BodySLAM：面向外科应用的通用单目视觉SLAM框架

内窥手术依赖二维视图，给外科医生的深度感知和器械操作带来挑战。虽然单目视觉同时定位与地图（MVSLAM）作为一种有前景的解决方案，但其在内窥程序中的实现面临显著挑战，由于硬件限制，如单目摄像头的使用以及 odometry 传感器的缺失。本研究提出了 BodySLAM，一种稳健的基于深度学习的 MVSLAM 方法，通过三个关键组件解决了这些挑战：CycleVO，一种新颖的无监督单目姿态估计模块；集成最先进的 Zoe 架构用于单目深度估计；以及创建连贯外科地图的 3D 重建模块。该方法在三个公开数据集（Hamlyn、EndoSLAM 和 SCARED）上进行了严格评估，涵盖腹腔镜、胃镜和结肠镜场景，并与四种最先进的方法进行了基准测试。结果表明，CycleVO 在姿态估计方法中表现具有竞争力且推理时间最短，同时保持了稳健的泛化能力；而 Zoe 在内窥场景下的深度估计显著优于现有算法。BodySLAM 在多样化内窥场景中的卓越性能表明其作为内窥应用可行 MVSLAM 解决方案的潜力。