基于视觉与触觉双信息的上肢康复训练机器人运维系统设计

付胜男

(北京中医医院顺义医院信息建设部，北京 101300)

目前手部功能障碍已成为医学康复界的热点研究方向，对上肢功能障碍进行康复训练是十分重要和关键的医疗手段，及早进行康复训练可以大大降低残疾的可能性[1]。随着科学技术和医疗技术的发展，上肢康复训练机器人是替代医师牵引患者患肢进行康复治疗，完成训练动作的一种医疗设备，不同于一般的工业机器人，它有着特殊的工作对象以及特定的工作环境。传统数据手套结构复杂，导致其灵活度和实用性大大降低[2]，因此相关专家设计了一种可穿戴式装置用于实现数据的处理。该装置穿戴方便，可根据机器人手臂测试抓握力和弯曲度。可穿戴式装置采用压阻式传感器检测手指的活动数据，并能有效评估手部在日常生活中的运动能力，但是该装置用于评估手部功能的信息量太大，处理比较困难[3-5]。由此可知，设计一种上肢康复训练机器人运维系统已迫在眉睫。

1 上肢康复训练机器人运维系统

1.1 系统硬件设计

本文设计的上肢康复训练机器人运维系统是上肢训练虚拟现实(VR)系统，主要通过视觉、听觉、触觉等感觉通道的真实模仿和互动形成，用于实现上肢康复训练。

系统硬件由视觉模块、触觉模块和三维触觉操作器构成。本文利用三维触觉操作器Phantom操控虚拟手臂，并根据虚拟环境情况，实现力觉、视觉和听觉等多感觉的真实互动[6]。

1.1.1视觉模块

在码本模型中，利用Camshift算法，实现对不同颜色物体的跟踪，过程如下：

1)读入视频图像，消除背景颜色干扰，通过码本模型在矩形窗口上的范围获取前景运动目标；

2)通过Camshift算法追踪前景范围中的目标；

3)根据矩形窗口的方位以及运动评测预估和尺码，得到下一帧目标追踪的搜索窗口[7]；

4)根据得到的搜索窗口，对目标位置进行跟踪预测，获取目标尺寸。

1.1.2触觉模块

计算机通过加权集成算法，完成对触觉压力数据的操作[8]。为了得到模型压力阈值，采用Camshift获取模型跟踪矩形框的长度和宽度，以实现对手部抓握能力的分析。视觉和触觉集成系统结构如图1所示。

图1 视觉和触觉集成系统结构

1.1.3三维触觉操作器

三维触觉操作器由基座、连杆机构和手柄构成，利用空间映射算法，将电脑发送的操控信号传输到虚拟环境中的代理点[9]。

由于输出力反馈变化较快，因此力反馈计算速度也很快。当模拟输出力达到预期效果时，利用三维触觉操作器Phantom Premium 1.5，将其提高至1 000 N。同时力信息需要使用者和虚拟环境交换真实感受，使患者所握的手柄能够得到力反馈[10]。

1.2 系统软件设计

1.2.1基于ARAT的抓握测试

ARAT(action research arm test)为手臂动作调查测试，测试内容为抓、握、捏、粗大运动，用来分辨抓握者的抓握类别和抓握程度。抓握者依次抓不同边长的正方体、长方体，以及不同直径的球体和圆柱体，并记录测试时间和路径等数据。

1.2.2训练模式

上肢康复机器人的训练模式，由双侧训练模式和脑电训练模式构成。康复早期阶段采用脑电训练模式，有助于治疗患者肌力受损部位，康复中后期，采用双侧训练模式，以进一步修复患者的肌力。

脑电训练模式主要是操作外骨骼机械臂，在虚拟现实情况下，通过编程信息实时定位Phantom和MTx传感器的位置，对比大小后，通过51单片机发出信号，并输出高低不同的电频，同时操控数字电机Maxon的正反转。该训练模式通过三维触觉操作器Phantom控制患者的上肢运动，其中外骨骼机械臂由患者上肢带动，其运动路径由Phantom主端系统控制。该系统由医生操控，患者需要做镜像运动，从而提高自身的运动主动性[11]。第一种双侧训练子模式如图2所示。

图2 第一种双侧训练子模式

双侧训练模式通过构建Phantom的力势场，得到患者上肢运动方位，并操控患者主端来实现对外骨骼机械臂的控制，以此提升患者上肢的运动康复效果，确保患者完成双侧镜像运动[12]。第二种双侧训练子模式如图3所示。

图3 第二种双侧训练子模式

1.2.3图像配准方法

1)对应空间点列的奇异值分解匹配方法。

系统依据物理接触式成像原理实现触觉传感，配准图像的目标是消除变换过程中的不利干扰，保证图像处于同一世界坐标系中[13]。将触觉传感器运动方向、触觉阵列平行方向以及触摸扫描平面正法方向，分别设置成世界坐标系的x轴、y轴和z轴的正方向。M和P分别表示旋转比例居中和平移矩阵，两种矩阵的形式分别是3×3和3×1，利用最佳的M和P，确保矩阵目标函数值最低：

(1)

式中：f(M,P)为矩阵目标函数；t为空间点的列数量；bt为仿射变换；ct为目标变换；S为空间点列总数。

Db=M·Dc+P

(2)

(3)

2)非对应空间点列的ICP算法。

系统采用ICP(iterative cloest point)方法处理图像轮廓特征点，具体过程如下：

①对B对应于Cj(j=0,1,…,C0=C)的各点最近距离点进行运算，获取平面点列(B，Cj)。

②通过ICP算法得到与(B，Cj)相对应的最佳配准参数(Mj，Pj)。

③用R*替换集合C，替换过程利用最佳配准参数R完成；如果R*和B的平均差小于阈值，则完成迭代运算过程，否则，设置j=j+1，执行过程①，直至完成迭代运算过程。

如果得到最佳配准参数(Mj,Pj)，则几何变换输入图像，确保其与参考图像处于相同坐标系统中，从而实现视觉图像的配准[15]。

2 实验分析

2.1 配准效果分析

为了验证本文系统的配准效果，采用分辨率为25×25的阵列式触觉传感器，触碰同一个普通的碳素笔，对比分析本文系统、ARM(advanced RISC machines)运维系统以及基于奇异值分解方法-ICP方向加速的运维系统的配准效果。配准结果对比见表1。

表1 配准结果对比

分析表1可得，相对于其他两种系统，本文系统的配准耗时少、配准精度高，且程序实现的复杂性低，说明利用本文系统进行上肢康复训练时的配准效果最好。

2.2 抓握效果分析

实验对象为某医院随机选取的15例偏瘫患者，这些患者包括10名中年人和5名老年人，男性和女性的人数分别是9人和6人。实验得分记录如图4所示。

图4 患者得分对比图

从图中可以看出，本文系统评分和医生评分基本一致，说明采用本文系统分析患者手臂抓握效果的评分能够达到预期目标。

2.3 跟踪控制效果分析

利用本文系统对上肢康复训练机器人跟踪控制效果进行验证：设置上肢康复训练机器人肘关节运动区间为[-40°,60°]，应用本文系统实现肘关节运动，从而获得三维触觉操作器的位置。实验过程中用文本文件记录三维触觉操作器的f(M,P)位置和MTx传感器姿态等信息，然后将文本文件导入MATLAB，实现对本文系统跟踪效果的测试。实验给出的阶跃方式下本文系统的跟踪效果如图5所示。

图5 阶跃方式下的跟踪控制实验

分析图5可知，当患者操作机械臂的运动形态为阶跃响应时，三维触觉操作器在大约1.9 s时能够实现肘关节运动角度的跟踪，此时本文系统出现轻微的超调，但未产生安全问题，说明本文系统的运行稳定、超调量低，可以有效跟踪肘关节运动角度。

3 结束语

本文设计的基于视觉与触觉双信息的上肢康复训练机器人运维系统，能够有效控制和训练患者上肢运动，精确跟踪患者上肢运动情况，提高患者上肢康复效果。在上肢康复训练过程中，通过双侧训练模式和脑电训练模式，提高了患者的康复训练意识和积极性；采用对应空间点列的奇异值分解方法和非对应空间点列的ICP算法，实现了视觉与触觉双信息的配准，提高了反馈效果。