Robust Surgical Tool Tracking with Pixel-based Probabilities for Projected Geometric Primitives

通过视觉反馈控制机器人操作器需要知道机器人和相机之间的已知坐标系转换。机械系统和相机校准中的不确定性会导致这个坐标系转换出现误差。这些误差会导致机器人操作器的定位不准确，并为依赖操作器和环境之间精确交互的应用程序带来重大挑战。在这项工作中，我们使用基于图像的插入轴检测算法和概率模型来估计手术机器人工具的相机到基座的变换和关节角度测量误差。我们在结构化和非结构化环境中应用我们提出的方法并进行测量，以证明我们方法的有效性。

论文旨在解决机械系统和相机校准误差导致的机器人定位问题，这对于需要精确交互的应用程序来说是一个重大挑战。

论文提出了一种基于图像的插入轴检测算法和概率模型来估计手术机器人工具的相机到基座变换和关节角度测量误差的方法。

论文使用结构化和非结构化环境进行实验，证明了该方法的有效性。论文还提供了数据集和开源代码。

最近的相关研究包括：'Visual servoing of robotic manipulators using deep reinforcement learning'和 'Real-time visual tracking control of a robotic manipulator using a hybrid deep learning approach'等。