机器人无碰撞路径生成方法、生成装置和电子设备

技术领域

本申请涉及医用设备技术领域，尤其是机器人无碰撞路径生成方法、生成装置和电子设备。

背景技术

国家癌症中心公布的数据显示女性乳腺癌新发病率位居女性恶性肿瘤发病第1位，对女性身体健康造成极大危害，当前乳腺癌的早期诊断采用B超影像引导下的微创穿刺活检，基本由医生手工操作，穿刺精度主要依赖医生经验，且医生生理疲劳会造成手术安全隐患。乳腺穿刺活检手术机器人是解决上述问题的有力手段，机器人在医学影像的引导下将活检针置入病人体内病灶区域，用于乳腺病灶组织提取和病理诊断。与传统医生操作活检手术相比，机器人通过机械臂能够提供更高的刚度及精确度，穿刺精度和效率得到有效提高。

在穿刺机器人的手术操作流程中，医生通过术前规划给出病人乳腺的进针点位置，进针点位置即为机器人的目标位置，然后规划出一条从初始位置到目标位置的运动轨迹。在实际的穿刺手术应用场景中，机器人运动空间存在各类医疗设备或器械，造成机器人与障碍物发生运动干涉碰撞。然而现有的机器人运动轨迹是在运动路径上不存在任何障碍物的情况下规划生成的，当机器人的运动轨迹上存在障碍物时，现有的路径生成方法难以规划出机器人从初始位置到目标位置的无碰撞运动轨迹，限制了机器人在穿刺活检手术中的应用。

发明内容

本申请的目的在于克服现有的路径生成方法难以规划出机器人从当前位置到目标位置的无碰撞运动轨迹，限制了机器人在穿刺活检手术中的应用的缺陷。

为此，本申请提供了一种机器人无碰撞路径生成方法，包括如下步骤：

步骤1：获取机器人的当前位置坐标、目标位置坐标和碰撞力阈值；

步骤2：根据所述当前位置坐标和目标位置坐标获取最大收益的下一步位置坐标；

步骤3：运动到最大收益的下一步位置坐标并实时获取机器人的碰撞力值；

步骤4：判断所述步骤3获取的碰撞力值是否达到碰撞力阈值，若是，则退回原位置坐标然后执行步骤5；否则，执行步骤8；

步骤5：获取对称的两个修正位置坐标，对称的两个所述修正位置坐标为沿当前位置坐标和最大收益的下一步位置坐标的矢量偏转

步骤6：运动到任一个修正位置坐标，然后退回原位置坐标后再运动到另一个修正位置坐标，并实时获取机器人的碰撞力值；

步骤7：判断步骤6获取的两个修正位置坐标方向上的碰撞力值是否均达到碰撞力阈值，若是，则退回原位置然后执行步骤5；否则，直接执行步骤8，或者运动至一个碰撞力值未达到碰撞力阈值的修正位置坐标然后执行步骤8；

步骤8：判断机器人是否达到目标位置坐标，若是，则进行穿刺；否则，执行步骤1。

进一步地，所述根据所述当前位置坐标和目标位置坐标获取最大收益的下一步位置坐标包括：

根据所述当前位置坐标和目标位置坐标获取下一步最大收益值；

根据所述下一步最大收益值获取与下一步最大收益值对应的运动梯度；

根据所述运动梯度获取最大收益的下一步位置坐标。

进一步地，所述下一步最大收益值通过公式1获得，所述公式1为：

其中，x

j＝0，1，2，3……n-1，n，n为自然数。

进一步地，所述运动梯度通过公式2获得，所述公式2为：

其中，k为运动方向，

进一步地，所述根据运动梯度获取最大收益的下一步位置坐标包括：

获取初始学习率、当前位置坐标的一阶动量累计和和二阶动量累计和；

根据当前位置坐标的一阶动量累计和和二阶动量累计和获取最大收益的下一步运动方向的一阶动量累计和及二阶动量累计和；

根据初始学习率、最大收益的下一步运动方向的一阶动量累计和及二阶动量累计和获取最大收益的下一步位置坐标。

进一步地，最大收益的下一步运动方向的一阶动量累计和通过公式3获得，所述公式3为：

其中，

最大收益的下一步运动方向的二阶动量累计和通过公式4获得，所述公式4为：

其中，

进一步地，所述最大收益的下一步位置坐标通过公式5获得，所述公式5为：

其中，α为初始学习率；δ大于0。

进一步地，所述机器人的碰撞力值通过力传感器检测获得。

本申请还提供一种用于乳腺穿刺的机器人的路径生成装置，包括：

数据获取模块，其用于获取机器人的当前位置坐标、目标位置坐标、碰撞力阈值和运动过程中的碰撞力值；

数据运算模块，其用于计算收益最大的下一步位置坐标，以及用于计算修正位置坐标；

驱动模块，其用于驱动所述机器人运动至最大收益的下一步位置坐标、修正位置坐标，以及用于驱动所述机器人退回原位置坐标；

判断模块，其用于判断获取的碰撞力值是否达到碰撞力阈值；

路径生成模块，其用于当机器人从初始位置运动到目标位置时，生成从初始位置到目标位置的路径。

本申请还提供一种电子设备，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行前述的机器人无碰撞路径生成方法。

本申请技术方案，至少包括如下优点：

1.本申请提供的机器人无碰撞路径生成方法，能够在运动轨迹存在障碍物时，训练规划出一条从初始位置到目标位置的无碰撞运动轨迹，开拓了机器人在穿刺活检手术中的应用，保证了穿刺手术实施的安全性；

2.本申请提供的机器人无碰撞路径生成方法，基于最大收益的运动梯度规划出机器人无碰撞运动轨迹，给出的机器人步长生成公式具有自适应调节因子，能够根据是否存在碰撞约束自动调节运动步长，有效提高了机器人的运动效率和运动精度，使机器人能够规划出从初始位置到目标位置的较短的无碰撞路径。

附图说明

图1为本申请实施例1中乳腺穿刺机器人的工作示例示意图；

图2为本申请实施例1中机器人无碰撞路径生成方法的流程示意图；

图3为本申请实施例1中获取对称的两个修正位置坐标时搜索的方向圆的示意图；

图4为本申请实施例2中机器人无碰撞路径生成装置；

图5为本发明实施例3中电子设备的结构示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施例的限制。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

实施例1

本实施例提供一种机器人无碰撞路径生成方法，该方法应用于乳腺穿刺机器人，图1为本申请实施例1中乳腺穿刺机器人的工作示例示意图，如图1所示，乳腺穿刺机器人包括机械臂101、磁传感器102和力传感器103。机械臂101位于机器人的末端，机械臂101握持有穿刺针104，磁传感器102安装于机械臂101，力传感器103安装于机械臂101。具体的，力传感器103为六维力传感器，当机器人发生碰撞时，六维力传感器能够实时检测碰撞力值。在机器人附近安装有磁定位系统，磁定位系统能够通过磁传感器102实时获取机器人的位置坐标。医生通过安装有磁传感器102的探针在病人乳房上选取入针点，入针点的位置即为目标位置，机器人的机械臂101的当前位置即为初始位置，机器人按照机器人无碰撞路径生成方法生成一条从初始位置到达目标位置的路径。

图2为本申请实施例1中机器人无碰撞路径生成方法的流程示意图，如图2所示，路径生成方法包括如下步骤：

步骤1：获取机器人的当前位置坐标、目标位置坐标和碰撞力阈值；

步骤2：根据所述当前位置坐标和目标位置坐标获取最大收益的下一步位置坐标；

具体的，所述根据所述当前位置坐标和目标位置坐标获取最大收益的下一步位置坐标包括：

步骤11：根据所述当前位置坐标和目标位置坐标获取下一步最大收益值；具体的，以机器人运动距离越短，收益值越高作为收益值设定的依据计算下一步最大收益值；

所述下一步最大收益值通过公式1获得，所述公式1为：

其中，x

步骤12：根据所述下一步最大收益值获取与下一步最大收益值对应的运动梯度；

所述运动梯度通过公式2获得，所述公式2为：

其中，k为运动方向，

步骤13：根据所述运动梯度获取最大收益的下一步位置坐标；

具体的，所述根据运动梯度获取最大收益的下一步位置坐标包括：

步骤131：获取初始学习率、当前位置坐标的一阶动量累计和和二阶动量累计和；

具体的，初始学习率的值为经验值；

在一些实施例中，初始学习率的值在0-1之间。

步骤132：根据当前位置坐标的一阶动量累计和和二阶动量累计和获取最大收益的下一步运动方向的一阶动量累计和及二阶动量累计和；

最大收益的下一步运动方向的一阶动量累计和通过公式3获得，所述公式3为：

其中，

最大收益的下一步运动方向的二阶动量累计和通过公式4获得，所述公式4为：

其中，

具体的，若最大收益的下一步运动方向的动量累计和前期最大收益的运动方向的动量累计和符号一致，则机器人能够继续按照较大步长快速前进，从而能够提高机器人的运动效率。

进一步地，在本实施例中，当j为0时，m

步骤133：根据初始学习率、最大收益的下一步运动方向的一阶动量累计和及二阶动量累计和获取最大收益的下一步位置坐标；

所述最大收益的下一步位置坐标通过公式5获得，所述公式5为：

其中，α为初始学习率；δ大于0；

具体的，δ的作用在于使

进一步地，在一些实施例中，δ＝1×10

步骤3：运动到最大收益的下一步位置坐标并实时获取机器人的碰撞力值；

步骤4：判断所述步骤3获取的碰撞力值是否达到碰撞力阈值，若是，则退回原位置坐标然后执行步骤5；否则，执行步骤8；

步骤5：获取对称的两个修正位置坐标，对称的两个所述修正位置坐标为沿当前位置坐标和最大收益的下一步位置坐标的矢量偏转

步骤6：运动到任一个修正位置坐标，然后退回原位置坐标后再运动到另一个修正位置坐标，并实时获取机器人的碰撞力值；

步骤7：判断步骤6获取的两个修正位置坐标方向上的碰撞力值是否均达到碰撞力阈值，若是，则退回原位置然后执行步骤5；否则，直接执行步骤8，或者运动至一个碰撞力值未达到碰撞力阈值的修正位置坐标然后执行步骤8；

具体的，步骤5至步骤7的具体执行方式为：

以P

以P

具体的，机器人先沿矢量

进一步地，若矢量

步骤8：判断机器人是否达到目标位置坐标，若是，则进行穿刺；否则，执行步骤1。

实施例2

本实施例提供一种机器人无碰撞路径生成装置，图4为本申请实施例2中机器人无碰撞路径生成装置，如图4所示，机器人无碰撞路径生成装置包括数据获取模块200、数据运算模块201、驱动模块202、判断模块203和路径生成模块204。数据获取模块200用于获取机器人的当前位置坐标、目标位置坐标、碰撞力阈值和运动过程中的碰撞力值；数据运算模块201用于计算收益最大的下一步位置坐标，以及用于计算修正位置坐标；驱动模块202用于驱动所述机器人运动至最大收益的下一步位置坐标、修正位置坐标，以及用于驱动所述机器人退回原位置坐标；判断模块203用于判断碰撞力值是否达到碰撞力阈值；路径生成模块204用于当机器人从初始位置运动到目标位置时，生成从初始位置到目标位置的路径。

实施例3

本实施例提供一种电子设备，图5为本发明实施例3中电子设备的结构示意图，包括存储器300和处理器301，所述存储器300和所述处理器301之间互相通信连接，所述存储器300中存储有计算机指令，所述处理器301通过执行所述计算机指令，从而执行实施例1中的机器人无碰撞路径生成方法。

实施例4

本实施例提供一种存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述方法实施例1中的机器人无碰撞路径生成方法。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。