3D Densification for Multi-Map Monocular VSLAM in Endoscopy

要約

単眼内視鏡配列に適用されるマルチマップスパースの単眼の視覚同時局在とマッピングは、モーションブラー、時間的閉塞、ツールの相互作用またはウォータージェットによる内視鏡検査の頻繁な損失の後、追跡を堅牢に回復するために効率的であることが証明されています。
まばらなマルチマップは、堅牢なカメラのローカリゼーションには適していますが、環境表現のために非常に貧弱で、騒々しいです。不正確に再構築された3Dポイントの割合が高く、臨床アプリケーションのためのより重要な低密度を含むより重要なことです。
まばらな内視鏡検査のマルチマップCudasift-Slamのアートの地図を除去し、密な方法を提案します。
最新の深さの密な予測のnnライトデプスは、堅牢性のあるLMEDSによってまばらなCudasiftサブマップと一致しています。
私たちのシステムは、外れ値をフィルタリングしながら、単眼深度推定における固有のスケールのあいまいさを軽減し、信頼性の高い高密度の3Dマップにつながります。
C3VDファントムコロンデータセットの手頃な価格のコンピューティング時間で、正確な密度の高いマップ4.15 mm RMS精度の実験的証拠を提供します。
エンドマッパーデータセットからの実際の大腸内視鏡検査の質的結果を報告します。

要約(オリジナル)

Multi-map Sparse Monocular visual Simultaneous Localization and Mapping applied to monocular endoscopic sequences has proven efficient to robustly recover tracking after the frequent losses in endoscopy due to motion blur, temporal occlusion, tools interaction or water jets. The sparse multi-maps are adequate for robust camera localization, however they are very poor for environment representation, they are noisy, with a high percentage of inaccurately reconstructed 3D points, including significant outliers, and more importantly with an unacceptable low density for clinical applications. We propose a method to remove outliers and densify the maps of the state of the art for sparse endoscopy multi-map CudaSIFT-SLAM. The NN LightDepth for up-to-scale depth dense predictions are aligned with the sparse CudaSIFT submaps by means of the robust to spurious LMedS. Our system mitigates the inherent scale ambiguity in monocular depth estimation while filtering outliers, leading to reliable densified 3D maps. We provide experimental evidence of accurate densified maps 4.15 mm RMS accuracy at affordable computing time in the C3VD phantom colon dataset. We report qualitative results on the real colonoscopy from the Endomapper dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google