2015-09-02【专利申请】一种口腔三维多源数据的配准融合方法v02

发明专利申请发明名称：一种口腔三维多源数据的配准融合方法摘要：口内扫描仪可以获取到精确的牙冠数据，医学影像设备可以采集到不可见的骨骼和牙根数据，但精度较低。在口腔正畸和修复中，往往需要完整精确的牙齿或牙列模型。本发明针对针对无标准几何特征的不规则形状的医学口腔模型，提出了实现不同设备数据或患者不同姿态数据的快速精确配准融合方法。该方法包括步骤：获取口腔三维多源数据模型；获取模型特征点对，根据特征点对进行初步配准；计算初步配准后模型点云误差并结合医学参数要求，设置精确配准的参数；采用优化的ICP算法进行精确配准；对配准后的口内扫描模型进行交互式剪裁，提取牙冠部分；计算剪裁曲线的特征平面，将剪裁曲线向特征平面的负法向偏置一定的距离，使用偏置曲线剪裁CBCT模型，获取牙根模型；采用满足连续条件的填补拼接方法，将牙冠和牙根数据进行光滑拼接；输出拼接后的完整牙齿或牙列模型。用户交互剪裁扫描数据的牙冠部分根据剪裁线拟合特征平面，根据牙冠模型相对特征平面的位置，确定剪裁线向牙根模型的偏置方向使用偏置后的曲线剪裁影像学三维重建的带有牙根的模型，得到牙根数据采用曲率连续的填补拼接方法，将牙冠和牙根数据进行光滑拼接输出拼接后的完整牙齿或牙列模型获取口腔三维多源数据模型获取模型特征点对，并根据点云曲率修正特征点对，根据特征点对实现模型初步配准。计算初步配准后模型的误差。根据该误差和医学参数要求，设置精确配准的参数。采用点到面的ICP算法进行点云的精确配准权利要求书:1.一种口腔三维多源数据的配准融合方法，其特征在于：该方法具体步骤如下：步骤一：读取STL与OBJ格式的口腔三维多源数据模型。对于STL模型读取其中的三角面片并将重复点去除后，得到不重复的点和三角面片的顶点索引。对于OBJ模型，如果含有重复点则去除重复点，得到不重复的点和三角面片的顶点索引。口腔多源数据包括CBCT数据创建的三角网格模型和口内扫描的三角网格模型。步骤二：设定配准的固定模型与浮动模型，其中固定模型为通过CBCT创建的三角网格模型，浮动模型为口内扫描的三角网格模型。步骤三：在固定模型和浮动模型上，手动拾取模型特征点对，根据模型点云曲率修正特征点对，将特征点移动到周围邻域中曲率最大的点。采用点到点的ICP算法，对特征点对进行初步配准。步骤四：计算初步配准后模型点云误差并结合医学参数要求，设置精确配准的参数；采用优化的点到面的ICP算法进行精确配准。步骤五：对配准后的CBCT数据和口内扫描数据进行融合。融合的步骤包括步骤六到十步骤六：在口内扫描数据上，沿颈缘线绘制剪裁曲线。采用曲线将扫描数据剪裁为两个部分，保留牙冠部分。步骤七：根据剪裁曲线计算特征平面，通过计算牙冠部分相对于特征平面的位置，确定剪裁线的偏置方向。将剪裁线向牙冠的反方向偏置一定的距离。步骤八：将偏置后的剪裁线，投影到CBCT数据创建的三角网格模型上，将模型剪裁为两个部分。根据特征平面，计算剪裁后模型的相对特征平面的位置，保留牙根部分。步骤九：通过缝合方法，将牙根模型和牙冠模型连接在一起。对缝合的部分网格进行变形，保证其连续性和光滑性。步骤十：将配准融合后的牙根和牙冠模型输出STL或OBJ文件。2.根据权利要求1所述的一种口腔三维多源数据配准融合方法，其特征在于：在步骤一中所述的去除重复点的方法是按照点之间距离进行去重。计算点距离时采用空间划分的方法提高计算速度。3.根据权利要求1所述的一种口腔三维多源数据配准融合方法，其特征在于：在步骤一中的所述的通过CBCT数据创建的三角网格模型是指对含有牙齿以及下颌骨的影像学分割数据进行高质量的三维重建得到的三角网格模型。4.根据权利要求1所述的一种口腔三维多源数据配准融合方法，其特征在于：在步骤三中所述的点云曲率是通过点以及周边邻域点拟合二次曲面，计算曲面的曲率得到的。5.根据权利要求1所述的一种口腔三维多源数据配准融合方法，其特征在于：在步骤四中所述的精确配准参数包括：采样点数，配准精度，最大迭代次数。6.根据权利要求1所述的一种口腔三维多源数据配准融合方法，其特征在于：步骤六中所述的剪裁曲线是B-Spline曲线。通过最近点投影的方法进行模型剪裁。7.根据权利要求1所述的一种口腔三维多源数据配准融合方法，其特征在于：步骤七所述的特征平面是通过求解Jacobi矩阵的特征值和特征向量，采用最小的特征值对应的特征向量作为平面的法相构造的。8.根据权利要求1所述的一种口腔三维多源数据配准融合方法，其特征在于：步骤八所述的投影是指最近距离投影。9.根据权利要求1所述的一种口腔三维多源数据配准融合方法，其特征在于：步骤九所述的缝合是通过连接牙根与牙冠的剪裁边界的最近点构造三角网格的。10.根据权利要求1所述的一种口腔三维多源数据配准融合方法，其特征在于：步骤九所述的变形为采用网格点以及点法矢插值生成基于BRF的隐式曲面，将缝合网格顶点投影到隐式曲面上得到的。说明书：一种口腔三维多源数据的配准融合方法技术领域本发明属于三维数字化领域，具体涉及一种口腔三维多源数据的配准融合方法，主要应用于口腔正畸、口腔修复以及口腔种植等临床医学。背景技术在口腔医学领域，单一的数据不能满足临床需求。在正畸科、修复科、种植科室往往需要完整的牙齿或牙列模型。口内扫描仪可以获取到精确的牙冠数据，医学影像设备可以采集到不可见的骨骼和牙根数据，但精度较低。临床上对牙冠的精度要求较高。为得到满足临床需求的完整的牙齿或牙列模型，提出一种口腔三维多源数据的配准融合方法。口腔三维多源数据的产生来自于同一患者多次扫描位姿的不同，以及多种扫描设备的坐标系不同。为建立患者多源数据间的真实空间位置关系，需要将多源数据配准到统一的坐标系下。对坐标系配准后的有重叠区域的口腔医学三角网格模型，通过剪裁、拼接等融合方法获取完整的牙齿或牙列模型，用于指导临床手术。发明内容本发明的目的在于提供一种口腔三维多源数据的配准融合方法，通过配准融合后，获取具有高精度牙冠的完整牙齿或牙列模型，用于指导口腔正畸、口腔修复和口腔种植等手术规划和手术指导。为达到临床要求，本大明采用如下技术方案：一种口腔三维多源数据的配准融合方法，包括：读取口腔扫描数据和由CBCT数据创建的三角网格模型，解析模型的点与面的索引数据，边与面、点与边、点与面的拓扑关系。设置配准的固定模型和浮动模型。固定模型选择为由CBCT创建的三角网格模型，浮动模型为口内扫描的三角网格模型。在固定模型和浮动模型拾取初步配准的特征点对。鼠标拾取具有吸附功能，即拾取点为点击鼠标按建时鼠标指针附近小区域的曲率最大的点。对已经拾取的点，可以鼠标拖动修改。根据点到点的最近点迭代（ICP）配准方法，使用特征点对，计算转换矩阵，将固定模型与浮动模型进行初步对齐。根据初步配准后的模型计算模型的点云误差，结合医学要求参数，设置配准精度，采样点数和最大迭代次数，使用点到面的ICP算法对固定模型和浮动模型进行精确配准。在口内扫面数据上沿颈缘线选取点，根据点通过插值的方法创建B-样条（B-Spline）曲线。将曲线按照最近距离投影，计算点在口内扫描模型上的投影点，使用这些投影点以及模型的拓扑信息，将模型沿曲线剪裁为两个部分，保留牙冠部分。采用主元分析法，创建Jacobi矩阵，求解矩阵的特征值和特征向量。采用最小特征值对应的特征向量为平面的法向，曲线的重心为平面上一点构建特征平面。计算牙冠部分相特征平面的位置，将牙冠的大多数点所在的平面一侧修正为特征平面的正法相。将剪裁曲线上的点沿特征平面的负法相偏置一定的距离，创建偏置后的B-Spline曲线。该距离的设定通常为1-2mm，目的是保证牙冠和压根模型的平滑过渡。将偏置后的B-Spline曲线按照最近距离投影，投影到CBCT数据创建的网格模型上。采用投影到CBCT数据创建的网格模型上的点以及模型的拓扑结构，将该模型剪裁为两部分。保留大部分点位于相对特征平面负法相一侧的模型，即为牙根模型。将牙冠模型和牙根模型沿剪裁边界，采用连接最近距离点的方法构建过渡网格。通过计算过渡网格的形状特征，对过渡网格模型细化。对细化后的模型以及边界点的法相插值生成基于RBF的隐式曲面，将过渡网格中的内部点投影到隐式曲面上，形成光滑过渡的网格。附图说明图1初始的口内扫描数据（黄色）和CBCT创建的网格模型数据（绿色）图2a在CBCT创建的模型上拾取的特征点对图2b在口内扫描数据上拾取的特征点对图3通过特征点配准得到的初步对齐的模型图4通过点到面的ICP算法进行精确配准后模型图5沿颈缘线绘制剪裁曲线图6根据剪裁曲线剪裁出的牙冠模型图7将剪裁曲线向牙根模型方向偏置一定的距离图8剪裁后的牙冠部分和牙根部分图9融合后的完整的牙列模型图10a相邻的曲线点不在同一面片上图10b两曲线点之间的一对交点图10c两曲线点之间的所有交点图11a牙根模型与牙冠模型的剪裁边界图11b缝合的初始网格图11c对缝合的初始网格进行细化图12本发明提供的方法流程图具体实施方式为使本发明的目的、技术方案及优点更加清楚、明确，一下参照附图并举例对本发明进一步详细说明。本发明提出的一种口腔三维多源数据的配准融合方法主要是针对口内扫描数据与通过CBCT数据经过分割、三维重建创建的网格模型的配准与融合，其整体流程图见图12。首先读取STL与OBJ格式的口腔三维多源数据模型。对于STL模型读取其中的三角面片并将重复点去除后，得到不重复的点和三角面片的顶点索引。对于OBJ模型，如果含有重复点则去除重复点，得到不重复的点和三角面片的顶点索引。通过三角网格模型的点索引，计算边与面、点与面、点与边的的拓扑关系。其中对于三角形Tri，定义其三个顶点的索引为（V0,V1,V2）。其中的边Edge定义为由两个整型数对Pairint,int，其中边的起点索引终点索引。网格模型的显示采用OpenGL。设定固定模型与浮动模型，通常选择CBCT创建的网格模型为固定模型，口内扫描数据为浮动模型。计算固定模型与浮动模型点云的曲率，曲率计算的步骤如下：步骤1：把曲面的高斯曲率记为Gk，平均曲率记为Hk，主曲率记为1k,2k.步骤2：取点ip周围三角面片的各法向量的平均值作为三角网格在点ip处的法向量，记为n。过点ip与n垂直的平面称为网格曲面在此点的切平面，设jt为向量jipp在此网格曲面的切平面上的单位投影。作过点ip,jp且在点ip有切向jt的圆，则把曲面在点ip处沿jipp方向的法曲率jk~近似的取为此圆半径的倒数。步骤3：设u，v为网格曲面上由n确定的切平面上的一组基，取ut,vt为向量jt关于基u,v的坐标，ue,ve为主方向1e关于此基的坐标。由欧拉定理，有vuTvujttKttk~其中，12100uvvuuvvueeeekkeeeeK利用上式可以求解1k,2k.步骤4：根据高斯曲率、平均曲率与主曲率的关系可以得到：21kkkG221kkkH在浮动模型和固定模型对应拾取特征点对，将特征点吸附到鼠标位置附近小区域的曲率最大的点。根据特征点对采用最近点迭代方法，计算模型初始配准的变换矩阵，将固定模型与浮动模型进行初步配准。其中最近点迭代的步骤如下：设两个模型点云数据如下：S1={pi|pi∈R3,i=1,2,…,M}，S2={qj|qj∈R3,j=1,2,…,N}，步骤1：若pk∈S1，计算点云数据中的对应点qt∈S2，使‖qt−pk‖→min。步骤2：采用最优化解析方法计算旋转变换R1和平移变换T1，使得∑||R1qt+T1−qk||→min；步骤3：利用R1和T1对S1进行变换，得到经过坐标转换后的点云Trans(S1)；步骤4：当最小二乘误差小于事先给定的阈值τ(τ0)，即dk−dk+1τ时，迭代终止。对初步配准后的模型，计算初始点云误差以及精确配准的误差，该处误差的计算步骤为：步骤1：对固定模型的点云创建KdTree。步骤2：对浮动模型上的点，在固定模型上查找最近点，如果两点间的误差小于初步配准的误差，则将其记录为参与配准的点，否则舍