本发明涉及耳科机器人，具体涉及一种耳科手术机器人基于点云配准的耳廓定位方法，用于对耳廓进行定位，进而保证耳科手术机器人的顺利操作。
背景技术：
1、近几十年来,手术机器人取得了长足的发展并广泛地应用于临床多个科室。手术机器人拥有稳定性好、精度高、智能化等特点,可避免手术过程中术者的手部震颤,减少术后并发症,缩短手术时间等,因此成为医工结合领域研究的热点,其巨大的经济效益和良好的性能越来越受到人们的关注。虽然目前很少有耳科手术机器人被批准用于临床,但仍然取得了很多突破。
2、例如：公告号为：cn116098762a，名称为一种用于耳科手术机器人的内耳注射-采样执行器，其是安装于经耳道的内耳-采样手术机器人末端的一种执行器，经过外耳道从鼓膜上预先开好的3mm孔进入中耳(术后可自愈)并绕过内耳结构运动至圆窗将药物递送至手术靶点位置并完成内耳组织液活检工作。
3、这种高精度的手术机器人在实际手术过程中，往往需要配合高精度的耳廓定位方法来实现。现有技术中，耳科手术导航方案较少，例如：为数不多的关于耳廓定位方法，公告号为cn117576214a，专利名称为一种基于3dmm的耳穴定位方法和系统的发明专利，其耳穴定位方法包括数据标注、配准和系数优化等多个步骤。首先，获取真实人耳模型和标准人耳模型，并对标准人耳模型进行穴位标注，生成标签穴位；然后通过中心对齐和尺寸归一化，使用icp点云配准实现刚性形变的配准；随后引入3dmm模型进行非刚性形变的配准，通过计算真实人耳模型和标准人耳模型的chamfer距离，并采用梯度下降法对3dmm系数进行优化，从而实现3dmm的配准；最终，基于标注的穴位标签，采用最近邻原则进行穴位的映射传播，实现在个性化真实耳廓模型上的穴位定位。但该定位方法由于需要在术前对数据进行标注，而且icp算法耗时较长，还可能存在无法收敛或者局部最优无法迭代到目标点云的问题。即使其是针对耳廓定位的方法，但该耳廓定位精度和时间均很难满足设计要求。
技术实现思路
1、本发明的目的是为了解决现有耳科手术过程中较难迅速且精准实现耳廓定位的问题，进而提供一种耳科手术机器人基于点云配准的耳廓定位方法。
2、本发明的技术方案是：
3、一种耳科手术机器人基于点云配准的耳廓定位方法，包括以下步骤：
4、步骤一：配准准备工作：
5、术前对目标点进行规划，并通过ct扫描获取患者耳廓三维图像，在该耳廓三维图像中标记手术目标点；
6、术中，通过结构光相机获取患者术中耳廓部位三维点云，即目标点云；
7、步骤二：对点云数据进行预处理：
8、对术前获取的目标点所形成的源点云和术中获取的目标点云进行降噪、下采样并提取特征；
9、步骤三：使用改进的ransac算法进行目标点云和源点云的粗配准；
10、步骤四：使用lm改进的ndt算法进行目标点云和源点云的精配准；
11、步骤五：获取从源点云到目标点云的刚体变换矩阵，完成配准定位。
12、进一步地，步骤二中对点云数据进行预处理包括以下步骤：
13、步骤二一：去除环境其他因素干扰：
14、使用直通滤波方法，过滤掉在x、y和z三个维度方向上坐标值不在给定值域内的点，对结构光相机获取的目标点云进行初步去除干扰，去除目标点云中非耳廓部分的点云；
15、步骤二二：下采样：
16、使用快速均匀采样方法对目标点云和源点云同时进行下采样，每隔一定点数采样一个点，保留点云的形状信息；
17、步骤二三：使用统计滤波对目标点云进行进一步降噪；
18、步骤二四：对目标点云和源点云进行进一步下采样：
19、使用改进体素滤波的方法对目标点云和源点云进行进一步下采样，并对目标点云和源点云进行三维体素栅格划分，选取距离重心最近的点作为代表点；
20、步骤二五：使用fpfh算法提取目标点云和源点云的特征点。
21、更进一步地，步骤二二还包括对结构光相机扫描目标点云和ct扫描图像提取源点云信息，对源点云和目标点云同时进行下采样。
22、进一步地，步骤二三中对源点云进行进一步降噪的过程如下：
23、s231：结构光相机采集点云时会产生稀疏的离群点，离群点由噪声引起，其特征为在空间中分布稀疏，故：定义某处点云小于某个密度，则点云无效；
24、s232：计算每个点到其最近若干个点的平均距离，则点云中所有点的距离应构成高斯分布；给定均值与方差，则剔除范围之外的点。
25、进一步地，步骤二五中使用fpfh算法提取目标点云和源点云的特征点包括以下步骤：
26、s251：选取投影坐标系：
27、u＝ni
28、v＝(pj-pi)×u
29、ω＝u×v
30、其中，u、v和w表示在待求解点建立一个直角坐标系轴的三个向量；
31、s252：使用下面公式求取待求点和周围点的关系：
32、α＝v·nj
33、
34、θ＝arc tan(w·nj，u·nj)
35、其中，pi、pj为待求几何关系的一对点，ni、nj为两点估计法线，以pi为原点建立坐标系o-uvw，(α，φ，θ)为两点相互作用的特征信息，这一步的结果称为简化的特征直方图spfh；
36、s253：重新确定每个点的k个邻域点，用邻近的特征直方图加权来计算最终的直方图spfh(pk)：
37、
38、更进一步地，步骤三中使用改进的ransac算法进行目标点云和源点云的粗配准包括以下步骤：
39、步骤三一：通过不变特征描述子直方图spfh的最近邻匹配，找到源点云p中n≥3个随机采样点及其在目标点云q中对应点；
40、步骤三二：计算采样多边形的相异向量δ，如果相异向量δ小于设定阈值，则返回步骤三一；
41、步骤三三：使用n个采样点对应估计假设变换t；
42、步骤三四：将假设变换t应用于源点云p；
43、步骤三五：通过欧式距离阈值，在变换源点云p和目标点云q之间的最邻近搜索来寻找内点，如果内点小于算法预设的内点占据总点数的比例，则回到步骤三一：
44、
45、其中，t表示估计的坐标变换；(tp-q)2表示p点云的点p到q点云的对应点q的距离；
46、步骤三六：使用内点对应关系重新估计刚性变换矩阵
47、步骤三七：计算内点对应点之间的距离如果距离达到目前最小值，则为最终的刚性变换矩阵，否则算法将运行指定的迭代次数，得到粗配准最终结果。
48、进一步地，步骤三二中相异向量δ的计算方式如下：
49、s321：对物体和场景模型上n个采样点形成的虚拟多边形的边长之间的比率进行检查；s322：将fpfh特征对应的采样点表示为pi、qi，对象多边形的边长为：
50、dp，i＝||pi+1modn-pi||
51、用同样的方法计算场景多边形dq，i，再通过n个多边形边长之间的比率来计算相异向量δ：
52、
53、其中，上述公式中相加的每一项为表示在各个维度上的差与这些差最大值的比值。
54、进一步地，步骤四中使用lm改进的ndt算法进行目标点云和源点云的精配准包括以下步骤：
55、步骤四一：将点云空间划分成数个大小均匀的三维立方体，将点云放于对应的各个三维立方体当中；
56、步骤四二：将每个立方体中点云分布近似服从正态分布，计算每个立方体中的概率密度函数pdf参数，其中，pdf为ndt算法中求解的每个体素的正态分布概率密度函数，用于ndt配准中匹配的判据：
57、
58、其中，μ表示均值向量，ε为协方差矩阵，m为三维立方体点数，xk为立方体中一点；
59、步骤四三：将源点云每个点按照估计变换矩阵进行变换，使源点云和目标点云
60、处于同一坐标系下；
61、步骤四四：根据变换后的待配准点云中的点落于目标点云的立方体具体位置，计算表示整个待配准点云空间的概率分布函数：
62、
63、步骤四五：使用lm法计算所有点的最优值，目标函数为：
64、
65、本发明与现有技术相比具有以下效果：
66、1、本发明针对耳科手术机器人术中需要对耳廓定位的需求，提出基于点云的配准方案。本发明采用了直通滤波与统计滤波去除离群点，运用快速均匀采样和改进的体素滤波的方法对原始数据进行下采样；基于fast point feature histograms(fpfh)算法提取特征，使用改进的random sample consensus(ransac)算法实现点云的粗配准；基于levenberg-marquardt(lm)方法改进的normal distributions transform(ndt)算法完成点云的精配准。采用上述配准方法后，得到的目标点云与源点云数据精度更高。
67、2、本发明采用三维点云的降噪和下采样方法，减小了配准的计算量和干扰；使用fpfh特征提取的方法提取点云特征直方图，获取形状信息；先后使用改进的ransac算法和lm加速的ndt算法实现粗配准和精配准，最终获取源点云到目标点云的刚性变换矩阵。实现了能根据术前在源点云中规划的目标点通过变换矩阵，变换到术中获取的目标点云中，最终实现术前规划点在术中世界坐标系的位姿坐标。本发明使用基于特征的粗配准，保证配准任务的完成，lm改进的ndt算法同样提高了鲁棒性；术前通过ct扫描获取了特定患者的人耳模型，无需标准人耳模型再进行缩放之类操作，不但简化了配准过程，而且还提高了配准精度。
1.一种耳科手术机器人基于点云配准的耳廓定位方法，其特征在于：它包括以下步骤：
2.根据权利要求1所述的一种耳科手术机器人基于点云配准的耳廓定位方法，其特征在于：步骤二中对点云数据进行预处理包括以下步骤：
3.根据权利要求2所述的一种耳科手术机器人基于点云配准的耳廓定位方法，其特征在于：步骤二二还包括对结构光相机扫描目标点云和ct扫描图像提取源点云信息，对源点云和目标点云同时进行下采样。
4.根据权利要求3所述的一种耳科手术机器人基于点云配准的耳廓定位方法，其特征在于：步骤二三中对源点云进行进一步降噪的过程如下：
5.根据权利要求4所述的一种耳科手术机器人基于点云配准的耳廓定位方法，其特征在于：步骤二五中使用fpfh算法提取目标点云和源点云的特征点包括以下步骤：
6.根据权利要求1或5所述的一种耳科手术机器人基于点云配准的耳廓定位方法，其特征在于：步骤三中使用改进的ransac算法进行目标点云和源点云的粗配准包括以下步骤：
7.根据权利要求6所述的一种耳科手术机器人基于点云配准的耳廓定位方法，其特征在于：步骤三二中相异向量δ的计算方式如下：
8.根据权利要求1或7所述的一种耳科手术机器人基于点云配准的耳廓定位方法，其特征在于：步骤四中使用lm改进的ndt算法进行目标点云和源点云的精配准包括以下步骤：
