Localisation et cartographie simultanées par vision monoculaire pour la réalité médicale augmentée
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Ali, Nader Mahmoud Elshahat Elsayed
Date de soutenance : 19-06-2018

Directeur(s) de thèse : Doignon, Christophe - Montiel, José Maria Martinez

Établissement de soutenance : Strasbourg - Universidad de Zaragoza (Espagne)
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Informatique
Classification : Informatique, Sciences de l'ingénieur

Mots-clés libres : Suivi de caméra, Reconstruction 3D, Robotique, Laparoscopie, Endoscopie, Réalité Augmentée / Virtuelle
Mots-clés :
  • Réalité augmentée - Emploi en diagnostic
  • Réalité virtuelle en médecine
  • Coelioscopie
  • Robotique en médecine
Résumé : La création d'informations 3D denses à partir d'images endoscopiques intraopératoires, ainsi que le calcul de la position relative de la caméra endoscopique, sont des éléments fondamentaux pour un guidage de qualité durant la chirurgie guidée par l'image. Par exemple, cela permet de superposer modèle pré-opératoire via la réalité augmentée. Cette thèse présente une approche pour l'estimation de ces deux information basées sur une approche de localisation et cartographie simultanées (SLAM). Nous découplons la reconstruction dense de l'estimation de la trajectoire de la caméra, aboutissant à un système qui combine la précision du SLAM, et une reconstruction plus complète. Les solutions proposées dans cette thèse ont été validées sur de séquences porcines provenant de différents ensembles de données. Ces solutions n'ont pas besoin de matériel de suivi externe ni d'intervention. Les seules entrées nécessaires sont les trames vidéo d'un endoscope monoculaire.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2018STRAD011
Type de ressource : Thèse