Para melhorar a precisão do registro entre o espaço de trabalho do robô de implantação e o espaço cirúrgico, propõe-se um método de registro espacial baseado em visão monocular para robôs cirúrgicos de implantação. Através da calibração dos parâmetros internos da câmera monocular e da calibração mão-olho, foi estabelecida a relação de pose espaço mão-olho entre o sistema de coordenadas da câmera e o do robô cirúrgico de implantação. Com base no aprendizado profundo, foi proposto um método de detecção de pontos-chave de alvos cirúrgicos baseado na rede neural CenterNet, utilizando PnP (Perspective-n-Point) para construir um modelo de mapeamento entre o sistema de coordenadas do objetivo cirúrgico e o sistema de coordenadas da câmera. Para melhorar a estabilidade do registro espacial, foi utilizada a otimização não linear LM (Levenberg-Marquardt) no modelo de mapeamento. Em combinação com a relação de pose espaço mão-olho, foi estabelecido um modelo de mapeamento de pose do sistema do robô cirúrgico de implantação baseado em LM-PnP. Finalmente, foi realizado um experimento de detecção de furos circulares-alvo para verificar a estabilidade do método proposto. Os resultados experimentais mostram que o erro do algoritmo LM-PnP proposto na detecção de furos circulares-alvo é inferior a 0,186 mm. Nos testes de transformação de pose do robô, o desvio de atitude do objetivo cirúrgico foi de -1,5° a 1°, e o desvio de posição de -1 a 1 mm, indicando boa estabilidade e precisão da técnica. Em comparação com câmeras de profundidade estéreo tradicionais, este método requer apenas uma câmera monocular para realizar o registro preciso do objetivo cirúrgico, podendo operar sob luz natural e sem depender de lentes infravermelhas ou marcadores ópticos.

visão monocular; registro espacial; robô cirúrgico; aprendizado profundo