[发明专利]一种基于机器视觉的背部穴道的定位方法

说明书

本发明公开了一种基于机器视觉的背部穴道的定位方法，首先获取包含人体的轮廓、姿态等信息的二维RGB图像数据，以及包含人体背部的深度信息的三维点云数据；通过二维RGB图像数据提取得到肩部特征点；通过三维点云数据提取得到臀部特征点；将提取得到的二维肩部特征点和臀部特征点进行融合；进行模型训练，将融合后所有特征点的坐标输入GBDT算法进行回归训练，得到基准穴道坐标的回归模型；通过回归模型得到标准基准穴道坐标，基于标准基准穴道坐标建立了其他背部穴道坐标的计算公式，计算得到其他背部穴道坐标；模型训练完成之后不再需要人工手动标定，为后续的各式推拿操作提供了参考。

技术领域

本发明涉及背部穴道定位技术领域，具体为一种基于机器视觉的背部穴道的定位方法。

背景技术

背部穴道的定位是中医推拿机器人研究的难点之一。传统的中医推拿中背部穴道定位通常依赖于医生的经验以及中医“同身寸”理论，即根据人体骨节的一些表面特征来判别穴道的具体位置。但这些传统的定位方法需要现场摸骨确定坐标，依赖于医师经验和临场决策的影响。而当前具备完备中医理论知识的中医推拿师数量较少，单纯依靠人力无法满足中医推拿市场的需求。

在过去的十年内，有许多学者进行了穴道定位的相关研究。这些研究大体上可以分为两种：标记识别法和坐标回归法。标识识别法是通过识别人体背部的标记物来确定穴道的坐标，根据标记物的类型，又可以分为物理标记法和光学标记法。自2012年起，山东建筑大学的鲁守银等人研究了一种基于龙门结构的中医推拿机器人，该机器人实现了精准的推拿模式转换，但每次使用前都需要人工标记才能确定穴道的坐标。福州大学的林雪华等人在2014 年应用光学定位方法定位穴道坐标，其光学标记只能起辅助判断的作用，最终的穴道位置确定仍然依赖于人工判断。这些方法普遍容易受到干扰，受环境和操作者自身经验判断的影响很大。而坐标回归法在推拿操作的过程中是不需要进行人工标记的。刘召彤等人应用人的身高、体重和已知的穴道坐标作为训练参数，得到预测目标穴道坐标的定位模型，可以得到较为准确的穴道定位结果，但预测结果时仍需要已知穴位坐标作为输入。现有研究人员开发了一种基于PSO-BP神经网络的人体穴道定位系统，通过人工标注方法预先得到基准穴道坐标，再进行训练得到目标穴道的坐标。在此基础上，又有研究人员采用深度学习算法预测穴道坐标，提高了穴道坐标的预测精度和准确性。然而，深度学习模型的训练需要大量的数据，穴道数据的采集依赖于人工标定，难度较大，大数据集的准备非常困难，难以满足智能推拿机器人的自动化需求。因此我们对此做出改进，提出一种基于机器视觉的背部穴道的定位方法。

发明内容

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明一种基于机器视觉的背部穴道的定位方法，包括以下步骤，

步骤1、获取包含人体的轮廓、姿态等信息的二维RGB图像数据，以及包含人体背部的深度信息的三维点云数据；

步骤2、通过二维RGB图像数据提取得到肩部特征点；通过三维点云数据提取得到臀部特征点；

步骤3、将提取得到的二维肩部特征点和臀部特征点进行融合；

步骤4、进行模型训练，将融合后所有特征点的坐标输入GBDT算法进行回归训练，得到基准穴道坐标的回归模型；

步骤5、通过回归模型得到标准基准穴道坐标，基于标准基准穴道坐标建立了其他背部穴道坐标的计算公式，计算得到其他背部穴道坐标。

作为本发明的一种优选技术方案，所述的步骤2中通过二维RGB图像数据提取得到肩部特征点所采用的方法是，通过OpenPose人体姿态检测算法来进行特征提取，人体骨架中的左肩节点、颈背节点以及右肩节点三个关键点作为二维特征点。