计算机集成外科手术系统中空间配准的应用研究

计算机集成外科手术系统是将机器人，计算机和图像处理技术应用于临床外科手术，是对传统手术的挑战。介绍了计算机集成外科手术系统中空间配准的基本原理，提出了基于轮廓特征的ICP配准算法。这种算法结合了ICP最优化解析方法和四元数法的优点，解决了图像轮廓点的空间配准问题。通过医学图像实例，证明了该方法的有效性。     

基于ICP算法的医学图像几何配准技术

几何配准是医学图像领域研究的重要内容，医学图像几何配准的目标就是建立术前和术中两组点的变换关系。该文利用股骨为模型，讨论了基于轮廓特征的ICP医学图像几何配准算法，从技术上实现了术前建模和术中取点，并编制相应的ICP算法程序。     

四元数在计算机辅助手术空间配准中的研究

随着医学和计算机科学的迅速发展,计算机辅助外科手术技术已成为现代科学研究的热点.医学图像和实际空间的配准是一个重要的研究方向,它能够帮助医生选择最佳手术路径和减小手术损伤,实现手术的方便快捷和微创,提高手术成功率.主要研究了计算机辅助肝脏手术中最关键的技术一空间配准.通过获取实验模型的三维空间坐标和四元数信息,使用基于四元数矩阵的分解算法进行点集配准,找到最优旋转矩阵和最优平移向量.     

颅颌面外科手术机器人空间配准及实验

针对颅颌面区域结构复杂、手术风险大、精度要求高的特点,研发了一套颅颌面外科手术机器人系统．为实现机器人系统高效、精确的空间配准,提出并建立了一套基于光学定位的颅颌面外科手术机器人空间配准方法,实现了机器人各子系统之间的坐标系转换．通过基于四元数的最近点迭代配准算法实现了点集之间的矩阵转换．在综合医学影像、机器人与各子系统空间配准的基础上,分别开展了配准精度和定位精度的验证实验,并完成了三叉神经射频热凝术的模型和尸体穿刺定位实验．配准精度验证实验的配准误差平均值均小于0.75mm,定位精度验证实验的误差平均值为0.56mm,模型实验的穿刺成功率为100%,尸体实验的穿刺成功率为95%．综合实验结果表明该空间配准方法的配准精度较高,具有一定的可行性,可以满足颅颌面外科手术机器人系统的需要．     

图像配准技术研究

图像配准技术是图像拼接技术最关键的步骤,图像配准的好坏直接决定了图像拼接结果的优劣。对图像配准工作进行了总结,介绍了基于区域的图像配准和基于特征的图像配准方法,并分析了各个方法的优缺点,同时指出了现有图像配准算法存在的问题和发展的方向。     

传感器数据空间配准算法研究进展

传感器系统偏差配准是信息融合技术的重要分支,作为目标跟踪、关联及航迹融合的前提,它在整个融合系统中起着非常关键的作用。详细介绍了传感器数据空间配准技术的背景、难点及研究思路,系统综述了相关算法的国内外进展情况,并指出了存在的主要问题。最后,展望了该领域进一步的发展方向。     

靶场末区多传感器数据配准研究

从工程应用观点出发,研究靶场末区多传感器数据融合系统设计,通过分析各传感器的特点,给出了一种具有全天候和可靠测量的靶场末区融合系统结构,主要研究了融合系统中光电经纬仪时间和空间的数据配准方法,并给出靶场末区多传感器数据融合处理的主要步骤。试验结果证明:该融合系统能够提高落点测量的可靠性和精度。     

基于分块-空间聚类的图像配准算法

模板匹配算法应用广泛,但不能判断配准结果是否正确,也无法比较不同像对配准结果的准确程度。提出无变形、无旋转情况下分块-空间聚类的图像配准算法,将基准图分块在参考图上配准从而获得基准图的多个配准位置,并对这些位置进行空间聚类从而计算基准图的最后配准位置,并评估配准质量。试验表明该算法配准准确度高,能够正确评估配准质量并比较不同像对配准结果的准确程度。     

医学图像配准技术研究进展

医学图像配准是近年来医学图像处理领域的重要研究课题。对目前深入研究的各种配准方法（空间变换、互信息、物理模型）,从其原理、优点、发展及改进方面做了详细论述,最后,对医学图像配准的发展趋势进行了展望。     

基于空间关系一致性的图像自动配准方法

提出了一种基于空间关系一致性的图像自动配准方法,处理具有全局仿射变换的图像配准问题.首先利用Mcan-shift算法和区域标记算法从参考图像和待配准图像中提取区域特征作为配准基元;然后采用高斯函数平滑后的区域特征重心点坐标之间的欧式距离描述匹配特征的空间关系一致性,从而定义一个以匹配矩阵为自变量的空间关系一致性度量函数,使它在两幅图像的最佳配准位置达到最大值,将图像配准问题转化为一个最优化问题;最后利用一个局部选代优化算法求解.高斯函数的方差是度量函数中惟一的预设参数,但它对优化求解的结果基本没有影响,在实际中容易设定,保证了方法的自动性、稳健性和适应性.实际图像的实验结果表明本文方法能有效解决具有全局仿射变换的图像配准问题.     

基于平衡VP树的快速空间配准算法

在神经外科导航系统中,空间配准技术是一项关键技术,而确定两点集中点之间的对应关系又是配准中一个不可缺少的环节。为了提高对应点对的查找效率,对经典VP树进行了平衡化处理,并由此提出了一种基于平衡VP树的快速配准新方法。在整个配准过程中,首先用奇异值分解法（Single Value Decomposition,SVD）进行初配准,然后用迭代最近点（Iterative Closest Point,ICP）方法进行精确配准。实验表明：该方法配准快捷、鲁棒性强、配准精度高（配准误差在1 mm以内）,适用于临床应用。     

基于改进PSO-TrICP算法的点云配准

针对传统迭代最近点（Iterative Closest Point,ICP）算法在初始空间位置偏差大时,容易陷入局部最优的问题,提出一种基于改进PSO-TrICP算法的点云配准方法。首先,对传统粒子群（Particle Swarm Optimization,PSO）算法进行改进,引入适应度的相似度测量准则调整粒子的更新方式,然后加入历次迭代的全局最优解的均值作为新的学习因子避免求解过程中出现“早熟”现象;其次用刚性变换参数和点云间的重叠率组成粒子,利用改进PSO算法为配准提供良好的初始相对位置;最后,通过裁剪迭代最近点（Trimmed Iterative Closest Point,TrICP）算法估计点云间的空间变换。实验结果表明,改进PSO-TrICP算法的配准精度与运行效率优于近年提出的同类配准算法,且具有较好的鲁棒性。     

基于K-means++的多视图点云配准技术

针对大规模点集可能存在噪声、离群点及遮挡等情况,提出一种基于K-means+〖KG-*3〗+的多视图点云配准方法。首先,利用K-means+〖KG-*3〗+算法的随机播种技术对下采样后的多视图点集选取初始化的质心,并根据算法的基本原理完成聚类;其次,将点云数据存入K-D树结构,并利用最近邻搜索算法建立点集间的对应关系,从而提升对应点集的搜索效率;最后,通过迭代最近点算法依照扫描顺序计算各视图聚类得到的点云数据与所有视图间的刚性变换参数,将成对配准造成的误差均匀扩散到每个视图中,直至获得最终配准结果。在Stanford三维点云数据集上进行实验的结果表明,本文提出的方法比近年的部分多视图配准算法具有更高的配准精度及鲁棒性。     

Multi-View Point Clouds Registration without Feature Extraction for Use in Reverse Engineering of CAD Models

For reverse engineering a CAD model, it is necessary to integrate measured points from several views of an object into a common reference frame. Given a rough initial alignment of point cloud in different views with point-normal method, further refinement is achieved by using an improved iterative closest point (ICP) algorithm. Compared with other methods used for mult-view registration, this approach is automatic because no geometric feature, such as line, plane or sphere needs to be extracted from the original point cloud manually. A good initial alignment can be acquired automatically and the registration accuracy and efficiency is proven better than the normal point-point ICP algorithm both experimentally and theoretically.     

扫描点云的一种自动配准方法

针对无任何预知信息下的扫描点云数据配准问题,通过引入新的匹配点对度量准则和改进最近点迭代算法,提出一种扫描点云数据的自动配准方法.该方法分为初始配准和精细配准2个阶段.初始配准阶段中,在考虑孤立点的曲率相似度的基础上,通过引入一种新的点的邻域曲率相似度度量准则,构造出一个有效的一一对应的初始匹配点对数组;然后根据刚体变...     

基于改进ICP算法的点云自动配准技术

在零件的型面检测过程中,通常有数据采集、曲面重构、曲面配准和误差求取几个步骤。其中,曲面之间的配准是检测中关键的一环。针对传统的经典ICP(Iterative Closest Point)算法在配准过程中受噪声干扰大、鲁棒性差的缺点,在应用点云主方向贴合的粗略配准基础上,以经典的ICP算法为基础,提出了点云数据的欧氏距离阈值去噪和点云的方向矢量夹角阈值两种方法改进ICP算法,并应用改进算法作为点云之间的精确配准算法。对于经过初始配准的点云数据使用欧氏距离阈值法剔除点云间点对的噪声,并经点云各点间的方向矢量夹角阈值进行对应点采样,提高了传统ICP算法的效率和精度。经飞机和汽车零件点云配准实验验证,本算法的配准误差在±1μm内。算法具有设计简洁,响应快速的特点,有实际工作意义。     

基于局部特征的点云配准算法

针对覆盖率较低的点云,提出一种基于局部特征的点云配准算法。首先提取点云 的局部深度、法线偏角和点云密度等局部特征,得到局部特征描述子;然后计算局部特征集的 相关性,得到相关候选点集;再次通过删减外点达到点云粗配准的目的;最后采用基于旋转角 约束和动态迭代系数的改进迭代最近点(ICP)算法,实现点云的细配准。实验结果表明,基于局 部特征的点云配准算法可以实现覆盖率较低点云的精确配准,是一种精度高、速度快的点云配 准算法。     

A Correntropy-based Affine Iterative Closest Point Algorithm for Robust Point Set Registration

The iterative closest point (ICP) algorithm has the advantages of high accuracy and fast speed for point set registration, but it performs poorly when the point set has a large number of noisy outliers. To solve this problem, we propose a new affine registration algorithm based on correntropy which works well in the affine registration of point sets with outliers. Firstly, we substitute the traditional measure of least squares with a maximum correntropy criterion to build a new registration model, which can avoid the influence of outliers. To maximize the objective function, we then propose a robust affine ICP algorithm. At each iteration of this new algorithm, we set up the index mapping of two point sets according to the known transformation, and then compute the closed-form solution of the new transformation according to the known index mapping. Similar to the traditional ICP algorithm, our algorithm converges to a local maximum monotonously for any given initial value. Finally, the robustness and high efficiency of affine ICP algorithm based on correntropy are demonstrated by 2D and 3D point set registration experiments.      

一种应用于大角度变换点云的配准方法

针对传统配准法不能很好解决大角度变换点云的配准这一问题,提出一种基于精 确对应特征点对及其 K 邻域点云的配准方法。首先分别计算两组点云的 FPFH 值,根据特征值 建立点云间的对应关系;然后通过 RANSAC 滤除其中错误的匹配点对,得到相对精确的特征点 对集合;之后通过 KD-tree 搜索的方式分别找出特征点对 R 半径邻域内的点,应用 ICP 算法得 到两部分点云的最优收敛;最后将计算得到的相对位置关系应用到原始点云上得到配准结果。 通过对斯坦福大学点云库中 Dragon、Happy Buddha 模型以及 Kinect 采集的石膏像数据进行配 准和比较,实验表明该方法能够有效解决大角度变换点云的配准问题,是一种具有高精度和高 鲁棒性的三维点云配准方法。     

基于轮廓与特征点的医学图像弹性配准方法

针对单一特征引导图像配准的准确度有限性,提出了一种同时使用轮廓与特征点的医学图像弹性配准方法。半自动的特征点提取方法既可以保证提取的精确性又能够避免繁琐的特征点对应关系建立过程。对于提取的轮廓,在保证外形的基础之上,通过轮廓直线化操作减少提取轮廓中关键点的数量,以提高计算效率。以两幅待配准图像中的特征点对间距离与轮廓对间距离累加和作为图像配准测度函数,选择ICP算法框架迭代地求解最优配准变换函数。通过与其他测度函数进行比较和真实图像实验结果对比,其结果表明,该算法由于采用轮廓与特征点同时引导图像配准,其配准效果好于单独使用特征点或者轮廓的图像配准算法。该算法既能匹配图像的整体结构信息(轮廓)又能对齐图像中感兴趣的生理解剖位置(特征点),更加准确地反映图像间差异情况,是一种快速、精确的医学图像配准方法。