論文の概要: Online estimation of the hand-eye transformation from surgical scenes
- arxiv url: http://arxiv.org/abs/2306.02261v1
- Date: Sun, 4 Jun 2023 04:55:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 18:54:32.497229
- Title: Online estimation of the hand-eye transformation from surgical scenes
- Title（参考訳）: 手術シーンからの手目変化のオンライン推定
- Authors: Krittin Pachtrachai, Francisco Vasconcelos, and Danail Stoyanov
- Abstract要約: 本稿では,画像とキネマティックデータのシーケンスから変換を推定するニューラルネットワークベースのソリューションを提案する。
提案アルゴリズムは,ディープラーニング技術を用いてキャリブレーション手順を単純化できることを示す。
- 参考スコア（独自算出の注目度）: 11.797350284719803
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hand-eye calibration algorithms are mature and provide accurate
transformation estimations for an effective camera-robot link but rely on a
sufficiently wide range of calibration data to avoid errors and degenerate
configurations. To solve the hand-eye problem in robotic-assisted minimally
invasive surgery and also simplify the calibration procedure by using neural
network method cooporating with the new objective function. We present a neural
network-based solution that estimates the transformation from a sequence of
images and kinematic data which significantly simplifies the calibration
procedure. The network utilises the long short-term memory architecture to
extract temporal information from the data and solve the hand-eye problem. The
objective function is derived from the linear combination of remote centre of
motion constraint, the re-projection error and its derivative to induce a small
change in the hand-eye transformation. The method is validated with the data
from da Vinci Si and the result shows that the estimated hand-eye matrix is
able to re-project the end-effector from the robot coordinate to the camera
coordinate within 10 to 20 pixels of accuracy in both testing dataset. The
calibration performance is also superior to the previous neural network-based
hand-eye method. The proposed algorithm shows that the calibration procedure
can be simplified by using deep learning techniques and the performance is
improved by the assumption of non-static hand-eye transformations.
- Abstract（参考訳）: ハンドアイキャリブレーションアルゴリズムは成熟しており、効果的なカメラロボットリンクの正確な変換推定を提供するが、エラーやデジェネレーション構成を避けるために十分な範囲のキャリブレーションデータに依存する。
ロボット支援の最小侵襲手術における手目の問題を解決するとともに、新たな目的機能と共役するニューラルネットワーク法を用いて、校正手順を簡素化する。
本稿では,画像列と運動データから変換を推定し,キャリブレーション手順を大幅に単純化するニューラルネットワークベースのソリューションを提案する。
ネットワークは、長期記憶アーキテクチャを利用して、データから時間情報を抽出し、手目の問題を解決する。
目的関数は、運動制約の遠隔中心の線形結合、再射影誤差、およびその導関数から導出され、手眼変換の小さな変化を引き起こす。
この方法はda vinci siのデータで検証され、この推定された手目行列は、両方のテストデータセットにおいて、ロボット座標からカメラ座標へのエンドエフェクタを10〜20ピクセルの精度で再投影できることが示される。
キャリブレーション性能は、以前のニューラルネットワークベースのハンドアイ法よりも優れている。
提案するアルゴリズムは, 深層学習手法を用いて校正手順を簡略化し, 非静的手眼変換の仮定により性能を向上させる。
関連論文リスト
- What Really Matters for Learning-based LiDAR-Camera Calibration [50.2608502974106]
本稿では,学習に基づくLiDAR-Cameraキャリブレーションの開発を再考する。
我々は、広く使われているデータ生成パイプラインによる回帰ベースの手法の限界を識別する。
また,入力データ形式と前処理操作がネットワーク性能に与える影響についても検討する。
論文 参考訳（メタデータ） (2025-01-28T14:12:32Z) - Kalib: Markerless Hand-Eye Calibration with Keypoint Tracking [52.4190876409222]
ハンドアイキャリブレーションでは、カメラとロボット間の変換を推定する。
ディープラーニングの最近の進歩は、マーカーレス技術を提供するが、それらは課題を提示している。
自動的かつ普遍的なマーカーレスハンドアイキャリブレーションパイプラインであるKalibを提案する。
論文 参考訳（メタデータ） (2024-08-20T06:03:40Z) - Robust Surgical Tool Tracking with Pixel-based Probabilities for
Projected Geometric Primitives [28.857732667640068]
視覚フィードバックによるロボットマニピュレータの制御には、ロボットとカメラの間の既知の座標フレーム変換が必要である。
メカニカルシステムとカメラキャリブレーションの不確かさは、この座標フレーム変換に誤りをもたらす。
画像ベース挿入軸検出アルゴリズムと確率モデルを用いて,手術用ロボットのカメラ間変換と関節角度測定誤差を推定する。
論文 参考訳（メタデータ） (2024-03-08T00:57:03Z) - EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable
Rendering and Space Exploration [49.90228618894857]
我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。
我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。
本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2023-05-02T03:49:54Z) - A Distance-Geometric Method for Recovering Robot Joint Angles From an
RGB Image [7.971699294672282]
本稿では,ロボットマニピュレータの関節角度を現在の構成の1つのRGB画像のみを用いて検索する手法を提案する。
提案手法は,構成空間の距離幾何学的表現に基づいて,ロボットの運動モデルに関する知識を活用する。
論文 参考訳（メタデータ） (2023-01-05T12:57:45Z) - Differentiable Uncalibrated Imaging [25.67247660827913]
本稿では,センサ位置や投影角などの測定座標の不確実性に対処する,識別可能なイメージングフレームワークを提案する。
入力座標に対して自然に微分可能な暗黙のニューラルネットワーク、別名ニューラルフィールドを適用する。
測定表現を協調的に適合させ、不確実な測定座標を最適化し、一貫したキャリブレーションを保証する画像再構成を行うため、微分性は鍵となる。
論文 参考訳（メタデータ） (2022-11-18T22:48:09Z) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z) - Searching for Efficient Architecture for Instrument Segmentation in
Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。
我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文 参考訳（メタデータ） (2020-07-08T21:38:29Z) - Intra Order-preserving Functions for Calibration of Multi-Class Neural
Networks [54.23874144090228]
一般的なアプローチは、元のネットワークの出力をキャリブレーションされた信頼スコアに変換する、ポストホックキャリブレーション関数を学ぶことである。
以前のポストホックキャリブレーション技術は単純なキャリブレーション機能でしか機能しない。
本稿では,順序保存関数のクラスを表すニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-03-15T12:57:21Z) - Vanishing Point Detection with Direct and Transposed Fast Hough
Transform inside the neural network [0.0]
本稿では,画像中の点検出を解消するニューラルネットワークアーキテクチャを提案する。
鍵となる要素は、標準アクティベーション関数を持つ畳み込み層ブロックによって分離された直接変換されたFast Hough変換を使用することである。
論文 参考訳（メタデータ） (2020-02-04T09:10:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。