基于三维标识物的虚实配准方法研究

提高医疗辅助手术中增强现实系统的虚实配准效率, 设计了一种基于海明编码的正六面体三维标识 物, 对标识物进行检测和识别。 针对三维标识物的特点, 采用 POSIT(Pose from Orthography and Scaling with Iterations)算法求得摄像机的位姿, 并对标识物的尺度进行实验研究, 从而得到优化尺度; 利用获得的转移矩阵 将 CT(Computed Tomography)重建并渲染后的虚拟颅骨模型实时显示在真实场景中, 最后调整标识物将虚拟模 型与真实颅骨模型虚实配准显示。 经多组实验验证, 设计的三维标识物可在多数情况下识别一个以上标志面, 优化后的标识物识别效果良好, 可成功地应用在虚实配准实验中, 从而证明了这种标识的有效性。     

基于标记点的图像配准

针对图像在采集过程中会受到物体表面反射及噪声等影响所造成的图像特征提取效果不佳及用整幅图像的像素点进行计算导致的运算量大、精度低等问题,提出了一种基于标记点的配准方法.该方法利用链码的概念,首先对图像进行预处理,提取出标记点质心坐标并根据提取出的质心坐标形成链码;其次,将质心链码做一阶差分形成差分链码,通过差分链码的旋转和平移的不变性得到配准点对对链码进行配准;最后,通过点对坐标计算旋转角度和平移参数.实验结果表明提出的方法对于图像平移和旋转情况下配准精度高,有较强的抗噪声性能并能达到很好的精度.     

快速提取旋转体轮廓母线方法

为重建出旋转体的三维形态,提出了一种基于单幅图像实现旋转体母线和对称轴的提取方法。该方法主要利用工业摄像机获取目标物体的二维图像,在图像预处理中,针对拍摄原因产生的倾斜图像给出了一种几何矫正方法,利用目标区域的轮廓特征提取旋转体的母线信息,结合旋转体轮廓曲线的左右对称性求得目标物体的对称轴。并以陶瓷文物花瓶为目标,实现了旋转体母线及对称轴的提取,最后重建出目标的三维形态。实验证明了该方法的有效性。     

摄像机定位深度误差修正方法

为了提高机器人辅助外科中手术导航系统的定位精度,首先通过多方面的视觉定位误差产生的原因和实验研究获取的误差统计结果的分析,得到了空间误差分布图.然后研究了模糊推理和遗传算法改进神经网络的两种误差补偿方法,并分别对摄像机定位深度方向进行误差修正.实验结果表明,当使用模糊控制进行误差修正后,误差补偿结果得到了很大的改进;采用遗传算法改进人工神经网络,极大地提高了网络学习性能,具有较强的拟合能力,能对深度误差作出精确的预测,进一步提高了神经网络的补偿效果.遗传算法能快速减小搜索范围,而人工神经网络算法则具有局部搜索效率高的特点,将两者结合起来可以提高补偿效果的整体性能.