本文对基于增强现实的鼻内窥镜手术（ARNES）的配准和融合显示误差进行了量化。 我们比较研究了前端内窥镜的空间校准过程，并使用具有改进的结构可靠性的校准工具重新定义了校准后的内窥镜的精度水平。 我们还研究了如何将套准精度与用于定位的已部署基准点（FP）的数量和分布以及所测量的套准时间相结合。 通常配置一个物理集成的ARNES原型以通过动态内窥镜视觉扩展的创新方法在颅底肿瘤切除手术中进行性能评估。根据耳鼻喉科外科专家的建议，我们提出了一种分层渲染方案来适当地适应融合图像具有所需的视觉感受。 通过将渲染的视线限制在已知的深度和半径内，可以仅在预期的关键解剖结构和血管结构上引起外科医生的视觉焦点，从而避免误导。 此外，我们还进行了误差分析，以检验基于点云的混合光学跟踪的可行性，这在我们先前的工作中被提出作为手术中的注册解决方案。 测量结果表明，ARNES的目标配准误差可以减小到0.77±0.07 mm。 对于初次注册，我们的结果表明，当考虑五个FP的分配时，可以实现一个新的最小注册时间的权衡。对于外科手术注册，我们的发现表明内在注册错误是一个主要问题造成性能损失的原因。 刚性模型和尸体实验证
