[发明专利]一种基于超声图像Kalman滤波的静脉穿刺机器人控制方法

权利要求书

1.一种基于超声图像Kalman滤波的静脉穿刺机器人控制方法，其特征在于，控制过程分割为多个连续的控制周期，每个控制周期包括以下步骤：

S1、使用B型超声成像设备获取穿刺部位的二维切面图像；

S2、通过U-Net神经网络分割出当前时刻二维切面图像中的针头位置，并与电机编码器结合得到针头观测位置同时根据U-Net神经网络参数和电机编码器的误差获取针头预期观测误差

S3、通过U-Net神经网络分割出当前时刻二维切面图像中的静脉血管观测位置同时根据U-Net神经网络参数获取血管预期观测误差

S4、获取上一控制周期中的针头预测状态以及血管预测状态对当前控制周期进行状态预测，得到当前控制周期的针头预测状态以及血管预测状态同时基于上一控制周期的针头预测误差和血管预测误差得到本控制周期的针头预测误差和血管预测误差

S5、通过Kalman滤波方法将上述参数进行高斯分布融合，得到当前时刻的针头最终预测状态和血管最终预测状态以及针头最终预测误差和血管最终预计误差其计算表达式为：

其中，为针头高斯融合系数，为血管高斯融合系数；

S6、通过当前时刻的针头最终预测状态和血管最终预测状态以及针头最终预测误差和血管最终预计误差判断针头是否达到目标位置，若是则结束当前控制；若否则通过二次型优化的预测控制方法获得下一周期的电机加速度输入，并得到电机输入转矩的控制信号对机器人电机进行控制，然后重新执行步骤S1。

2.根据权利要求1所述的一种基于超声图像Kalman滤波的静脉穿刺机器人控制方法，其特征在于，所述步骤S4中，上一控制周期中的血管预测状态和当前控制周期的血管预测状态的表达关系为：

上一控制周期的血管预测误差和当前控制周期的血管预测误差的表达关系为：

3.根据权利要求1所述的一种基于超声图像Kalman滤波的静脉穿刺机器人控制方法，其特征在于，所述步骤S4中，针头预测状态包含针头预测位置与预测速度，即可表示为：

上一控制周期中的针头预测状态和当前控制周期的针头预测状态的表达关系为：

其中，F为周期转移矩阵，B为输入矩阵，A^t-1为上一控制周期的输入加速度；

上一控制周期的针头预测误差和本控制周期的针头预测误差的表达关系为：

其中，F为周期转移矩阵，F^T为F的转置矩阵，F其大小为

4.根据权利要求1所述的一种基于超声图像Kalman滤波的静脉穿刺机器人控制方法，其特征在于，所述步骤S6中，判断针头是否达到目标位置的条件为：针头所在横坐标处的血管中心坐标与针头的位置差距小于3个像素点。