Augmented reality surgery has not been successfully implemented in dental implant surgery due to the negative impact of an incorrect implant placement. This research aimed to improve the convergence between computed tomography derived teeth model and real-time stereo view of patient’s teeth to provide high registration accuracy. Enhanced iterative closest point algorithm is proposed to reduce the error caused due to matching wrong points. Weighting mechanism and median value are used to reduce alignment error caused due to matching wrong points. In addition, random sample consensus (RANSAC) algorithm is used to detect and remove the outlier. Furthermore, the current solution for dental implants did not provide the position and orientation of the surgical tool, and without this information, there is a risk of damaging adjacent structure, dental nerves, and root canals. Optical tracking device is used in the proposed solution to address this information and ensure that nerve does not get damaged during the dental implant placement surgery. While the state-of-the-art solution provided 0.44 mm registration accuracy, the proposed solution was improving it by providing 0.33 mm registration accuracy. Additionally, the proposed system can produce good results despite not having a good initialization. The processing time improved to 14 fps in comparison to the 9-fps given by state-of-the-art solution. The proposed system improved the accuracy of convergence and the processing time compared to the globally optimal-ICP algorithm. We also employed RANSAC algorithm to detect and remove the outlier on the estimation and reduce the influence of extreme points.

中文翻译：

---

种植牙手术的增强现实：增强型 ICP

由于不正确的种植体放置的负面影响，增强现实手术尚未在种植牙手术中成功实施。本研究旨在提高计算机断层扫描导出的牙齿模型与患者牙齿的实时立体视图之间的收敛性，以提供高配准精度。提出了增强迭代最近点算法，以减少由于匹配错误点引起的误差。加权机制和中值用于减少由于匹配错误点引起的对齐误差。此外，随机样本一致性（RANSAC）算法用于检测和去除异常值。此外，目前的牙种植体解决方案没有提供手术工具的位置和方向，如果没有这些信息，就有损坏相邻结构的风险，牙神经和根管。提议的解决方案中使用了光学跟踪设备来处理这些信息，并确保在种植牙植入手术期间不会损坏神经。虽然最先进的解决方案提供了 0.44 毫米的配准精度，但提议的解决方案正在通过提供 0.33 毫米的配准精度来改进它。此外，尽管没有良好的初始化，所提出的系统也可以产生良好的结果。与最先进的解决方案提供的 9-fps 相比，处理时间提高到 14 fps。与全局最优 ICP 算法相比，所提出的系统提高了收敛精度和处理时间。我们还采用了 RANSAC 算法来检测和去除估计中的异常值并减少极值点的影响。提议的解决方案中使用了光学跟踪设备来处理这些信息，并确保在牙种植体植入手术期间不会损坏神经。虽然最先进的解决方案提供了 0.44 毫米的配准精度，但提议的解决方案正在通过提供 0.33 毫米的配准精度来改进它。此外，尽管没有良好的初始化，所提出的系统也可以产生良好的结果。与最先进的解决方案提供的 9-fps 相比，处理时间提高到 14 fps。与全局最优 ICP 算法相比，所提出的系统提高了收敛精度和处理时间。我们还采用了 RANSAC 算法来检测和去除估计中的异常值并减少极值点的影响。提议的解决方案中使用了光学跟踪设备来处理这些信息，并确保在牙种植体植入手术期间不会损坏神经。虽然最先进的解决方案提供了 0.44 毫米的配准精度，但提议的解决方案正在通过提供 0.33 毫米的配准精度来改进它。此外，尽管没有良好的初始化，所提出的系统也可以产生良好的结果。与最先进的解决方案提供的 9-fps 相比，处理时间提高到 14 fps。与全局最优 ICP 算法相比，所提出的系统提高了收敛精度和处理时间。我们还采用了 RANSAC 算法来检测和去除估计中的异常值并减少极值点的影响。