基于手术场景的手眼变换在线估计
机器人学
2023-06-06 v1 机器学习
摘要
手眼标定算法已较为成熟，能为有效的相机-机器人连接提供准确的变换估计，但依赖于足够广泛的标定数据以避免误差和退化配置。为解决机器人辅助微创手术中的手眼问题，并借助神经网络方法配合新目标函数简化标定流程，我们提出了一种基于神经网络的解决方案，从图像序列和运动学数据中估计变换，显著简化了标定流程。该网络利用长短期记忆（LSTM）架构从数据中提取时间信息并求解手眼问题。目标函数由远程运动中心约束、重投影误差及其导数的线性组合导出，以诱导手眼变换的微小变化。该方法使用 da Vinci Si 的数据进行验证，结果表明估计的手眼矩阵能够将末端执行器从机器人坐标系重投影到相机坐标系，在两个测试数据集上均达到 10 至 20 像素的精度。其标定性能也优于先前基于神经网络的手眼方法。所提算法表明，标定流程可通过深度学习技术简化，且通过非静态手眼变换的假设提升了性能。
引用
@article{arxiv.2306.02261,
title = {Online estimation of the hand-eye transformation from surgical scenes},
author = {Krittin Pachtrachai and Francisco Vasconcelos and Danail Stoyanov},
journal= {arXiv preprint arXiv:2306.02261},
year = {2023}
}
备注
6 pages, 4 main figures