BDIS：用于实时立体手术图像匹配的贝叶斯稠密逆搜索方法
计算机视觉与模式识别
2022-05-09 v1 机器人学
摘要
在基于立体镜的微创手术（MIS）中，稠密立体匹配在 3D 形状恢复、AR、VR 与导航任务中起着不可或缺的作用。尽管已提出众多深度神经网络（DNN）方法，但由于缺乏开源标注数据集以及任务特定预训练 DNN 的局限性，传统的无先验方法在工业界仍受欢迎。在无先验立体匹配算法中，尚无在非 GPU 环境下适用于 MIS 的实时成功算法。本文提出首个面向通用 MIS 任务的 CPU 级实时无先验立体匹配算法。我们在单核 CPU（i5-9400）上对 640*480 手术图像达到平均 17 Hz。同时，其精度略优于流行的 ELAS。该算法对校正后的立体图像采用基于块的快速视差搜索。提出了一种由粗到细的贝叶斯概率与空间高斯混合模型，以在不同尺度上评估块概率。采用一种可选的概率密度函数估计算量化预测方差。大量实验证明了所提方法处理由无纹理表面、非朗伯反射与暗光照引起的光度不一致所带来的歧义的能力。所估计的概率成功平衡了不同尺度立体图像块的置信度。在 MIS 中，其具有与基线 ELAS 相似或更高的精度以及更少的离群点，同时快 4-5 倍。代码与合成数据集见 https://github.com/JingweiSong/BDIS-v2。
引用
@article{arxiv.2205.03133,
title = {BDIS: Bayesian Dense Inverse Searching Method for Real-Time Stereo Surgical Image Matching},
author = {Jingwei Song and Qiuchen Zhu and Jianyu Lin and Maani Ghaffari},
journal= {arXiv preprint arXiv:2205.03133},
year = {2022}
}