基于深度学习的内窥镜胶囊机器人六自由度定位方法
计算机视觉与模式识别
2017-05-17 v1
摘要
我们提出了一种鲁棒的基于深度学习的六自由度(DoF)定位系统，用于内窥镜胶囊机器人。我们的系统主要专注于仅利用集成在机器人上的单目相机捕获的视觉信息，对胃肠道(GI tract)内的内窥镜胶囊机器人进行定位。所提出的系统是一个23层深度卷积神经网络(CNN)，能够使用标准CPU实时估计机器人的姿态。用于系统评估的数据集记录在一个具有逼真表面纹理、柔软度和表面液体特性的手术人体胃模型中，以便预训练的CNN架构能够有信心地迁移到真实内窥镜场景中。对于平移和旋转，分别获得了7:1%和3:4%的平均误差。实验取得的结果表明，使用原始2D内窥镜图像预训练的CNN在胃肠道内表现准确，并且对反射畸变、镜头缺陷、渐晕、噪声、运动模糊、低分辨率以及缺乏可跟踪的独特地标等各种挑战具有鲁棒性。
引用
@article{arxiv.1705.05435,
title = {A Deep Learning Based 6 Degree-of-Freedom Localization Method for Endoscopic Capsule Robots},
author = {Mehmet Turan and Yasin Almalioglu and Ender Konukoglu and Metin Sitti},
journal= {arXiv preprint arXiv:1705.05435},
year = {2017}
}