CN110992431B - 一种双目内窥镜软组织图像的联合三维重建方法 - Google Patents
一种双目内窥镜软组织图像的联合三维重建方法 Download PDFInfo
- Publication number
- CN110992431B CN110992431B CN201911294002.5A CN201911294002A CN110992431B CN 110992431 B CN110992431 B CN 110992431B CN 201911294002 A CN201911294002 A CN 201911294002A CN 110992431 B CN110992431 B CN 110992431B
- Authority
- CN
- China
- Prior art keywords
- image
- point
- soft tissue
- stereo
- binocular endoscope
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 210000004872 soft tissue Anatomy 0.000 title claims abstract description 24
- 238000003384 imaging method Methods 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims abstract description 5
- 238000005286 illumination Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000011084 recovery Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 2
- 229910052739 hydrogen Inorganic materials 0.000 claims 1
- 239000001257 hydrogen Substances 0.000 claims 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims 1
- 238000002324 minimally invasive surgery Methods 0.000 description 5
- 238000001356 surgical procedure Methods 0.000 description 4
- 238000013519 translation Methods 0.000 description 2
- 208000002847 Surgical Wound Diseases 0.000 description 1
- 206010052428 Wound Diseases 0.000 description 1
- 206010048038 Wound infection Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20228—Disparity calculation for image-based rendering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Endoscopes (AREA)
- Instruments For Viewing The Inside Of Hollow Bodies (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种双目内窥镜软组织图像的联合三维重建方法,先通过双目内窥镜获取目标的左右图像对,利用立体视觉发进行初步重建,然后以左图为例,利用基于微表面理论构造的双向反射分布方程,模拟内窥镜环境下的成像过程,进一步构造左图像的亮度图像,最后利用SFS算法进行精细重建,这样就可以将重建问题转化为最优化问题,通过迭代优化求解出最终的重建结果。
Description
技术领域
本发明属于图像处理技术领域,更为具体地讲,涉及一种双目内窥镜软组织图像的联合三维重建方法。
背景技术
近年来微创手术(MIS)因为与传统的开放手术相比具有许多的优势而受到重视,包括手术创口尽可能小、减小伤口感染风险以及恢复时间更短,从而患者可以更快地恢复正常生活。这使得微创手术成为当今临床医学中最主要的发展趋势之一。在MIS中,医生不再需要对患者做大尺寸的创口,仅需在合适的位置打若干个小孔,探入内窥镜及手术器械,即可完成手术。
MIS过程中,尽管可以通过使用内窥镜在手术中获取手术目标的实时影像,来辅助外科医生的操作,但是所获得的二维图像毕竟丢失了目标的深度信息,这相对于外科手术的高精度行要求而言依然会造成不小的影响。另外手术器材及内窥镜的运动、患者呼吸运动、心跳等运动也会给成像造成困难。因此,对于如何从内窥镜图像中重建满足手术精确度、实时性要求的三维图像是辅助外科医生精确手术的关键的一步。
目前,计算机视觉领域的两种主流算法为:立体视觉法(Multi-View Stereo,MVS)和从阴影恢复形状(Shape From Shading,SFS)。前者通过模仿人类的视觉系统,在多个视图中找到对应的特征,并通过三角测量确定深度,不足之处在于运算量偏大、且在基线距离较大的情况下重建效果会明显降低;另外后者仅根据将图像亮度与局部表面法线相关联的给定反射模型来估计深度,因此单输入图像通常就足够了,该方法通常在一些使用第二台相机不可行的场景下较为实用,比如行星表面的重建或者人体器官的重建。
发明内容
本发明的目的在于克服现有技术的不足,提供一种双目内窥镜软组织图像的联合三维重建方法,通过联合使用立体视觉法和SFS算法,构建目标函数,将重建问题转化为一个最优化问题,通过优化算法迭代计算得出最终的全局深度图,进而完成三维重建。
为实现上述发明目的,本发明一种双目内窥镜软组织图像的联合三维重建方法,其特征在于,包括以下步骤:
(1)、双目内窥镜标定;
对双目内窥镜的两个相机进行各自标定,以及两相机之间进行立体标定,从而获得两个相机的内部参数矩阵及两相机之间的外部参数矩阵;
(2)、图像采集及预处理;
利用双目内窥镜对目标软组织进行图像采集,再利用外部参数矩阵对采集图像进行重投影,使左右两幅采集图像落在同一平面上,且左右两幅采集图像之间的像素行满足极线约束;
将处理后的左右两幅采集图像用图像对表示为{Il,Ir},并设目标软组织表面在Il中的像素坐标为(x,y),对应的待求深度为z(x,y);
(3)、利用立体视觉算法计算初步深度信息z0;
(3.1)、在图像对{Il,Ir}中,对于左图像Il中的每个像素点,通过在右图像Ir对应行上滑动绝对误差和SAD窗口,从而获得最佳匹配点,实现全局的特征匹配;
(3.2)、计算视差;
计算每个最佳匹配点的视差:d=xl-xr,其中,xl、xr分别为左、右最佳匹配点的横坐标;
(3.3)、将所有最佳匹配点的视差组成视差图d(x,y);
(3.4)、通过三角测量视差图,得到初步深度信息z0;
z0(x,y)=f·b/d(x,y)
其中,f为左相机的焦距,b为左右相机光心之间的距离;
(4)、利用阴影恢复形状算法对双目内窥镜的光照环境进行建模;
(4.2)、基于微表面理论构建的双向反射分布方程fBRDF(z)模拟左相机成像过程,构建左图像Il的反射图El(z);
其中,z为待求深度,μ为光照方向向量,Nl为左相机获取的软组织表面某一点的法向量,σ为常量系数;
(6)、构建目标函数;
其中,R(z)为平滑约束;ωsfs、ωstereo、ωR分别是阴影恢复形状数据项、立体视觉项、平滑约束项的权重值;p、q分别为X轴方向上的表面梯度和Y轴方向上的表面梯度;
(7)、使用的交替方向乘子法ADMM对目标函数进行迭代求优,得到最优的深度信息zfinal=argminEtotal;
(8)、通过透视投影的逆变换,将图像的像素坐标及其深度信息zfinal恢复为三维的世界坐标,重建完毕。
本发明的发明目的是这样实现的:
本发明一种双目内窥镜软组织图像的联合三维重建方法,先通过双目内窥镜获取目标的左右图像对,利用立体视觉发进行初步重建,然后以左图为例,利用基于微表面理论构造的双向反射分布方程,模拟内窥镜环境下的成像过程,进一步构造左图像的亮度图像,最后利用SFS算法进行精细重建,这样就可以将重建问题转化为最优化问题,通过迭代优化求解出最终的重建结果。
同时,本发明一种双目内窥镜软组织图像的联合三维重建方法还具有以下有益效果:
(1)、重建精度高。本方法结合了两种计算机视觉领域的两种主流的重建方法,立体视觉法保证全局深度图的准确度,SFS确保了恢复过程中局部细节的准确度,综合两方面提高了整体的重建精度。
(2)、对成像环境光容忍度高,适用面更广。传统SFS算法适用范围虽然广泛,但是对于环境中光源的要求较为苛刻,需要准确的光源参数,包括位置与方向信息。本方法中,使用基于微表面理论的双向反射分布方程,替代传统SFS算法中的经验反射方程,应对不同环境下的光照变化更加稳定。
附图说明
图1是本发明一种双目内窥镜软组织图像的联合三维重建方法流程图
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是本发明一种双目内窥镜软组织图像的联合三维重建方法流程图。
在本实施例中,如图1所示,本发明一种双目内窥镜软组织图像的联合三维重建方法,包括以下步骤:
S1、双目内窥镜标定;
对双目内窥镜的两个相机进行各自标定,以及两相机之间进行立体标定,从而获得两个相机的内部参数矩阵及两相机之间的外部参数矩阵;
在本实施例中,可以按照Zhengyou Zhang等在文献《A Flexible New Techniquefor Camera Calibration》中提出的标定方法具体操作,获得,
其中分别为左右相机图像平面的像素齐次坐标(ul,vl,1)、(ur,vr,1);Al、Ar分别为左右相机的内参数;[Rl,tl]、[Rr,tr]分别为左右相机的旋转矩阵和平移向量;表示目标表面一点的世界坐标系下的齐次坐标(X,Y,Z,1);s表示尺度因子。进而利用以上公式1的结果进行立体标定,由公式2解得两相机之间的旋转矩阵R和平移向量T:
R=Rr(Rl)T,T=tr-Rtl
S2、图像采集及预处理;
利用双目内窥镜对目标软组织进行图像采集,再利用外部参数矩阵对采集图像进行重投影,使左右两幅采集图像落在同一平面上,且左右图像之间的像素行严格对准,即满足极线约束;
将处理后的左右两幅采集图像用图像对表示为{Il,Ir},并设目标软组织表面在Il中的像素坐标为(x,y),对应的待求深度为z(x,y);
S3、利用立体视觉算法计算初步深度信息z0;
S3.1、全局特征匹配
在图像对{Il,Ir}中,对于左图像Il中的每个像素点,通过在右图像Ir对应行上滑动绝对误差和SAD窗口,从而获得最佳匹配点,实现全局的特征匹配;
在本实施例中,预处理之后每一行就是一条极线,左图像的任意特征点都将出现在右图的同一行(即有相同的纵坐标)。我们可以采用“绝对误差和(SAD)”的窗口来查找左右图像之间的匹配点,但不限于此处方法。
S3.2、计算视差;
计算每个最佳匹配点的视差:d=xl-xr,其中,xl、xr分别为左、右最佳匹配点的横坐标;
S3.3、将所有最佳匹配点的视差组成视差图d(x,y);
S3.4、通过三角测量视差图,得到初步深度信息z0;
z0(x,y)=f·b/d(x,y)
其中,f为左相机的焦距,b为左右相机光心之间的距离,即基线距离;
S4、利用阴影恢复形状算法对双目内窥镜的光照环境进行建模;
S4.2、基于微表面理论构建的双向反射分布方程fBRDF(z)模拟左相机成像过程,构建左图像Il的反射图El(z);
其中,z为待求深度,μ为光照方向向量,Nl为左相机获取的软组织表面某一点的法向量,σ为常量系数;
其中,法向量Nl的计算方法为:
在本实施例中,具体的双向反射分布方程为:
其中,l为光照方向向量,由于光源位置(a,b,0)相对于左相机光心位置保持不变,所以l可视为常量;n为软组织表面某点的法向量;v为光线反射方向,或称为观察方向;h为光照方向和观察方向之间的半角向量F(l,v)为菲涅尔方程,表示光学平面对入射光线的反射比例;G(l,v)为几何衰减因子,表示入射光线由于微表面理论中的受shadowing现象影响未能从l反射到v方向的比例。D(h)表示朝向是h的微表面数占微表面总数的比例。
S6、构建目标函数;
其中,R(z)为平滑约束;ωsfs、ωstereo、ωR分别是阴影恢复形状数据项、立体视觉项、平滑约束项的权重值;p、q分别为X轴方向上的表面梯度和Y轴方向上的表面梯度;
在本实施例中,Dsfs(z)又称为图像亮度误差,直接从图像亮度中获得,反映了实际图像与估计图像之间的亮度误差。Dstereo(z)反映了估计深度与初始立体视觉的重建结果之间的误差。R(z)为平滑约束,平滑约束可确保光滑的表面,以稳定收敛到唯一的解。
S7、使用的交替方向乘子法ADMM对目标函数进行迭代求优,得到最优的深度信息zfinal=argminEtotal;
在本实施例中,使用Y.Qu’eau等在文献《A Variational Approach to Shapefrom Shading Under Natural Illumination》中使用的交替方向乘子法(ADMM)对目标函数进行迭代求优,但不限于次算法。
S8、通过透视投影的逆变换,将图像的像素坐标及其深度信息zfinal恢复为三维的世界坐标,重建完毕。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (2)
1.一种双目内窥镜软组织图像的联合三维重建方法,其特征在于,包括以下步骤:
(1)、双目内窥镜标定;
对双目内窥镜的两个相机进行各自标定,以及两相机之间进行立体标定,从而获得两个相机的内部参数矩阵及两相机之间的外部参数矩阵;
(2)、图像采集及预处理;
利用双目内窥镜对目标软组织进行图像采集,再利用外部参数矩阵对采集图像进行重投影,使左右两幅采集图像落在同一平面上,且左右两幅采集图像之间的像素行满足极线约束;
将处理后的左右两幅采集图像用图像对表示为{Il,Ir},并设目标软组织表面在Il中的像素坐标为(x,y),对应的待求深度为z(x,y);
(3)、利用立体视觉算法计算初步深度信息z0;
(3.1)、在图像对{Il,Ir}中,对于左图像Il中的每个像素点,通过在右图像Ir对应行上滑动绝对误差和SAD窗口,从而获得最佳匹配点,实现全局的特征匹配;
(3.2)、计算视差;
计算每个最佳匹配点的视差:d=xl-xr,其中,xl、xr分别为左、右最佳匹配点的横坐标;
(3.3)、将所有最佳匹配点的视差组成视差图d(x,y);
(3.4)、通过三角测量视差图,得到初步深度信息z0;
z0(x,y)=f·b/d(x,y)
其中,f为左相机的焦距,b为左右相机光心之间的距离;
(4)、利用阴影恢复形状算法对双目内窥镜的光照环境进行建模;
(4.2)、基于微表面理论构建的双向反射分布方程fBRDF(z)模拟左相机成像过程,构建左图像Il的反射图El(z);
其中,z为待求深度,μ为光照方向向量,Nl为左相机获取的软组织表面某一点的法向量,σ为常量系数;
(6)、构建目标函数;
Etotal=ωsfsDsfs(z)+ωstereoDstereo(z)+ωRR(z)
其中,R(z)为平滑约束;ωsfs、ωstereo、ωR分别是阴影恢复形状数据项、立体视觉项、平滑约束项的权重值;p、q分别为X轴方向上的表面梯度和Y轴方向上的表面梯度;
(7)、使用的交替方向乘子法ADMM对目标函数进行迭代求优,得到最优的深度信息zfinal=argminEtotal;
(8)、通过透视投影的逆变换,将图像的像素坐标及其深度信息zfinal恢复为三维的世界坐标,重建完毕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911294002.5A CN110992431B (zh) | 2019-12-16 | 2019-12-16 | 一种双目内窥镜软组织图像的联合三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911294002.5A CN110992431B (zh) | 2019-12-16 | 2019-12-16 | 一种双目内窥镜软组织图像的联合三维重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992431A CN110992431A (zh) | 2020-04-10 |
CN110992431B true CN110992431B (zh) | 2023-04-18 |
Family
ID=70094190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911294002.5A Active CN110992431B (zh) | 2019-12-16 | 2019-12-16 | 一种双目内窥镜软组织图像的联合三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992431B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111508068B (zh) * | 2020-04-20 | 2023-05-30 | 华中科技大学 | 一种应用于双目内窥镜图像的三维重建方法及系统 |
CN112261399B (zh) * | 2020-12-18 | 2021-03-16 | 安翰科技(武汉)股份有限公司 | 胶囊内窥镜图像三维重建方法、电子设备及可读存储介质 |
CN112614152B (zh) * | 2020-12-22 | 2022-03-25 | 电子科技大学 | 一种基于深度特征学习的软组织表面运动跟踪方法 |
CN113140010B (zh) * | 2021-05-14 | 2022-08-12 | 上海交通大学 | 适用少/无特征环境的三维重建方法及系统、设备、介质 |
CN117179676B (zh) * | 2023-11-08 | 2024-03-15 | 北京市春立正达医疗器械股份有限公司 | 一种一次性智能化可视多功能微型导管 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398886A (zh) * | 2008-03-17 | 2009-04-01 | 杭州大清智能技术开发有限公司 | 一种基于双目被动立体视觉的快速三维人脸识别方法 |
CN101938668A (zh) * | 2010-09-10 | 2011-01-05 | 中国科学院自动化研究所 | 对多级透镜多视角场景的三维重建的方法 |
CN103337094A (zh) * | 2013-06-14 | 2013-10-02 | 西安工业大学 | 一种应用双目摄像机实现运动三维重建的方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1196374A (ja) * | 1997-07-23 | 1999-04-09 | Sanyo Electric Co Ltd | 3次元モデリング装置、3次元モデリング方法および3次元モデリングプログラムを記録した媒体 |
CN201188667Y (zh) * | 2008-04-30 | 2009-01-28 | 北京工业大学 | 一种基线长度自动调节的双目立体摄像机 |
CN101908230B (zh) * | 2010-07-23 | 2011-11-23 | 东南大学 | 一种基于区域深度边缘检测和双目立体匹配的三维重建方法 |
CN103065351A (zh) * | 2012-12-16 | 2013-04-24 | 华南理工大学 | 一种双目三维重建的方法 |
CN103412401B (zh) * | 2013-06-07 | 2015-05-13 | 中国科学院上海光学精密机械研究所 | 内窥镜和管道内壁三维图像重建方法 |
CN104933761A (zh) * | 2015-07-02 | 2015-09-23 | 西华大学 | 一种多峰非对称场三维重建方法 |
US20170035268A1 (en) * | 2015-08-07 | 2017-02-09 | Ming Shi CO., LTD. | Stereo display system and method for endoscope using shape-from-shading algorithm |
PT3130273T (pt) * | 2015-08-13 | 2019-07-04 | Medicaltek Co Ltd | Método e sistema de visualização estereoscópica para endoscópio que utiliza algoritmo de formato a partir de sombreamento |
US10861177B2 (en) * | 2015-11-11 | 2020-12-08 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for binocular stereo vision |
CN106204731A (zh) * | 2016-07-18 | 2016-12-07 | 华南理工大学 | 一种基于双目立体视觉系统的多视角三维重建方法 |
CN106780725B (zh) * | 2016-12-23 | 2018-07-06 | 西安交通大学 | 一种双目三维重构方法及系统 |
CN107170042B (zh) * | 2017-06-19 | 2019-06-04 | 电子科技大学 | 一种无序图像的多视立体匹配的三维重建方法 |
CN107358631B (zh) * | 2017-06-27 | 2020-05-19 | 大连理工大学 | 一种虑及三维畸变的双目视觉重建方法 |
CN108335350A (zh) * | 2018-02-06 | 2018-07-27 | 聊城大学 | 双目立体视觉的三维重建方法 |
CN108520537B (zh) * | 2018-03-29 | 2020-02-18 | 电子科技大学 | 一种基于光度视差的双目深度获取方法 |
CN109091099A (zh) * | 2018-05-11 | 2018-12-28 | 上海交通大学 | 双目视觉的高清微型电子内窥镜系统 |
CN109191509A (zh) * | 2018-07-25 | 2019-01-11 | 广东工业大学 | 一种基于结构光的虚拟双目三维重建方法 |
CN110033465B (zh) * | 2019-04-18 | 2023-04-25 | 天津工业大学 | 一种应用于双目内窥镜医学图像的实时三维重建方法 |
-
2019
- 2019-12-16 CN CN201911294002.5A patent/CN110992431B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398886A (zh) * | 2008-03-17 | 2009-04-01 | 杭州大清智能技术开发有限公司 | 一种基于双目被动立体视觉的快速三维人脸识别方法 |
CN101938668A (zh) * | 2010-09-10 | 2011-01-05 | 中国科学院自动化研究所 | 对多级透镜多视角场景的三维重建的方法 |
CN103337094A (zh) * | 2013-06-14 | 2013-10-02 | 西安工业大学 | 一种应用双目摄像机实现运动三维重建的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110992431A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992431B (zh) | 一种双目内窥镜软组织图像的联合三维重建方法 | |
CN110033465B (zh) | 一种应用于双目内窥镜医学图像的实时三维重建方法 | |
Stoyanov et al. | Dense 3D depth recovery for soft tissue deformation during robotically assisted laparoscopic surgery | |
CN111080778B (zh) | 一种双目内窥镜软组织图像的在线三维重建方法 | |
US9367914B2 (en) | Imaging system and method for use of same to determine metric scale of imaged bodily anatomy | |
Mahmoud et al. | SLAM based quasi dense reconstruction for minimally invasive surgery scenes | |
CN111508068B (zh) | 一种应用于双目内窥镜图像的三维重建方法及系统 | |
CN112261399B (zh) | 胶囊内窥镜图像三维重建方法、电子设备及可读存储介质 | |
Wu et al. | Reconstructing 3D lung shape from a single 2D image during the deaeration deformation process using model-based data augmentation | |
CN114399527A (zh) | 单目内窥镜无监督深度和运动估计的方法及装置 | |
CN108090954A (zh) | 基于图像特征的腹腔环境地图重建与腹腔镜定位的方法 | |
CN115294128B (zh) | 一种用于消化内镜的单目结构三维成像方法及装置 | |
Herrera et al. | Shape-from-Polarization in laparoscopy | |
CN116452752A (zh) | 联合单目稠密slam与残差网络的肠壁重建方法 | |
CN105616003B (zh) | 一种基于径向样条插值的软组织三维视觉跟踪方法 | |
CN111658142A (zh) | 一种基于mr的病灶全息导航方法及系统 | |
CN112163452B (zh) | 基于深度学习的双目近红外肢体静脉图像的三维重建方法 | |
CN117788671A (zh) | 一种基于神经辐射场的内窥镜视频三维场景重建方法 | |
Tokgozoglu et al. | Color-based hybrid reconstruction for endoscopy | |
ES2734676T3 (es) | Sistema de visualización estereoscópica y método para endoscopio usando un algoritmo de forma a partir de sombra | |
CN112294453B (zh) | 一种显微手术术野三维重建系统及方法 | |
CN113140010B (zh) | 适用少/无特征环境的三维重建方法及系统、设备、介质 | |
Cheng et al. | Endoscopic-based 3D reconstruction methods of human internal cavity | |
TWI538651B (zh) | Stereo visualization system and method of endoscopy using chromaticity forming method | |
CN117152198A (zh) | 一种基于光照变化量分离的无监督单目内窥镜图像深度估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |