本发明涉及机器人，具体涉及一种手术机器人误差分析与补偿方法。
背景技术：
1、精准、微创治疗是21世纪骨科手术发展的主旋律，已成为骨科临床治疗的发展趋势。医疗机器人由于其精确性、微创性特征，不仅可以提高手术精度、降低手术伤害，还可以有效减轻医生的劳动强度，然而由于手术机器人系统的结构复杂性以及误差的耦合传递问题，传统的手术机器人定位方法仍存在一定误差。
2、目前对于机器人定位误差的补偿方法，一方面主要针对于工业机器人，未考虑到手术机器人系统中用于规划的ct重建系统和用于跟踪的光学定位系统等组件，不能完全适用于手术机器人的应用场景；另一方面，主要基于激光跟踪仪与三维坐标测量仪等设备的标定技术仅对机器人的几何误差进行修正，没有考虑到其他非几何误差的因素。
技术实现思路
1、为了解决现有技术中存在的问题，本发明提供了一种手术机器人误差分析与补偿方法，该方案包括：根据手术机器人硬件系统建立手术机器人误差模型，根据手术机器人误差模型建立手术机器人误差传递模型，根据误差传递模型实现对机器人几何参数的标定与非几何误差的补偿；针对几何误差，采用运动学标定方法，通过测量实际目标位姿与预期目标位姿之间的误差，计算运动学参数之间的误差，经过多次迭代得到标定后的运动学参数值，针对非几何误差，通过反向传播算法训练神经网络，输入期望目标位姿，输出位置误差与姿态误差，从而修正实际目标位姿；根据本发明提供的技术方案，可以为手术机器人定位误差分析与补偿提供参考。
2、本发明采用如下技术方案，一种手术机器人误差分析与补偿方法，包括：
3、根据手术机器人的硬件系统建立手术机器人各个硬件系统之间的误差模型；所述硬件系统包括ct、光学追踪系统、机械臂硬件系统；
4、根据手术机器人各个硬件系统之间的误差模型建立手术机器人的误差传递模型；
5、根据误差传递模型对机器人的几何参数进行标定以及对机器人的非几何误差进行补偿。
6、进一步的，所述ct重建系统具体为：重建系统与光学追踪系统配准模型，该模型获取方式如下：
7、获取定位靶标在ct重建坐标系下的坐标集合p；
8、获取定位靶标在光学追踪系统坐标系下的坐标集合q；
9、利用迭代最近点算法进行最优化求解，获得ct重建系统与光学追踪系统之间的坐标转换矩阵：
10、
11、其中，坐标集合p与坐标集合q均为n行3列矩阵，每一行代表一个空间中定位靶标的坐标值；r为3行3列矩阵，代表ct重建系统与光学追踪系统之间坐标旋转变换关系；t为3行1列矩阵，代表ct重建系统与光学追踪系统之间坐标平移变换关系。
12、进一步的，所述光学追踪系统具体为：光学追踪系统内部成像模型，该模型获取方式为：
13、根据光学相机成像模型，得到相机成像坐标系与世界坐标系之间的转换关系为：
14、
15、其中u1,v1表示左侧相机成像坐标系下的坐标，u2,v2表示右侧相机成像坐标系下的坐标，xw,yw,zw表示世界坐标系下目标点的坐标，s1,s2是比例因子，k1,k2表示左右相机内参矩阵，r,t用于描述左右相机的相对位姿；
16、根据双目相机重建原理，得到相机成像坐标系与光学定位系统内部坐标系之间的转换关系：
17、
18、其中b代表两个相机的基线距离，d表示两个相机的双目视差，f代表相机焦距。
19、进一步的，所述机械臂硬件系统具体为：光学追踪系统与机械臂标定模型，该模型具体包括：
20、根据多组机械臂末端不同位姿，获取多组机械臂末端相对于机械臂基座的变换矩阵
21、根据多组机械臂末端不同位姿在相机坐标下的坐标，获得多组机械臂末端标定靶标相对于相机的变换矩阵
22、根据tsai机械臂手眼标定方法求解矩阵方程：
23、
24、其中，表示在姿态2下机械臂末端相对于机械臂基座的变换矩阵的逆矩阵，表示在姿态1下机械臂末端相对于机械臂基座的变换矩阵；表示待求解的相机关于机械臂基座的变换矩阵；表示在姿态2下机械臂末端相对于相机的变换矩阵，表示在姿态1下机械臂末端相对于相机的变换矩阵的逆矩阵；
25、获得光学追踪系统与机械臂之间的标定矩阵
26、进一步的，所述机械臂硬件系统还包括：机械臂运动学模型，该模型的获取方式为：
27、根据改进dh参数建模方法建立机械臂运动学模型，获得机械臂末端位姿与关节角之间的关系：
28、
29、
30、其中α,d,θ,a为机械臂的改进dh参数，表示从基座坐标系到末端坐标系的转换关系。
31、进一步的，建立手术机器人各个硬件系统之间的误差模型，包括：
32、所述误差模型包括：ct重建系统与光学追踪系统配准误差、光学追踪系统内部成像误差、光学追踪系统与机械臂系统标定误差以及机械臂系统内部几何参数误差；
33、其中，所述误差模型中机械臂系统内部几何参数误差为几何误差；
34、所述ct重建系统与光学追踪系统配准误差、光学追踪系统内部成像误差以及光学追踪系统与机械臂系统标定误差为非几何误差；
35、所述ct重建系统与光学追踪系统配准误差表示为：
36、
37、其中pi表示ct重建坐标系中第i个标记点坐标，qi表示光学跟踪系统坐标系中第i个标记点坐标，r,t表示利用最近点迭代法计算得到的转换矩阵；
38、所述光学追踪系统内部成像误差表示为：
39、
40、其中b和d分别代表两个相机的基线距离和双目视差，f代表相机焦距；
41、所述光学追踪系统与机械臂系统标定误差表示为：
42、
43、其中矩阵表示光学追踪系统与机械臂之间的标定矩阵，xorigin和xtarget分别表示末端标定靶标期望坐标和实际坐标；
44、所述机械臂系统内部几何参数误差表示为：
45、
46、其中代表由于改进dh参数误差导致的位置误差，代表由于改进dh参数误差导致的姿态误差。
47、进一步的，建立手术机器人的误差传递模型，包括：
48、根据误差模型，得到手术机器人期望目标点到实际目标点的转换关系：
49、
50、根据期望目标点到实际目标点的转换关系，得到总误差的表达式：
51、
52、其中x为期望目标点，为ct重建系统与光学追踪系统之间的坐标转换矩阵，为光学跟踪系统与机械臂之间的坐标转换矩阵，函数ik(),fk()分别为机械臂的逆运动学和正运动学，x'为实际目标点，e()表示非几何误差，s*表示预期目标点。
53、进一步的，根据误差传递模型对机器人的几何参数进行标定，包括：
54、选取m组关节角度，根据机械臂运动学，得到期望目标位姿；
55、根据m组关节角度利用测量设备测量得到机械臂实际到达目标位姿；
56、通过期望目标位姿与实际到达目标位姿的误差，根据机械臂系统内部误差模型，得到改进dh参数误差；
57、根据dh参数误差，修正机械臂改进dh参数值；
58、将修正后的改进dh参数值作为机械臂运动学与逆运动学计算的参数，重复迭代，直到误差收敛到设定范围内，得到运动学参数标定值。
59、进一步的，对机器人的非几何误差进行补偿，包括：
60、通过训练神经网络对机器人的非几何误差进行补偿；
61、所述神经网络包括一层输入层、一层隐藏层和一层输出层；
62、输入层包含6个神经元，输入为期望目标位姿x,y,z,α,β,γ；
63、隐藏层包含n个神经元，与输入层全连接；
64、输出层包含6个神经元，分别表示位置误差与姿态误差，δx,δy,δz,δα,δβ,δγ与隐藏层全连接；
65、每个神经元输出计算方法为
66、
67、其中表示第k层的神经元j的输出，函数fa表示noisy relu激活函数，定义为
68、fa(x)＝max(0,x+y),y～n(0,σ(x))
69、表示第k层的神经元j与第k-1层的神经元i相连接的权重，表示第k-1层的神经元i的输出，表示第k层的神经元j的偏置值；
70、通过反向传播算法训练神经网络，利用训练好的神经网络得到机器人目标位置的非几何误差补偿值。
71、本发明的有益效果是：本发明根据手术机器人硬件系统建立手术机器人误差模型，根据手术机器人误差模型建立手术机器人误差传递模型，根据误差传递模型实现对机器人几何参数的标定与非几何误差的补偿，可以在综合考虑手术机器人硬件系统中几何与非几何误差的条件下，采用不同方法补偿两类误差，有效提升了手术机器人系统定位的精准性。
1.一种手术机器人误差分析与补偿方法，其特征在于，包括：
2.根据权利要求1所述的一种手术机器人误差分析与补偿方法，其特征在于：所述ct重建系统具体为：重建系统与光学追踪系统配准模型，该模型获取方式如下：
3.根据权利要求1所述的一种手术机器人误差分析与补偿方法，其特征在于：所述光学追踪系统具体为：光学追踪系统内部成像模型，该模型获取方式为：
4.根据权利要求1所述的一种手术机器人误差分析与补偿方法，其特征在于：所述机械臂硬件系统具体为：光学追踪系统与机械臂标定模型，该模型具体包括：
5.根据权利要求1所述的一种手术机器人误差分析与补偿方法，其特征在于：所述机械臂硬件系统还包括：机械臂运动学模型，该模型的获取方式为：
6.根据权利要求1所述的一种手术机器人误差分析与补偿方法，其特征在于：建立手术机器人各个硬件系统之间的误差模型，包括：
7.根据权利要求1所述的一种手术机器人误差分析与补偿方法，其特征在于：建立手术机器人的误差传递模型，包括：
8.根据权利要求1所述的一种手术机器人误差分析与补偿方法，其特征在于：根据误差传递模型对机器人的几何参数进行标定，包括：
9.根据权利要求1所述的一种手术机器人误差分析与补偿方法，其特征在于：对机器人的非几何误差进行补偿，包括：
