本发明涉及图像处理，具体涉及一种基于单目内窥镜点云进行耳道内耳高精度三维建模方法。
背景技术：
1、在耳科医学领域，特别是耳道和内耳手术中，精确的三维解剖结构信息对于手术导航、疾病诊断和手术规划特别重要，传统的医学影像技术(如ct和mri)虽然能提供详细的结构信息，但在手术实时导航和准确定位方面存在一定限制，如对软组织分辨率有限，特别是在耳道内部结构的捕捉细节上。由于耳道和内耳的几何结构非常复杂，包括曲折的通道、小型的结构和微小的特征，传统的医学影像技术在捕捉这些细节方面存在的局限性。
技术实现思路
1、本发明的目的在于：为解决上述背景技术中所提出的问题，本发明提供了一种基于单目内窥镜点云进行耳道内耳高精度三维建模方法，针对支气管、鼻腔、耳道等狭窄封闭空间可高质量、高效率、高稳定性的进行三维实体建模。
2、本发明为了实现上述目的具体采用以下技术方案：
3、基于单目内窥镜点云进行耳道内耳高精度三维建模方法，包括：
4、步骤一，数据采集，通过单目内窥镜扫描获取耳道内耳区域的点云数据；
5、步骤二，数据预处理，将采集的数据整理成内窥镜点云文件，再检查其文件的完整性；
6、步骤三，特征提取，通过深度学习特征提取算法3d-cnn识别耳道内部的结构特征和内耳的位置、形状信息；
7、步骤四，重建，将整理好的点云数据导入3dreshape软件中，重建生成三角网格，接着将生成的三角网格导出为三维通用格式文件；
8、步骤五，建模，将obj文件导入3ds max三维建模软件中，进行模型修饰、布线调整、法线调整工作；
9、步骤六，补充，对照全景图，对不同材质的模型进行拆分，添加部件设施；
10、步骤七，优化，模型导入三维场景编辑器，对模型材质进行后期真实性加工，添加效果处理。
11、有益效果：
12、本发明首先将单目内窥镜点云数据进行整理，然后进行数据提取和三角网格转换，利用3dreshape对模型进行修复和重建，最后导入三维场景可视化引擎，完成后期工作，本发明针对支气管、鼻腔、耳道等狭窄封闭空间，可高质量、高效率、高稳定性的进行三维实体建模，为耳科医疗领域提供了准确的依据，本发明简单、高效，可以减少大量医护人员的工作量，同时数据成果更加直观、真实有效、实用性高。
1.基于单目内窥镜点云进行耳道内耳高精度三维建模方法，其特征在于，包括：
2.根据权利要求1所述的基于单目内窥镜点云进行耳道内耳高精度三维建模方法，其特征在于，在步骤二中，采用点云配准deep closest point算法将多个扫描位置的数据进行拼接，形成完整的点云数据文件，再次检查单目内窥镜点云文件完整性包括检查点云坐标是否统一，检查后剔除无用数据。
3.根据权利要求2所述的基于单目内窥镜点云进行耳道内耳高精度三维建模方法，其特征在于，在步骤二中，使用点云配准deep closest point算法进行多个扫描位置进行拼接的步骤如下：
4.根据权利要求3所述的基于单目内窥镜点云进行耳道内耳高精度三维建模方法，其特征在于，所述步骤二中，使用点云配准deep closest point算法进行配准过程中使用关键函数k近邻算法用来计算两点之间的距离，以确定源点云与目标点云的距离，在耳道中采用欧氏距离进行距离度量，欧氏距离是衡量两个点云之间的绝对距离，假设多维空间的维度为n,x1＝x11,x12,···,x1n和x2＝x21,x22,···，x2n是两个点，由于耳道空间是三维空间，所以n取3，则x1和x2之间的欧氏距离计算公式为
5.根据权利要求3所述的基于单目内窥镜点云进行耳道内耳高精度三维建模方法，其特征在于，所述步骤二中，使用点云配准deep closest point算法进行配准过程中，步骤s3中的变换估计是使用svd分解来求解旋转和平移矩阵，假设有两个点云a和b，且其中的点一一对应，为了寻找两个点云之间的旋转矩阵r和平移矩阵t，具体步骤如下：
6.根据权利要求1所述的基于单目内窥镜点云进行耳道内耳高精度三维建模方法，其特征在于，在所述步骤三中，深度学习特征提取算法3d-cnn的具体步骤如下：
7.根据权利要求1所述的基于单目内窥镜点云进行耳道内耳高精度三维建模方法，其特征在于，在步骤四中，将整理好的点云数据导入3dreshape软件中，重建生成三角网络的过程如下：
8.根据权利要求1所述的基于单目内窥镜点云进行耳道内耳高精度三维建模方法，其特征在于，在步骤四中，将生成的三角网格导出为三维通用格式文件的流程如下：
9.根据权利要求1所述的基于单目内窥镜点云进行耳道内耳高精度三维建模方法，其特征在于，在步骤三的特征提取步骤中，通过深度学习特征提取算法3d-cnn识别耳道内部的结构特征和内耳的位置、形状信息，采用曲率，法向量特征识别耳道壁面和内耳表面区域。
