ICP (Iterative Closest Point) کلاسیکترین الگوریتم در زمینه ثبتنقطه سه بعدی-ابری است و یکی از پایههای فنی برای بخیه-زمان واقعی در اسکنرهای داخل دهانی را تشکیل میدهد.
مشکل ICP حل می شود
هر فریمی که توسط اسکنر داخل دهانی گرفته می شود، تنها بخش کوچکی از سطح دندان را می پوشاند. صدها یا هزاران فریم باید در یک سیستم مختصات یکپارچه تراز شوند. هنگامی که دو ابر نقطه همپوشانی دارای موقعیت نسبی ناشناخته هستند، ICP بهطور خودکار تبدیل جسم صلب بهینه (چرخش RRR + ترجمه ttt) را پیدا میکند که به بهترین نحو دو ابر را تراز میکند.
گردش کار الگوریتم پایه
برای هر نقطه در ابر نقطه مبدا، نزدیکترین نقطه را در ابر نقطه هدف به عنوان متناظر آن پیدا کنید.
بر اساس جفتهای نقطه متناظر، تبدیل جسم صلب- (R, tR, tR, t) را محاسبه کنید که میانگین مجذور فاصله بین دو مجموعه نقطه را به حداقل میرساند.
تبدیل را به ابر نقطه مبدا اعمال کنید.
فرآیند را تا زمانی تکرار کنید که تغییر در فاصله متوسط به زیر یک آستانه برسد یا به حداکثر تعداد تکرارها برسد.
پیشرفت ها و چالش ها در اسکن داخل دهانی
زمان واقعی-
ICP استاندارد از نظر محاسباتی فشرده است، با این حال اسکنرهای داخل دهانی باید در عرض ده ها میلی ثانیه ثبت نام را تکمیل کنند. در عمل، انواع مختلف شتاب استفاده می شود:
KD-شتاب درختی برای جستجوی نزدیکترین-همسایه.
تطبیق-نقطه قبل-: توصیفکنندههایی مانند FPFH یا SHOT ابتدا مطابقتهای اولیه را ایجاد میکنند و پس از آن ثبت جریمه ICP انجام میشود.
موازی سازی GPU: محاسبات ICP در زمان واقعی بر روی GPU انجام می شود.
قاب-به-ثبت مدل: قاب فعلی در-مدل جهانی قبلاً ذوب شده ثبت شده است، که در مقایسه با ثبت قاب-به{4}}قاب کمتری رانش میکند.
مشکل دریفت
قاب متوالی-به-ثبت قاب، خطاها را جمع میکند. پس از اسکن یک قوس کامل، ممکن است ناهماهنگی قابل توجهی در انتهای آن ظاهر شود. راه حل ها عبارتند از:
حلقه-تشخیص بسته شدن: هنگامی که اسکن به منطقه ای که قبلاً اسکن شده است برمی گردد، یک حلقه شناسایی می شود و بهینه سازی گراف پوز جهانی- خطا را دوباره توزیع می کند.
بهینه سازی سازگاری جهانی مبتنی بر ویژگی-.
هوش مصنوعی{0}}به محلیسازی درشت کمک میکند که تخمین اولیه قابل اعتمادی را ارائه میکند و احتمال سقوط ICP به حداقلهای محلی را کاهش میدهد.
تداخل شی پویا
حرکت لب یا زبان بیمار باعث ایجاد «اشیاء پویا» می شود. اگر در حین ثبت به عنوان داده های ثابت در نظر گرفته شوند، خطاهایی رخ می دهد. الگوریتمهای مدرن تقسیمبندی معنایی (تشخیص هوش مصنوعی زبان و لب) را برای حذف دادههای پویا ترکیب میکنند.
اهمیت بالینی
درک ICP به توضیح اینکه چرا اسکن باید بدون جهشهای بزرگ پیوسته باشد (مناطق همپوشانی کافی برای ICP مورد نیاز است)، چرا ردیابی به راحتی در مناطق ضعیف از بین میرود (فقدان نقاط متناظر واضح) و چرا اسکنهای کامل-قوس ممکن است انحراف پایانه را نشان دهند (خطای انباشته شده) را توضیح میدهد.
در Aident Technology، سری اسکنرهای داخل دهانی 30 هوش مصنوعی-گرفتن ساختاری{3}}سرعت بالا با پردازش هوشمند{4}زمان واقعی برای ثبت پایدار و مدلهای کامل-قوس دقیق یکپارچه میشود. AI-30 با بیش از یا مساوی 30 فریم در ثانیه، کمتر یا مساوی 10 میکرومتر دقت کامل-قوس، اسکن پودری{10}}رایگان{11}}رنگی، و طراحی فوق سبک 156 تا 198 گرمی، از گردش کار دیجیتالی کارآمد روی صندلی و آزمایشگاه پشتیبانی میکند.
راه حل های ما را کاوش کنید:
برای همکاری OEM/ODM، قیمت عمده فروشی، یا نمایش زنده با Aident تماس بگیرید و تجربه کنید که چگونه الگوریتمهای پیشرفته ثبت{0}زمان واقعی تصاویر دیجیتال قابل اعتماد ارائه میدهند.
