핵심 개념
Die Arbeit konzentriert sich auf die Schätzung der Kamera-zu-Basis-Transformation und der Gelenkwinkel-Messfehler für chirurgische Robotikwerkzeuge mithilfe von Bildverarbeitungsalgorithmen und probabilistischen Modellen.
초록
Die Arbeit untersucht die Herausforderungen bei der präzisen Lokalisierung von chirurgischen Robotikwerkzeugen in strukturierten und unstrukturierten Umgebungen. Sie stellt einen innovativen Ansatz zur Detektion des Einführungsschafts vor und integriert ihn in ein Bayesian-Filtering-System zur probabilistischen Verfolgung der Werkzeuge. Durch Experimente in verschiedenen Umgebungen wird die Wirksamkeit des vorgeschlagenen Ansatzes nachgewiesen.
I. Einführung
- Chirurgische Automatisierung zur Verbesserung des Zugangs und der Qualität der chirurgischen Versorgung.
- Lokalisierung von Endeffektoren erfordert Kamera- oder bildbasiertes Feedback.
II. Hintergrund
- Lokalisierung von Gelenk-Links durch Kombination von Vorwärtskinematik und Kamera-zu-Basis-Transformation.
- Verwendung von kabelgesteuerten chirurgischen Robotersystemen ohne Encoder an Gelenk-Link-Positionen.
III. Methoden
- Schätzung des Fehlervektors für die Kamera-zu-Basis-Transformation und Gelenkwinkel.
- Verwendung eines Partikelfilters zur Verfolgung der Wahrscheinlichkeitsverteilung des Fehlervektors.
IV. Experimente und Ergebnisse
- Vergleich der vorgeschlagenen Methoden mit Baseline-Algorithmen in strukturierten und unstrukturierten Umgebungen.
- Niedrigere Fehlerwerte und robustere Detektion des Einführungsschafts in anspruchsvollen Szenarien.
통계
"Die vorgeschlagene Methode erreichte eine Genauigkeit von 3,1% in der strukturierten Umgebung."
"Die Fehlerwerte für die Endpunkt-Intensitäten lagen bei 3,2% in der deformierbaren Gewebeumgebung."
인용구
"Die Verwendung des Einführungsschafts als Beobachtung für die Schätzung des Fehlervektors erwies sich als entscheidend."
"Unsere pixelbasierten Methoden erzielten die niedrigsten kumulierten Fehlerwerte in beiden Datensätzen."