Ziel meiner Diplomarbeit:

In meiner Diplomarbeit sollte ich die Eignung eines 3D-Oberflächenscanners zur Positionsbestimmung eines Patienten auf einem Operationstisch analysieren und einen Algorithmus zur automatischen Bestimmung der Transformationsmatrix zwischen dem Scanner- und dem Tomographenkoordinatensystem entwickeln.

Hintergründe:

Will man mit einem Roboter zum Beispiel den Gehirntumor eines Patienten entfernen, so kann man technisch wie folgt vorgehen:

• Ein Arzt oder ein Computer zeichnet vor der Operation zunächst die Abgrenzung des Tumors in einem MRT oder einem anderen 3D-Volumenmodell des Patienten ein.
• Auf dem OP-Tisch wird ein 3D-Oberflächenscan vom Gesicht des Patienten durchgeführte.
• Durch Matching des 3D-Oberflächenscans mit dem 3D-Volumenmodell wird die Transformationsmatrix zwischen MRT und dem Patienten auf dem OP-Tisch bestimmt. Dadurch weis der Roboter welcher Punkt im Tomogramm welcher Position im Operationssaal entspricht.
• Nun kann der Roboter den vorher markierten Bereich bearbeiten.

3D-Oberflächenscanner:

Der Oberflächenscanner besteht im Wesentlichen aus einem LCD-Projektor, einer CCD-Kamera, einem PC mit entsprechender Hardware und einer bildverarbeitenden Software.

Mit freundlicher Genehmigung der RSI GmbH

Der Projektor wirft eine Serie von Streifenmustern auf das zu vermessende Objekt. Durch Analyse der entstehenden Bilder kann die Position jedes Kamerapixels auf der Oberfläche des Objekts relativ zum Kamerakoordinatensystem bestimmt werden. Die Menge aller Messpunkte bildet eine Punktwolke die der Oberfläche des vermessenen Objekts folgt.

Visualisierung der Punktwolke eines Kunstkopfes:

Matching:

Bringt man den Oberflächenscan mit dem 3D-Volumenmodell zusammen, so sind beide bedingt durch die Lage ihres jeweiligen Koordinatenursprungs nicht zwingend sofort deckungsgleich. Tommogramm und Punktwolke können also zunächst gegeneinander versetzt sein.

Durch Verschieben und Drehen der Punktwolke muss diese nun zur Überdenkung mit dem Volumenmodell gebracht werden. Dieser Prozess wird als Matching bezeichnet und ist mathematisch gesehen nichts anderes als die Bestimmung der Koeffizienten einer Transformationsmatrix.

Teil meiner Arbeit war es nun einen Algorithmus zu schreiben der dieses Matching automatisch durchführt und als Ergebnis die entsprechende Transformationsmatrix liefert.

Ergebnis des automatischen Matchings:

Man erkennt, dass der Rechner die Punktwolke trotz Streupunkten sehr gut mit dem 3D-Volumenmodell zur Überlagerung gebracht hat.

Download:

Hier meine Diplomarbeit als PDF-Download:

Lagebestimmung mit Hilfe eines 3D-Oberflächenscanners