Bioengineering

Medicinsk-grade steriliserbare Mål for Fluid-nedsænket Fetoscope Optical Distortion kalibrering

Published: February 23, 2017 doi: 10.3791/55298

Daniil I. Nikitichev*¹, Dzhoshkun I. Shakir*¹, François Chadebecq¹, Marcel Tella¹, Jan Deprest^1,2, Danail Stoyanov³, Sébastien Ourselin¹, Tom Vercauteren¹

¹Translational Imaging Group, CMIC, University College London, ²Department of Obstetrics and Gynecology, University Hospitals Leuven, ³Surgical Robot Vision Group, CMIC, University College London

* These authors contributed equally

Introduction

Kamerakalibrering er et velkendt problem i computer vision felt, der er blevet studeret intensivt i årenes løb ^{^1,} ^{^2,} ^3. Et vigtigt trin med kamera kalibreringsprocedurer er at estimere parametrene for en fordrejning model, samt de iboende kameraparametre, ved at ekstrahere et gitter af punkter med en kendt geometri fra kameraets billeder med subpixel nøjagtighed. Kalibreringsmål med et skakbrætmønster med sorte og hvide firkanter er almindeligt anvendt til dette formål. Cirkulære klatter tilbyde et alternativ mønster ^{^4,} ^{^5,} ^6.

I de senere år har der været en stigende interesse i udviklingen af kirurgisk navigation teknologi til føtale kirurgi procedurer, såsom behandling af twin-til-twin transfusion syndrom (TTTS) på fostre> ^7, ^{^8,} ^{^9,} ^10. Som synsfeltet af fetoscope (dvs. et endoskop anvendes i føtale kirurgiske procedurer) er meget begrænset, er der foreslået fremgangsmåder til kortlægning af placentale vaskulatur uden anvendelse af eksterne trackere til støtte TTTS kirurgi ^{^11,} ^{^12,} ^13. Optiske fordrejninger inden fetoscopic billeder har skadelige virkninger på disse beregningsmæssige mosaicing metoder, der er afhængige af visuel information udvinding ^11. Således er der et udækket behov for en omkostningseffektiv og hurtigt redskab for perioperativt kalibrering fetoscopes således at forvrængningen kompensation kan ske i realtid under interventionen.

På grund af det faktum, at fetoscope er nedsænket i fostervand under interventionen brydningsindekset forskellen mellem enir og fostervand gør klassiske in-air kamera kalibreringsmetoder uegnede for føtale kirurgi procedurer. Estimering parametre fluid-nedsænket kamera fra in-air kamera parametre er en vanskelig opgave og kræver mindst ét billede af væske-nedsænket kalibrering target ¹⁴ den. Desuden peri-operativ, væske-nedsænket fetoscopic kamera kalibrering er i øjeblikket upraktisk på grund af sterilisering krav og restriktioner på de materialer, der er tilladt i operationsstuen. På grund af disse grunde, kalibrering endoskoper til optiske forvrængninger er typisk ikke en del af den aktuelle kliniske arbejdsgang. Arbejdet i dette manuskript er et forsøg på at lukke dette kamera kalibrering hul ved at designe og producere en steriliseres og praktisk optisk forvrængning kalibrering mål med et mønster af asymmetriske cirkler. Tidligere Wengert et al. fabrikeret en tilpasset kalibreringsenhed med et oxideret aluminium plade som kalibreringsmålet. deres method dog virker kun sammen med den brugerdefinerede kalibreringsalgoritme de udviklet ^15.

Protocol

1. Target Fabrication

sandblæsning
1. Forbered en 316 rustfrit stålplade med en 1,2-mm tykkelse. Ved hjælp af en blyant eller et søm, tegne en 40 mm x 40 mm firkantet på arket ved hjælp af en lineal.
2. Skær trukket firkant ved hjælp af en manuel metal cutter. ADVARSEL! Se fingrene.
3. Brug en fil til at runde hjørner og sider af prøven. ADVARSEL! De er meget skarpe; Vær forsigtig.
4. Forbered en lige træ eller metal blok lidt større end den rustfri stålplade. Den overskårne ark på det; gøre dette for at undgå at bøje prøven under sandblæsning.
5. Placer forsamling i den interne blast kammer. Husk at bruge en støvsamler og stramt forsegle den interne blast kammer; ellers vil sandet spredes over under processen. Brug beskyttelsesbriller for at beskytte øjnene.
6. Placer en blast pistol vinkelret på og mindst 4-5 cm væk fra metaloverfladen. Påfør foden control til sandblæsning. Sæt prøven på træstykket (1-2 cm tyk) ved hjælp af en skruestik, som højtryks-sand flow kan deformere prøven. Under sandblæsning, holde prøven stramt ved kanten af det stykke træ eller ved at bruge en anden vice.
7. Gentag sandblæsning på den anden side, hvis det er ønskeligt at have en kalibrering mønster indgraveret på begge sider.
Laser mønster
1. Design et mønster af asymmetriske cirkler, som vist i figur 1.
2. Forbered en udveksling tegning format (DXF) fil af designet enten ved hjælp af CAD-software eller en anden egnet programmeringssprog.
  BEMÆRK: For nemheds skyld er en Python program, der kan generere DXF filer for den i dette papir design som en del af den kompakte GUI program ^16.
3. Importer DXF filer ind i laserskæring software.
4. Læg følgende parametre for baggrunden ætsning. Laser Power: 40%, Scan Hastighed:80 cm / s, Frekvens: 4000 Hz, antallet af passager: 1.
5. Opsæt følgende parametre for ætsning mønsteret. Laser Power: 40%, Scan Hastighed: 2,1 cm / s, Frekvens: 4000 Hz, Antal Passes: 1.
6. Sæt prøven på arbejdsplatform og tilpasse skære mønster ved hjælp af softwaren.
7. Efter laseren udfører snittet, rense prøven ved at dyppe den i alkohol. Brug ikke klude, da de normalt forlader uønskede rester.
sterilisation
1. Pak steriliseret prøve i en sterilisering pakke og indsætte det i sterilisering enhed (autoklave).
2. Tilsæt vand (ikke destilleret vand) til autoklaven og følg brugervejledningen / producentens anbefalinger til at sterilisere målet.

2. Peri-operative kalibrering

Kalibrering software
1. Installer "Endocal" endoskop kalibrering softwarepakke leveres på GitHub ¹⁶(Følg anvisningerne i README filen deri).
  BEMÆRK: Denne software ombryder OpenCV kamera kalibrering modul ¹⁷ i en let-at-bruge bekvemmelighed ansøgning. Den angivne program kører i to tilstande: online og offline. Den online-mode erhverver videostream direkte fra kompatible frame-grabber hardware. Offline mode giver til lastning endoskop billeder enten fra en videofil eller en mappe med en række videobilleder gemt som billedfiler. Se README for understøttet hardware og detaljerede instruktioner om, hvordan man bruger disse to tilstande.
Endoskopisk erhvervelse video
BEMÆRK: Følgende instruktioner er til online kalibrering (som beskrevet ovenfor), men de er også for offline kalibrering.
1. Placer kalibreringsmålet i en steril væskebeholder, såsom en Gallipot.
2. Fyld beholderen med målet væske eller et lignende sterilt stof.
  BEMÆRK: For eksempel i fetoscopic procerer, målvæsken er fostervand. Eftersom de optiske egenskaber af fostervand ligner saltvand ^{^18,} ^19, kan sterilt saltvand anvendes til kalibrering af fetoscope.
3. Juster zoom og skarphed af endoskopet som ønsket.
4. Fordybe endoskopet i fluidet og hold den i en afstand fra kalibreringsmålet svarende til afstanden fra anatomien, at endoskopet senere vil blive anvendt på.
5. Start kalibreringen ansøgning og starte købet kamera.
6. Bevæge spidsen af endoskopet lidt for forskellige synspunkter og samtidig holde hele kalibrering mønster i betragtning af kameraet. For at opnå optimal ydeevne, holder den elliptiske legende omkring kalibreringen mønster i den cirkulære udsigt over endoskop.
  BEMÆRK: Video rammer, der er anvendelige til kalibrering, er angivet med en virtuel mønster overlay, som ses i figur 3.
7. Acquire mindst har det antal endoskopiske kamera synspunkter, der kræves til kalibrering (som angivet i Endocal vindue).
  BEMÆRK: Den nuværende version af Endocal kræver mindst 10 endoskopiske kameravisninger til kalibrering, en heuristisk udvalgt antal visninger, hvor kalibrering fejl synes at være minimal og følge en stabil mønster ^20.
8. Tryk kalibreringen nøgle, som angivet på Endocal vindue, for at starte kalibreringen ved hjælp af billeder, der er erhvervet hidtil.
Lagring og bruge de kalibreringsparametre
1. Tryk den angivne kalibrering for at gemme de resulterende kalibreringsparametre i en YAML ( "YAML Er ikke Markup Language") fil ^21.
2. Gruppe kalibreringsparametrene i kameraet matrix og forvrængning koefficienter, som forklaret i OpenCV kamera kalibrering modul ^17.
  BEMÆRK: Efter at have udført kalibreringen, kalibreringenansøgning viser automatisk forvrængning korrigerede billede til højre for den oprindelige endoskop billede.
3. Brug forvrængning korrigerede video feed under en fetoscopic procedure for ren visualisering eller for real-time placenta mosaicing ^11.

Representative Results

Vi skabte en steriliserbar kalibreringsmålet ved ætsning et mønster af asymmetrisk cirkel på en sandblæst rustfri stål metalplade, hvis design er vist i figur 1. En exemplar opsætning viser denne kalibreringsmålet i aktion sammen med en fetoscope er vist i figur 2. At fodre dette design til laser ætsning software, blev et brugerdefineret program implementeret i Python programmeringssproget ^16. Oprettelse af design mønster involverer iterativt ætsning parallelle linier på en metalplade. For mønsteret til at have en ensartet farve i sidste ende bør afstanden mellem disse linjer være mindre end bredden af laserstrålen (se indsatte i figur 1) -dette værdi 45 um for Violino (Laservall) laserskærer.

figur 1
Rong> Figur 1: Design af det indgraverede mønster med en 3-by-11 gitter af asymmetriske cirkler. Indsat: zoomet-i betragtning af gitter af asymmetriske cirkler. Afstanden mellem linjerne er 45 um (svarende til laserstrålen bredde), og hver cirkel har en diameter på 1 mm. Andre størrelser kan anvendes til gitteret samt, men dette viste sig at være optimal med hensyn til fetoscope synsfelt. Klik her for at se en større version af dette tal.

Figur 2
Figur 2: Exemplar opsætning med kalibreringsmålet i brug. Spidsen af vand-nedsænket fetoscope er rettet mod kalibreringsmålet til højre. Til venstre er en britisk penny at give skala oplysninger."Target =" _ blank "> Klik her for at se en større version af dette tal.

Den fremstillede kalibreringsmålet muliggør detektion af det cirkulære mønster i den endoskopiske video stream med OpenCV ^17, hvis placeringer sorteres derefter ind i den foruddefinerede asymmetrisk cirkulære gitter (se figur 3). Anvende disse oplysninger i forbindelse med den allerede kendte gitter geometri, kan interne parametre kamera estimeres. Disse omfatter kameramatrix og de forvridninger koefficienter. Kameraet matrix består af brændvidder og de optiske centre langs x- og y-aksen af 2D billedplan. De forvrængning koefficienter er baseret på Brown-Conrady model ^3. Bemærk, at for dette arbejde, blev kun de radiale forvrængning parametre estimeres. For en kort diskussion af teorien, med praktiske eksempler, se websiden for OpenCV kamerakalibrering modul <sup class = "xref"> 17 og MATLAB kamera kalibrering værktøjskasse ^22. Flere detaljer om kamera kalibrering procedure er tilgængelige i Zhangs arbejde ^20. Den Endocal software repository har en stikprøve datasæt på 10 endoskopiske udsigt over det fremstillede kalibreringsmålet ^16. blev opnået ved hjælp af dette datasæt, en kalibrering med en gennemsnitlig re-projektion fejl på 0,28 pixels (0,45 min:: 0,16, max). Dette kan sammenlignes med de 0,25 pixels rapporteret af Wengert et al. ved hjælp af deres skik kalibreringsalgoritme ^15. Den samme forskergruppe imidlertid rapporteret en re-projektion fejl på 0,6 pixels i en nyere papir ved brug af metoden i ¹⁵ til kalibrering af en endoskopisk kamera brugt til placenta mosaicing ^18.

Figur 3
16 byder det detekterede kalibrering mønster overlejret på live video ved hjælp af virtual reality visualisering fra OpenCV ^17. Bemærk, at hver detekteret kolonne af kalibreringen mønster understreges af en anden farve. De detekterede cirkler, sammenholdt med den kendte geometri, anvendes til at beregne parametrene kamera. Klik her for at se en større version af dette tal.

De estimerede kamera parametre anvendes til optisk forvrængning korrektion. Figur 4 viser en rektangulær skakbrætmønster, som det ses ved anvendelse af en fetoscope, hvor optiske forvrængninger gøre linjer vises som kurver. Bemærk, at linjerne synes normal i distortion-korrigerede billede.

Figur 4
Figur 4: Optisk forvrængning korrektion. Et skærmbillede fra kalibreringen programmet ¹⁶ featuring live video billede fra en fetoscope optagelse fra skakbrætmønster (til venstre) med forvrængning-korrigerede billede (til højre). Tre eksemplariske linjer trækkes i begge billeder, hver fra det ene hjørne til det andet, hvor bane er lineær. På grund af de optiske forvrængninger, vises disse linjer som kurver i de oprindelige fetoscope billeder. Klik her for at se en større version af dette tal.

Discussion

Sandblæsning er et vigtigt skridt i fremstillingsprocessen, fordi den rå metaloverflade fremtrædende reflekterer endoskopet lys, hvilket gør det umuligt for de kredse, der skal detekteres. Det er vanskeligt at skelne de kredse selv med det blotte øje (se figur 5). Bemærk, at overfladen af målet vist allerede blev ætset med en laser. Det betyder dog ikke mindsker lysreflektion.

Figur 5
Figur 5: kalibreringsmålet uden sandblæsning anvendt. Som det fremgår af endoskopet syne på venstre, blænding fra endoskopet lys på materialeoverfladen gør det vanskeligt selv for det blotte øje at skelne cirklerne (der er en cirkel lige til den sydøstlige del af det store refleksion). Bemærk, at overfladen af dette mål (dvs. "baggrund") var allerede ætset, men dette er ikke nyttigt i fravær af sandblæsning. Klik her for at se en større version af dette tal.

Før mønster ætsning, er det også vigtigt at ætse overfladen af hele prøven. Dette er nødvendigt, fordi den sandblæste overflade har mange spejlrefleksioner (se figur 6), som interfererer med blob detektion.

Figur 6
Figur 6: Sandblæst overflade uden ætsning. Selvom ikke så fremtrædende som det rå metaloverflade, de relativt små spejlrefleksioner (hvoraf nogle er fremhævet med gule pile) er stadig tilstrækkelige til at forhindre blob detektion fra lykkes, så ingen kalibrering kan udføres med dette mål.Arget = "_ blank"> Klik her for at se en større version af dette tal.

Anvendelse af laseren ved forskellige hastigheder giver forskellige baggrundsfarver. Farven baggrund spiller en væsentlig rolle i kontrasten mellem cirklerne og baggrunden. Derfor er det afgørende at bestemme den optimale baggrundsfarve. Til dette formål, en plade med cirkler ætset mod et sæt af forskellige baggrunde blev skabt (se figur 7). Baggrundene blev testet under anvendelse af funktionen detekteringsmodul af OpenCV ^23, som anvendes i OpenCV kamerakalibrering modul ^17. I dette arbejde blev målet af rustfrit stål, da det er den mest almindelige og pålidelige materiale, der anvendes i klinikker til medicinsk udstyr. Dette materiale er frit tilgængeligt, ikke dyre, robust og let at sterilisere. Andre materialer kan potentielt anvendes til kalibreringsmålet, såsom aluminium eller joderede metaller, men det er den SCOPe af det fremtidige arbejde.

Figur 7
Figur 7: Rustfrit stål plade med en palet af forskellige baggrundsfarver ætset med laseren. Praktiske forsøg blev udført i forbindelse med OpenCV funktionen detekteringsmodulet til at bestemme hvilken baggrundsfarve giver det optimale resultat i form af klat-til-baggrund kontrast ^23. Endoskopet udsigt til venstre viser pladen. De moderate baggrundsfarver (dvs. de andre, at de mørkeste og lyseste dem) i denne palet give bedre blob afsløring. Klik her for at se en større version af dette tal.

En af fordelene ved dette arbejde er, at udføre en kalibrering ved hjælp af fremstillede mål tager 2-3 min. Det meste af indsatsen gåes manuelt stabilisere endoskopet at opnå ordentlige visninger af kalibreringen mønster. Ved hjælp af en specialbygget endoskop indehaveren kunne fjerne behovet for manuel stabilisering, hvilket kan forkorte kalibrering tid.

Video 1
Video 1: Video viser, hvordan optisk forvrængning kalibrering kan udføres ved hjælp af den udviklede kalibreringsmålet sammen med Endocal software. Klik her for at se denne video. (Højreklik for at downloade.)

En fordel ved vores arbejde i forhold til arbejdet i Wengert et al. ¹⁵ er, at der kan bruges OpenCV kamera kalibrering modul ^17, som er til kalibrering, uden at kræve nogen ændring eller brugerdefinerede Parameterization. Fordi OpenCV er en veletableret og velholdt softwarepakke og er meget populær i computer vision samfund, bruger det eliminerer behovet for at skrive og vedligeholde brugerdefineret software. For at gøre læsningen lettere, er en kompakt GUI applikation billede ^16, som læseren nemt kan installere og bruge til at teste nye kalibreringsmål. En ulempe ved vores metode sammenlignet med Wengert et al. ¹⁵ er, at deres metode er mere robust over for okklusioner af mønstret, som det ikke kræver påvisning af alle klatter.

Indledningsvis blev en kalibreringsmålet med et skakbrætmønster fremstillet til dette arbejde. Men denne type af kalibreringsmålet viste sig at være uegnede i forsøg på grund af vanskeligheden detektere hjørnerne af skakternede kvadrater. Hjørne afsløring afhængig histogram-baserede image binarisering (se OpenCV kildekoden ^24). Denne impligger behovet for en klar farve kontrast mellem mørke og lyse kvadrater, som ikke kunne garanteres med vores skakbrætmønster, delvist på grund af spejlrefleksioner, som dem der vises i figur 6. Sådanne spejlende refleksioner er til stede selv efter baggrund ætsning; imidlertid påvisning af cirklerne synes at være mindre følsomme over for denne mangel.

I den nuværende opsætning, kun vinkelret udsigt over kalibreringsmålet tillader vellykket klat afsløring. Dette skyldes den spejlende reflektioner fra måloverfladen hæmmer blob detektion ved skæve vinkler. Vi arbejder på at forbedre målet, således at for erhvervelse af synspunkter på en bredere vifte af vinkler, som potentielt kan forbedre kvaliteten af udførte kalibreringer ^20.

I realtid placenta mosaicing pipeline, der tidligere blev foreslået ^11, beregningen af det transeuropæiske transportnetformation, der kortlægger billedfiler par bygger på den vellykkede påvisning og gruppering af funktioner. Optiske forvridninger, på den anden side, forårsager en gruppe af funktioner med en stiv geometri at se anderledes på tværs billeder. Som følge heraf er denne forskel fører til unøjagtigheder i de beregnede transformationer, som forårsager driver i det resulterende billede mosaikker. Fordi de mest fremtrædende optiske forvrængninger er til stede mod kanterne, er endoskopiske billeder øjeblikket beskåret til deres inderste regioner. En god korrektion for optiske forvrængninger vil potentielt give mulighed for inkorporering af en større del af hvert billede i mosaicing processen. Fordelen ved denne metode er todelt. For det første ville det øge antallet af opdagede funktioner i hvert billede, potentielt forbedre beregningen af billedet transformationer. For det andet ville det give for hele anatomiske overflade, der skal rekonstrueres i en kortere tid.

Materials

Name	Company	Catalog Number	Comments
1.2 mm Metal sheet 316 Grade, 40 mm by 40 mm
Water container at least 50 mm by 50 mm by 30 mm
A sterilization package
Saline water
Manual metal cutter
A file to round up the corners
A wooden or metal block 50 mm by 50 mm at least 10 mm thick
A vice (desirable but not required)
Sand Blasting machine
GUI application to create .dxf file with the pattern			https://github.com/gift-surg/endocal
PC
Laser Cutter
Autoclave
An endoscope calibration software			from GitHub: https://github.com/gift-surg/endocal
Endoscope
OpenCV camera calibration module			http://docs.opencv.org/2.4/doc/tutorials/calib3d/camera_calibration/camera_calibration.html
Safety goggles
A lab coat
A ruler and a marker
Alcohol (preferably ethanol) for dust removal and cleaning

DOWNLOAD MATERIALS LIST

References

Zhang, Z., Matsushita, Y., Ma, Y. Camera calibration with lens distortion from low-rank textures. CVPR 2011 IEEE Conference on Computer Vision and Pattern Recognition, Washington, D.C., USA, , IEEE Computer Society. 2321-2328 (2011).
Devernay, F., Faugeras, O. D. Automatic calibration and removal of distortion from scenes of structured environments. SPIE's 1995 International Symposium on Optical Science, Engineering, and Instrumentation. 62-72 International Society for Optics and Photonics, , International Society for Optics and Photonics. 62-72 (1995).
Duane, C. B. Close-range camera calibration. Photogramm. Eng. 37 (8), 855-866 (1971).
Mallon, J., Whelan, P. F. Which pattern? biasing aspects of planar calibration patterns and detection methods. Pattern recognition letters. 28 (8), 921-930 (2007).
Balletti, C., Guerra, F., Tsioukas, V., Vernier, P. Calibration of Action Cameras for Photogrammetric Purposes. Sensors. 14 (9), 17471-17490 (2014).
Heikkila, J. Geometric camera calibration using circular control points. IEEE Transactions on pattern analysis and machine intelligence. 22 (10), 1066-1077 (2000).
Deprest, J. A., et al. Fetal surgery is a clinical reality. Seminars in fetal and neonatal medicine. 15 (1), Elsevier. 58-67 (2009).
Watanabe, M., Flake, A. W. Fetal surgery: Progress and perspectives. Advances in pediatrics. 57 (1), 353-372 (2010).
Lewi, L., Deprest, J., Hecher, K. The vascular anastomoses in monochorionic twin pregnancies and their clinical consequences. American journal of obstetrics and gynecology. 208 (1), 19-30 (2013).
Yamashita, H., et al. Miniature bending manipulator for fetoscopic intrauterine laser therapy to treat twin-to-twin transfusion syndrome. Surgical Endoscopy. 22 (2), 430-435 (2008).
Daga, P., et al. Real-time mosaicing of fetoscopic videos using SIFT. Proc. SPIE 9786, Medical Imaging 2016: Image-Guided Procedures, Robotic Interventions, and Modeling. 97861R. , International Society for Optics and Photonics. (2016).
Yang, L., et al. Image mapping of untracked free-hand endoscopic views to an ultrasound image-constructed 3D placenta model. The International Journal of Medical Robotics and Computer Assisted Surgery. 11 (2), 223-234 (2015).
Liao, H., et al. Fast image mapping of endoscopic image mosaics with three-dimensional ultrasound image for intrauterine fetal surgery. Minimally invasive therapy & allied technologies. 18 (6), 332-340 (2009).
Chadebecq, F., et al. Practical Dry Calibration With Medium Adaptation For Fluid-Immersed Endoscopy. Hamlyn Symposium on Medical Robotics, , (2015).
Wengert, C., Reeff, M., Cattin, P. C., Székely, G., et al. Bildverarbeitung für die Medizin 2006: Algorithmen Systeme Anwendungen. Proceedings des Workshops vom 19. - 21. März 2006 in Hamburg. Handels, H., et al. , Springer. Berlin Heidelberg. 419-423 (2006).
Shakir, D. I. Compact GUI application for optical distortion calibration of endoscopes. , Available from: https://github.com/gift-surg/endocal (2016).
Camera calibration With OpenCV. , Available from: http://docs.opencv.org/2.4/doc/tutorials/calib3d/camera_calibration/camera_calibration.html (2016).
Reeff, M., Gerhard, F., Cattin, P. C., Székely, G. Mosaicing of endoscopic placenta images. , Citeseer. (2011).
Steigman, S. A., Kunisaki, S. M., Wilkins-Haug, L., Takoudes, T. C., Fauza, D. O. Optical properties of human amniotic fluid: implications for videofetoscopic surgery. Fetal diagnosis and therapy. 27 (2), 87-90 (2009).
Zhang, Z. A flexible new technique for camera calibration. IEEE Transactions on Pattern Analysis and Machine Intelligence. 22 (11), 1330-1334 (2000).
Evans, C. C. The Official YAML Web Site. , Available from: http://yaml.org (2016).
Bouguet, J. -Y. Camera Calibration Toolbox for Matlab. , Available from: http://www.vision.caltech.edu/bouguetj/calib_doc/ (2015).
Common Interfaces of Feature Detectors. , Available from: http://docs.opencv.org/2.4/modules/features2d/doc/common_interfaces_of_feature_detectors.html (2016).
Open Source Computer Vision Library. , Available from: https://github.com/opencv/opencv (2016).