Medical-Grade-sterilisierbar Ziel für Flüssig-getaucht fetoscope Optische Verzerrung Kalibrierung

Sandblasting ist ein wichtiger Schritt im Herstellungsprozess, da die rohen Metalloberfläche prominent das Endoskop Licht reflektiert, so dass es unmöglich für die Kreise erkannt werden. Es ist schwierig , die Kreise sogar mit bloßem Auge zu unterscheiden (siehe Abbildung 5). Man beachte, daß die Oberfläche des Targets gezeigt bereits mit einem Laser geätzt wurde. Allerdings schmälert dies nicht die Lichtreflexion.

Abbildung 5: Kalibrierung Ziel ohne Sandstrahlen angewendet. Wie aus dem Endoskop Ansicht auf der linken Seite zu sehen ist, für das bloße Auge die Blendung durch das Endoskop Licht auf der Materialoberfläche selbst macht es schwierig, die Kreise zu unterscheiden (es ist ein Kreis, nur im Südosten der großen Reflexion). Man beachte , dass die Oberfläche dieses Ziel (dh die "Hintergrund" bezeichnet ) wurde bereits geätzt, aber dies ist nicht in Abwesenheit von Sandstrahlen nützlich. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

Vor dem Muster Ätzen ist es auch wichtig, die Oberfläche der gesamten Probe zu ätzen. Dies ist notwendig , da die sandgestrahlte Oberfläche viele spiegelnde Reflexionen (siehe Abbildung 6), die mit Blob Erkennung stören.

Abbildung 6: sandgestrahlte Oberfläche ohne Ätzen. Obwohl es nicht so prominent wie die rohe Metalloberfläche, die relativ kleinen Spiegelreflexionen (von denen einige mit gelben Pfeilen markiert) sind noch ausreichend blob Erkennung von Erfolg zu hindern, so kann keine Kalibrierung mit diesem Ziel durchgeführt werden.arget = "_ blank"> Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

Anwendung des Lasers bei unterschiedlichen Geschwindigkeiten gibt unterschiedliche Hintergrundfarben. Die Hintergrundfarbe spielt eine bedeutende Rolle in der Kontrast zwischen den Kreisen und den Hintergrund. Daher ist es wichtig, die optimale Hintergrundfarbe zu bestimmen. Zu diesem Zweck wird geätzt , um eine Platte mit Kreisen gegen eine Reihe von verschiedenen Hintergründen erstellt wurde (siehe Abbildung 7). Die Hintergründe wurden unter Verwendung des Merkmalsdetektionsmodul von OpenCV ^23, getestet , die ¹⁷ in der OpenCV Kamerakalibrierungsmodul verwendet wird. In dieser Arbeit wurde das Target aus rostfreiem Stahl gefertigt, da es die häufigste und zuverlässiges Material in Kliniken für medizinische Vorrichtungen verwendet wird. Dieses Material ist frei erhältlich, nicht teuer, robust und einfach zu sterilisieren. Andere Materialien könnten möglicherweise für das Kalibrierungsziel verwendet werden, wie beispielsweise Aluminium oder jodiertes Metalle, aber dies ist die scope der künftigen Arbeit.

Abbildung 7: Edelstahlplatte , die eine Palette von verschiedenen Hintergrundfarben geätzt mit dem Laser kennzeichnet. Praktische Versuche wurden in Verbindung mit dem OpenCV Merkmal – Erkennungsmodul zu bestimmen , welche Hintergrundfarbe gibt das optimale Ergebnis in Bezug auf die Blob-Hintergrund – Kontrast ²³ durchgeführt. Das Endoskop Ansicht auf der linken Seite zeigt die Platte. Die gemäßigten Hintergrundfarben (dh jene anderen , dass die dunkelsten und hellsten sind) in dieser Palette ergeben bessere Blob – Erkennung. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

Einer der Vorteile dieser Arbeit besteht darin, dass eine Kalibrierung durchgeführt, die fabrizierten Ziel dauert 2-3 min verwendet wird. Der größte Teil der Bemühungen gehenes zu einer Stabilisierung manuell das Endoskop anständige Blick auf das Kalibrierungsmuster zu erhalten. eine maßgeschneiderte Endoskophalterung benutzen, kann die manuelle Stabilisierung, die wiederum erheblich verkürzen könnte die Kalibrierungszeit zu beseitigen.

Video 1: Video zeigt , wie eine optische Verzerrung Kalibrierung des entwickelten Kalibrierungsziel unter Verwendung zusammen mit der endocal Software ausgeführt werden können. Bitte klicken Sie hier , um dieses Video anzusehen. (Rechtsklick zum Download bereit .)

Ein Vorteil unserer Arbeit im Vergleich zu der Arbeit von Wengert et al. ¹⁵ ist , dass die OpenCV Kamerakalibrierungsmodul ¹⁷ kann verwendet werden , wie für die Kalibrierung ist, ohne jede Änderung oder benutzerdefinierte Para- erforderntrierung. Da OpenCV ist eine gut etablierte und gut gepflegt Softwarepaket und ist sehr beliebt in der Computer-Vision-Community, indem sie die Notwendigkeit für das Schreiben und Wartung von kundenspezifischer Software eliminiert. Für die Bequemlichkeit des Lesers, eine kompakte GUI – Anwendung ¹⁶ vorgesehen, die der Leser leicht zu installieren und verwenden , um neue Kalibrierungsziele zu testen. Ein Nachteil der Methode im Vergleich zu Wengert et al. ¹⁵ ist , dass ihre Verfahren robuster zu Okklusionen des Musters ist, da es nicht die Erkennung aller Blobs erfordert.

Zunächst wurde ein Kalibrierungsziel mit einem Schachbrettmuster für diese Arbeit hergestellt. Allerdings erwies sich diese Art von Kalibrierungsziel ungeeignet Experimente zu sein aufgrund der Schwierigkeit, die Ecken der Schachbrettquadrate zu erkennen. Corner Erkennung beruht auf Histogramm-basierte Bilddigitalisierungs (siehe OpenCV Quellcode ^24). Dieser impliegt die Notwendigkeit einer klaren farblichen Kontrast zwischen den dunklen und hellen Quadraten, die nicht mit unserem Schachbrettmuster gewährleistet werden konnte, teilweise aufgrund von Spiegelreflexionen, wie die in 6 gezeigt diejenigen. Eine solche spiegelnde Reflexionen vorhanden sind, auch nach dem Hintergrund Ätzen; jedoch scheint die Detektion der Kreise als weniger empfindlich auf diesen Mangel.

In der aktuellen Setup, nur senkrecht Ansichten des Kalibrierungsziels ermöglichen für eine erfolgreiche Blob-Erkennung. Dies ist auf den spiegelnden Reflexionen von der Zieloberfläche behindern blob Detektion bei schrägen Winkeln. Wir arbeiten daran , das Ziel weiter zu verbessern , um für den Erwerb von Ansichten in einem größeren Bereich von Winkeln zu ermöglichen, die potentiell die Qualität der durchgeführten Kalibrierungen ²⁰ verbessern könnte.

In der Echtzeit Mosaikierung plazentalen Pipeline , die zuvor ¹¹ vorgeschlagen wurde, die Berechnung des transBildung, die Paare Bild beruht auf der erfolgreichen Erkennung und Gruppierung von Funktionen zuordnet. Optische Verzerrungen, andererseits verursachen eine Gruppe von Merkmalen mit einer starren Geometrie unterschiedlich über Bilder erscheinen. Als Folge führt diese Differenz zu Ungenauigkeiten in den berechneten Transformationen, die Driften in den resultierenden Bildmosaiken verursachen. Da die prominentesten optischen Verzerrungen vorhanden zu den Rändern sind, werden derzeit endoskopische Bilder auf ihre innersten Regionen abgeschnitten. Eine gute Korrektur für optische Verzerrungen würden potentiell für die Aufnahme eines größeren Teils jedes Bild in den Mosaikbildungsprozesses ermöglichen. Der Vorteil dieser Methode ist zweifach. Erstens würde es die Anzahl der detektierten Merkmale in jedem Bild zu erhöhen, was möglicherweise die Berechnung der Bildtransformationen zu verbessern. Zweitens wäre es für das gesamte anatomischen Zieloberfläche ermöglichen, in einer kürzeren Zeit zu rekonstruieren.