Jun, 2023

多 IMU 在线自一致性用于手持式 3D 超声重建

PDF
TL;DR该文介绍了使用多个惯性测量单元的在线自我一致性网络，以改善超声成像的三维重建性能。该网络在模态和序列级别上采用了自我监督策略，并在大规模数据集上得到了最先进的重建性能。
ultrasound3d imaginginertial measurement unitsself-consistency networkreconstruction performance
发现论文，激发创造
  • 融合可穿戴 IMU 与多视角图像用于人体姿态估计：一种几何方法

    采用几个附着在人体肢体上的 IMUs 和多视图图像估计人类的 3D 姿态并提出了一种基于几何学的方法，用于增强每对关节的视觉特征并使用它们将多视图 2D 姿势提升到 3D 空间中，这种方法称为方向正则化网络（ORN）。

    Mar, 2020

  • 智能机器人超声医生：基于互信息的少样本解缠奖励学习

    提出了一种智能机器人超声检查师，能够从专家的经验中自主学习，理解超声检查的语言，通过估计互信息和开发高斯分布滤波器来提高模型的泛化能力，并在血管和动物器官模型中进行了演示实验，证明了该方法的稳健性。

    Jul, 2023

  • HoloPOCUS：便携式混合现实 3D 超声波追踪、重建和叠加

    提出了一种将超声成像信息叠加到用户视觉中的混合现实超声系统（MR-US），扩展了现有的 MR-US 方法以实现 3D 重建和投影，在常规探头的辅助下可用于手术导引，通过幽灵任务进行的用户研究显示了导航时间的显著改善。

    Aug, 2023

  • 用 MEMS 超声波传感器进行手势估计

    提出了一种便携低成本的手部跟踪手套，采用多个微机电系统超声波传感器测量手指之间的距离矩阵，再利用轻量级深度网络从距离矩阵中重建出手部姿态，该方法精度高、尺寸不变且对外部干扰具有鲁棒性。

    Jun, 2023

  • OnUVS：在线特征解耦高保真超声视频合成框架

    通过在线特征解耦框架 OnUVS，我们成功合成了具有高保真度的超声视频，通过将解剖学信息引入关键点学习、实现内容和纹理特征解耦、采用多特征鉴别器提取全面的视觉提示以及限制关键点的运动轨迹，从而提升了合成视频的流畅性。

    Aug, 2023

  • 使用视觉惯性和深度惯性测量髌骨跟踪的 3D 手持式超声

    通过结合二维超声波和运动跟踪，利用语义分割和位置配准进行三维重建，作者提出了一种用于监测关节运动的新方法，该方法能够在不需要昂贵的外部基础设施的情况下评估骨骼的三维重建准确性。

    Apr, 2024

  • 在线多传感器深度融合学习

    本文介绍了一种名为 SenFuNet 的深度融合方法，该方法通过在线学习传感器特定的噪声和异常值统计，并以在线方式将不同传感器的深度帧数据流合并。实验结果表明，相比传统方法和最近的在线深度融合方法，SenFuNet 的融合策略表现更好。多传感器的组合能够更好地处理异常值，并比单一传感器具有更精确的表面重建能力。

    Apr, 2022

  • BundleFusion: 实时全局一致性 3D 重建，采用即时表面重整

    提出了一种新的实时端到端重建框架，通过一种高效的分层方法考虑 RGB-D 输入的完整历史，优化单帧的全局相机姿态，同时支持稳健跟踪和全局一致的建模，实现了全球最佳实践的实时建模，成为大型室内环境的综合在线扫描解决方案，实现了易于使用和高质量的结果。

    Apr, 2016

  • 可视惯性单目 SLAM 及地图复用

    本文介绍了一种新的紧密耦合的视觉惯性同时定位和建图系统，采用惯性测量单元进行初始测量，实现了零漂移定位，带有地图重用功能，并应用于单目相机的最一般问题。在微型飞行器公共数据集的 11 个序列中测试了该系统，证明了其比目前最先进的视觉惯性测量方法更为准确。

    Oct, 2016

  • 单目视频和稀疏惯性测量单元的混合三维人体姿态估计

    我们提出了一个新的框架（Real-time Optimization and Fusion，RTOF），通过将稀疏惯性方向信息与参数化的人体骨骼结构相结合，优化并融合视觉和惯性观测数据，从而实现对时态三维人体姿势的准确估计和干扰问题的解决，提供平滑及生物力学合理的人体动作估计结果，并通过全面实验与消融研究验证了其合理性和效率。

    Apr, 2024