在微創手術中使用Kinova輕型機械臂進行多視圖圖像采集和3D重建

在微創手術中，Kinova輕型機械臂通過其靈活的運動控制和高精度的操作能力，支持多視圖圖像采集和3D重建。這種技術通過機械臂搭載的光學系統實現精準的多角度掃描，為醫療團隊提供清晰且詳細的解剖結構模型。其核心在于結合先進的傳感器配置與重建算法，有效提升手術導航的準確性。通過此類創新，醫生能夠更好地規劃手術路徑，同時減少對患者組織的損傷，從而加速術后恢復過程。

圖1. 本研究利用機械臂平臺采集的多視圖圖像進行三維重建。使用激光掃描儀獲取用于對比的真實數據。

Kinova輕型機械臂技術特點：

高精度控制系統：Kinova輕型機械臂能精準定位，在復雜手術環境中保障安全性，降低對周圍組織的損傷風險，同時支持實時反饋，快速響應環境變化，為醫生提供穩定操作體驗。

模塊化設計：Kinova輕型機械臂采用模塊化設計，可根據需求定制或更換模塊，適應不同醫療場景，如在微創手術中搭載不同傳感器或工具。該設計便于維護和升級，降低長期使用成本，使其成為醫療領域的多功能選擇。

Gen3系列醫療適配性：Gen3系列具有7自由度，運動范圍大，能覆蓋手術區域多角度。支持多種通信協議，易與其他醫療設備集成。輕量化、緊湊設計便于在狹小手術空間操作，結合先進3D重建技術，為醫生提供清晰解剖視圖，提高手術精確性和效率。

多視圖圖像采集：為確保數據質量及3D重建精度，Kinova輕型機械臂常搭載高分辨率RGB攝像頭和光學系統，部分場景還會配置深度傳感器或激光掃描儀。這些傳感器一般安裝在機械臂末端執行器上，可靈活調整視角，采集完整解剖結構數據。

Kinova輕型機械臂的7自由度設計使其在復雜手術環境中靈活移動，實現多角度覆蓋。其運動規劃算法可實時計算機械臂路徑，提升有限空間內的運行效率。為實現精準控制，機械臂采用逆運動學算法，依目標位置和姿態算出各關節角度。控制系統還支持遠程中心運動（RCM）模式，對微創手術很重要，可確保機械臂經手術切口時穩定，減少對周圍組織的損傷。

3D重建技術的應用

圖像數據處理算法

在3D重建中，圖像數據處理很重要。系統可通過先進算法，從多視圖圖像里提取特征點并匹配。常用的有結構化運動（SfM）和同時定位與建圖（SLAM）算法，它們能分析圖像特征點，算出相機運動軌跡和場景三維結構。

圖 2. a) 標注圖展示了機器人平臺。機器人通過定制支架固定在桌子上。腹腔鏡光學系統通過 3D 打印和激光切割部件連接到機器人上。所有軌跡控制和數據捕獲均由 Intel NUC 處理。

特征點提取是第一步，SIFT 和 ORB 算法能在不同光照下識別圖像關鍵點。之后，特征匹配算法對不同視角圖像配對，保障數據連貫。現在，基于深度學習的 ALIKED 和 LightGlue 等方法也被引入，通過學習圖像特征全局分布，提升匹配魯棒性。

圖 4. 使用不同軌跡和照明條件獲得的腎臟和肝臟的 3D 重建。對于腎臟（第 1 行），在手術室照明下使用 Open-Far 軌跡捕獲數據，并使用 ALIKED-LG 圖像匹配器進行處理。肝臟（第 2 行）在腹腔鏡照明下使用穿刺器軌跡捕獲，并使用 GIM-LG 匹配器進行處理。在這兩種情況下，預測的 3D 模型（第 1 列和第 2 列）與真實激光掃描（第 3 列）以及后處理的對齊重建（第 4 列）進行了比較。

最后一步是點云生成，系統把匹配后的特征點投影到三維空間，生成稠密點云模型，為后續3D 重建提供基礎數據支持。選擇算法時，需結合手術場景復雜程度和計算資源限制，綜合考量算法精度和效率。

微創手術技術的發展離不開創新設備的支持。Kinova輕型機械臂通過其精準的多視圖圖像采集和3D重建能力，為微創手術提供了強大的技術保障。未來，機械臂可以結合實時數據處理技術，實現手術過程中的動態3D建模。這將幫助醫生在手術中實時調整操作策略，提升手術的成功率。此外，Kinova機械臂的模塊化設計可以支持更多類型的手術工具，為微創手術技術的多樣化發展提供可能性。通過不斷的技術突破，機械臂將在推動微創手術技術發展中發揮重要作用。