結(jié)構(gòu)光相機(jī)點(diǎn)云圖與CT 圖像配準(zhǔn)算法對(duì)比研究

雷 超，賈 于，王 宏，鄧 娟，王琳琳，沙 洪

（中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院生物醫(yī)學(xué)工程研究所，天津 300192）

0 引言

腦部疾病嚴(yán)重危害人體健康，具有較高的致殘率和死亡率。顱腦穿刺是臨床診療腦部疾病的一種重要手段。傳統(tǒng)顱腦穿刺常基于有框架的腦立體定向技術(shù)[1]，通過(guò)頭顱外人為安裝的框架輔助構(gòu)建腦結(jié)構(gòu)三維坐標(biāo)系，對(duì)患者的CT 或MRI 圖像進(jìn)行標(biāo)記。穿刺手術(shù)中穿刺針在腦立體定向儀的指引下到達(dá)腦內(nèi)對(duì)應(yīng)解剖位置。受限于手術(shù)適應(yīng)證以及技術(shù)操作規(guī)范，同時(shí)隨著影像設(shè)備的發(fā)展和普及，有框架的腦立體定向技術(shù)逐漸被定位精確、創(chuàng)傷小、并發(fā)癥少的無(wú)框架影像導(dǎo)航技術(shù)取代[2]。無(wú)框架影像導(dǎo)航技術(shù)在顱內(nèi)良惡性腫瘤鑒別[3]、炎性病變與囊性病變鑒別[4]、腦脊液分流手術(shù)[5]、腦室造影等方面都有應(yīng)用。

1986年Roberts 等[6]首次提出了使用聲波數(shù)字化儀跟蹤手術(shù)器械或顯微鏡的方法，開創(chuàng)了無(wú)框架立體定向神經(jīng)外科。1991年Kato 等[7]論述了三維電磁數(shù)字化儀設(shè)計(jì)原理并應(yīng)用于臨床手術(shù)。自美國(guó)圣路易斯大學(xué)醫(yī)學(xué)院1992年應(yīng)用紅外線數(shù)字化儀開展臨床實(shí)驗(yàn)，光學(xué)手術(shù)導(dǎo)航系統(tǒng)（optical surgical navigation system，OSNS）開始應(yīng)用于市場(chǎng)[8]。在OSNS 中用于顱腦3D 建模的技術(shù)主要有飛行時(shí)間技術(shù)、雙目立體成像技術(shù)和結(jié)構(gòu)光成像技術(shù)3 種，其中飛行時(shí)間技術(shù)在遠(yuǎn)距離下噪聲較低、幀數(shù)高，適合動(dòng)態(tài)場(chǎng)景；雙目立體成像對(duì)環(huán)境光照很敏感，且計(jì)算復(fù)雜度高；結(jié)構(gòu)光成像精度高、分辨力高、功耗低，可快速獲取深度信息，非常適合靜態(tài)場(chǎng)景，在3D 建模中備受青睞。

OSNS 定位需要將光學(xué)圖像與其他圖像配準(zhǔn)，配準(zhǔn)的關(guān)鍵包括對(duì)特征面部點(diǎn)云提取、點(diǎn)云特征描述和圖像配準(zhǔn)算法。Johnson[9]于1997年引入了自旋圖像（spin images，SI），通過(guò)圖像的相關(guān)性建立2 個(gè)曲面之間點(diǎn)的對(duì)應(yīng)關(guān)系，SI 在包含雜波和有遮擋場(chǎng)景的目標(biāo)識(shí)別中有較高的準(zhǔn)確性。2004年Frome 等提出了3D 形狀上下文特征（3D shape context，3DSC）[10]，實(shí)驗(yàn)評(píng)估發(fā)現(xiàn)該算法對(duì)嘈雜、混亂場(chǎng)景中的車輛識(shí)別率較高。2008年Rusu 等[11]提出點(diǎn)特征直方圖（point feature histograms，PFH）算法，描述點(diǎn)云數(shù)據(jù)集中點(diǎn)周圍的局部幾何形狀，該算法具有位姿和密度不變性，能很好地處理噪聲數(shù)據(jù)集。2009年Rusu 等[12]又提出快速點(diǎn)特征直方圖（fast point feature histograms，F(xiàn)PFH）算法，該算法保留了PFH 的鑒別能力，通過(guò)預(yù)先計(jì)算縮減了時(shí)間，解決了重疊點(diǎn)云視圖的三維配準(zhǔn)問(wèn)題。2010年Tombari 等[13]提出用于表面匹配的方位特征直方圖（signature of histograms of orientation，SHOT）算法，該算法集成了多個(gè)線索提高清晰度，在對(duì)象識(shí)別和三維重建中表現(xiàn)較優(yōu)。

圖像配準(zhǔn)包括粗配準(zhǔn)和精配準(zhǔn)。粗配準(zhǔn)為精配準(zhǔn)的位姿估計(jì)提供初始預(yù)估的剛性變換矩陣，常用的粗配準(zhǔn)算法包括4 共面點(diǎn)匹配（4-points congruent sets，4PCS）算法[14]和采樣一致性初始配準(zhǔn)（sample consensus initial alignment，SAC-IA）算 法[15]，其 中SAC-IA 算法可對(duì)點(diǎn)云大量采樣、查看，快速尋找較優(yōu)變換。精配準(zhǔn)算法主要包括迭代最近點(diǎn)（iterative closest point，ICP）算法[16]、廣義迭代最近點(diǎn)（generalized iterative closest point，GICP）算法[17]和正態(tài)分布變換（normal distribution transformation，NDT）算法[18]。對(duì)一組待配準(zhǔn)點(diǎn)云中的每個(gè)點(diǎn)，ICP 算法遍歷另一組點(diǎn)云尋找最近的匹配點(diǎn)，精度好，但計(jì)算量大且收斂速度受初始矩陣影響；GICP 算法先對(duì)采樣點(diǎn)進(jìn)行高斯分布的曲面建模，再將點(diǎn)云的最近點(diǎn)進(jìn)行匹配并迭代；NDT 算法是將點(diǎn)云分割為用正態(tài)分布表示的柵格再配準(zhǔn)，是對(duì)點(diǎn)集的抽象，無(wú)需逐點(diǎn)找對(duì)應(yīng)點(diǎn)，速度較快、抗噪性能強(qiáng)。

目前，基于結(jié)構(gòu)光相機(jī)點(diǎn)云圖與醫(yī)學(xué)圖像配準(zhǔn)的顱腦穿刺定位研究，國(guó)外已經(jīng)有了應(yīng)用案例，國(guó)內(nèi)還處于起步階段?？紤]到多模態(tài)影像融合導(dǎo)航引導(dǎo)穿刺手術(shù)對(duì)病灶具有較高的穿刺精準(zhǔn)性[19]，本研究將結(jié)構(gòu)光相機(jī)點(diǎn)云圖與醫(yī)學(xué)影像進(jìn)行三維配準(zhǔn)，在點(diǎn)云圖上標(biāo)記醫(yī)學(xué)影像確定的穿刺點(diǎn)?；诒狙芯浚ㄟ^(guò)手眼標(biāo)定可得到定位系統(tǒng)在輔助機(jī)械臂坐標(biāo)系下的坐標(biāo)，為后續(xù)通過(guò)控制固定在機(jī)械臂末端的穿刺針順利到達(dá)穿刺指定位置提供了可能。

1 方法

本研究基于Ubuntu 18.04 系統(tǒng)對(duì)結(jié)構(gòu)光相機(jī)點(diǎn)云圖與醫(yī)學(xué)影像進(jìn)行三維配準(zhǔn)，實(shí)驗(yàn)步驟如下：

（1）相機(jī)動(dòng)態(tài)標(biāo)定：選用雙目結(jié)構(gòu)光相機(jī)Inter-RealSense D415 拍攝結(jié)構(gòu)光圖像，相機(jī)的深度模塊在出廠時(shí)已初步校準(zhǔn)，但正式使用時(shí)仍須動(dòng)態(tài)標(biāo)定以優(yōu)化外部參數(shù)；

（2）特征面部點(diǎn)云提?。航厝∮蒀T 圖像提取到的面部皮膚轉(zhuǎn)化而來(lái)的點(diǎn)云數(shù)據(jù)作為目標(biāo)點(diǎn)云，從結(jié)構(gòu)光相機(jī)拍攝的圖像中提取待配準(zhǔn)點(diǎn)云，采用3種方法提取特征面部點(diǎn)云；

（3）點(diǎn)云特征描述：采用5 種特征描述算法對(duì)點(diǎn)云局部特征進(jìn)行描述；

（4）點(diǎn)云配準(zhǔn)：粗配準(zhǔn)基于SAC-IA 算法得到初始變換矩陣，精配準(zhǔn)采用ICP、GICP、NDT 3 種算法；

（5）配準(zhǔn)結(jié)果評(píng)價(jià)：采用倒角距離作為評(píng)價(jià)指標(biāo)，對(duì)比研究3 種精配準(zhǔn)算法。

1.1 相機(jī)動(dòng)態(tài)標(biāo)定

Inter-RealSense D415 相機(jī)在室內(nèi)環(huán)境下可以測(cè)量深度信息，在室外環(huán)境下，光照會(huì)導(dǎo)致結(jié)構(gòu)光失效，這種情況下相機(jī)可采用純雙目成像方式進(jìn)行成像，抗環(huán)境干擾能力和可靠性強(qiáng)。同時(shí)，相機(jī)的卷簾快門感應(yīng)器和窄視野小鏡頭可在狹窄視野下提供較高的深度分辨力。相機(jī)動(dòng)態(tài)標(biāo)定基于相機(jī)自帶的標(biāo)定軟件，使相機(jī)圖像相對(duì)于主軸系統(tǒng)（豎直軸）平移和旋轉(zhuǎn)來(lái)進(jìn)行標(biāo)定。

1.2 特征面部點(diǎn)云提取

人臉數(shù)據(jù)配準(zhǔn)常以鼻尖為中心[20]，在做穿刺手術(shù)時(shí)人臉正視相機(jī)，相機(jī)坐標(biāo)系Z 軸最大值點(diǎn)可作為鼻尖點(diǎn)（最大值法）。此外，也可以將整個(gè)面部高斯曲率最大的點(diǎn)作為鼻尖[21]（曲率法），以鼻尖為中心截取半徑為6 cm 的圓形區(qū)域?yàn)槌跏济娌奎c(diǎn)云區(qū)[20]。本研究通過(guò)Intel-RealSense Viewer 軟件讀取D415相機(jī)的圖像數(shù)據(jù)，通過(guò)Mimics 軟件提取CT 圖像人臉數(shù)據(jù)，再通過(guò)C++程序中的點(diǎn)云庫(kù)（point cloud library，PCL）裁剪點(diǎn)云數(shù)據(jù)、提取鼻尖，獲取面部感興趣區(qū)點(diǎn)云。

在不失代表性與描述性的前提下，壓縮初始面部點(diǎn)云獲取特征面部點(diǎn)云后再配準(zhǔn)，可縮短數(shù)據(jù)識(shí)別和追蹤的時(shí)長(zhǎng)，提高配準(zhǔn)速度。特征面部點(diǎn)云應(yīng)具備以下特征：（1）包含邊緣和曲面結(jié)構(gòu)信息；（2）可重復(fù)；（3）位于較穩(wěn)定區(qū)域，方便提取法線。本研究中采用了3 種算法：基于局部坐標(biāo)系建模特征值分析的內(nèi)部形狀描述子（intrinsic shape signatures，ISS）[22]、局部特征描述子尺度不變特征變換（scale invariant feature transform，SIFT）[23]和利用點(diǎn)云三維空間的表面法線向量來(lái)檢測(cè)特征點(diǎn)的Harris 算法[24]。

1.3 特征描述

特征描述是點(diǎn)云信息處理中的關(guān)鍵一環(huán)。點(diǎn)云的識(shí)別、分割、重采樣、配準(zhǔn)、曲面重建等處理都基于特征描述。特征描述包括局部和全局特征描述。本實(shí)驗(yàn)對(duì)比了PFH、FPFH、SHOT、3DSC 和SI 5 種特征描述方法用以比較不同特征描述方法對(duì)配準(zhǔn)的影響。

1.4 點(diǎn)云配準(zhǔn)

特征面部點(diǎn)云經(jīng)特征描述后，可先粗配準(zhǔn)再精配準(zhǔn)，粗配準(zhǔn)算法采用SAC-IA 算法，精配準(zhǔn)算法選擇ICP、GICP 和NDT 算法。本研究將3 種特征面部點(diǎn)云提取方法、5 種特征描述方法以及3 種精配準(zhǔn)算法分別進(jìn)行組合（每種算法15 組，共45 組），對(duì)比配準(zhǔn)效果。

1.5 配準(zhǔn)結(jié)果評(píng)價(jià)

配準(zhǔn)結(jié)果評(píng)價(jià)可采用均方誤差、最大公共點(diǎn)集、豪斯多夫距離、倒角距離等指標(biāo)，本研究選擇倒角距離作為評(píng)價(jià)指標(biāo)。給定2 個(gè)點(diǎn)集S1和S2，它們之間的倒角距離[25]（chamfer distance，CD）為

式中，S1和S2為2 組待配準(zhǔn)的點(diǎn)云；x、y 分別為S1和S2中任意一點(diǎn)表示遍歷S1中所有點(diǎn)，求它們到S2的最小距離之和則是遍歷S2中所有點(diǎn)，求它們與S1的最小距離之和。倒角距離大小與點(diǎn)云的相似度有關(guān)，距離越小說(shuō)明配準(zhǔn)效果越好。

2 實(shí)驗(yàn)研究

2.1 相機(jī)標(biāo)定實(shí)驗(yàn)

在A 處放置待標(biāo)定相機(jī)，當(dāng)已知尺寸的待測(cè)目標(biāo)T 的中心與相機(jī)XY 平面的距離d 分別為30、40、50 mm 時(shí)，測(cè)量相機(jī)在640×360、848×480、1280×7203 種分辨力下T 的尺寸，計(jì)算X、Y、Z 軸3 個(gè)方向上的測(cè)量誤差。改變相機(jī)位置至B 和C，重復(fù)上述過(guò)程。相機(jī)標(biāo)定示意圖如圖1 所示。

圖1 相機(jī)標(biāo)定示意圖

結(jié)果顯示：在分辨力為1280×720 且d=30 mm 時(shí)，相機(jī)X 和Y 軸方向上未獲得有效測(cè)量數(shù)據(jù)，在分辨力為640×360 且d=50 mm 時(shí)測(cè)量誤差稍大（2 mm內(nèi)）。在其他條件下，相機(jī)X、Y、Z 軸3 個(gè)方向的測(cè)量誤差均小于1 mm，此誤差滿足本研究要求。本研究選擇848×480 的分辨力對(duì)相機(jī)動(dòng)態(tài)標(biāo)定，拍攝的人臉照片如圖2 所示，人臉輪廓清晰可見(jiàn)。

圖2 標(biāo)定后相機(jī)拍攝的3D 人臉點(diǎn)云圖

2.2 特征面部點(diǎn)云提取

首先，采用最大值法和曲率法提取到鼻尖點(diǎn)，再以提取到的鼻尖點(diǎn)為圓心，做半徑為6 cm、垂直于相機(jī)Z 軸（即面部）的圓柱，對(duì)原始面部點(diǎn)云進(jìn)行截取，最后得到特征面部點(diǎn)云。圖3（a）中紅色點(diǎn)和藍(lán)色點(diǎn)分別為最大值法和曲率法獲取的鼻尖點(diǎn)，二者幾乎重合。本研究后續(xù)配準(zhǔn)均基于最大值法提取鼻尖點(diǎn)。圖3（b）中藍(lán)色點(diǎn)云為特征面部點(diǎn)云，黑色點(diǎn)云為原始面部點(diǎn)云。一計(jì)算概率密度函數(shù)，耗時(shí)多。從描述子方面來(lái)看，用PFH、FPFH、SI、SHOT 4 種特征描述子進(jìn)行粗配準(zhǔn)及精配準(zhǔn)，用時(shí)幾乎相等，而用3DSC 描述子進(jìn)行特征描述的粗配準(zhǔn)算法耗時(shí)約3.1 s，遠(yuǎn)高于其他算法。

圖3 面部感興趣區(qū)域點(diǎn)及區(qū)域的識(shí)別效果

圖4 為采用不同方法提取的特征面部點(diǎn)云。提取5 組結(jié)構(gòu)光圖像，采用ISS 算法、SIFT 算法和Harris算法提取特征面部點(diǎn)云平均時(shí)間分別為0.710、1.093、0.492 s，提取一幅對(duì)應(yīng)CT 圖像特征面部點(diǎn)云的時(shí)間分別為0.712、0.895、0.400 s。

圖4 3 種壓縮算法面部點(diǎn)云提取效果圖

2.3 配準(zhǔn)實(shí)驗(yàn)

2.3.1 配準(zhǔn)時(shí)間

由于3 種算法（ISS、SIFT、Harris）的提取時(shí)間與對(duì)3 種關(guān)鍵點(diǎn)分別用5 種特征描述子改進(jìn)的3 種精配準(zhǔn)算法的配準(zhǔn)時(shí)間幾乎相同，因此對(duì)3 種關(guān)鍵點(diǎn)提取算法（ISS、SIFT、Harris）提取的關(guān)鍵點(diǎn)分別進(jìn)行10 組實(shí)驗(yàn)，共30 組實(shí)驗(yàn)，平均配準(zhǔn)時(shí)間對(duì)比如圖5 所示。

由圖5 可以看出，精配準(zhǔn)速度快于粗配準(zhǔn)速度，這是因?yàn)榇峙錅?zhǔn)為精配準(zhǔn)提供了初始變化矩陣，提高了精配準(zhǔn)速度。其中，使用同一特征描述子改進(jìn)的算法，ICP 算法最快，GICP 算法次之，NDT 算法最慢，這是因?yàn)镹DT 算法需要對(duì)點(diǎn)云進(jìn)行柵格劃分，并逐

圖5 基于不同特征描述方法粗配準(zhǔn)和精配準(zhǔn)時(shí)間對(duì)比

2.3.2 點(diǎn)云配準(zhǔn)實(shí)驗(yàn)

CT 圖像與結(jié)構(gòu)光面部圖像點(diǎn)云經(jīng)3 種方法（ISS、SIFT、Harris）提取到特征面部點(diǎn)云后，分別采用5 種算法（PFH、FPFH、SHOT、SI、3DSC）進(jìn)行特征描述（15 組特征提取和描述組合），再分別與3 種精配準(zhǔn)算法（ICP、GICP、NDT）組合（45 組特征提取、描述和配準(zhǔn)算法組合），配準(zhǔn)結(jié)果如圖6 所示。從圖6 中可以看出，改進(jìn)后的ICP 算法配準(zhǔn)成功率高，效果最佳。用倒角距離評(píng)價(jià)各組合算法的配準(zhǔn)效果，如圖7 所示。

圖6 不同特征描述和精配準(zhǔn)算法組合條件下的CT 與結(jié)構(gòu)光圖像配準(zhǔn)結(jié)果

圖7 點(diǎn)云配準(zhǔn)倒角距離對(duì)比圖

2.4 結(jié)果分析

在本研究的45 種特征提取、描述和配準(zhǔn)算法組合中，共有28 種組合可實(shí)現(xiàn)配準(zhǔn)，且都在數(shù)秒內(nèi)完成，最快的僅需0.06 s。基于精配準(zhǔn)算法的配準(zhǔn)耗時(shí)明顯短于粗配準(zhǔn)算法。

配準(zhǔn)實(shí)驗(yàn)結(jié)果表明，Harris 法在3 種特征面部點(diǎn)云提取中表現(xiàn)較優(yōu)。Harris 法經(jīng)5 種特征描述方法描述后，分別組合ICP、GICP 和NDT 精配準(zhǔn)算法，可實(shí)現(xiàn)配準(zhǔn)的組合分別為4 組、3 組和4 組；而將Harris法替換為ISS 法，可實(shí)現(xiàn)配準(zhǔn)的組合是3 組、3 組和2 組；替換為SIFT 法，可實(shí)現(xiàn)配準(zhǔn)的組合是5 組、2組和2 組。

在精配準(zhǔn)算法中，ICP 較其他2 種算法有一定優(yōu)勢(shì)。首先，ICP 算法可與15 種特征提取和描述方法組合中的12 種組合實(shí)現(xiàn)配準(zhǔn)，與GICP 和NDT 算法僅在8 種組合條件下可配準(zhǔn)相比，ICP 的普適性更強(qiáng)。其次，在2 種以上精配準(zhǔn)算法可實(shí)現(xiàn)配準(zhǔn)的組合中，基于ICP 算法的倒角距離總是最小的，性能指標(biāo)更優(yōu)。再者，SIFT 提取特征面部點(diǎn)云經(jīng)5 種算法特征描述后，以及對(duì)Harris 算法提取特征面部點(diǎn)云且采用除SHOT 算法之外的特征描述方法，ICP 算法均可配準(zhǔn)?；贖arris 提取算法和ICP 算法的可配準(zhǔn)圖像組合的倒角距離都很小，范圍為1.22～1.32 mm，其中Harris+SI 和ICP 的組合、Harris+3DSC 和ICP 的組合，配準(zhǔn)效果最佳。所有包含GICP 的組合中，最優(yōu)配準(zhǔn)方案的倒角距離為1.31 mm。NDT 算法與PFH、SI 2 種特征描述方法組合時(shí)均可配準(zhǔn)，倒角距離約為3 mm。

3 討論

點(diǎn)云在醫(yī)學(xué)圖像中的應(yīng)用和發(fā)展是當(dāng)前的熱門話題，多用來(lái)輔助醫(yī)生完成相關(guān)診斷任務(wù)。隨著超分辨算法和點(diǎn)云上采樣網(wǎng)絡(luò)的出現(xiàn)，醫(yī)學(xué)點(diǎn)云配準(zhǔn)在實(shí)時(shí)手術(shù)指導(dǎo)中也有著重要應(yīng)用。醫(yī)學(xué)點(diǎn)云的配準(zhǔn)研究主要是對(duì)同一數(shù)據(jù)源所得的數(shù)據(jù)進(jìn)行配準(zhǔn)，如顱骨、心臟等器官的CT 影像重建后的點(diǎn)云數(shù)據(jù)，且算法多是對(duì)ICP 算法的改進(jìn)。王君臣等[26]針對(duì)術(shù)前CT圖像與術(shù)中實(shí)際空間的配準(zhǔn)問(wèn)題，提出一種基于ICP 的特征點(diǎn)云配準(zhǔn)技術(shù)，該研究以塑料脊柱模型骨為對(duì)象進(jìn)行脊柱手術(shù)導(dǎo)航配準(zhǔn)實(shí)驗(yàn)，結(jié)果表明該方法在模型骨情況下配準(zhǔn)精度達(dá)到1 mm 以內(nèi)。石征錦等[27]對(duì)比了多種通用配準(zhǔn)算法，研究顯示在點(diǎn)云低重疊率的情況下，超4 共面點(diǎn)匹配（Super 4-points congruent sets，Super-4pcs）算法能夠達(dá)到毫米級(jí)的高精度配準(zhǔn)效果，為醫(yī)生更有效地將點(diǎn)云配準(zhǔn)算法應(yīng)用于醫(yī)療診斷及手術(shù)規(guī)劃中提供了一定的理論指導(dǎo)。楊穩(wěn)等[28]引入幾何特征約束的ICP 算法，通過(guò)距離函數(shù)計(jì)算特征相似性來(lái)建立匹配點(diǎn)對(duì)，實(shí)現(xiàn)顱骨的精確配準(zhǔn)，誤差約為1 mm，與經(jīng)典ICP 算法相比，匹配率和配準(zhǔn)精度分別提高了約17%和51%。Sinko等[29]用ICP 與SIFT 相結(jié)合的點(diǎn)云配準(zhǔn)方法實(shí)現(xiàn)了CT/MRI 圖像與標(biāo)準(zhǔn)人類頭骨的3D模型關(guān)鍵點(diǎn)配準(zhǔn)。王賓等[30]針對(duì)具有較大初始位置差異、較大形狀和局部殘缺差異的心臟點(diǎn)云數(shù)據(jù)，在主成分分析法實(shí)現(xiàn)粗配準(zhǔn)的基礎(chǔ)上，提出了基于雙向距離比例的ICP 算法，結(jié)果較經(jīng)典ICP 算法的平均誤差減少約21%。

目前關(guān)于面部CT 數(shù)據(jù)與面部結(jié)構(gòu)光相機(jī)點(diǎn)云的配準(zhǔn)研究較少。深度相機(jī)有一定精度誤差，且在CT數(shù)據(jù)提取皮膚時(shí)，會(huì)將鼻孔內(nèi)部的皮膚也轉(zhuǎn)化為點(diǎn)云數(shù)據(jù)，導(dǎo)致待配準(zhǔn)點(diǎn)云和目標(biāo)點(diǎn)云原始數(shù)據(jù)會(huì)有差異。針對(duì)這一問(wèn)題，本研究首先對(duì)面部點(diǎn)云數(shù)據(jù)進(jìn)行統(tǒng)計(jì)濾波和體素濾波，去除離群點(diǎn)；其次采用KD-tree 進(jìn)行最近鄰搜索以提高對(duì)應(yīng)點(diǎn)對(duì)的搜索速度。在對(duì)原始ICP、NDT、GICP 算法改進(jìn)的過(guò)程中，嘗試了多種關(guān)鍵點(diǎn)檢測(cè)算法與多種局部特征描述子相結(jié)合的方法來(lái)初步估計(jì)變換矩陣，結(jié)果顯示用Harris 算法提取關(guān)鍵點(diǎn)相較SIFT、ISS 算法配準(zhǔn)效果更好，且改進(jìn)后的ICP算法較改進(jìn)后的GICP、NDT 算法配準(zhǔn)效果更好，最佳的組合為采用Harris+SI、Harris+3DSC 改進(jìn)的ICP算法，配準(zhǔn)后的2 幅點(diǎn)云倒角距離均約為1.22 mm。

4 結(jié)論

近年來(lái)，光學(xué)導(dǎo)引示蹤及實(shí)時(shí)顯示技術(shù)的成熟，使臨床診斷顱腦病變的穿刺活檢不再依賴有框架的顱腦立體定向技術(shù)。術(shù)中通過(guò)光學(xué)設(shè)備對(duì)人臉實(shí)時(shí)拍攝，將術(shù)前CT 圖像與拍攝結(jié)構(gòu)光圖像進(jìn)行配準(zhǔn)，通過(guò)影像和機(jī)器人引導(dǎo)穿刺針到達(dá)指定位置，可以更安全、精確地抵達(dá)病灶，提高穿刺活檢的準(zhǔn)確性及安全性。本研究采用了多種結(jié)構(gòu)光圖像特征點(diǎn)云提取方法和點(diǎn)云特征描述方法來(lái)獲取和描述結(jié)構(gòu)光圖像點(diǎn)云，再將一些其他領(lǐng)域應(yīng)用的圖像配準(zhǔn)算法引入到結(jié)構(gòu)光面部三維點(diǎn)云與人臉CT 圖像的配準(zhǔn)中。本研究從不同組合條件下的配準(zhǔn)耗時(shí)、配準(zhǔn)算法的適用性、配準(zhǔn)效果等幾個(gè)層面進(jìn)行了對(duì)比研究，配準(zhǔn)結(jié)果可為穿刺手術(shù)中人臉和顱腦的相關(guān)位置提供三維空間定位，搭配穿刺輔助機(jī)械臂可快速、精準(zhǔn)定位穿刺進(jìn)針點(diǎn)，對(duì)輔助顱腦病變穿刺活檢具有積極意義。

本研究將結(jié)構(gòu)光面部三維點(diǎn)云與人臉CT 圖像配準(zhǔn)，受D415 相機(jī)本身性能所限，在不同特征面部點(diǎn)云提取算法、不同特征描述算法和不同精配準(zhǔn)算法組合條件下，配準(zhǔn)圖像倒角距離最小為1.22 mm。今后可以選擇更高性能的相機(jī)、匹配更好的配準(zhǔn)算法，進(jìn)一步降低配準(zhǔn)誤差，推進(jìn)結(jié)構(gòu)光相機(jī)在顱腦穿刺手術(shù)的臨床應(yīng)用進(jìn)程。