对应的四个标记点作为顶点构成目标空间四面体模型；
根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例；
根据所述缩放比例，将所述图像空间数据集中的图像空间标记点进行缩放，得到缩放后的图像空间数据集；
分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系；
根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵；
根据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵，以根据所述转换矩阵将所述图像空间数据集中各个图像空间标记点与所述目标空间数据集中对应的各个目标空间标记点进行配准，得到配准后的图像空间数据集。
2.根据权利要求1所述的方法，其特征在于，根据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵后，进一步包括：
获取各个所述图像空间标记点经过转换矩阵转换后，变换后的图像空间上的图像空间标记点与目标空间标记点的误差范围；
根据所述误差范围构建优化函数；
根据所述优化函数对所述转换矩阵进行优化，得到优化后的转换矩阵。
3.根据权利要求1所述的方法，其特征在于，所述图像空间四面体包括三个图像空间标记点构成的图像三角形，所述目标空间四面体对应包括三个目标空间标记点构成的目标三角形；
根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例，进一步包括：
根据所述图像空间标记点坐标信息及三角形定理，确定所述图像三角形的法向量、外接圆圆心坐标；
根据所述目标空间标记点坐标信息及三角形定理，以及所述目标三角形的法向量、外接圆圆心坐标；
根据所述图像三角形的法向量、外接圆圆心坐标确定所述图像三角形的外接圆半径，以及根据所述目标三角形的法向量、外接圆圆心坐标确定所述目标三角形的外接圆半径；
根据所述图像三角形的外接圆半径以及所述目标三角形的外接圆半径，确定所述缩放比例。
4.根据权利要求1所述的方法，其特征在于，分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，进一步包括：
分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息，计算缩放后的图像空间数据集中每个图像空间标记点与其余各个所述图像空间标记点的图像多维距离向量，以及每个所述目标空间标记点与其余各个所述目标空间标记点的目标多维距离向量；
根据所述图像多维距离向量与所述目标多维距离向量之间的相关度，确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系。
5.根据权利要求3所述的方法，其特征在于，根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵，进一步包括：
将所述图像三角形的外接圆圆心移动至图像空间坐标系的原点处，以得到图像平移矩阵；
将所述图像三角形绕图像空间坐标系的x轴旋转，计算得到绕图像空间坐标系的x轴旋转的旋转矩阵；
将所述图像三角形绕图像空间坐标系的y轴旋转，计算得到绕图像空间坐标系的y轴旋转的旋转矩阵；
根据所述对应关系，将所述图像三角形绕图像空间坐标系的z轴旋转，计算得到绕图像空间坐标系的z轴旋转的旋转矩阵。
6.根据权利要求5所述的方法，其特征在于，根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵，进一步包括：
将所述目标三角形的外接圆圆心移动至目标空间坐标系的原点处，以得到目标平移矩阵；
将所述目标三角形绕目标空间坐标系的x轴旋转，计算得到绕目标空间坐标系的x轴旋转的旋转矩阵；
将所述目标三角形绕目标空间坐标系的y轴旋转，计算得到绕目标空间坐标系的y轴旋转的旋转矩阵。
7.一种基于四面体结构的标记点配准装置，其特征在于，所述装置包括：
数据集获取模块，用于分别获取图像空间数据集及目标空间数据集，其中，所述图像空间数据集包括三维虚拟图像空间的图像空间标记点信息，所述目标空间数据集包括患者手术目标空间的目标空间标记点信息；
模型构建模块，用于选取所述图像空间数据集中的四个标记点作为顶点构成图像空间四面体模型，并从所述目标空间数据集中选取对应的四个标记点作为顶点构成目标空间四面体模型；
缩放比例确定模块，用于根据所述图像空间四面体模型和所述目标空间四面体模型，确定所述图像空间数据集相对于所述目标空间数据集的缩放比例；
缩放模块，用于根据所述缩放比例，将所述图像空间数据集中的图像空间标记点进行缩放，得到缩放后的图像空间数据集；
对应关系确定模块，用于分别根据所述缩放后的图像空间数据集中的图像空间标记点信息及所述目标空间标记点信息计算所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的相关度，以确定所述缩放后的图像空间数据集中各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系；
刚性变换模块，用于根据各图像空间标记点之间的顺序、各目标空间标记点之间的顺序、所述缩放后的图像空间数据集中各图像空间标记点与所述目标空间数据集中各目标空间标记点之间的对应关系，对所述图像空间四面体模型及所述目标空间四面体模型进行刚性变换，确定所述图像空间标记点相对于图像空间坐标系的图像平移矩阵、图像旋转矩阵及所述目标空间标记点相对于目标空间坐标系的目标平移矩阵、目标旋转矩阵；
转换矩阵确定模块，用于根据所述对应关系、所述缩放比例、所述图像平移矩阵、所述图像旋转矩阵、所述目标平移矩阵及所述目标旋转矩阵确定转换矩阵，以根据所述转换矩阵将所述图像空间数据集中各个图像空间标记点与所述目标空间数据集中对应的各个目标空间标记点进行配准，得到配准后的图像空间数据集。
8.一种计算机设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-6任意一项所述的基于四面体结构的标记点配准方法的操作。
9.一种手术导航***，其特征在于，包括如权利要求7的基于四面体结构的标记点配准装置。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令在计算机设备/装置上运行时，使得计算机设备/装置执行如权利要求1-6任意一项所述的基于四面体结构的标记点配准方法的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010895449.4A CN114119684B (zh) | 2020-08-31 | 2020-08-31 | 基于四面体结构的标记点配准方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010895449.4A CN114119684B (zh) | 2020-08-31 | 2020-08-31 | 基于四面体结构的标记点配准方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114119684A CN114119684A (zh) | 2022-03-01 |
| CN114119684B true CN114119684B (zh) | 2023-02-28 |
Family
ID=80359769
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010895449.4A Active CN114119684B (zh) | 2020-08-31 | 2020-08-31 | 基于四面体结构的标记点配准方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114119684B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115005851A (zh) * | 2022-06-09 | 2022-09-06 | 上海市胸科医院 | 基于三角定位的结节定位方法、装置和电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013111229A1 (ja) * | 2012-01-23 | 2013-08-01 | 日本電気株式会社 | カメラ校正装置、カメラ校正方法およびカメラ校正用プログラム |
| WO2016095168A1 (zh) * | 2014-12-18 | 2016-06-23 | 复旦大学 | 基于平板电脑的手术导航用的体数据可视化方法 |
| EP3255609A1 (en) * | 2016-06-08 | 2017-12-13 | Tinavi Medical Technologies Co., Ltd. | A method of automatically identifying a sequence of marking points in 3d medical image |
| WO2018176958A1 (zh) * | 2017-03-28 | 2018-10-04 | 武汉斗鱼网络科技有限公司 | 一种随图像中关键点移动的自适应贴图方法和*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI678679B (zh) * | 2018-07-09 | 2019-12-01 | 財團法人資訊工業策進會 | 空間座標轉換伺服器以及方法 |
-
2020
- 2020-08-31 CN CN202010895449.4A patent/CN114119684B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013111229A1 (ja) * | 2012-01-23 | 2013-08-01 | 日本電気株式会社 | カメラ校正装置、カメラ校正方法およびカメラ校正用プログラム |
| WO2016095168A1 (zh) * | 2014-12-18 | 2016-06-23 | 复旦大学 | 基于平板电脑的手术导航用的体数据可视化方法 |
| EP3255609A1 (en) * | 2016-06-08 | 2017-12-13 | Tinavi Medical Technologies Co., Ltd. | A method of automatically identifying a sequence of marking points in 3d medical image |
| WO2018176958A1 (zh) * | 2017-03-28 | 2018-10-04 | 武汉斗鱼网络科技有限公司 | 一种随图像中关键点移动的自适应贴图方法和*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114119684A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110780285B (zh) | 激光雷达与组合惯导的位姿标定方法、***及介质 | |
| JP6918885B2 (ja) | 相対的位置姿勢の標定方法、相対的位置姿勢の標定装置、機器及び媒体 | |
| CN110927740A (zh) | 一种移动机器人定位方法 | |
| KR102068419B1 (ko) | 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체 | |
| US20190319851A1 (en) | Fast multi-scale point cloud registration with a hierarchical gaussian mixture | |
| US7830374B2 (en) | System and method for integrating dispersed point-clouds of multiple scans of an object | |
| TWI672207B (zh) | 機械設備之定位系統及其方法 | |
| CN108596980A (zh) | 圆形目标视觉定位精度评估方法、装置、存储介质和处理设备 | |
| CN111079565B (zh) | 视图二维姿态模板的构建方法及识别方法、定位抓取*** | |
| CN105014677A (zh) | 基于Camshift视觉跟踪和D-H建模算法的视觉机械臂控制装置及方法 | |
| CN108596979A (zh) | 一种用于激光雷达和深度相机的标定装置和方法 | |
| CN111400830B (zh) | 一种三维毛坯工件的加工校准方法及装置 | |
| WO2020006681A1 (zh) | 标记数据的获取方法及装置、训练方法及装置、医疗设备 | |
| WO2023134237A1 (zh) | 用于机器人的坐标系标定方法、装置、***以及介质 | |
| CN114119684B (zh) | 基于四面体结构的标记点配准方法 | |
| CN109360267A (zh) | 一种薄物体快速三维重建方法 | |
| CN115511935A (zh) | 基于迭代离散化与线性插值的正态分布变换点云配准方法 | |
| CN114926542A (zh) | 基于光学定位***的混合现实固定参考系校准方法 | |
| Adjigble et al. | 3d spectral domain registration-based visual servoing | |
| Kim et al. | Simultaneous registration of multiple views with markers | |
| CN117788529B (zh) | 三维平面点云粗配准方法、***、介质及设备 | |
| CN105976314B (zh) | 顾及相同中央投影经线的不同参考椭球投影平面坐标***转换方法 | |
| Clark et al. | Development of Real-Time Smart City Mapping Utilizing Game Engines | |
| CN113349931B (zh) | 一种高精度手术导航***的病灶配准方法 | |
| JPH09138870A (ja) | 画像処理装置及び方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231211 Address after: No.19, Jiefang East Road, Hangzhou, Zhejiang Province, 310000 Patentee after: CHINA MOBILE GROUP ZHEJIANG Co.,Ltd. Patentee after: China Mobile (Zhejiang) Innovation Research Institute Co.,Ltd. Patentee after: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. Address before: No. 19, Jiefang East Road, Hangzhou, Zhejiang Province, 310016 Patentee before: CHINA MOBILE GROUP ZHEJIANG Co.,Ltd. Patentee before: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. |
|
| TR01 | Transfer of patent right |