微創(chuàng)手術中內窺鏡視覺SLAM方法研究.pdf

1、內窺鏡視覺即時定位與地圖創(chuàng)建(Simulation Localization and Mapping， SLAM）是在動態(tài)微創(chuàng)手術環(huán)境下基于內窺鏡實時影像同步完成對軟組織環(huán)境的三維動態(tài)重建和內窺鏡自身運動的估計，即獲取軟組織表面特征在對應場景中的三維空間信息，并通過內窺鏡與場景特征的相對位置關系來確定內窺鏡在同一空間坐標中的位姿。微創(chuàng)手術特殊復雜的環(huán)境，如術中光照不均、軟組織流血、診療煙霧、軟組織形變、軟組織表面強邊緣圖像特征缺失以及濕

2、性軟組織表面的高度鏡面反射等，對內窺鏡視覺SLAM方法的實時性和魯棒性提出較高要求。針對以上問題，本文開展了微創(chuàng)手術中內窺鏡視覺SLAM方法的研究，具體內容如下：
　　1．本文搭建了基于概率估計的內窺鏡視覺SLAM框架，主要包括內窺鏡及軟組織運動建模、內窺鏡視覺測量模型以及擴展卡爾曼濾波算法。
　　2．軟組織特征測量包括軟組織特征提取和特征匹配兩個部分。對于軟組織的特征提取，本文創(chuàng)新性地應用ORB（Oriented Brie

3、f）特征提取方法，保證了提取的軟組織特征在微創(chuàng)手術復雜環(huán)境中的穩(wěn)定性；為了獲得更好的實時性，本文對內窺鏡圖像進行了柵格區(qū)域劃分，根據(jù)區(qū)域特征分布參數(shù)，提取數(shù)目穩(wěn)定且分布均勻的軟組織特征。對于軟組織的特征匹配，提出軟組織特征匹配區(qū)域的主動搜索方法，避免全局搜索，從而大大地減小了特征匹配的計算復雜度。最后，將上述軟組織特征測量方法代入SLAM框架，并與已有特征測量方法進行對比，實驗結果表明，本文提出的軟組織特征測量方法具有良好的魯棒性以及廣

4、泛適用性。
　　3．針對擴展卡爾曼濾波存在的缺陷，本文提出基于1點隨機抽樣一致性（1-point Random Sample Consensus，1-pointRANSAC）的改進擴展卡爾曼濾波算法，刪除誤匹配的同時補救了有用的軟組織特征信息，使得內窺鏡定位更精確，并且結合實驗對其進行了可行性分析。最后，本文基于達芬奇手術機器人在真實微創(chuàng)手術環(huán)境下采集的內窺鏡圖像數(shù)據(jù)，對本文所提出的內窺鏡視覺SLAM方法進行了驗證。實驗結果表明，