CN120203792A 一种腹腔镜手术机器人的滑台运动控制方法及装置

(19)国家知识产权局(71)申请人北京林电伟业电子技术有限公司地址100195北京市海淀区西杉创意园四区10号楼3层101(72)发明人黄伟于君强祝天宇江鲜明万正军荣鹏程孙妍(74)专利代理机构北京正谦专利代理事务所(普通合伙)16155专利代理师郭丽A61B34/30(2016.01)A61B34/10(2016.01)A61B34/00(2016.01)(54)发明名称一种腹腔镜手术机器人的滑台运动控制方法及装置(57)摘要本申请公开了一种腹腔镜手术机器人的滑台运动控制方法及装置，涉及手术机器人技术领取目标区域和其边界坐标，计算坐标转换矩阵进行空间配准得到统一坐标系；根据用户控制指令选择移动模式；记录用户的操作数据，对用户分类得到对应的力速曲线、力度位移序列和习惯性力度，建立综控模型和误差补偿模型；进入精调模式时，将实时距离、用户类型和力度位移序列输入综控模型中，确定调控方案，根据实时定位误差反向修正输出位移，使辅助手术器械达到目标位置；实现了腹腔镜手术机器人滑台(2)的高根据用户控制指令选择移动模式，移动模式包括租调模式和精满模式测副控臂和目标区域的实时距离，若实时距离小于安全阈值，则停止移动并提示进入精调模式进入精调模式时，将实时距离、用户类型和力度位移序列输型中，确定调控方案，根据实时定位误差反向修正输手术器械达到目标位置获取超声图像和焚光图像，基于超声图像计算第一质心传通过阈值分割提取血管区域，计算第二质心，基于实时目测获取目标点集，计算目标点集的第三质心和标准差：根据城新边界。根据区域新边界确定动态变化差值，根据动态根据区域新边界和调整后的力速曲线设置状态向量和观测向量，得到预测方程，基干实际位移和滑台速度，预测下一时刻位S21.一种腹腔镜手术机器人的滑台运动控制方法，应用于手术机器S2:根据用户控制指令选择移动模式，移动模式包括粗调模式和精调模式；粗调模式下，根据用户控制指令调控滑台(2),基于统一坐标系实时监测副控臂(3)和目标区域的实S21:记录用户的操作数据，对用户分类得到对应的力速曲线、所述控制指令是指用户操控的操作按钮和对应施加的按压力在患者体表粘贴若干个光学标记点，通过CT扫描获取标记点在图像坐标系中的位置，矩阵；所述空间配准是将转换矩阵映射至主控臂(1),进行图像坐标系和手术台坐标系的动Nh是粗调模式的预估最大步数；3力速曲线是按压力度和滑台(2)移动速度对应的曲线，记录不同用户在各种操作场景下的基于力度位移序列得到用户的习惯性按压力度，所述习惯性力度是指用户习惯性按压所述综控模型用于接收力速曲线特征、力度位移序列特征和所述误差补偿模型是基于历史手术中用户操作滑台(2)时产生的超调或欠调数据记录根据第一质心、第二质心和第三质心确定目标质心，根据目标质心和标准差得到区域,根据标准差公式计算目标点集在三个坐标轴上的标根据光流法计算目标血管位移速度，将目标血管位移速度的S31:根据区域新边界和调整后的力速曲线设置状态向量和观测向量，得到预测方程，基于实际位移和滑台(2)速度，预测下一时刻位移量，并基于用户的习惯性力度计算补偿4观测向量表示获取的目标物体的位置信息和速度信息，定义t时刻的观测向量为9.一种腹腔镜手术机器人的滑台运动控制装置，应用于如权利要求1至权利要求8中任一项所述的一种腹腔镜手术机器人的滑台运动控制方法，其特征在于，所述手术机器人包括用于执行手术的主控臂(1)、滑台(2)和副控臂(3);所述主控臂(1)位于病人上方或病人一侧，所述滑台(2)在主控臂(1)上由电机控制进行滑动，所述副控臂(3)一端与滑台(2)活动连接，另一端设有固定夹持器(4)用于固定夹持辅助器械。10.如权利要求9所述的一种腹腔镜手术机器人的滑台运动控制装置，其特征在于，所述手术机器人还包括操作器(5)和显示屏(6),所述操作器(5)上设有操作按钮；所述操作按钮包括上行按钮、下行按钮和精调按钮组；所述精调按钮组包括上调按钮和下调按钮；所述用户控制指令与操作按钮对应，上行按钮和下行按钮表示粗调模式，精调按钮组表示精调模式；用户通过操作按钮发出控制指令，获取施加于操作按钮的作用力并根据对应关系确定滑台(2)移动速度；所述显示屏(6)用于接收病灶CT图像、目标区域和其边界坐标，并实时显示距离热力5一种腹腔镜手术机器人的滑台运动控制方法及装置技术领域[0001]本发明涉及手术机器人技术领域，尤其涉及一种腹腔镜手术机器人的滑台运动控制方法及装置。背景技术[0002]在腹腔镜手术中，经常需要一名专职的医护扶持和控制手术辅助器械，对医生进行辅助。现为避免人员的疲劳和抖动，采用手术机器人进行辅助操作。手术机器人可以采用被动控制的方式来控制辅助器械，由主刀医生通过脚踏板、语音、手柄按钮等方式向手术机器人发送控制指令，手术机器人被动执行相应的控制指令，直到产生理想的手术视野或达到理想的目标位置为止。[0003]由于传输的稳定性和精准控制程度，医生一般通过手动按钮控制机械臂实施辅助工作，但在控制过程中并不能精准、快速的定位机器人的目标位置，导致增加了调控时间和调控误差。申请号202110405332.8的中国发明专利提供了一种腹腔镜手术机器人的滑台运动控制方法及装置，获取施加于滑台的作用力并确定滑台的速度，通过速度限制调整，保证医生使用手术器械进行手术操作的稳定性和准确性。[0004]现有技术中，加速、匀速以及减速均依靠于施加按钮力度进行调整，但不同医生的习惯性力度不同，就会导致减速滑行的距离、用时也均不相同，最终造成与目标位置不同程度的偏差和调控时间的增加。发明内容[0005]本申请通过提供一种腹腔镜手术机器人的滑台运动控制方法及装置，解决了现有技术中调控用时过长以及调控误差过大的问题，实现了精准快速调控的技术效果。[0006]本申请提供了一种腹腔镜手术机器人的滑台运动控制方法，应用于手术机器人，S1:基于病灶CT图像建立病灶三维模型，获取目标区域和其边界坐标，计算坐标转换矩阵进行空间配准得到统一坐标系；S2:根据用户控制指令选择移动模式，移动模式包括粗调模式和精调模式；粗调模式下，根据用户控制指令调控滑台2,基于统一坐标系实时监测副控臂3和目标区域的实时距离，若实时距离小于安全阈值，则停止移动并提示进入精调模式；S21:记录用户的操作数据，对用户分类得到对应的力速曲线、力度位移序列和习惯性力度，建立综控模型和误差补偿模型；S22:进入精调模式时，将实时距离、用户类型和力度位移序列输入综控模型中，确定调控方案，根据实时定位误差反向修正输出位移，使辅助手术器械达到目标位置。[0007]进一步地，所述操作数据包括按压按钮的按压力度、持续时间、滑台2移动距离和误差记录；基于操作数据得到第一分析数据和第二分析数据，所述第一分析数据是指粗调阶段的平均力度、按压持续时间以及移动总距离；所述第二分析数据是指精调阶段的力度6分布直方图和最终定位误差；所述控制指令是指用户操控的操作按钮和对应施加的按压力度，基于操作按钮调控滑台2的移动方向，基于按压力度控制滑台2的移动速度。在患者体表粘贴若干个光学标记点，通过CT扫描获取标记点在图像坐标系中的位置，生成标记点坐标集；基于光学导航实时追踪标记点，计算图像坐标与手术台坐标系的转换矩阵；所述空间配准是将转换矩阵映射至主控臂1,进行图像坐标系和手术台坐标系的动态对齐，并对主控臂1导轨和滑台2进行零点校准。[0009]进一步地，所述力速曲线是按压力度和滑台2移动速度对应的曲线，记录不同用户在各种操作场景下的力度输入和对应的滑台2速度输出数据，用于描述用户操作力度与滑台2速度之间的映射关系；基于力度位移序列得到用户的习惯性按压力度，所述习惯性力度是指用户习惯性按压下产生的力度；所述综控模型用于接收力速曲线特征、力度位移序列特征和习惯性力度特征，输出理想力度值、滑台2的理想位移和速度控制指令；所述误差补偿模型是基于历史手术中用户操作滑台2时产生的超调或欠调数据记录进行建立，用于术中反向修正输出位移。[0010]进一步地，所述方法还包括：S3:获取超声图像和荧光图像，基于超声图像计算第一质心；基于荧光图像通过阈值分割提取血管区域，计算第二质心；基于实时目标位置监测获取目标点集，计算目标点集的第三质心和标准差；根据第一质心、第二质心和第三质心确定目标质心，根据目标质心和标准差得到区域新边界；根据区域新边界确定动态变化差值，根据动态变化值调整力速曲线；其中，对采集到的荧光图像进行阈值分割，提取血管区域，计算血管区域的质心坐标，将质心坐标映射至统一坐标系得到第二质心；获取t时刻的目标点集为Pt={(xi,Yi,Zi)}得到质心坐标为：,根据标准差公式计算目标点集在三个坐标轴上的标准差；所述目标点集包括目标区域的所有特征点；对获取的第一质心、第二质心和第三质心进行融合，得到目标质心；基于标准差计算目标区域的半轴长；根据目标质心和半轴长确定区域新边界；根据光流法计算目标血管位移速度，将目标血管位移速度的范数值作为目标速度，获取当前滑台2平均速度，将目标速度和滑台2平均速度的比值作为动态变化差值。S31:根据区域新边界和调整后的力速曲线设置状态向量和观测向量，得到预测方程，基于实际位移和滑台2速度，预测下一时刻位移量，并基于用户的习惯性力度计算补偿7设置预测时域、控制时域和约束条件，根据预测方程和补偿量得到最优控制序列，基于最优控制序列的首步控制量确定调控方案。[0012]一种腹腔镜手术机器人的滑台运动控制装置，所述手术机器人包括用于执行手术的主控臂1、滑台2和副控臂3;所述主控臂1位于病人上方或病人一侧，所述滑台2在主控臂1上由电机控制进行滑动，所述副控臂3一端与滑台2活动连接，另一端设有固定夹持器4用于固定夹持辅助器械。[0013]进一步地，所述手术机器人还包括操作器5和显示屏6,所述操作器5上设有操作按所述操作按钮包括上行按钮、下行按钮和精调按钮组；所述精调按钮组包括上调按钮和下调按钮；所述用户控制指令与操作按钮对应，上行按钮和下行按钮表示粗调模式，精调按钮组表示精调模式；用户通过操作按钮发出控制指令，获取施加于操作按钮的作用力并根据对应关系确定滑台2移动速度；所述显示屏6用于接收病灶CT图像、目标区域和其边界坐标，并实时显示距离热力[0014]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：通过采用粗调和精调模式，实现了腹腔镜手术机器人滑台的高精度运动控制；通过合理控制滑台移动，快速将辅助器械移动至目标区域附近，并实现精确微调，显著缩短手术时间，并准确提供辅助手术器械，避免医护人员手持手术器械导致晃动，更准确地定位辅附图说明[0015]图1为本发明实施例中一种腹腔镜手术机器人的滑台运动控制方法流程示意图；图2为本发明实施例中一种腹腔镜手术机器人的滑台运动控制装置示意图；具体实施方式[0016]为了便于理解本发明，下面将参照相关附图对本申请进行更全面的描述；附图中给出了本发明的较佳实施方式，但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式；相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。[0017]除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同；本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本发明；本文所使用的术语“和/关的所列项目的任意的和所有的组合。[0018]实施例一：如图1所示，一种腹腔镜手术机器人的滑台运动控制方法，应用于手术S1:基于病灶CT图像建立病灶三维模型，获取目标区域和其边界坐标，计算坐标转换矩阵进行空间配准得到统一坐标系；计算坐标转换矩阵进行空间配准，包括：在患者体表粘贴若干个光学标记点，通过8所述空间配准是将转换矩阵映射至主控臂1,进行图像坐标系和手术台坐标系的[0019]具体的，使用CT扫描得到病灶CT图像，生成DICOM[0020]在患者体表粘贴4-6个光学标记点(如NDIPolaris专用反光球),选择的位置包括以及动态适应性，确保滑台2在粗调阶段不会因速度过快或移动距离过大而接近危险区域9[0025]最大移动速度是滑台2在粗调模式下的最高允许速度，需结合按压力度与安全阈的，根据历史数据中按压力度以及对应的移动距离进行计算得到平均按压力度和平均移动距离，在平均移动距离的基础上增加误差距离(0.5-1mm),即设置为安全阈值，例如5mm,则若距离≤5mm,系统自动停止移动并提示进入精调模式，并由医生进行二次确认是否进入精调模式。[0033]在精调模式下，基于术前病灶三维模型，医生在显示屏6上圈定目标区域(如胆囊三角区),系统自动提取边界坐标并生成虚拟围栏(边界外扩2mm作为安全缓冲区),同时进一步减少移动速度和移动距离，降低最大移动速度和单位移动距离。[0034]例如，在腹腔镜胆囊切除术中，使用64排及以上CT设备对患者进行腹部扫描，生成胆囊及周围组织的DICOM格式数据。通过图像处理系统生成胆囊区三维模型，标注胆囊三角区为手术目标区域。医生在显示屏6上圈定目标区域，系统自动提取边界坐标，并生成虚拟围栏(边界外扩2mm作为安全缓冲区)。[0035]滑台2在主控臂1上进行移动，医生通过手持操作器5按钮控制滑台2将辅助器械整体移动至胆囊区域，当距离≤5mm时，系统触发警告并提示切换至精调模式，由医生进行确认，确认完成后，通过手持操作器5按钮上的精调按钮组继续微调控制副控臂3将手术器械调整至目标位置。[0036]本申请通过光学导航、融合定位、粗精调协同控制及目标边界技术，实现了腹腔镜手术机器人滑台2的高精度运动控制，准确提供辅助手术器械，避免医护人员手持手术器械导致晃动，能够显著缩短手术时间，降低并发症风险，为微创外科手术提供了安全、高效的解决方案。[0037]上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：本申请采用粗调和精调模式，实现了腹腔镜手术机器人滑台2的高精度运动控制；通过合理控制滑台2移动，快速将辅助器械移动至目标区域附近，并实现精确微调，显著缩短手术时间，并准确提供辅助手术器械，避免医护人员手持手术器械导致晃动，更准确地定[0038]实施例二：在实施例一中，给出了粗调和精调两种操作模式，进一步完善了手术机器人的控制精度以及医生调控的准确性，在精调模式下对于用户的力度调控要求严格，但用户的按压力度并不能进行准确调整，用户无法精准的施加自己的力度。故而增加了调控次数和调控时间，本实施例在上述内容的基础上做进一步的改进。[0039]步骤S2中还包括：S21:记录用户的操作数据，对用户进行分类，并得到对应的力速曲线、力度位移序列和习惯性力度，建立综控模型和误差补偿模型。[0040]在一些实施例中，所述操作数据包括历史数据和当前手术中粗调模式下的操作数据，所述操作数据包括按压按钮的按压力度、持续时间、滑台2移动距作数据得到第一分析数据和第二分析数据，所述第一分析数据是指粗调阶段的平均力度、按压持续时间以及移动总距离；所述第二分析数据是指精调阶段的力度分布直方图和最终定位误差。在实际应用中，如没有当前用户的历史数据，则仅依据粗调阶段的操作数据进行分析，即第一分析数据进行分析；基于用户的第一分析数据和第二分析数据作为输入特征对用户进行分类，通过聚类算法，设置聚类类别为3,通过多次迭代找到最优的聚类中心。根[0041]具体的，所述轻按型表示按压力度较轻，且定位误差较大、操作调控次数较多，例11如按压力度小于40%,误差大于0.4mm;所述标准型是指按压力度中等，情况分析均处于中等条件，例如按压力度介于40%-60%之间，误差介于0.2-0.4mm之间；所述重按型是指按压力度较大，且定位误差较小，例如按压力度大于60%,误差小于0.2mm。[0042]在一些实施例中，所述力速曲线是按压力度和滑台2移动速度对应的曲线，记录不同用户在各种操作场景下(不同距离、不同目标操作等)的力度输入和对应的滑台2速度输出数据；用于描述用户操作力度与滑台2速度之间的映射关系，反映了用户在施加不同力度时，期望滑台2达到的速度。不同用户类型和操作场景下，理想的力速曲线会有所不同。[0043]对于轻按型用户，通常希望滑台2对较小的力度输入就有较灵敏的速度响应，以实现精细操作，因此其力速曲线在力度较小时斜率较大，即较小的力度变化能引起较大的速度变化；重按型用户更注重操作的平稳性，需要较大的力度才能使滑台2达到较高的速度，所以其力速曲线在力度较小时斜率较小，力度达到一定程度后速度才显著增加；标准型用户，其力速曲线介于轻按型和重按型之间，体现出一种较为平衡的操作[0044]在一些实施例中，对于不同类型的用户分别构建对应的力速曲线，并使用数学函数(如线性函数、多项式函数等)来拟合力度和速度之间的关系，例如，对于轻按型用户使用线性函数，对于重按型用户，使用二次函数进行拟合。在实际操作过程中根据实际情况，实时获取力度输入和距离信息，根据用户类型和实时距离，按照制定的策略对预先设置的力速曲线进行动态调整，例如，对于轻按型用户，适当增加曲线在低力度段的斜率；对于重按型用户，降低曲线在低力度段的斜率；根据调整后的生的操作意图相匹配。[0045]例如，轻按型用户，基础力速曲线为V=0.5F+0.1,力度F范围为[0,范围是[0,1];标准型用户，基础力速曲线为v=0.3F²+0.2F+0.05;重按型用户，基础力速曲线为v=0.1F³+0.15F²+0.1F+0.02;在实际操作过程中，例如，重按型用户，监测实时距离，当实时距离小于安全阈值(即进入精调模式)时，将力速曲线压缩为v=0.05F³+0.1F²+0.08F+0.01,降低了速度对力度的响应程度，在同样的力度之下，速度进行了降低；进而根据不同用户类型和实时距离动态调整力速曲线，实现更精准、安全的操作控制。[0046]在一些实施例中，根据不同用户的操作习惯和类型，提供个性化的力速曲线，使滑台2能够更好地适应医生的操作风格；结合实时距离信息，动态调整力速曲线，使滑台2在操作过程中始终保持最佳的速度响应特性。能够更加自然、流畅地控制滑台2,减少因速度不匹配而导致的操作不适感，提高操作的流畅性和舒适性。在接近目标位置时，通过压缩力度速曲线降低速度，有效减少超调现象，提高定位精度；同时降低因速度过快而导致的误触等[0047]在一些实施例中，所述力度位移序列是将按压次数、按压力度和实际位移距离根据时间进行排列形成的序列。基于力度位移序列得到用户的习惯性按压力度，所述习惯性力度是指用户习惯性按压下产生的力度，是用户最不容易进行改变和调整的力度特征。[0048]在一些实施例中，对收集到的力度数据进行统计分析，找出用户在一段时间内频繁使用的按压力度区间。例如，统计用户在不同操作阶段(如粗调、精调)下按压的力度分布情况，计算每个力度区间的出现频率，将出现频率最高或用户最常使用的按压力度区间内的典型值作为习惯性按压力度。比如，如果用户在多数操作中按压力度集中在30%-40%之间，且这个区间内的按压力度出现次数远高于其他区间，那么可以取这个区间的中间值35%作为习惯性按压力度。习惯性力度是用户操作习惯的重要体现，作为用户分类的一个重要特征，个性化控制能够减少用户调整操作力度的时间，提高操作效率，用户在自己习惯的按压力度下操作，能够更加稳定地控制滑台2,减少操作失误。[0049]根据用户的习惯性按压力度，对手术机器人的参数进行个性化设置。在精调模式下，将滑台2对习惯性按压力度的响应速度和精度进行优化，使滑台2在用户施加习惯性按压力度时能够更准确地移动到目标位置。[0050]在一些实施例中，综控模型是根据用户的历史操作数据，得到的用户按压力度与滑台2实际移动位移之间的综合调控模型。不同医生由于操作习惯和技能的差异，在相同的按压力度下，滑台2实际移动的位移可能不同。基于综控模型能够准确的预测不同用户在特定力度下滑台2应该移动的位移，使滑台2的控制更加符合医生的操作习惯，提高医生的操作舒适度和手术效率。精准的力度-位移映射能够减少因力度与位移不匹配而导致的定位误差，使滑台2更准确地到达目标位置，从而提高手术的定位精度。[0051]例如，用户A和用户B分别进行滑台2操作。在历史数据(或前期粗调模式下的数据)中，用户A习惯性力度操作时滑台2平均移动5mm,而用户B习惯性力度操作时滑台2平均移动3mm。综控模型通过学习这些历史数据，当用户A再次以习惯性力度按压时，会预测滑台2应移量，进行位移调控，保证稳定对应的位移量，这样，滑台2的控制户的操作特点。[0052]在一些实施例中，建立综控模型包括从力速曲线中提取关键特征，如曲线的斜率、拐点位置、在不同力度区间的速度响应变化等；从力度位移序列中提取特征，如平均按压力度、按压频率、位移变化率等；将习惯性力度作为一个独立的特征，用于表示用户的操作习[0053]构建一个包含输入层、隐藏层和输出层的神经网络模型。所述综控模型的输入层接收力速曲线特征、力度位移序列特征和习惯性力度特征；隐藏层用于学习特征之间的复杂关系；输出层输出理想力度值、滑台2的理想位移和速度控制指令。[0054]将预处理后的数据分为训练集、验证集和测试集。使用训练集对模型进行训练，通过反向传播算法不断调整模型的权重和偏置，最小化预测误差。使用验证集监控模型的训[0055]在一些实施例中，误差补偿模型是基于历史手术中(对于没有历史数据的用户，则依靠在当前手术中粗调模式对应的调控数据进行分析)用户操作滑台2时产生的超调或欠调数据记录进行建立，超调是指滑台2实际移动的距离超过了目标距离，欠调则是滑台2实际移动的距离未达到目标距离。分析这些历史数据，找出不同用户在不同操作情境下的误差规律。[0056]在实时手术控制中，当系统检测到当前定位情况与历史数据中存在类似特征时(如特定医生在特定目标距离和操作力度下),就会根据历史误差值对输出位移进行反向修正。反向修正的意思是，如果历史数据显示该医生在这种情况下超调了一定距离，那么在实际控制中就会减少相应的位移输出；如果历史数据显示欠调了一定距离，则会增加相应的位移输出。[0057]使用误差补偿模型是在使用综控模型进行调整之后，对移动的误差进行反向修根据误差补偿模型判断当前操作情境是否与历史数据中的类似情况匹配。如果匹配，则根据模型输出的误差值对滑台2的输出位移进行修正。[0058]通过补偿历史误差，能够减少滑台2在实际移动过程中的超调或欠调现象，使滑台2更准确地到达目标位置，从而提高手术的定位精度；避免了因定位不准确而导致的重复调整操作，节省了手术时间，提高了手术效率；使滑台2控制系统能够更好地适应不同医生的操作习惯和不同手术场景下的误差变化，增强了系统的稳定性和可靠性。据拟合得到力度和位移的公式，即d=0.14F+0.1。在实际操作中，当用户A施加习惯性力度4.8mm,误差为0.2mm。通过误差分析发现，误差与按压力度呈线性关系，建立误差补偿模型，计算误差为-0.005F。在后续操作中，当用户A再次施加35%的力度时，先根据综控模型预测位移为5mm,然后根据误差补偿模型计算误差为-0.175mm,最终控制滑台2移动的位移为5-0.175=4.825mm,从而提高了定位精度。[0060]S22:将实时距离、用户类型和力度位移序列输入到综控模型中，确定调控方案，同时根据实时定位误差，反向修正输出位移。所述综控模型输出理想力度值、滑台2的理想位移和速度控制指令。根据修正后的结果调控副控臂3移动使辅助手术器械达到目标位置，进行后续手术操作。[0061]简单来说，现有技术中使用语音控制或直接定位的方式都会存在二次调整的问题，且会有更大的数据反应延迟；在实践中表明，由医生(用户)直接控制辅助器械的移动是最能快速进行调整到达目标位置的方法，但人的力度是最不容易控制的，尤其是每个人的习惯性力度在短时间内都不会变化，而本申请解决的问题是如何基于用户的习惯性力度实现目标位置的精准定位，提高准确性、流畅性和舒适性，避免用户的习惯性力度不同导致重复调整以及定位不准确的问题，即精调模式下用户按压力度调控不准确，无法精准施加力度，导致调控次数和调控时间增加的问题，提高了手术机器人的控制精度和医生调控的准[0062]上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：本申请根据不同用户的操作习惯和类型，提供个性化的力速曲线和参数设置，使滑台2能够更好地适应医生的操作风格；结合实时距离信息动态调整力速曲线，使滑台2在操作过程中始终保持最佳的速度响应特性，减少因速度不匹配而导致的操作不适感，提高操作的流畅性和舒适性，提高了手术机器人的控制精度和医生调控的准确性；在接近目标位置时，通过压缩力速曲线降低速度，有效减少超调现象；同时使用误差补偿模型对移动误差进行反向修正，使滑台2更准确地到达目标位置；精准的力度-位移映射减少因力度与位移不匹配而导致的定位误差，避免因定位不准确而导致的重复调整操作，节省手术时间；降低因速度过快而导致的误触等安全风险，保障操作的安全性。[0063]实施例三：在手术过程中，目标区域常因组织蠕动、呼吸运动或手术操作(如切割、缝合)出现位置动态变化，上述内容依赖术前病灶三维模型和虚拟围栏定位，以及基于静态目标区域的力速曲线和误差补偿模型，对于实时应对目标区域的动态变化，导致定位误差精度下降。[0064]在腹腔镜手术中，目标组织(如肿瘤、血管)常因呼吸运动、器官蠕动或手术操作(如牵拉、切割)发生动态位移(典型波动范围±3mm),导致上述内容定位精度降低。[0065]所述方法还包括：S3:获取超声图像和荧光图像，基于超声图像计算第一质心；基于荧光图像通过阈值分割提取血管区域，计算第二质心；基于实时目标位置监测获取目标点集，计算目标点集的第三质心和标准差；根据第一质心、第二质心和第三质心确定目标质心，根据目标质心和标准差得到区域新边界；根据区域新边界确定动态变化差值，根据动态变化值调整力速曲线。[0066]在一些实施例中，使用高频超声探头和近红外荧光成像系统得到对应的超声图像和荧光图像，采用硬件触发信号，确保超声探头与NIR摄像头能够同时采集当前帧图像。触发信号的精度控制在微秒级，以保证两路图像在时间上的同步性；例如：超声成像设置帧率为30fps,根据手术部位和肿瘤大小，调整超声探头的增益、深度等参数，以获得最佳的图像质量；近红外荧光成像设置帧率为25fps,调整NIR摄像头的曝光时间和增益，确保能够清晰捕捉血管的荧光信号。[0067]基于超声图像计算第一质心，包括：将超声图像输入到U-Net++模型中进行实时推[0068]基于荧光图像通过阈值分割提取血管区域，计算第二质心，包括：对采集到的荧光图像进行阈值分割，提取血管区域，计算血管区域的质心坐标，将质心坐标映射至统一坐标系得到第二质心。[0069]基于实时目标位置监测获取目标点集，计算目标点集的第三质心和标准差，包括：获取t时刻的目标点集为Pt={(xi,yi,Zi)}得到质心坐标为：,根据标准差公式计算目标点集在三个坐标轴上的标准差。所述目标点集包括目标区域的所有特征点。[0070]根据第一质心、第二质心和第三质心确定目标质心，根据目标质心和标准差得到标准差计算目标区域的半轴长；根据目标质心和半轴长确定区域新边界。[0071]具体的，将目标区域映射到统一坐标系中，形成椭球形状作为目标区域的边界数据，椭球有三个互相垂直的半轴，分别用a、b、c表示，它们决定了椭球在三个不同方向上的大小和形状。基于标准差计算目标区域的半轴长，将目标点集在三个坐标轴上的标准差分别乘以1.5,得到的三个数值分别作为椭球的半轴长。[0072]在一些实施例中，根据区域新边界确定动态变化差值，包括：根据光流法计算目标[0074]在一些实施例中，根据区域新边界和调整后的力速曲线设置状态向量和观测向 状态，预测当前时刻的状态。预测方程提供先验估计，更新方程则结合观测数据修正该估[0081]在一些实施例中，基于实际位移和滑台2速度预测下一时刻位移量，根据下一时刻的位移量和用户的习惯性力度得到的实际位移量计算补偿量，即根据预测量和用户习惯性力度对应的位移，进行提前预测得到补偿量，进而根据补偿量进一步确认最优控制序列。[0082]在一些实施例中，设置预测时域、控制时域和约束条件，预测时域(PredictionHorizon)和控制时域(ControlHorizon)用于描述控制算法对未来行为的规划范围，控制时域通常小于或等于预测时域，表示在预测时域内，控制算法将优化多少步的控制输入，控制时域决定了控制算法能够直接优化的控制输入数量。对于快速变化的系统，需要较短的保证控制精度的同时，降低计算复杂度。所述约束条件是为了确保手术器械的运动速度和加速度在安全范围内，设置的最大值，具体根据实际情况进行动态设置。预先设置优化目标，具体根据实时距离(即实施例一中的副控臂3末端到目标区域边界的距离)、预测方程和补偿量进行设置。[0083]在一些实施例中，根据预测方程和补偿量得到最优控制序列，包括：根据预测方程和补偿量确定优化目标，将优化目标和约束条件输入到OSQP求解器中，求解得到最优控制序列，基于最优控制序列的首步控制量确定调控方案。[0084]在一些实施例中，基于对目标区域的动态变化的预测，提前进行预防，获取最优控制序列，进而得到首步控制量，基于用户的习惯性力度，就可以准确定位目标区域位置，减少了后续重复调整的次数，能够依据不同用户的习惯性力度，动态设置个性化的最优序列，保证精调的准确度和使用操作的舒适度、流畅性。[0085]上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：本申请通过多模态图像融合与质心计算，更准确地确定目标区域的位置，实时监测目标位置变化，动态调整力速曲线，减少定位误差；使用卡尔曼滤波器进行状态估