Geometry-Aware Visual Odometry for Bronchoscopic Navigation via High-Gain Observer Fusion
作者: Mohammadreza Kasaei, Francis Xiatian Zhang, Feng Li, Farshid Alambeigi, Kevin Dhaliwal, Mohsen Khadem
分类: cs.RO
发布日期: 2026-07-06
💡 一句话要点
提出几何感知视觉里程计以解决支气管镜导航问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 视觉里程计 支气管镜导航 几何感知 高增益观察器 医疗影像处理 导航系统 内窥镜技术
📋 核心要点
- 现有的视觉里程计方法在处理气道图像时面临纹理稀少和消失点奇异性等挑战，导致跟踪失败和漂移。
- 本文提出了一种几何感知的视觉里程计框架，利用气道腔体的消失点线索来增强导航稳定性。
- 实验结果表明，该方法在机械通气的人类肺脏上相较于现有技术显著降低了绝对轨迹误差和相对姿态误差。
📝 摘要（中文）
导航支气管镜在肺部干预中至关重要，但现有平台依赖于术前CT或外部传感器，限制了其在危重护理和资源受限环境中的应用。基于视觉的导航提供了一种可扩展的替代方案，但传统的视觉里程计在纹理稀少的气道图像、镜面反射和管状解剖的消失点奇异性方面存在困难，导致频繁的跟踪失败和漂移。本文提出了一种几何感知的视觉里程计框架，明确利用气道腔体的消失点线索。检测到的腔体被反投影到3D光线中，其加权融合在缺乏视差线索时也能产生稳定的前进方向。该方向与基于逼近的速度估计结合，通过定制的高增益观察器与嘈杂的视觉里程计输出融合，强制执行气道跟随先验并拒绝漂移。我们在机械通气的人类肺脏上验证了该方法，结果显示与最先进的管道（如ORB-SLAM2、LoFTR-VO、DPVO）相比，我们的方法将绝对轨迹误差减少了50%以上，并在所有测试序列中实现了最低的相对姿态误差。
🔬 方法详解
问题定义：本文旨在解决传统视觉里程计在支气管镜导航中因气道图像纹理稀少和消失点奇异性导致的跟踪失败和漂移问题。
核心思路：提出的几何感知视觉里程计框架通过利用气道腔体的消失点线索，反投影到3D光线中，从而在缺乏视差线索的情况下仍能提供稳定的前进方向。
技术框架：该框架包括消失点检测、3D光线反投影、加权融合、速度估计和高增益观察器等模块，形成一个闭环的导航系统。
关键创新：最重要的创新在于通过消失点线索的加权融合来增强导航的稳定性，并通过高增益观察器有效地抑制漂移，显著提高了跟踪精度。
关键设计：在设计中，采用了特定的加权策略来融合3D光线，并通过高增益观察器的反馈机制来强化气道跟随先验，确保在复杂环境下的鲁棒性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，提出的方法在机械通气的人类肺脏上相较于最先进的视觉里程计技术（如ORB-SLAM2、LoFTR-VO、DPVO）将绝对轨迹误差减少了超过50%，并在所有测试序列中实现了最低的相对姿态误差，验证了其有效性和优越性。
🎯 应用场景
该研究的潜在应用领域包括医疗支气管镜导航、肺部手术辅助系统以及其他需要高精度定位的内窥镜技术。其实际价值在于能够在资源受限的环境中提供可靠的导航解决方案，未来可能推动更广泛的临床应用和技术发展。
📄 摘要（原文）
Navigational bronchoscopy is critical for pulmonary interventions, yet current platforms depend heavily on pre-operative CT or external sensors, limiting their use in critical care and resource-constrained settings. Vision-only navigation offers a scalable alternative, but conventional visual odometry (VO) struggles with texture-poor airway images, specularities, and the vanishing-point singularities of tubular anatomy, leading to frequent tracking failures and drift. We present a geometry-aware VO framework that explicitly leverages vanishing-point cues from airway lumens. Detected lumens are back-projected to 3D rays, whose weighted fusion yields a stable forward heading even when parallax cues are absent. This heading, together with looming-based velocity estimates, is fused with noisy VO outputs using a bespoke high-gain observer that enforces airway-following priors and rejects drift. We validate the method on ex-vivo mechanically ventilated human lungs with electromagnetic tracking ground truth. Compared to state-of-the-art pipelines (ORB-SLAM2, LoFTR-VO, DPVO), our approach reduces absolute trajectory error by more than 50% and achieves the lowest relative pose error across all test sequences.