Înregistrare în nor de puncte de scanare intraorală: de la interferența gingială și prelevarea de curbură la ICP îmbunătățită

Pe baza lui Lu Pingyue, „Cercetare privind tehnologia de înregistrare în cloud de puncte pentru sistemele de scanare intraoală”, teză de master, Universitatea de Știință și Tehnologie Electronică din China, 2023.

Acest articol reorganizează teza în jurul unei structuri clare problemă – metodă – experiment – ​​inginerie – limitări. Se concentrează pe idei tehnice reutilizabile pentru modele digitale dentare mai bune și nu evaluează niciun dispozitiv sau soluție comercială.

De ce este importantă înregistrarea în cloud de puncte mai mult decât captarea cu un singur{{0}cadru

Un scanner intraoral captează doar o mică suprafață locală a dentiției din fiecare cadru. Construirea unui model oral digital complet necesită transformarea a zeci sau chiar sute de aceste nori de puncte locale într-un sistem de coordonate comun.

Erorile de reconstrucție-cadru unic afectează în principal geometria locală. Erorile de înregistrare, totuși, se propagă de-a lungul căii de scanare. Corespondențele greșite pot produce imagini duble, goluri, găuri, deplasări ale cuspidelor sau îndoirea progresivă a arcadei dentare.

Întrebarea de bază a cercetării este:
Cum pot fi utilizate caracteristicile inerente ale scenei norilor de puncte de scanare intraorală pentru a îmbunătăți conducta de înregistrare clasică, astfel încât algoritmul să se concentreze mai mult pe regiunea dintelui, controlând în același timp costul de calcul al preprocesării și al înregistrării fine?

Teza nu inventează un nou cadru. Îmbunătățește conducta clasică „preprocesare → înregistrare grosieră → înregistrare fină → ochiuri” cu patru modificări practice adaptate scanării intraorale:

Punct-segmentarea norului + coordonatele camerei și distanța punctului de vedere pentru a elimina zgomotul și o parte din punctele gingivale

Histogramă de curbură unidimensională-pentru eșantionarea-funcției

Punct de vedere-distanță-poderarea erorii în interiorul punctului-la-planul ICP

Combinația dintre distanța euclidiană și distanța caracteristică FPFH pentru a filtra corespondențele suspecte

Prezentare generală a tezei și a proiectului

Experimentele au folosit un prototip de-lumină structurată (camera 1920×1080 la 60 fps, proiector 1920×1080 la 168 fps). Platformă de testare: AMD Ryzen 7 5800H, 16 GB RAM, NVIDIA RTX 3050. Rezultatele sunt validări la nivel de modul-pentru nori de puncte experimentale, nu benchmark-uri complete-de produse în timp real.

Problemele reale pe care le abordează munca

1. Punctele gingivale se pot „înregistra mai bine”, dar fac ca dinții să se înregistreze mai rău
Norii de puncte intraorale conțin dinți, gingii și zgomot. Regiunile gingivale mai mari și mai netede pot domina înregistrarea celor mai mici-pătrate. Din punct de vedere clinic, totuși, cuspizii, fosele și liniile marginale contează cel mai mult. Preferarea unor zone gingivale mari poate alinia greșită suprafețele ocluzale. Regiunile îndepărtate suferă, de asemenea, mai mult de eroare de calibrare, zgomot de reconstrucție și ocluzie. Teza folosește un prealabil practic: în majoritatea cadrelor locale, dinții sunt mai aproape de punctul de vedere al camerei decât gingia posterioară. Dezgomotul și ponderarea ICP sunt construite în jurul acestei ipoteze.

2. Norii densi încetinesc înregistrarea; prelevarea uniformă în jos-pierde caracteristicile dentare
Norii experimentali tipici conțin 22 000–28 000 puncte. Estimarea normală directă, FPFH, cea mai apropiată-căutare a vecinului și înregistrarea iterativă devin costisitoare. Filtrarea Voxel este rapidă, dar poate subeșantiona canelurile și marginile ascuțite. Eșantionarea-spațială normală păstrează regiunile cu curbură-înaltă, dar necesită multe compartimente în spațiul normal 3-D. Eșantionarea cu intervale de curbură-reduce histograma la o singură dimensiune, favorizând totuși zonele bogate în caracteristici.

3. ICP clasic acceptă corespondențe apropiate din punct de vedere geometric, dar prezintă-corespondențe diferite
Pe suprafețele dentare repetitive, distanța euclidiană mică nu garantează potrivirea geometriei locale. Prin urmare, teza adaugă distanța caracteristică FPFH ca un al doilea filtru în timpul înregistrării fine.

Metoda 1: Segmentare + Coordonatele camerei pentru a extrage regiunea dentară

Conductă:
eliminarea valorii aberante de rază → estimarea normală și a curburii → creșterea regiunii → camera-constrângeri de coordonate → -ștergerea regiunii mici → păstrați regiunile cele mai apropiate

Îndepărtarea valorii aberante ale razei elimină zgomotul izolat de reconstrucție.

Potrivirea-planului local ponderat estimează valorile normale (orientate către camera cunoscută) și curbura.

Creșterea regiunii (constrângeri de unghi-normale relaxate) exploatează rupturile naturale cauzate de spațiile interdentare, umbre și ocluzie.

Punctele sunt transformate în cadrul camerei; regiunile din afara unui interval efectiv 3-D sunt aruncate.

Regiunile mai mici de 10 % din cea mai mare regiune rămasă sunt șterse; sunt păstrate cele două regiuni cele mai apropiate de punct de vedere (pentru a evita aruncarea dinților despicați de umbre).

Pe patru nori de testare, eliminarea zgomotului a durat 255–335 ms (dominată de creșterea regiunii și estimarea normală/curbură). Reamintirea strictă a înregistrării de 0,2 mm sa îmbunătățit în medie cu aproximativ 20,3 puncte procentuale. Limitare: atunci când dinții și gingia formează o singură componentă conectată, metoda nu le poate separa doar prin conectivitate.

Metoda 2: Curbură-Eșantionare pe intervale

În loc să păstrați pur și simplu cele mai înalte-puncte de curbură (care se pot afla în afara regiunii de suprapunere), intervalul de curbură este împărțit în compartimente și punctele sunt eșantionate pornind de la intervalele cu curbură-înaltă, păstrând totuși unele puncte de curbură- și joasă-. Acest lucru păstrează caracteristicile, dar păstrează suficient suport comun pentru înregistrarea grosieră.

În comparație cu eșantionarea-spațială obișnuită, compartimentele cu curbură uni-dimensionale se scalează mai bine la dimensiuni ținte mai mari:

Precizia înregistrării finale a celor trei metode a fost similară; valoarea principală a eșantionării curburii este costul mai mic de întreținere-bină, păstrând în același timp o eroare a caracteristicilor. Filtrarea Voxel rămâne cea mai rapidă opțiune atunci când este necesară viteză pură.

Metoda 3: FPFH + SAC-IA pentru înregistrarea grosieră

Strategie clasică în două-etape:

Grosier: FPFH (33-dimensional) + SAC-IA

Bine: indicați-la-planul ICP

Norii au fost prelevați-la 5 000 puncte. SAC-IA cu 100 de iterații (alese ca un schimb practic-) a avut o medie de ~2,2 s. Constrângerile-de corespondență reciprocă au îmbunătățit acuratețea; terminarea timpurie a redus timpul, dar a scăzut stabilitatea. Prin urmare, SAC-IA este mai potrivit pentru inițializare, recuperare după pierderea urmăririi sau utilizare offline decât pentru fiecare cadru de scanare cu-cadere-înaltă.

Metoda 4: Faceți ca ICP să prefere corespondențe dentare fiabile

Punct de vedere-ponderare la distanță
Punctele țintă mai apropiate de cameră primesc o greutate mai mare în eroarea punct-la-plan. Scopul este o mai bună aliniere a regiunii apropiate-dintelui (de obicei, mai fiabilă), decât RMSE global minim.

Distanța de fuziune euclidiană + FPFH
Pentru fiecare corespondență ICP ambele distanțe sunt calculate, normalizate și combinate. Doar fracțiunea de distanță de fuziune mai mică--(stabilă în intervalul 0,4–0,8) participă la estimarea transformării-similar în spirit cu ICP tăiat, dar folosind și informații despre caracteristici.

Pe șase nori de testare, îmbunătățirile combinate au crescut reamintirea cu 0,2 mm în medie cu ~7,1 puncte procentuale. RMSE și rechemarea de 0,6 mm nu s-au îmbunătățit la fiecare set; în unele cazuri, proporția corespondențelor de-înaltă precizie a crescut, în timp ce RMSE global a crescut. Prin urmare, metoda optimizează ponderea aliniamentelor cu precizie ridicată-mai degrabă decât fiecare valoare simultană.

Timpul de rulare a ICP punct-la-plan a fost de 27–45 ms; cu constrângeri de fuziune a crescut la 51–126 ms.

Domeniul de aplicare al prototipului software

Prototipul implementează:

Preprocesare (eliminarea valorii aberante, valorile normale/curbură, creșterea regiunii, filtrarea coordonatelor, eșantionarea curburii)

Înregistrare (FPFH, SAC-IA, punct de vedere-ICP ponderat, constrângeri de distanță de fuziune-)

Mesh (filtrare cu voxeli, deplasarea celor mai mici pătrate, triangulare cu bile-pivotante, reparații non-colective, umplere a găurilor, optimizare a marginilor, corecție-normală a feței)

Stivă: C++11, Visual Studio 2017, PCL 1.8.1, OpenCV 4.3.0, VTK 8.0.0, Qt 5.12.1, plus cameră și SDK-uri DLP.

Modulele demonstrate funcționează de la capăt la cap la --pentru câteva cadre, dar rata continuă de cadre, latența-la-terminată, derapajul-secvenței lungi, ratele de eșec/recuperare de urmărire, acuratețea absolută-în arc și comparația cu modelele de referință clinice nu sunt raportate. Software-ul este un prototip de-validare a algoritmului, nu un sistem-în timp real verificat clinic.

Valoare și limitări

Puncte forte reutilizabile

Metodele sunt strâns cuplate cu prioritățile intraorale reale (dinți mai aproape de cameră, zone gingivale mari, geometrie locală repetitivă).

Îmbunătățirile rămân în modulele bine-înțelese (creșterea regiunii, curbură, FPFH, SAC-IA, ICP) care sunt ușor de implementat și de depanat în C++/PCL.

Apelarea pragului dublu-(0,6 mm și 0,2 mm) distinge potrivirea generală de potrivirea locală de-înaltă precizie.

Avertismente

Dimensiunea mică a eșantionului (în principal 4–6 nori).

Precedentele geometrice fixe eșuează atunci când dinții și gingia sunt conectați sau unghiurile de scanare se schimbă puternic.

Costul SAC-IA (~2,2 s la 5 000 puncte / 100 de iterații) exclude utilizarea pe-cadru.

Fără optimizare globală, închidere a buclei sau tratament grafic-poza pentru secvențe lungi.

Statistici comparative limitate și fără modele clinice externe-de adevăr.

Recomandări practice de inginerie pentru sistemele de scanare intraoală

Nu fiecare punct ar trebui să aibă o greutate egală.Combinați distanța punctului de vedere, încrederea în reconstrucție, stabilitatea normală, curbura, măștile de reflexie și (dacă sunt disponibile) etichete semantice într-un model de fiabilitate multi-factor.

Păstrați înregistrarea globală costisitoare în afara circuitului normal de urmărire.Folosiți-predicția anterioară de poziție + ICP local pentru cadrele de rutină; extinde căutarea sau comută la cadre cheie când calitatea scade; invocați FPFH/SAC-IA/FGR sau descriptori învățați numai pentru recuperare; aplicați optimizarea graficului-glisante/buclă-închidere/poziție-pentru secvențe lungi.

Mutați evaluarea de la eroarea perechilor la valorile clinice complete-arch.Raportați corectitudinea și precizia pe dinți unici, semi-arcade și-arcade completă, deplasare cumulativă, eroare-regiune critică (cuspidii, margini, zone de contact), repetabilitate inter{-operator și inter-cai, robustețe la umiditate/reflexie/restaurări și sfârșit{{6}/memorie.

Rezumat

Teza construiește o conductă completă, interpretabilă pentru înregistrarea norului intraoral de punct-: eliminați interferența gingială și a zgomotului cu segmentarea și prioritățile camerei, comprimați norul cu eșantionare cu interval de curbură-, obțineți o poziție inițială cu FPFH + SAC-IA și perfecționați cu constrângerea{6}}caracteristică{6}}distante, ponderată-} indică-la-planul ICP. Îmbunătățirile cresc proporția corespondențelor dentare de{10}}înaltă precizie pe datele testate, evidențiind în același timp provocările rămase legate de gingia conectată, costul grosier de-înregistrare și scara limitată de evaluare.

Dintr-o perspectivă inginerească modernă, lucrarea servește ca o bază tradițională clară. Lecția sa de durată este că calitatea înregistrării în scanarea intraorală depinde în mare măsură de definirea corectă a punctelor de încredere și a corespondențelor care merită să influențeze optimizarea.

Notă sursă
Acest articol se bazează pe teza de master din 2023 a lui Lu Pingyue. Numerele experimentale, parametrii dispozitivului și concluziile urmează textul original; declarațiile despre câștigurile procentuale-punctelor, adecvarea-în timp real și domeniul de aplicare al ingineriei sunt analize tehnice derivate din acele date.

Căutați scanare intraoală fiabilă, care să ofere modele exacte-digitale cu arc complet?
Sistemele moderne, cum ar fi Aident AI-30 (precizie mai mică sau egală cu 10 μm, design ultra{-ușor, scanare-fără pudre-color adevărate, export STL/PLY/OBJ deschis) sunt proiectate tocmai pentru a minimiza înregistrarea și problemele de eroare cumulative de scanare → fluxul de proiectare și integrare → fără probleme de scanare discutate mai sus.

Explorați AI-30 și completați soluții digitale lahttps://www.aident3d.com/sau contactați-ne pentru o demonstrație și o comparație a rentabilității investiției.