[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

说明书

本发明涉及基于超声图像Kalman滤波的静脉穿刺机器人控制方法，包括获取穿刺部位的二维切面图像；通过U‑Net神经网络得到针头观测位置通过U‑Net神经网络得到静脉血管观测位置；获取上一控制周期中的针头预测状态以及血管预测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；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由此判断针头是否达到目标位置。与现有技术相比，本发明将超声图像作为实时反馈输入，使得整个扎针过程成为了一个反馈控制过程，保证了整个流程的稳定性与安全性，排除了环境变化带来的开环不稳定问题。

技术领域

本发明涉及静脉穿刺机器人领域，尤其是涉及一种基于超声图像Kalman滤波的静脉穿刺机器人控制方法。

背景技术

静脉穿刺机器人通过B型超声成像设备使用阵列探头产生灰度像素，显示一个断面的图像，称为二维切面图像。该二维切面图像显示的即为人体组织的纵向截面信息，利用该二维切面图像可以获得人体组织内静脉血管的位置、宽度等信息，也可以获得针头的位置信息，帮助静脉穿刺机器人自动地完成穿刺采血，减少采血过程中导致的医患交叉感染。

现有的静脉穿刺机器人超声图像控制策略都只是将超声图像作为前馈输入，如公开号为CN103750866的中国发明专利公开了一种超声多普勒效应脉管定位穿刺装置该装置，用于对病灶部位的血管进行注射。该装置只将初始时刻识别的超声图像位置进行编码，通过编码器反馈对穿刺进行控制，不在穿刺过程中对血管内部进行图像识别与控制，对穿刺过程的实时调整，稳定性，安全性难以保证。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于超声图像Kalman滤波的静脉穿刺机器人控制方法。

本发明的目的可以通过以下技术方案来实现：

一种基于超声图像Kalman滤波的静脉穿刺机器人控制方法，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。

进一步地，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：