Automated keypoint definition for surgical instruments

Die Pose-Schätzung in der Stereovision basiert auf robusten Korrespondenzen zwischen Bildmerkmalen. Anstelle aufwändiger Detektion und Zuordnung können Regressionsnetzwerke trainiert werden, um charakteristische Merkmale direkt zu lokalisieren. Manuelle Merkmalsannotationen können jedoch die Ergebnisse verfälschen. Diese Studie stellt Methoden zur Leistungssteigerung durch die automatische Auswahl von Schlüsselpunkten aus 2D-Merkmalsdetektoren vor. Anhand von fünf chirurgischen Instrumenten vergleichen wir Schlüsselpunkte, die mit SIFT (Scale-invariant feature transform) und ORB (Oriented FAST and Rotated BRIEF) ermittelt wurden. Anschließend wird die Anzahl der ausgewählten Schlüsselpunkte im Hinblick auf die Leistung der nachfolgenden Schlüsselpunktregression bewertet. Um Fehler durch manuelle Annotation zu vermeiden und eine effiziente Skalierbarkeit zu gewährleisten, verwenden alle Experimente ausschließlich synthetische, automatisch generierte Datensätze.