当下我国依旧是全球视觉损伤患者最多的国家之一,随着全社会老龄化的加剧,全国眼疾患者的人数逐年增加,严重地影响了中国的全民健康水平,也加剧了社会与家庭的压力,但由于眼睛结构过于精细微小,手术操作较为困难,所以需要针对眼底手术过程中,手术视野小,手术器械难以精准感知的问题,研究一种基于双目视觉的手术器械关键点位置检测的方法,该方法主要包括基于显微影响的手术器械关键点定位和建立在体视显微镜上的手术器械关键点三维坐标计算。首先,为了得到手术器械末端关键点的二维坐标,综合堆叠沙漏网络与HRNet网络这两个经典关键点检测网络的特点,设计了一种基于热图回归的堆叠高分辨率网络模型,用于识别手术器械末端关键点的位置,并在已有的数据集上测试了该网络的精度。之后为了提高该网络对关键点的检测精度,设计了一种基于自蒸馏高分辨率网络知识蒸馏框架,并选择了相应的损失函数以及训练模型用于网络的蒸馏训练。通过知识蒸馏操作,将网络的深层特征传递给浅层的同时将教师网络的能力迁移给学生网络,从而提升网络的整体性能,并在自蒸馏的基础上融合离线蒸馏的方法设计了一种混合蒸馏的方案训练该网络,进一步提升了网络的精度,实现高精度的末端关节点定位。针对眼底手术所用的体视显微镜系统,分析了现有相机系统的成像模型,并证明了更加符合体视显微镜系统模型的远心相机系统,根据远心相机模型的成像特点,在基于二维标定板标定算法的基础上,设计了基于手术机器人末端关键点的远心相机模型标定方法。最终在已有的显微手术平台上采集了相应的数据集并对网络进行训练,将关键点识别网络与远心相机模型标定方法结合起来,得出了一种在线相机标定的方法,并进一步通过实验测试了该方法在已有体视显微镜平台上的测量精度,证明了该方法在日后应用中的可行性。