ICP (Iterative Closest Point) on klassisin algoritmi 3D-piste{1}}pilvirekisteröinnissä, ja se muodostaa yhden teknisen perustan reaaliaikaiselle-ompeleelle intraoraalisissa skannereissa.
Ongelma ICP ratkaisee
Jokainen intraoraalisella skannerilla kaapattu kehys peittää vain pienen osan hampaan pinnasta. Satoja tai tuhansia kehyksiä on kohdistettava yhdeksi yhtenäiseksi koordinaattijärjestelmäksi. Kun kahdella päällekkäisellä pistepilvellä on tuntematon suhteellinen sijainti, ICP löytää automaattisesti optimaalisen jäykän -kappalemuunnoksen (rotaatio RRR + translaatio ttt), joka parhaiten kohdistaa kaksi pilveä.
Perusalgoritmin työnkulku
Etsi jokaiselle lähdepistepilven pisteelle lähin piste kohdepistepilvestä sen vastaavuudeksi.
Laske vastaavien pisteparien perusteella jäykkä{0}}kappalemuunnos (R,tR, tR,t), joka minimoi keskimääräisen neliöetäisyyden kahden pistejoukon välillä.
Käytä muunnosa lähdepistepilveen.
Toista prosessia, kunnes keskimääräisen etäisyyden muutos putoaa kynnyksen alapuolelle tai iteraatioiden enimmäismäärä saavutetaan.
Parannuksia ja haasteita intraoraaliseen skannaukseen
Reaaliaikaiset-vaatimukset
Vakio-ICP on laskennallisesti intensiivinen, mutta intraoraalisten skannerien on suoritettava rekisteröinti kymmenissä millisekunnissa. Käytännössä käytetään erilaisia nopeutettuja muunnelmia:
KD-Puun kiihdytys lähimmän-naapurin hakuun.
Ominaisuus-pisteen ennakko-vastaavuus: kuvaukset, kuten FPFH tai SHOT, määrittävät ensin alkuperäiset vastaavuudet, minkä jälkeen ICP:n hieno rekisteröinti.
GPU-rinnakkaisu: ICP-laskelmat suoritetaan reaaliajassa GPU:ssa.
Kehyksen-to-mallin rekisteröinti: nykyinen kehys rekisteröidään jo-sulautettuun globaaliin malliin, mikä tuottaa vähemmän ajautumista kuin kehyksen-to-rekisteröinti.
Drift ongelma
Peräkkäinen kehyksen-to-rekisteröinti kerää virheitä; Kun koko kaari on skannattu, lopussa saattaa ilmetä havaittavaa kohdistusvirhettä. Ratkaisuja ovat:
Silmukan-sulkemisen tunnistus: kun skannaus palaa aiemmin skannatulle alueelle, silmukka havaitaan ja yleinen asento{1}}kaavion optimointi jakaa virheen uudelleen.
Ominaisuuksiin{0}} perustuva globaali johdonmukaisuuden optimointi.
Tekoälyn -avusteinen karkea lokalisointi tarjoaa luotettavan alustavan arvion ja vähentää todennäköisyyttä, että ICP putoaa paikallisiin minimiin.
Dynaaminen objektin häiriö
Potilaan huulten tai kielen liike luo "dynaamisia esineitä". Jos näitä käsitellään rekisteröinnin aikana staattisina tietoina, tapahtuu virheitä. Nykyaikaiset algoritmit yhdistävät semanttisen segmentoinnin (kielen ja huulten tekoälytunnistus) sulkemaan pois dynaamiset tiedot.
Kliininen merkitys
ICP:n ymmärtäminen auttaa selittämään, miksi skannauksen tulisi olla jatkuvaa ilman suuria hyppyjä (ICP:lle tarvitaan riittävästi päällekkäisiä alueita), miksi seuranta katoaa helposti ominaisuuksien -huonoilla alueilla (selkeiden vastaavien pisteiden puute) ja miksi täydelliset-kaaren tarkistukset voivat näyttää päätepoikkeaman (kertynyt virhe).
Aident Technologyn AI-30 intraoraalinen skannerisarja integroi nopean-strukturoidun-valon sieppauksen älykkäällä-reaaliaikaisella käsittelyllä vakaan rekisteröinnin ja tarkan koko-kaaren mallin takaamiseksi. AI-30:n nopeus on suurempi tai yhtä suuri kuin 30 kuvaa sekunnissa, enintään 10 μm:n koko-kaaren tarkkuus, jauhe{10}}vapaa todellinen-värskannaus ja erittäin kevyt 156–198 g:n muotoilu, joten AI-30 tukee tehokkaita tuolinvarsi- ja laboratorion digitaalisia työnkulkuja.
Tutustu ratkaisuihimme:
- Intraoraalisen skannerin yleiskatsaus
- Hammaslääkärin suuskanneri
- 3D-suunsisäinen skanneri
- Nopea intraoraalinen skanneri
Ota yhteyttä Aidentiin, jos tarvitset OEM/ODM-yhteistyötä, tukkuhinnoittelua tai live-esittelyä ja koe kuinka edistyneet reaaliaikaiset{0}}rekisteröintialgoritmit tarjoavat luotettavia digitaalisia näyttökertoja.
