[發明專利]基于結構重建的皮下靜脈三維可視化裝置及方法

有效

• 申請號: 201310245219.3
• 申請日: 2013-06-19
• 公開（公告）號: CN103337071A
• 公開（公告）日: 2013-10-02
• 發明（設計）人: 楊健;王涌天;劉越;宋憲政
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T17/00;A61B5/00
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 高燕燕

1.基于結構重建的皮下靜脈三維可視化裝置，其特征在于，主要包括：一臺個人計算機P、兩個環狀的近紅外光源L₁和L₂、兩片紅外濾光片F₁和F₂、一臺可見光成像的工業相機C₁、兩臺近紅外成像的工業相機C₂和C₃、一臺近距離投影儀D及一個可擺放以上裝置的支架；其中，固定于同一橫桿，間隔一定距離，相互夾角使成像投影于同一區域的可見光成像的工業相機C₁及近距離投影儀D組成用于皮膚表面三維重建的圖像采集設備；環繞鏡頭的近紅外光源L₁和L₂、附著于成像平面處的紅外濾光片F₁和F₂、固定于同一橫桿且夾角使成像區域對準待測區域的近紅外成像工業相機C₂和C₃組成用于靜脈血管三維重建的圖像采集設備；

個人計算機P用于：

控制投影儀D投影：根據結構光的重建原理投影出具有不同編碼信息的光柵圖像；

系統標定：包括近紅外相機C₂、C₃間的標定、可見光相機C₁與投影儀D間的標定及近紅外相機C₂、C₃與可見光相機間C₁的標定三部分，得到各成像投影設備的內、外參數矩陣來表征相機或投影儀的系統內參數及系統間的空間位置關系；

皮膚表面三維重建：在相機C₁采集到被皮膚表面調制的光柵圖像后，根據相位計算方法得到光柵圖像的絕對相位值，再據預先標定的系統參數和相位-高度映射關系計算出被皮膚表面的三維信息；

靜脈血管三維重建：首先對獲得的近紅外靜脈血管圖像進行血管中心線提取，然后根據雙目視覺原理，利用極線匹配的方法獲得兩幅圖像中血管對應關系，最后根據系統參數對靜脈血管中心線進行三維坐標的計算；

人體數據三維可視化：選定視點及光源位置后，利用GPU加速的光線投射法實現實時渲染和三維顯示；

靜脈血管二維投影：根據近紅外相機與投影儀間的標定參數，計算三維體數據在投影儀處的投影圖像，并將該圖像投影在人體皮膚表面。

2.如權利要求1所述的基于結構重建的皮下靜脈三維可視化裝置，其特征在于，所述的近紅外光源L₁和L₂峰值波長為850nm。

3.基于結構重建的皮下靜脈三維可視化方法，其特征在于，包括以下步驟：

第一步：使用典型棋盤格作為標識物對攝像機進行標定；

第二步：投影儀的標定；

第三步：采用基于多頻外插原理的相位展開方法對光柵圖像進行投影和采集；

第四步：皮膚表面基于結構光進行三維重建，包括兩部分：①相值計算；②相位與三維分布的映射；

計算出相位主值在一個相位周期內是唯一的，由于在整個測量空間內有多個光柵條紋，呈鋸齒狀分布，因此對空間點的相位主值進行相位展開，采用基于多頻外插原理的相位展開方法求解得到絕對相位值；

第五步：采集近紅外圖像；兩臺近紅外相機同時對待測區域成像，并將得到的數字圖像實時傳輸給處理器進行中心線提取；

第六步：血管的中心線提取及三維重建；

第七步：根據所選視點位置，實現基于GPU加速的實時三維可視化。

第八步：采用基于血管三維點云的模擬投影方法，模擬投影得到以投影儀位置為視點的血管二維影像，并將該影像利用投影儀投影在被測皮膚區域表面，實現對血管的增強現實。

4.如權利要求3所述的基于結構重建的皮下靜脈三維可視化方法，其特征在于，第六步中所述的血管的中心線提取主要包括以下步驟：

1）背景分割：基于Niblack方法的全局閾值分割，全局閾值求取公式如下：

Tb=Mean-Σx=1M[Σy=1N(f(x,y)-Mean)2]M×N-1---(11)]]>

其中圖像大小為M×N,T_b為求取的閾值，Mean為圖像的平均灰度，以T_b為閾值，大于T_b的區域認為是被測區域；小于T_b的區域認為是背景區域；最后保留并填充二值圖像中最大連通域的方法；

2）去除毛發干擾：利用毛發相較于靜脈血管更細的特點，采用基于十字模板的形態學閉運算方法實現；

3）非均勻光照矯正：合成圖像表達式：

f(x,y)＝I(x,y)×r(x,y)????????????????????(12)

其中f(x,y)為合成圖像，I(x,y)為鏡面反射圖像，r(x,y)為漫反射圖像；

4）對比度增強：采用基于模糊邊界非線性映射的方法進行圖像增強，首先，定義皮膚區域為Mask，根據Niblack算法計算Mask內的全局閾值；然后，以該閾值為模糊邊界進行灰度非線性映射，映射滿足：

Trans(r)=11+(Tb/r)e---(13)]]>

其中，r為漫反射圖像灰度；Trans(r)為拉伸后的灰度；e為控制拉伸程度的參數，e越大，映射函數越陡峭；

5）模板匹配二值化：構造高斯分布模板，對圖像中每一點進行模板匹配，提取圖像中每一點的特征，提取特征包括最大模板響應及方向、最小模板響應及方向4個變量；

6）中心線提取，采用形態學細化算法提取中心線的提取，得到兩幅圖像中血管中心線的匹配關系，血管中心線的三維重建即利用已標定的攝像機內外參數及匹配點的圖像坐標來實現。