<  Back to the Polytechnique Montréal portal

Détection de collisions d’objets déformables en temps réel pour la simulation chirurgicale

François Léonard

Masters thesis (2021)

Show 3 files Hide files
[img] Terms of Use: All rights reserved.
Restricted to: Repository staff only until 19 October 2022.
[img] Video Terms of Use: All rights reserved.
Restricted to: Repository staff only until 19 October 2022.
[img] Video Terms of Use: All rights reserved.
Restricted to: Repository staff only until 19 October 2022.
Cite this document: Léonard, F. (2021). Détection de collisions d’objets déformables en temps réel pour la simulation chirurgicale (Masters thesis, Polytechnique Montréal). Retrieved from https://publications.polymtl.ca/9123/
Show abstract Hide abstract

Abstract

RÉSUMÉ : La simulation chirurgicale permet aux chirurgiens de pratiquer certaines opérations dans un environnement virtuel. Elle offre un moyen de développer les connaissances et les aptitudes motrices et techniques requises sans risque pour des patients et à un coût moindre que la plupart des méthodes traditionnelles. Pour y parvenir, les simulateurs doivent reproduire fidèlement des situations médicales complexes de façon interactive et avec un comportement physique réaliste des organes et tissus simulés. Un aspect important de la simulation chirurgicale est la détection de collisions. Cette étape consiste à identifier en temps réel les contacts entre les surfaces d’objets déformables générale- ment représentées par des maillages de triangles. De plus, elle doit être adaptée aux diverses interactions complexes qu’exige la simulation de certaines procédures, comme la découpe d’objets avec un scalpel ou d’autres instruments chirurgicaux. De telles découpes entraînent des changements dans la topologie des objets qui peuvent impacter l’algorithme de détection. La recherche présentée ici porte sur la détection de collisions dans un environnement de simulation d’objets déformables permettant la découpe des objets à l’aide d’un outil virtuel. L’objectif principal est de développer un algorithme capable de détecter en temps réel les collisions d’objets pouvant subir des changements de topologie. L’algorithme doit pouvoir détecter rapidement les collisions aussi bien entre objets que les auto-collisions, c’est-à-dire les collisions d’une surface avec elle-même, et ce pour des environnements contenant plusieurs dizaines de milliers de triangles.----------ABSTRACT : Surgical simulation allows surgeons to practice certain operations in a virtual environment. It offers a way to develop the required knowledge as well as the technical and motor skills needed without any risk for patients and at a lower cost than most traditional methods. For this, simulators must be able to reproduce complex medical situations realistically with the proper physical behaviour of the simulated organs and tissues. An important aspect of surgical simulations is collision detection. It consists in identifying in real-time the contacts between the surface of deformable objects generally represented with a triangles mesh. Moreover, the collision detection must be adapted to the complex interactions required to simulate certain procedures, like cutting an object with a scalpel or other surgical instruments. Such cuts cause topological changes of the object which can impact the detection algorithm. This project focuses on collision detection in a simulator of deformable objects which allows interactive cuts with a virtual tool. The main objective is to develop an algorithm to detect collisions in real-time between objects which can undergo topological changes. The algorithm must be able to detect rapidly the collisions between different objects as well as self-collisions, that is, collisions of a surface with itself, for scenes containing tens of thousands of triangles.

Open Access document in PolyPublie
Department: Département de génie informatique et génie logiciel
Academic/Research Directors: Benoît Ozell
Date Deposited: 19 Oct 2021 11:16
Last Modified: 19 Oct 2021 11:16
PolyPublie URL: https://publications.polymtl.ca/9123/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only