論文の概要: On-the-fly hand-eye calibration for the da Vinci surgical robot

• arxiv url: http://arxiv.org/abs/2601.14871v1
• Date: Wed, 21 Jan 2026 10:58:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.881362
• Title: On-the-fly hand-eye calibration for the da Vinci surgical robot
• Title（参考訳）: da Vinci手術ロボットのオンザフライハンドアイ校正
• Authors: Zejian Cui, Ferdinando Rodriguez y Baena,
• Abstract要約: 本稿では,手目変換行列をオンザフライで計算することで,正確なツールローカライズ結果を生成するキャリブレーションフレームワークを提案する。 その結果, キャリブレーションフレームワークでは, ツールのローカライゼーション誤差が著しく減少した。
• 参考スコア（独自算出の注目度）: 35.18343759591773
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In Robot-Assisted Minimally Invasive Surgery (RMIS), accurate tool localization is crucial to ensure patient safety and successful task execution. However, this remains challenging for cable-driven robots, such as the da Vinci robot, because erroneous encoder readings lead to pose estimation errors. In this study, we propose a calibration framework to produce accurate tool localization results through computing the hand-eye transformation matrix on-the-fly. The framework consists of two interrelated algorithms: the feature association block and the hand-eye calibration block, which provide robust correspondences for key points detected on monocular images without pre-training, and offer the versatility to accommodate various surgical scenarios by adopting an array of filter approaches, respectively. To validate its efficacy, we test the framework extensively on publicly available video datasets that feature multiple surgical instruments conducting tasks in both in vitro and ex vivo scenarios, under varying illumination conditions and with different levels of key point measurement accuracy. The results show a significant reduction in tool localization errors under the proposed calibration framework, with accuracies comparable to other state-of-the-art methods while being more time-efficient.
• Abstract（参考訳）: Robot-Assisted Minimally Invasive Surgery (RMIS)では、患者の安全とタスク実行の成功を保証するために、正確なツールのローカライゼーションが不可欠である。 しかし、これはda Vinciロボットのようなケーブル駆動ロボットにとって、誤ったエンコーダの読み取りによって推定誤差が生じるため、依然として困難である。 本研究では,手目変換行列をオンザフライで計算することで,正確なツールローカライズ結果を生成するキャリブレーションフレームワークを提案する。 このフレームワークは、特徴関連ブロックと手目校正ブロックの2つのアルゴリズムから構成されており、事前にトレーニングすることなく、単眼画像上で検出されたキーポイントに対してロバストな対応を提供し、フィルタアプローチの配列を採用することにより、さまざまな手術シナリオに対応するための汎用性を提供する。 本フレームワークの有効性を検証するため,複数の手術器具による作業がin vitroおよびex vivoのシナリオで実施され,照明条件やキーポイント測定精度の異なる場面で実施されている。 その結果, キャリブレーションフレームワークでは, 他の最先端手法に匹敵する精度で, 時間効率が向上し, ツールローカライゼーションの誤差が大幅に減少した。

関連論文リスト

• Real-time Rendering-based Surgical Instrument Tracking via Evolutionary Optimization [21.436806983625885]
  手術器具のポーズと関節構成を共同で推定する多目的追跡パイプラインを提案する。 提案手法は,視覚フィードバック制御とオンライン手術ビデオキャリブレーションの両方に適合する。
  論文  参考訳（メタデータ） (2026-03-12T00:30:30Z)
• Efficient Surgical Robotic Instrument Pose Reconstruction in Real World Conditions Using Unified Feature Detection [21.460727996614704]
  MISロボットは、長いキネマティックチェーンを持ち、カメラ内の自由度を部分的に可視化する。 本稿では,共有符号化による幾何学的プリミティブの検出を統一する新しいフレームワークを提案する。 このアーキテクチャは、1つの推論でキーポイントとエッジの両方を検出し、射影ラベル付き大規模合成データに基づいて訓練される。
  論文  参考訳（メタデータ） (2025-10-03T22:03:28Z)
• 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)
• Online estimation of the hand-eye transformation from surgical scenes [11.797350284719803]
  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。
  論文  参考訳（メタデータ） (2023-06-04T04:55:02Z)
• Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [64.59698930334012]
  静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。 第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。 第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
  論文  参考訳（メタデータ） (2023-05-05T13:42:19Z)
• 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 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)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)

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。