Bioengineering

Objetivo esterilizable de calidad médica para Fluid-sumergido Fetoscopio óptico Distorsión de calibración

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

Calibración de la cámara es un problema bien conocido en el campo de la visión por ordenador que se ha estudiado intensamente durante los años ^{^1,} ^{^2,} ^3. Un paso clave de los procedimientos de calibración de la cámara es estimar los parámetros de un modelo de distorsión, así como los parámetros intrínsecos de la cámara, mediante la extracción de una rejilla de puntos con una geometría conocida de imágenes de la cámara con una precisión inferior al pixel. Los blancos de calibración con un patrón de tablero de ajedrez con cuadrados blancos y negros son comúnmente utilizados para este propósito. Manchas circulares ofrecen un patrón alternativo ^{^4,} ^{^5,} ^6.

En los últimos años, ha habido un creciente interés en el desarrollo de la tecnología de navegación quirúrgico para procedimientos de cirugía fetal, tales como el tratamiento de gemelo a gemelo síndrome de transfusión (TTTS) en fetos> ^7, ^{^8,} ^{^9,} ^10. A medida que el campo de visión de la fetoscopio (es decir, un endoscopio utilizado en procedimientos quirúrgicos fetales) es muy limitado, se han propuesto métodos para el mapeo de la vasculatura de la placenta sin el uso de rastreadores externos para ayudar a la cirugía TTTS ^{^11,} ^{^12,} ^13. Distorsiones ópticas dentro de fetoscopía imágenes se vean afectados por estos métodos mosaicing computacionales que se basan en la extracción de la información visual ^11. Por lo tanto, existe una necesidad no satisfecha de una herramienta rentable y rápido para peri-operativamente calibrar fetoscopes de modo que la compensación de distorsión óptica se puede hacer en tiempo real durante la intervención.

Debido al hecho de que el fetoscopio se sumerge en el líquido amniótico durante la intervención, la diferencia de índice de refracción entre unaIR fluido amniótico y rinde clásicos métodos de calibración de la cámara de aire no adecuados para procedimientos de cirugía fetal. La estimación de parámetros de la cámara de líquido sumergido de parámetros de la cámara en el aire es una tarea difícil y requiere al menos una imagen del objetivo de calibración fluido en baño de ^14. Por otra parte, perioperatoria, calibración de la cámara de fluido fetoscópica-sumergido actualmente es poco práctico debido a los requisitos de esterilización y restricciones a los materiales permitidos en la sala de operaciones. Debido a estas razones, la calibración de los endoscopios de distorsiones ópticas no suele ser parte del flujo de trabajo clínico actual. El trabajo en este manuscrito es un intento de cerrar esta brecha de calibración de la cámara mediante el diseño y la producción de un objetivo de calibración distorsión óptica esterilizable y práctica que ofrece un modelo de círculos asimétricos. Anteriormente, Wengert et al. fabricado un dispositivo de calibración personalizada con una placa de aluminio oxidado como el patrón de calibración. su metOD, sin embargo, sólo funciona en conjunción con el algoritmo de calibración personalizada desarrollaron ^15.

Protocol

1. La fabricación de destino

chorro de arena
1. Preparar una chapa de acero inoxidable 316 con un espesor de 1,2 mm. El uso de un lápiz o un clavo, dibujar un cuadrado de 40 mm x 40 mm sobre la hoja con la ayuda de una regla.
2. Cortar el cuadrado dibujado usando un cortador manual metal. ¡PRECAUCIÓN! Mira los dedos.
3. Use una lima para redondear las esquinas y los lados de la muestra. ¡PRECAUCIÓN! Son muy fuerte; ten cuidado.
4. Preparar un bloque de madera o de metal recta ligeramente más grande en tamaño que la chapa de acero inoxidable. Coloque la hoja de corte en él; hacer esto con el fin de evitar que se doble la muestra durante el arenado.
5. Coloque el conjunto en la cámara de explosión interna. Recuerde que debe utilizar un colector de polvo y para sellar herméticamente la cámara de explosión interna; de otro modo, la arena se extenderá por todo durante el proceso. Use gafas de seguridad para proteger los ojos.
6. Posicionar una pistola de trabajo perpendicular y al menos 4-5 cm de la superficie del metal. Aplicar el contr piesol por chorro de arena. Coloque la muestra en el pedazo de madera (1-2 cm de espesor) usando un tornillo de banco, ya que el flujo de arena a alta presión puede deformar la muestra. Durante chorro de arena, mantenga la muestra firmemente por el borde de la pieza de madera o con cualquier otro vicio.
7. Repetir el chorro de arena en el otro lado si es deseable tener un patrón de calibración grabado en ambos lados.
patrón láser
1. Diseño de un patrón de círculos asimétricos, como se muestra en la Figura 1.
2. Prepare un archivo de formato de intercambio de dibujos (DXF) del diseño, ya sea usando el software de CAD u otro lenguaje de programación adecuado.
  NOTA: Para mayor comodidad, una aplicación de Python que puede generar archivos DXF para el diseño mencionado en este documento se proporciona como parte de la aplicación GUI compacta ^16.
3. Importar los archivos DXF en el software de corte por láser.
4. Configurar los siguientes parámetros para el fondo de grabado. Potencia del láser: 40%, velocidad de escaneo:80 cm / s, frecuencia: 4.000 Hz, número de pasadas: 1.
5. Configurar los siguientes parámetros para grabar el patrón. Potencia del láser: 40%, Velocidad de escaneado: 2,1 cm / s, Frecuencia: 4000 Hz, número de pasadas: 1.
6. Coloque la muestra sobre la plataforma de trabajo y alinear el patrón de corte utilizando el software.
7. Después de que el láser lleva a cabo el corte, limpiar la muestra por inmersión en alcohol. No utilice toallitas, ya que suelen dejar residuos indeseables.
Esterilización
1. Envolver la muestra esterilizada en un paquete de esterilización e insertarlo en la unidad de esterilización (autoclave).
2. Añadir agua (el agua no destilada) a la autoclave y seguir la guía / recomendaciones del fabricante del usuario para esterilizar el objetivo.

2. Calibración perioperatoria

El software de calibración
1. Instalar el paquete de software "Endocal" calibración endoscopio provisto en GitHub ¹⁶(Siga las instrucciones del archivo README en el mismo).
  NOTA: Este software se envuelve el módulo de calibración de la cámara OpenCV ¹⁷ en una aplicación de conveniencia y fácil de usar. La solicitud a que se ejecuta en dos modos: en línea y fuera de línea. El modo en línea adquiere la secuencia de vídeo directamente desde el hardware captador de cuadros de compatibles. El modo fuera de línea permite cargar imágenes del endoscopio ya sea desde un archivo de vídeo o una carpeta con un número de fotogramas de vídeo guardados como archivos de imagen. Ver README para hardware soportado y las instrucciones detalladas sobre cómo utilizar estos dos modos.
adquisición de vídeo endoscópica
NOTA: Las siguientes instrucciones son para la calibración en línea (como se describe más arriba), sino que también son aplicables a la calibración fuera de línea.
1. Coloque el patrón de calibración en un recipiente de fluido estéril, tal como una gallipot.
2. Llenar el recipiente con el fluido de destino o una sustancia estéril similar.
  NOTA: Por ejemplo, en el proce fetoscópicamientos, el fluido objetivo es líquido amniótico. Dado que las propiedades ópticas del líquido amniótico son similares a agua salina ^{^18,} ^19, el agua salina estéril se puede utilizar para calibrar el fetoscopio.
3. Ajuste el zoom y la nitidez del endoscopio si lo deseas.
4. Sumergir el endoscopio en el fluido y mantenerlo a una distancia del objetivo de calibración similar a la distancia de la anatomía que el endoscopio más tarde será utilizado en.
5. Iniciar la aplicación de calibración y comenzar la adquisición de la cámara.
6. Mueva la punta del endoscopio ligeramente para diferentes puntos de vista mientras se mantiene todo el patrón de calibración a la vista de la cámara. Para un rendimiento óptimo, mantenga la leyenda elíptica alrededor del patrón de calibración dentro de la vista circular del endoscopio.
  NOTA: Video marcos que son utilizables para la calibración se indican mediante una superposición de patrón virtual, como se ve en la Figura 3.
7. Acquire al menos el número mínimo de puntos de vista de la cámara endoscópicos necesarios para la calibración (como se indica en la ventana Endocal).
  NOTA: La versión actual de Endocal requiere un mínimo de 10 vistas de cámara endoscópica para la calibración, un número seleccionado de forma heurística de puntos de vista en el que aparece el error de calibración que sea mínimo y seguir un patrón estable ^20.
8. Pulse la tecla de calibración, como se indica en la ventana Endocal, para iniciar el proceso de calibración utilizando las imágenes obtenidas hasta el momento.
El ahorro y el uso de los parámetros de calibración
1. Pulse la tecla de calibración indicada para guardar los parámetros de calibración que resulta en una YAML ( "YAML no esta Markup Language") el archivo ^21.
2. Grupo de los parámetros de calibración en los coeficientes de la matriz de la cámara y de distorsión, como se explica en el módulo de calibración de la cámara ¹⁷ OpenCV.
  NOTA: Después de realizar la calibración, la calibraciónaplicación muestra automáticamente la distorsión de la imagen corregida a la derecha de la imagen original de endoscopio.
3. Utilice la secuencia de vídeo con corrección de la distorsión durante un procedimiento para la visualización fetoscópica puro o de la placenta en tiempo real mosaicing ^11.

Representative Results

Hemos creado un destino de calibración esterilizable mediante grabado un patrón de círculo asimétrica en una hoja de metal con chorro de arena de acero inoxidable, cuyo diseño se muestra en la Figura 1. Una configuración ejemplar que muestra este patrón de calibración en la acción junto con un fetoscopio se muestra en la Figura 2. Para alimentar este diseño en el software de grabado láser, una aplicación personalizada fue implementado en el lenguaje de programación Python ^16. Crear el patrón de diseño implica iterativa grabado líneas paralelas sobre una hoja de metal. Para el patrón de tener un color uniforme en el extremo, la distancia entre estas líneas debe ser menor que la anchura del haz de láser (véase la inserción de la figura 1): este valor es 45 micras para el cortador láser Violino (Laservall).

rong> Figura 1: Diseño del patrón de grabado con una cuadrícula de 3-por-11 de los círculos asimétricos. Recuadro: vista ampliada de la cuadrícula de círculos asimétricos. La distancia entre las líneas es de 45 micras (igual a la anchura del haz de láser), y cada círculo tiene un diámetro de 1 mm. Otros tamaños podrían utilizarse para la red, así, pero esto se encontró que era óptima con respecto al campo fetoscopio de vista. Haga clic aquí para ver una versión más grande de esta figura.

Figura 2: configuración ejemplar que presenta el patrón de calibración en uso. La punta de la fetoscopio sumergido en agua se dirige a la plantilla de calibración a la derecha. A la izquierda es un penique británico para proporcionar información de escala."Target =" _ blank "> Haga clic aquí para ver una versión más grande de esta figura.

El objetivo de calibración fabricado permite la detección del patrón circular en el flujo de vídeo endoscópica con OpenCV ^17, cuyas ubicaciones a continuación, se clasifican en la rejilla circular asimétrica predefinida (ver Figura 3). Usando esta información, en relación con la geometría de la rejilla ya conocida, los parámetros internos de la cámara se pueden estimar. Estos incluyen la matriz de cámara y los coeficientes de distorsión. La matriz de la cámara se compone de las longitudes focales y los centros ópticos a lo largo de los ejes X y el eje Y del plano de imagen 2D. Los coeficientes de distorsión se basan en el modelo de Brown-Conrady ^3. Tenga en cuenta que para este trabajo, se estimó que sólo los parámetros de distorsión radial. Para una breve discusión de la teoría, con ejemplos prácticos, consulte la página web del módulo de calibración de la cámara OpenCV <sup class = "xref"> 17 y la caja de herramientas de calibración de la cámara ²² de MATLAB. Más detalles sobre el procedimiento de calibración de la cámara están disponibles en la obra de Zhang ^20. El repositorio de software Endocal cuenta con un conjunto de datos de muestra de 10 vistas endoscópicas de la plantilla de calibración ¹⁶ fabricada. El uso de este conjunto de datos, una calibración con un error medio de re-proyección de 0,28 píxeles (min: 0,16, máximo: 0,45) se obtuvo. Esto es comparable a los 0,25 pixeles reportados por Wengert et al. usando su algoritmo de calibración personalizada ^15. El mismo grupo de investigación, sin embargo, informó de un error re-proyección de 0,6 píxeles en un trabajo más reciente cuando se utiliza el método en ¹⁵ para calibrar una cámara endoscópica utilizado para placentaria mosaicado ^18.

figura 3
16 con el patrón de calibración detectado superpone a la secuencia de vídeo en directo utilizando la visualización de realidad virtual de OpenCV ^17. Tenga en cuenta que cada columna detectada del patrón de calibración se destaca por un color diferente. Los círculos detectados, en conjunto con la geometría conocida, se utilizan para el cálculo de los parámetros de la cámara. Haga clic aquí para ver una versión más grande de esta figura.

Los parámetros estimados de la cámara se utilizan para la corrección de la distorsión óptica. La Figura 4 muestra un patrón de tablero de ajedrez rectangular, como se ve el uso de un fetoscopio, donde distorsiones ópticas hacen las líneas aparecen como curvas. Tenga en cuenta que las líneas parecen normales en el distortiimagen corregida en.

Figura 4: corrección de la distorsión óptica. Una captura de pantalla de la aplicación de calibración ¹⁶ con el video en vivo la imagen de una grabación fetoscopio del patrón de tablero de ajedrez (izquierda) con la distorsión de la imagen corregida (derecha). Tres líneas se dibujan a modo de ejemplo en las dos imágenes, cada una de una esquina a otra, donde la trayectoria es lineal. Debido a las distorsiones ópticas, estas líneas aparecen como curvas en las imágenes fetoscopio originales. Haga clic aquí para ver una versión más grande de esta figura.

Discussion

Chorro de arena es un paso importante en el proceso de fabricación debido a que la superficie de metal en bruto refleja la luz prominente endoscopio, haciendo imposible que los círculos para ser detectados. Es difícil distinguir los círculos incluso a simple vista (véase la Figura 5). Tenga en cuenta que la superficie del objetivo mostrado ya estaba grabado con un láser. Sin embargo, esto no disminuye el reflejo de luz.

Figura 5: patrón de calibración sin arenado aplica. Como se ve desde el punto de vista endoscopio de la izquierda, el resplandor de la luz del endoscopio en la superficie del material hace que sea difícil incluso para el ojo humano distinguir los círculos (hay un círculo justo al sureste de la reflexión grande). Tenga en cuenta que la superficie de este objetivo (es decir, el "fondo") fue ya grabado, pero esto no es útil en ausencia de chorro de arena. Haga clic aquí para ver una versión más grande de esta figura.

Antes de patrón de grabado, también es importante para atacar la superficie de toda la muestra. Esto es necesario porque la superficie con chorro de arena tiene muchas reflexiones especulares (véase la Figura 6), que interfieren con la detección blob.

Figura 6: superficie con chorro de arena sin grabado. Aunque no es tan prominente como la superficie del metal en bruto, las relativamente pequeñas reflexiones especulares (algunas de las cuales se destacan con flechas amarillas) son todavía suficientes para prevenir reconocimiento de regiones de tener éxito, por lo que la calibración no se pueden realizar con este objetivo.arget = "_ blank"> Haga clic aquí para ver una versión más grande de esta figura.

La aplicación del láser a diferentes velocidades da diferentes colores de fondo. El color de fondo juega un papel importante en el contraste entre los círculos y el fondo. Por lo tanto, es vital para determinar el color de fondo óptimo. Para este propósito, una placa grabada con círculos contra un conjunto de diferentes orígenes fue creado (ver Figura 7). Los fondos se ensayaron usando el módulo de detección de características de OpenCV ^23, que se utiliza en el módulo de calibración de la cámara OpenCV ^17. En este trabajo, el objetivo estaba hecho de acero inoxidable, ya que es el material más común y fiable utilizado en clínicas para dispositivos médicos. Este material está disponible libremente, no es caro, robusto y fácil de esterilizar. Otros materiales potencialmente podrían ser utilizados para el objetivo de calibración, tales como metales de aluminio o yodados, pero este es el scope de los futuros trabajos.

Figura 7: placa de acero inoxidable con una paleta de diferentes colores de fondo grabados con láser. Experimentos prácticos se llevaron a cabo en conjunción con el módulo de detección de características OpenCV para determinar qué color de fondo da el resultado óptimo en términos de ^{contraste-burbuja-23} de fondo. La vista endoscopio de la izquierda muestra la placa. Los colores de fondo moderadas (es decir, aquellos otros que las oscuras y más claras) en esta gama de colores dan un mejor reconocimiento de regiones. Haga clic aquí para ver una versión más grande de esta figura.

Una de las ventajas de este trabajo es que realizar una calibración utilizando el objetivo fabricada toma 2-3 min. La mayor parte del esfuerzo de irES para estabilizar manualmente el endoscopio para obtener vistas decentes del patrón de calibración. El uso de un soporte de endoscopio a la medida podría eliminar la necesidad de estabilización manual, que a su vez podría acortar significativamente el tiempo de calibración.

video 1
Video 1: Video que muestra cómo la calibración distorsión óptica se pueden realizar con el objetivo de calibración desarrollado en conjunto con el software Endocal. Por favor, haga clic aquí para ver el vídeo. (Haga clic aquí para descargar.)

Una de las ventajas de nuestro trabajo en comparación con el trabajo de Wengert et al. ¹⁵ es que el módulo de calibración de la cámara OpenCV ¹⁷ se puede utilizar como es para la calibración, sin requerir ninguna modificación o de encargo parámerización. Debido a OpenCV es un paquete de software bien establecida y bien mantenido y es muy popular en la comunidad de visión por ordenador, utilizando elimina la necesidad de escribir y mantener software personalizado. Para mayor comodidad del lector, se proporciona una aplicación GUI compacta ^16, que el lector puede instalar y utilizar para probar nuevos patrones de calibración con facilidad. Una desventaja de este método en comparación con Wengert et al. ¹⁵ es que su método es más robusto a las oclusiones de la pauta, ya que no requiere la detección de todas las gotas.

Inicialmente, un destino de calibración con un patrón de tablero de ajedrez fue fabricado para este trabajo. Sin embargo, este tipo de patrón de calibración demostró ser inadecuado en los experimentos debido a la dificultad de la detección de las esquinas de los cuadrados de tablero de ajedrez. La detección se basa en la esquina de binarización de imágenes basado en histograma (ver el código fuente de OpenCV ^24). este impse encuentra la necesidad de un contraste de color claro entre los cuadrados oscuros y claros, que no se podía garantizar con nuestro tablero de ajedrez, en parte debido a las reflexiones especulares, como las que se muestran en la Figura 6. Tales reflexiones especulares están presentes incluso después de fondo de grabado; sin embargo, la detección de los círculos parece ser menos sensible a esta deficiencia.

En la configuración actual, sólo vistas perpendiculares de la plantilla de calibración permiten el reconocimiento de regiones con éxito. Esto es debido a las reflexiones especulares de la superficie objetivo que dificulta la detección blob en ángulos oblicuos. Estamos trabajando para mejorar aún más el blanco de manera que permita la adquisición de vistas a una mayor variedad de ángulos, lo que podría mejorar la calidad de las calibraciones realizadas ^20.

En el tiempo real de la placenta mosaicado tubería que se propuso previamente ^11, el cálculo de la transformación que asigna pares de imágenes se basa en la detección y la agrupación de características de éxito. distorsiones ópticas, por el contrario, causan un grupo de características con una geometría rígida que aparezca diferentes a través de imágenes. Como consecuencia, esta diferencia conduce a inexactitudes en las transformaciones calculadas, que causan derivas en los mosaicos de imágenes resultantes. Debido a las distorsiones ópticas más importantes están presentes hacia los bordes, las imágenes endoscópicas están actualmente recortadas para sus regiones más internas. Una buena corrección para las distorsiones ópticas sería potencialmente permitir la incorporación de una mayor parte de cada imagen en el proceso de mosaicos. La ventaja de este método es doble. En primer lugar, se incrementaría el número de características detectadas en cada imagen, mejorando potencialmente el cálculo de las transformaciones de imagen. En segundo lugar, que permitiría para toda la superficie anatómica objetivo a ser reconstruido en un tiempo más corto.

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).