(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111661290.0 (22)申请日 2021.12.3 0 (71)申请人 杭州堃博生物科技有限公司 地址 310051 浙江省杭州市滨江区西兴街 道江陵路8 8号8幢8楼801室 (72)发明人 王俊　徐宏　卫俣安　孙晶晶　 杨志明　余坤璋　 (74)专利代理 机构 上海慧晗知识产权代理事务 所(普通合伙) 31343 代理人 徐海晟 (51)Int.Cl. G06T 7/73(2017.01) G06T 7/80(2017.01) G06V 10/764(2022.01) G06V 10/44(2022.01)G06K 9/62(2022.01) A61B 34/10(2016.01) (54)发明名称 辅助手术的数据处理方法、 装置、 设备、 介质 与系统 (57)摘要 本发明提供了一种辅助手术的数据处理方 法、 装置、 设备、 介质与系统， 其中， 辅助手术的数 据处理方法， 包括： 获取目标人体的当前人体轮 廓模型； 通过比对所述当前人体轮廓模型与参考 人体轮廓模 型， 确定所述目标人体的当前位姿信 息是否匹配于参考位姿信息， 所述参考位姿信息 为所述目标人体匹配于所述参考人体轮廓模型 时的位姿信息 。 权利要求书3页 说明书15页 附图8页 CN 114266831 A 2022.04.01 CN 114266831 A 1.一种辅助手术的数据处 理方法， 其特 征在于， 包括： 获取目标 人体对应的当前 人体轮廓模型； 通过比对所述当前人体轮廓模型与参考人体轮廓模型， 确定所述目标人体的当前位姿 信息是否匹配于参考位姿信息， 所述参考位姿信息为所述目标人体匹配于所述参考人体轮 廓模型时的位姿信息 。 2.根据权利要求1所述的数据处理方法， 其特征在于， 所述当前人体轮廓模型、 所述参 考人体轮廓模型是由深度相机检测床板上的所述目标人体而得到的； 所述当前人体轮廓模 型是当前检测到的， 所述参考人体轮廓模型是所述 目标人体做术前检查时检测到的， 且检 测所述当前人体轮廓模型时深度相机与床板的相对位姿匹配于检测所述参考人体轮廓模 型时深度相机与床板的相对位姿。 3.根据权利要求1所述的数据处 理方法， 其特 征在于， 还 包括： 若所述当前位姿信 息匹配于参考位姿信 息， 则： 产生手术执行指示， 所述手术执行指示 被用于对外指示出： 允许对所述目标 人体执行手术。 4.根据权利要求1所述的数据处 理方法， 其特 征在于， 通过比对所述当前人体轮廓模型与 所述参考人体轮廓模型， 确定所述当前位姿信 息是 否匹配参 考位姿信息， 包括： 确定所述当前人体轮廓模型与所述参考人体轮廓模型间的目标位姿变换信 息； 所述目 标位姿变换信息表征了： 将所述当前人体轮廓模型与所述参考人体轮廓模 型变换为位姿相 同或相近的变换 方式； 基于所述目标位姿变换信息， 确定所述当前位姿信息是否匹配所述 参考位姿信息 。 5.根据权利要求 4所述的数据处 理方法， 其特 征在于， 确定所述当前 人体轮廓模型与所述 参考人体轮廓模型间的目标位姿变换信息， 包括： 将所述当前人体轮廓模型与 所述参考人体轮廓模型中任意之一作为第 一模型， 并将所 述当前面模型与所述 参考人体轮廓模型中的另一模型作为第二模型； 提取所述第一模型中的多个特 征点， 得到所述多个特 征点形成的第一稀疏模型； 多次确定所述第一稀疏模型的不同的第一 位姿变换矩阵； 在每次确定所述第 一位姿变换矩阵后， 均基于所述第 一位姿变换矩阵对所述第 一稀疏 模型进行位姿变换， 得到位姿变换后的第二稀疏模型， 并计算第二稀疏模型相对于所述第 二模型的第一 位姿偏差； 确定所述第一 位姿偏差最小的第一 位姿变换矩阵作为初步 位姿变换矩阵； 基于所述初步 位姿变换矩阵， 确定所述目标位姿变换信息 。 6.根据权利要求5所述的数据处理方法， 其特征在于， 所述第 一模型包括多个第 一位置 点； 提取所述第一模型中的多个特 征点， 包括； 计算所述第一模型在每 个第一位置点处的曲率信息； 基于所述曲率信息， 对所述第一位置点进行筛选， 得到筛选出来的第一位置点作为所 述特征点。 7.根据权利要求6所述的数据处理方法， 其特征在于， 提取到的特征点包括第一特征 点；权　利　要　求　书 1/3 页 2 CN 114266831 A 2基于所述曲率信息， 对所述第一位置点进行筛选， 得到筛选出来的第一位置点作为所 述特征点， 包括： 在所有第一位置点中筛选出曲率信息满足预设的第一筛选条件的第一位置点作为所 述第一特征点， 或者： 将所述第一模型划分为多个区域范围， 并在每个区域范围中筛选出曲 率信息满足预设的第二筛 选条件的第一 位置点作为所述第一特 征点； 所述第一筛 选条件包括： 在以曲率信 息自大至小的顺序对所有第 一位置点进行排序后， 筛选出排序靠前的若干 第一位置点； 和/或： 在所有第一位置点中， 筛选出曲率信息大于预设的第一曲率阈值的第 一位置点； 所述第二筛 选条件包括： 在以曲率信 息自大至小的顺序对任一 区域范围内第 一位置点进行排序后， 筛选出排序 靠前的若干第一位置点； 和/或： 在任一区域范围内的第一位置点中， 筛选出曲率信息大于 预设的第二曲率阈值的第一 位置点。 8.根据权利要求7 所述的数据处 理方法， 其特 征在于， 所述第一稀疏模型中的每个特征点经所述第一位姿变换矩阵变换后均能形成所述第 二稀疏模型中的一个 变换后特 征点； 所述第二模型包括多个第二 位置点； 计算所述第二稀疏模型相对于所述第二模型的第一 位姿偏差， 包括： 针对每个第 一特征点的变换后特征点， 利用KNN邻 近算法搜寻两个第二位置点， 并计算 该第一特 征点的变换后特 征点相对于 搜寻到的两个第二 位置点所 形成直线的第一距离， 对所有第一特征点对应的第一距离进行求和， 并基于对应的求和结果， 确定所述第一 位姿偏差 。 9.根据权利要求6所述的数据处理方法， 其特征在于， 提取到的特征点包括第二特征 点； 基于所述曲率信息， 对所述第一位置点进行筛选， 得到筛选出来的第一位置点作为所 述特征点， 包括： 在所有第一位置点中， 筛选出曲率信 息满足预设的第 三筛选条件的第 一位置点作为所 述第二特征点， 或者： 将所述第一模型划分为多个区域范围， 并在每个区域范围中筛选出曲 率信息满足预设的第四筛 选条件的第一 位置点作为所述第二特 征点； 所述第三筛 选条件包括： 在以曲率信 息自大至小的顺序对所有第 一位置点进行排序后， 筛选出排序靠后的若干 第一位置点； 和/或： 在所有第一位置点中， 筛选出曲率信息小于预设的第三曲率阈值的第 一位置点； 所述第四筛 选条件包括： 在以曲率信 息自大至小的顺序对任一 区域范围内第 一位置点进行排序后， 筛选出排序 靠后的若干第一位置点； 和/或： 在任一区域范围内的第一位置点中， 筛选出曲率信息小于 预设的第四曲率阈值的第一 位置点。 10.根据权利要求9所述的数据处 理方法， 其特 征在于， 所述第一稀疏模型中的每个特征点经所述第一位姿变换矩阵变换后均能形成所述第 二稀疏模型中的一个 变换后特 征点； 所述第二模型包括多个第二 位置点；权　利　要　求　书 2/3 页 3 CN 114266831 A 3