11、跳动心脏手术中的视觉伺服技术与控制策略

跳动心脏手术中的视觉伺服技术与控制策略

1. 心脏运动预测方法评估

在体内实验中，对猪心脏在前后方向的运动数据进行分析，采用线性参数变化（LPV）和幅度调制（AM）方法进行提前一个心跳的预测。实验中使用被动心脏稳定器固定猪心脏，计算得出在 5 个呼吸周期内，LPV 方法的预测误差为 25μm，AM 方法的预测误差为 13μm。由于这些误差均低于评估的 100μm 手术精度，结果令人满意。不过，预测算法只是构建有效预测控制方案的关键之一，所得精度仅能大致反映最终运动补偿的精度。

2. 鲁棒实时视觉测量

2.1 视觉伺服的挑战

在体内进行视觉伺服时，视觉处理是一大难题。内窥镜图像难以可靠处理，主要原因包括：
- 强烈的内窥镜环形光源在器官湿润表面反射产生镜面高光。
- 呼吸或心跳导致连续图像间出现大位移，增加跟踪难度。
- 部分器官（如肝脏表面）纹理均匀，缺乏明显特征点，跟踪算法难以“锁定”指定区域。
- 手术场景会随时间变化，内窥镜前器械的移动常导致遮挡。

2.2 解决方法

为满足手术的高安全标准，需提高视觉反馈的可靠性。最初的方法是添加人工标记，但这会增加手术时间。因此，人们开始研究无标记技术，具体如下：
| 研究者 | 方法 | 特点 |
| ---- | ---- | ---- |
| Ortmaier | 基于区域的跟踪技术 | 使用自然特征点，补偿光照变化并去除镜面高光 |
| Takata | 凝聚算法 | - |
| Noce 等 | 基于纹理的跟踪算法 | 定义纹理距离，用于高速视频序列中的区域跟踪 | <