CN111178457B - 一种精度校验器及三维影像重建精度评价方法 - Google Patents

一种精度校验器及三维影像重建精度评价方法 Download PDF

Info

Publication number
CN111178457B
CN111178457B CN202010271649.2A CN202010271649A CN111178457B CN 111178457 B CN111178457 B CN 111178457B CN 202010271649 A CN202010271649 A CN 202010271649A CN 111178457 B CN111178457 B CN 111178457B
Authority
CN
China
Prior art keywords
steel ball
precision
coordinate
dimensional image
calibrator
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
Application number
CN202010271649.2A
Other languages
English (en)
Other versions
CN111178457A (zh
Inventor
程敏
王�锋
于福翔
汤翔
龚肖
李东靖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tuodao Medical Technology Co Ltd
Original Assignee
Nanjing Tuodao Medical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Tuodao Medical Technology Co Ltd filed Critical Nanjing Tuodao Medical Technology Co Ltd
Priority to CN202010271649.2A priority Critical patent/CN111178457B/zh
Publication of CN111178457A publication Critical patent/CN111178457A/zh
Application granted granted Critical
Publication of CN111178457B publication Critical patent/CN111178457B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras

Abstract

本发明公开了一种精度校准器及三维影像重建精度评价方法，所述精度校验器由透X光材质构成，其内分散分布有若干校验点和四个坐标点，所述四个坐标点包括一个基准点，其他三个坐标点与基准点的连线相互垂直，且其他三个坐标点到基准点之间的距离不等。并提供了基于该精度校验器的三维影像重建精度评价方法，本发明能够快速准确的分析出C形臂X射线机的三维重建精度，为对C形臂X射线机有较高精度要求的项目需求提供了选型依据，并可为C形臂X射线机三维影像重建精度的矫正提升提供了理论数据分析的基础。

Description

一种精度校验器及三维影像重建精度评价方法
技术领域
本发明涉及图像处理领域，尤其涉及一种精度校验器及三维影像重建精度评价方法。
背景技术
近年来，C形臂X射线机已经广泛被应用于医疗辅助诊断领域，特别在手术导航机器人系统中已得到广泛应用。但市场上的C形臂X射线机型号、品牌各异，相应的C臂机厂家对其C形臂X射线机所能达到的实际重建精度未能给出十分详细的说明，导致在C形臂X射线机的选型上造成较大的困难；且在对C臂机影像精度有较高要求的需求下，需要对C形臂X射线机的三维影像精度作进一步的矫正和提升，此时，对C形臂X射线机三维影像精度作详细分析，是高精度补偿工作开展的前提，为后续精度矫正工作提供重要的数据支撑。
发明内容
发明目的：本发明针对上述问题，提出了一种快捷、准确的精度校验器及三维影像重建精度评价方法。
技术方案：
一种精度校验器，所述校验器由透X光材质构成，其内分散分布有若干校验点和四个坐标点，所述四个坐标点包括一个基准点，其他三个坐标点与基准点的连线相互垂直，且其他三个坐标点到基准点之间的距离不等。
若干校验点和四个坐标点均匀分布在所述校验器内。
所述校验点和所述坐标点分别为直径不同的小钢珠和大钢珠。
所述校验点为直径2mm的钢珠，所述坐标点为直径4mm的钢珠。
所述精度校验器的形状为立方体。
一种三维影像重建精度评价方法，包括以下步骤：
（1）利用C形臂X射线机获取所述精度校验器的三维影像数据，对三维影像数据进行自适应阈值校验点中心提取，计算出精度校验器内每个钢珠的实际空间位置坐标
Figure DEST_PATH_IMAGE001
；
（2）以精度校验器内的基准点为原点，其他三个坐标点与基准点的连线为轴建立校验器坐标系，得到每个钢珠在校验器坐标系下的理论位置坐标
Figure 620861DEST_PATH_IMAGE002
；
（3）对每个钢珠的实际空间位置坐标
Figure 865898DEST_PATH_IMAGE001
和每个钢珠在校验器坐标系下的理论位置坐标
Figure 710882DEST_PATH_IMAGE002
进行最小二乘匹配计算，进而计算出每个钢珠的理论空间位置坐标
Figure 100002_DEST_PATH_IMAGE003
；
（4）将每个钢珠的理论空间位置坐标
Figure 699566DEST_PATH_IMAGE003
与实际空间位置坐标
Figure 576255DEST_PATH_IMAGE001
进行误差计算，得到C形臂X射线机的三维重建偏差。
三维影像数据进行自适应阈值钢珠中心提取包括以下步骤：
1）对三维影像数据进行自适应阈值分割，获得最佳阈值分割过后的三维影像数据；
2）对最佳阈值分割过后的三维影像数据运用kmeans聚类算法，分别将每个钢珠的位置影像数据集彼此分离开；
3）对分离开的每个钢珠的位置影像数据进行拟合最小包围球，通过判断最小包围球的半径与钢珠半径是否匹配对阈值分割结果进行验证，若匹配，则以每个最小包围球的球心坐标作为校验器坐标系下每个钢珠的实际空间位置坐标
Figure 461035DEST_PATH_IMAGE001
，若不匹配，则重新进行阈值分割。
计算出每个钢珠的理论空间位置坐标
Figure 993647DEST_PATH_IMAGE003
的方法包括：
1）识别出拟合的最小包围球中四个坐标点的坐标，根据四个坐标点与其他钢珠的相对位置关系确定所有钢珠在校验器坐标系下的坐标，建立三维影像中钢珠间的拓扑关系，，并依据已知的校验器内钢珠间的拓扑关系，一一对应给三维影像中的所有钢珠建立唯一的识别编号；
2）根据步骤1）得到，每个钢珠的实际空间位置坐标
Figure 520443DEST_PATH_IMAGE001
和每个钢珠在校验器坐标系下的理论位置坐标
Figure 454901DEST_PATH_IMAGE004
之间满足关系式：
Figure 510582DEST_PATH_IMAGE005
，其中，
Figure 584019DEST_PATH_IMAGE007
为极小值量，求得
Figure 586610DEST_PATH_IMAGE008
后，进而计算出每个钢珠的理论空间位置坐标
Figure 172312DEST_PATH_IMAGE009
。
每个钢珠的理论空间位置坐标
Figure 930052DEST_PATH_IMAGE010
与实际空间位置坐标
Figure 233995DEST_PATH_IMAGE011
之间误差的计算方法为：
Figure 774697DEST_PATH_IMAGE012
。
有益效果：本发明能够快速准确的分析出C形臂X射线机的三维重建精度，为对C形臂X射线机有较高精度要求的项目需求提供了选型依据，并可为C形臂X射线机三维影像重建精度的矫正提升提供了理论数据分析的基础。
附图说明
图1是校验器结构示意图；
图2是评价方法系统流程图；
图3是源数据进行某一阈值分割后的数据图；
图4是最佳阈值分割后的数据图；
图5是实际钢珠中心坐标编号图；
图6是理论设计钢珠中心坐标与实际提取钢珠中心坐标最小二乘匹配图；
图7是实际钢珠提取坐标与实际钢珠理论重建坐标位置偏差图；
图8为以能量灰度阈值为自变量，以每个能量灰度阈值对应的能量灰度置1的空间位置点数目为变量绘制的曲线图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。
本发明的三维影像重建精度评价装置为一种精度校验器，如图1所示，精度校验器为一种由X射线透视性较好的有机玻璃材料制作的立方体，精度校验器内分散分布有多个钢珠，钢珠优选为均匀分布，且布满精度校验器的内部空间，本发明具体实施例中精度校验器内部为三层空间，每层空间均匀放置9颗，共27颗钢珠。精度校验器内部的钢珠分为直径不同的大钢珠和小钢珠，两种尺寸的钢珠要能在C臂机影像中区分，在本发明具体实施方式中选取直径为2mm的小钢珠和4mm的大钢珠。其中，小钢珠为校验点，大钢珠作为坐标点，大钢珠的数量为四个，其中一个大钢珠为基准点，其他三个大钢珠与其的连接线之间相互垂直，且为了在影像中区分出每个钢珠，其他三个大钢珠与基准点之间的距离互不相同，以基准点作为原点，以其他三个大钢珠与其的连接线分别作为X、Y、Z轴建立精度校验器坐标系。在本发明具体实施例中，大钢珠放置如图1中的1、2、3、4位置。
本发明的三维影像重建精度评价方法具体流程图见图2所示，包括以下步骤：
（1）利用C形臂X射线机对前述精度校验器进行扫描，以获得精度校验器的三维影像数据，称其为源数据
Figure 11644DEST_PATH_IMAGE013
，源数据中包括了所有空间点数据能量灰度的最值：
Figure 674706DEST_PATH_IMAGE014
和
Figure 669207DEST_PATH_IMAGE015
；
（2）对步骤（1）得到的精度校验器的三维影像数据进行自适应阈值钢珠中心提取，以获得最佳阈值分割过后的三维影像数据，即只包含有所有钢珠的三维影像数据，进而得到精度校验器的三维影像数据中的所有钢珠影像特征，并计算出所有钢珠的中心坐标，即所有钢珠的实际空间位置坐标
Figure 78847DEST_PATH_IMAGE016
；其中，最佳分割阈值
Figure 842404DEST_PATH_IMAGE017
表示能最好的将三维影像中钢珠位置的能量灰度置1，其余空间点位置能量灰度置0的阈值；
具体步骤如下：
（21）以
Figure 941947DEST_PATH_IMAGE018
开始，按一定的步长
Figure 954902DEST_PATH_IMAGE019
增加
Figure 102987DEST_PATH_IMAGE020
，直到
Figure 783367DEST_PATH_IMAGE021
；以每个
Figure 991494DEST_PATH_IMAGE022
的取值分别对源数据
Figure 491746DEST_PATH_IMAGE013
进行阈值分割，统计其中能量灰度置1的空间位置点数目；
在本发明具体实施例中，一定的步长
Figure 240259DEST_PATH_IMAGE023
为300-1000；
其中，对源数据
Figure 978408DEST_PATH_IMAGE024
进行某一阈值
Figure 422683DEST_PATH_IMAGE025
分割的数学过程描述为：源数据
Figure 613493DEST_PATH_IMAGE024
里某一具体空间点位置数据
Figure 165697DEST_PATH_IMAGE026
，其
Figure 492773DEST_PATH_IMAGE024
对应能量灰度数据为
Figure 105020DEST_PATH_IMAGE027
；若
Figure 579864DEST_PATH_IMAGE028
，则取
Figure 670180DEST_PATH_IMAGE029
，若
Figure 914079DEST_PATH_IMAGE030
，则取
Figure 166069DEST_PATH_IMAGE031
，则某一固定阈值分割后得到三维空间二值数据
Figure 331471DEST_PATH_IMAGE032
，图3为某一灰度阈值分割后的三维空间二值数据；
（22）以能量灰度阈值为自变量
Figure 962828DEST_PATH_IMAGE034
，以每个能量灰度阈值对应的能量灰度置1的空间位置点数目为变量
Figure 592393DEST_PATH_IMAGE036
，以自变量
Figure 218546DEST_PATH_IMAGE034
为横坐标，变量
Figure 667982DEST_PATH_IMAGE036
为纵坐标，绘出曲线图，如图8。分析
Figure 365680DEST_PATH_IMAGE036
对于
Figure 521854DEST_PATH_IMAGE034
的变化率
Figure 381226DEST_PATH_IMAGE037
，取
Figure 317958DEST_PATH_IMAGE038
较稳定且接近于0附近的阈值为第一有效阈值，并结合相应阈值下的能量灰度为1的数据的一些几何特征（如点集包围盒体积大小、质心位置等），进一步分析得到最佳的合适阈值
Figure 757030DEST_PATH_IMAGE039
，并得到最佳阈值
Figure 110255DEST_PATH_IMAGE040
分割完之后的数据
Figure 140528DEST_PATH_IMAGE041
，见图4；
（23）针对最佳阈值
Figure 502240DEST_PATH_IMAGE042
分割完之后的数据
Figure 276160DEST_PATH_IMAGE041
，运用kmeans聚类算法，分别将相应的钢珠位置影像数据集彼此分离开来；
（24）将钢珠位置点集拟合最小包围球，得到球半径集
Figure 469244DEST_PATH_IMAGE043
和球中心坐标
Figure 873681DEST_PATH_IMAGE044
，
Figure 785005DEST_PATH_IMAGE045
为球中心点坐标；
（25）验证步骤（24）中获得的球半径集中有且只有四个拟合球半径为2mm（±0.1mm），其余拟合求半径为1mm（±0.1mm），转至步骤（3）；否则，认为本次自适应阈值分割的并不准确，需要去调整自适应阈值分割中的参数值，如减小阈值的增加步长
Figure 300300DEST_PATH_IMAGE023
，返回步骤（21）；
（3）对提取出的钢珠中心进行拓扑排序，以建立实际空间中钢珠间的拓扑关系，具体为：
识别出步骤（2）中拟合的最小包围球中拟合球半径为2mm的四个大钢珠，其球心坐标分别为
Figure 613470DEST_PATH_IMAGE046
、
Figure 985545DEST_PATH_IMAGE047
、
Figure 324778DEST_PATH_IMAGE048
、
Figure DEST_PATH_IMAGE049
，根据四点间的距离约束关系，以此四点为基准，建立校验器坐标系，根据精度校验器内钢珠的分布，得到所有钢珠中心在校验器坐标系下的理论位置坐标，记为
Figure 971660DEST_PATH_IMAGE050
，并建立三维影像中钢珠间的拓扑关系；已知校验器内钢珠间的拓扑关系，并据此一一对应给三维影像中所有钢珠建立唯一的识别编号，钢珠中心位置编号图见图5；
（4）在校验器坐标系下理论钢珠中心坐标点集与实际空间中钢珠中心坐标点集进行最小二乘匹配计算，以得到与实际钢珠中心点最佳匹配的空间中理论的钢珠点坐标；即根据步骤（3）中已建立编号的实际空间中钢珠中心坐标点
Figure 873757DEST_PATH_IMAGE044
，确定每个钢珠位置处的理论重建坐标
Figure DEST_PATH_IMAGE051
；
（41）27个钢珠在校验器坐标系下理论钢珠中心坐标点集
Figure 947893DEST_PATH_IMAGE050
为已知，根据在实际空间中钢珠中心坐标点集
Figure 568230DEST_PATH_IMAGE052
，进行最小二乘匹配，求解两点集间的最小二乘变换矩阵
Figure DEST_PATH_IMAGE053
，有如下关系式：
Figure 753223DEST_PATH_IMAGE054
，
Figure 775406DEST_PATH_IMAGE007
为极小值量；
（42）每个钢珠位置处的理论空间重建坐标求取方法为：
，求解后的
Figure DEST_PATH_IMAGE055
与
Figure 757793DEST_PATH_IMAGE056
数据见图6，黑色点集为所有钢珠中心的理论空间重建位置坐标，灰色点集为所有钢珠中心的实际空间位置坐标；
（5）对步骤（4）得到的每个钢珠位置处的理论空间位置坐标与实际空间位置坐标进行欧式距离计算，欧式距离
Figure 131006DEST_PATH_IMAGE012
，将计算得到的距离值作为C形臂X射线机对相应钢珠点的空间位置重建误差；相应的C臂机重建偏差图见图7，单位为mm。
以上详细描述了本发明的优选实施方式，但是本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换（如数量、形状、位置等），这些等同变换均属于本发明的保护。

Claims (6)

1.一种三维影像重建精度评价方法，其特征在于，包括以下步骤：
（1）利用C形臂X射线机获取精度校验器的三维影像数据；其中，所述精度校验器由透X光材质构成，其内分散分布有若干校验点和四个坐标点，所述四个坐标点包括一个基准点，其他三个坐标点与基准点的连线相互垂直，且其他三个坐标点到基准点之间的距离不等；所述校验点和所述坐标点分别为直径不同的小钢珠和大钢珠；
对三维影像数据进行自适应阈值校验点中心提取，计算出精度校验器内每个钢珠的实际空间位置坐标
Figure DEST_PATH_IMAGE002
；
具体为：
1）对三维影像数据进行自适应阈值分割，获得最佳阈值分割过后的三维影像数据；
2）对最佳阈值分割过后的三维影像数据运用kmeans聚类算法，分别将每个钢珠的位置影像数据集彼此分离开；
3）对分离开的每个钢珠的位置影像数据进行拟合最小包围球，通过判断最小包围球的半径与钢珠半径是否匹配对阈值分割结果进行验证，若匹配，则以每个最小包围球的球心坐标作为每个钢珠的实际空间位置坐标
Figure DEST_PATH_IMAGE003
，若不匹配，则重新进行阈值分割；
（2）根据步骤（1）拟合得到的最小包围球中的四个大钢珠中，以基准点为原点，其他三个坐标点与基准点的连线为轴建立校验器坐标系，得到每个钢珠在校验器坐标系下的理论位置坐标
Figure DEST_PATH_IMAGE005
；并建立三维影像中钢珠间的拓扑关系；已知校验器内钢珠间的拓扑关系，并据此一一对应给三维影像中所有钢珠建立唯一的识别编号；
（3）对每个钢珠的实际空间位置坐标
Figure 421322DEST_PATH_IMAGE002
和每个钢珠在校验器坐标系下的理论位置坐标
Figure DEST_PATH_IMAGE006
进行最小二乘匹配计算，进而计算出每个钢珠的理论空间位置坐标
Figure DEST_PATH_IMAGE008
；
（4）将每个钢珠的理论空间位置坐标
Figure DEST_PATH_IMAGE009
与实际空间位置坐标
Figure DEST_PATH_IMAGE010
进行误差计算，得到C形臂X射线机的三维重建偏差。
2.根据权利要求1所述的三维影像重建精度评价方法，其特征在于，若干校验点和四个坐标点均匀分布在所述精度校验器内。
3.根据权利要求1所述的三维影像重建精度评价方法，其特征在于，所述校验点为直径2mm的钢珠，所述坐标点为直径4mm的钢珠。
4.根据权利要求1所述的三维影像重建精度评价方法，其特征在于，所述精度校验器的形状为立方体。
5.根据权利要求1所述的三维影像重建精度评价方法，其特征在于，计算出每个钢珠的理论空间位置坐标
Figure 633735DEST_PATH_IMAGE009
的方法包括：
根据步骤（3）的最小二乘匹配计算结果，得到二者之间的最小二乘变换矩阵
Figure DEST_PATH_IMAGE012
，进而得到每个钢珠的实际空间位置坐标
Figure 26189DEST_PATH_IMAGE010
和每个钢珠在校验器坐标系下的理论位置坐标
Figure DEST_PATH_IMAGE013
之间满足关系式：
Figure DEST_PATH_IMAGE015
，其中，
Figure DEST_PATH_IMAGE017
为极小值量，求得
Figure DEST_PATH_IMAGE018
后，进而计算出每个钢珠的理论空间位置坐标
Figure DEST_PATH_IMAGE020
。
6.根据权利要求1所述的三维影像重建精度评价方法，其特征在于，每个钢珠的理论空间位置坐标
Figure 982250DEST_PATH_IMAGE009
与实际空间位置坐标
Figure 734306DEST_PATH_IMAGE010
之间误差的计算方法为：
Figure DEST_PATH_IMAGE022
。
CN202010271649.2A 2020-04-09 2020-04-09 一种精度校验器及三维影像重建精度评价方法 Active CN111178457B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010271649.2A CN111178457B (zh) 2020-04-09 2020-04-09 一种精度校验器及三维影像重建精度评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010271649.2A CN111178457B (zh) 2020-04-09 2020-04-09 一种精度校验器及三维影像重建精度评价方法

Publications (2)

Publication Number Publication Date
CN111178457A CN111178457A (zh) 2020-05-19
CN111178457B true CN111178457B (zh) 2020-07-03

Family

ID=70653461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010271649.2A Active CN111178457B (zh) 2020-04-09 2020-04-09 一种精度校验器及三维影像重建精度评价方法

Country Status (1)

Country Link
CN (1) CN111178457B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6052611A (en) * 1997-11-28 2000-04-18 Picker International, Inc. Frameless stereotactic tomographic scanner for image guided interventional procedures
US7459689B2 (en) * 2006-06-20 2008-12-02 Siemens Medical Solutions Usa, Inc. Detector head position calibration and correction for SPECT imaging apparatus using virtual CT
US7789562B2 (en) * 2008-05-28 2010-09-07 Siemens Aktiengesellschaft Calibration of a multi-plane X-ray unit
CN105023251A (zh) * 2015-07-07 2015-11-04 苏州海斯菲德信息科技有限公司 一种高分辨锥束ct系统的几何校正方法
CN205831813U (zh) * 2016-05-24 2016-12-28 广州华端科技有限公司 一种锥束ct系统校正模体
CN107684435A (zh) * 2017-08-16 2018-02-13 深圳先进技术研究院 锥束ct系统几何校准方法及其校准装置
CN108201447A (zh) * 2017-11-21 2018-06-26 深圳先进技术研究院 一种静态ct系统几何参数校正方法
CN110353713A (zh) * 2019-07-16 2019-10-22 上海联影医疗科技有限公司 几何校正模体、重建图像几何参数的确定方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7016456B2 (en) * 2003-10-31 2006-03-21 General Electric Company Method and apparatus for calibrating volumetric computed tomography systems

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6052611A (en) * 1997-11-28 2000-04-18 Picker International, Inc. Frameless stereotactic tomographic scanner for image guided interventional procedures
US7459689B2 (en) * 2006-06-20 2008-12-02 Siemens Medical Solutions Usa, Inc. Detector head position calibration and correction for SPECT imaging apparatus using virtual CT
US7789562B2 (en) * 2008-05-28 2010-09-07 Siemens Aktiengesellschaft Calibration of a multi-plane X-ray unit
CN105023251A (zh) * 2015-07-07 2015-11-04 苏州海斯菲德信息科技有限公司 一种高分辨锥束ct系统的几何校正方法
CN205831813U (zh) * 2016-05-24 2016-12-28 广州华端科技有限公司 一种锥束ct系统校正模体
CN107684435A (zh) * 2017-08-16 2018-02-13 深圳先进技术研究院 锥束ct系统几何校准方法及其校准装置
CN108201447A (zh) * 2017-11-21 2018-06-26 深圳先进技术研究院 一种静态ct系统几何参数校正方法
CN110353713A (zh) * 2019-07-16 2019-10-22 上海联影医疗科技有限公司 几何校正模体、重建图像几何参数的确定方法和装置

Also Published As

Publication number Publication date
CN111178457A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN108052942B (zh) 一种飞机飞行姿态的视觉图像识别方法
CN113137920B (zh) 一种水下测量的设备与水下测量方法
US20040170315A1 (en) Calibration apparatus, calibration method, program for calibration, and calibration jig
US20220036587A1 (en) Calibration method, electronic device, and storage medium
CN110716194B (zh) 同时参考球与面的多波束三维激光成像系统的检校方法
CN113920081A (zh) 一种刀具磨损度检测方法
CN109974618B (zh) 多传感器视觉测量系统的全局标定方法
WO2024011764A1 (zh) 标定参数确定方法、混合标定板、装置、设备和介质
CN112168357A (zh) C臂机空间定位模型构建系统及方法
CN109598261B (zh) 一种基于区域分割的三维人脸识别方法
CN111178457B (zh) 一种精度校验器及三维影像重建精度评价方法
CN116385440B (zh) 一种弧形刀片视觉检测方法
CN110838146A (zh) 一种共面交比约束的同名点匹配方法、系统、装置及介质
CN106682575A (zh) Elm算法的人眼点云特征定位
CN110727817A (zh) 基于t-CNN的三维模型检索方法、终端设备及存储介质
CN116309817A (zh) 一种基于rgb-d相机的托盘检测与定位方法
CN115187612A (zh) 一种基于机器视觉的平面面积测量方法、装置及系统
CN114374931B (zh) 基于近邻成分分析的度量学习的指纹定位方法
CN114648544A (zh) 一种亚像素椭圆提取方法
CN113313122A (zh) 一种基于计算机视觉的指针式仪表自动识别读数方法
Hietanen et al. Object pose estimation in robotics revisited
CN116612338B (zh) 基于网络状态索引卷积神经网络集的图像识别方法及系统
CN112085822B (zh) 一种点云模型描述符构建方法及点云模型匹配方法
CN116523984B (zh) 一种3d点云定位及配准方法、设备和介质
CN113342914B (zh) 一种用于地球仪区域检测的数据集获取及自动标注的方法

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
CP03 Change of name, title or address

Address after: 210000 building 3, No. 34, Dazhou Road, Yuhuatai District, Nanjing, Jiangsu Province

Patentee after: Tuodao Medical Technology Co.,Ltd.

Address before: Room 102-86, building 6, 57 Andemen street, Yuhuatai District, Nanjing, Jiangsu 210000

Patentee before: Nanjing Tuodao Medical Technology Co.,Ltd.

CP03 Change of name, title or address