脑机接口（Brain-Machine Interface，BMI）旨在建立大脑与计算机之间的通信渠道，实现对人脑活动的实时监测和解读。近年来，柔性电极作为侵入式脑机接口的重要组成部分，因其更好的生物相容性和稳定性受到广泛关注。然而，柔性电极植入手术存在操作难度大的问题，需要借助植入机器人来提高植入精度和效率。本文以柔性电极微创植入为具体应用，重点研究柔性电极植入过程中的识别定位、测量对准、插入控制等关键技术，旨在突破柔性电极植入瓶颈，实现柔性电极沿颅脑微孔自动植入，为脑机接口技术的应用提供技术支持。论文主要内容如下：

1. 针对显微相机图像易受离焦、遮挡和光线变化等影响的情况，提出了基于深度卷积网络的目标检测和关键点定位网络，并引入金字塔结构编码器进行特征图提取。此外，基于目标检测结果和金字塔结构特征提取器，实现了植入针针尖和柔性电极环中心点的定位，提高了关键点定位的精度和鲁棒性。
2. 提出适用于植入针和柔性电极的基于模板匹配的图像特征提取方法，以及适用于颅骨微孔的基于特征点匹配的图像特征提取方法。在图像特征提取的基础上，基于极线约束和三角化恢复了目标的三维姿态向量，并实现了对植入针、柔性电极和颅骨微孔姿态测量的误差分析。此外，设计了植入针、柔性电极和颅骨微孔的位姿对准控制流程，并建立基于图像雅可比（Jacobian）矩阵的视觉伺服控制，实现了植入针和柔性电极、植入针和颅骨微孔的自动位姿对准。
3. 针对植入针在插入颅骨微孔时可能与孔壁发生碰撞的问题，提出了一种多模态的接触状态识别网络，旨在准确识别植入针和颅骨微孔之间的相对接触状态。此外，设计了植入针插入并穿过颅骨微孔的控制流程，根据接触状态识别网络的结果预测植入针下一时刻动作，并建立位置伺服控制来调整植入针姿态，实现植入针沿颅骨微孔顺利植入的应用目标。