基于3D腹腔镜的手术器械姿态估计
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-22页 |
| 1.1 课题的研究背景和意义 | 第9-10页 |
| 1.1.1 课题的研究背景 | 第9页 |
| 1.1.2 课题的研究意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-21页 |
| 1.2.1 微创手术机器人国内外研究现状 | 第10-14页 |
| 1.2.2 手术器械姿态估计国内外研究现状 | 第14-20页 |
| 1.2.3 国内外文献综述的简析 | 第20-21页 |
| 1.3 本课题主要研究内容 | 第21-22页 |
| 第2章 系统整体理论模型构建 | 第22-37页 |
| 2.1 引言 | 第22页 |
| 2.2 3D腹腔镜双目相机建模 | 第22-30页 |
| 2.2.1 像素图像坐标系和物理图像坐标系 | 第23-24页 |
| 2.2.2 相机坐标系与世界坐标系 | 第24-26页 |
| 2.2.3 双目相机空间点的三维重建 | 第26-28页 |
| 2.2.4 双目相机空间直线的三维重建 | 第28-30页 |
| 2.3 3D腹腔镜的标定方法 | 第30-36页 |
| 2.3.1 扩展卡尔曼滤波算法简介 | 第31-34页 |
| 2.3.2 运用扩展卡尔曼滤波的相机参数估计过程 | 第34-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 图像处理方法研究 | 第37-49页 |
| 3.1 引言 | 第37页 |
| 3.2 相机畸变形成原理分析 | 第37-39页 |
| 3.3 3D腹腔镜双目校正 | 第39-42页 |
| 3.3.1 极线约束算法简介 | 第39-41页 |
| 3.3.2 双目校正实验验证 | 第41-42页 |
| 3.4 双目图像预处理 | 第42-48页 |
| 3.4.1 几种预处理算法简介 | 第43-46页 |
| 3.4.2 预处理算法效果对比 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 特征提取与姿态估计算法研究 | 第49-65页 |
| 4.1 引言 | 第49页 |
| 4.2 双目视觉特征提取算法研究 | 第49-61页 |
| 4.2.1 杆状部分特征提取算法研究 | 第49-56页 |
| 4.2.2 操作部分特征提取算法研究 | 第56-61页 |
| 4.3 手术器械姿态估计方法分析 | 第61-63页 |
| 4.3.1 姿态估计理论模型建立 | 第61-63页 |
| 4.3.2 姿态估计参数求解方法分析 | 第63页 |
| 4.4 本章小结 | 第63-65页 |
| 第5章 手术器械姿态估计实验验证 | 第65-78页 |
| 5.1 引言 | 第65页 |
| 5.2 实验平台介绍 | 第65-66页 |
| 5.3 3D腹腔镜双目相机标定精度实验验证 | 第66-69页 |
| 5.4 手术器械特征提取及姿态估计算法实验验证 | 第69-77页 |
| 5.4.1 模拟组织器官实验验证 | 第70-72页 |
| 5.4.2 动物内脏切片实验验证 | 第72-74页 |
| 5.4.3 动物组织切片实验验证 | 第74-77页 |
| 5.5 本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 致谢 | 第85页 |
