(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210989057.3 (22)申请日 2022.08.17 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号北京理工大 学 (72)发明人 王涌天　邵龙　艾丹妮　杨健　 宋红　范敬凡　 (74)专利代理 机构 北京市中 闻律师事务所 11388 专利代理师 冯梦洪 (51)Int.Cl. G06T 7/80(2017.01) G06T 7/246(2017.01) G06T 17/00(2006.01) G06N 3/00(2006.01) (54)发明名称 基于自适应角 点单应估计的增强现实标定 方法及装置 (57)摘要 基于自适应角 点单应估计的增强现实标定 方法与装置， 方法包括： (1)利用线段形态约束 算 法识别跟踪标记的2D关键角点坐标； (2)获取CT 影像， 并进行颅颌面器官的分割和三维重建； (3) 利用三维扫描仪获取双向跟踪标记与器官的三 维模型； (4)基于跟踪标记的模板对上述扫描模 型的跟踪标记3D角点进行提取； (5)将CT模型与 扫描模型进行空间配准， 基于粒子群优化算法将 跟踪标记的3D特征点和2D特征点进行对齐； (6) 在跟踪过程中， 提取每一帧上跟踪标记的2D角点 坐标， 并利用pnp单应估计相机的运动姿态。 权利要求书2页 说明书3页 附图1页 CN 115471568 A 2022.12.13 CN 115471568 A 1.基于自适应角点单应估计的增强现实标定方法， 其特 征在于： 其包括以下步骤： (1)利用线段 形态约束算法识别跟踪标记的2D关键角点 坐标； (2)获取CT影 像， 并进行颅颌面器官的分割和三维重建； (3)利用三维扫描仪获取双面跟踪标记与器官的三维模型； (4)基于跟踪标记的模板对上述扫描模型的跟踪标记3D角点进行提取； (5)基于粒子群优化算法将跟踪标记的3D特征点和2D特征点进行对齐， 将CT模型与扫 描模型进行空间配准； (6)在跟踪过程 中， 提取每一帧上跟踪标记的2D角点坐标， 并利用透视n点算法pnp单应 估计相机的运动姿态。 2.根据权利要求1所述的基于自适应角点单应估计的增强现实标定方法， 其特征在于： 在所述步骤(1)之前， 利用三 维扫描仪扫描佩戴有双面跟踪标记的患者头部， 利用模板匹配 方法提取跟踪标记的关键 3D角点。 3.根据权利要求2所述的基于自适应角点单应估计的增强现实标定方法， 其特征在于： 在所述步骤(1)之前， 从患者的CT影像中利用阈值分割方法获得头部的三维模 型， 将CT三维 模型配准到扫描的模型 上。 4.根据权利要求3所述的基于自适应角点单应估计的增强现实标定方法， 其特征在于： 所述步骤(1)中， 通过线段检测算法， 基于线段的形态约束快速提取跟踪标记的2D角点。 5.根据权利要求4所述的基于自适应角点单应估计的增强现实标定方法， 其特征在于： 所述步骤(5)中， 将跟踪 标记的3D角点投影到相机采集的2D 视图中得到2D点， 并与原始视图 中2D角点进 行距离相似性匹配， 采用粒子群优化算法最小化投影的2D角点和原视图2D角点 之间的距离 。 6.根据权利要求5所述的基于自适应角点单应估计的增强现实标定方法， 其特征在于： 所述步骤(5)之后， 将从患者的CT影像中利用阈值分割 方法获得头部的三维模型配准到扫 描模型上。 7.根据权利要求6所述的基于自适应角点单应估计的增强现实标定方法， 其特征在于： 所述步骤(6)中， 在跟踪过程中， 针对每一帧， 提取其跟踪标记的2D角点坐标， 根据3D ‑2D的 pnp单应性估计当前帧跟踪标记相对于相机的转换矩阵， 通过计算连续帧跟踪标记的位姿 矩阵从而求 解帧序列的单应跟踪矩阵。 8.根据权利要求7所述的基于自适应角点单应估计的增强现实标定方法， 其特征在于： 将此跟踪矩阵应用于 CT模型上， 使得CT模型被精准跟踪。 9.基于自适应角点单应估计的增强现实标定装置， 其特 征在于： 其包括： 识别模块， 其配置来利用线段 形态约束算法识别跟踪标记的2D关键角点 坐标； 重建模块， 其配置来获取CT影 像， 并进行颅颌面器官的分割和三维重建； 获取模块， 其配置来利用三维扫描仪获取双面跟踪标记与器官的三维模型； 提取模块， 其配置来基于跟踪标记的模板对上述扫描模型的跟踪标记3D角点进行提 取； 对齐模块， 其配置来基于粒子群优化算法将跟踪标记的3D特征点和2D特征点进行对 齐， 将CT模型与扫描模型进行空间配准； 估计模块， 其配置来在跟踪过程中， 提取每一帧上跟踪标记的2D角点坐标， 并利用pnp权　利　要　求　书 1/2 页 2 CN 115471568 A 2单应估计相机的运动姿态。权　利　要　求　书 2/2 页 3 CN 115471568 A 3