随着计算机视觉技术的不断发展,手术导航系统被日益广泛地应用在神经外科、骨科以及整形外科等医学领域。手术器械定位跟踪是手术导航系统中至关重要的技术,其定位精度和实时性直接影响手术导航系统整体的性能。基于单目视觉原理的光学定位方法由于其结构紧凑、成本低廉,在手术器械定位跟踪方面具有潜在应用价值。本文分析了近年来光学手术器械定位跟踪技术相关研究,运用多种计算机视觉技术实现了基于单目近红外光的手术器械定位跟踪,主要解决基于深度学习的反光球定位方法数据匮乏以及手术器械上的空间位姿估计问题,具体研究工作如下:（1）构建了单目近红外光学定位系统,深入分析相机成像模型以及相机标定原理,并完成单目近红外相机的标定定位系统中单目相机的标定,获得相机内部参数和畸变系数,为保证后续手术器械定位跟踪精度奠定基础。（2）为解决深度学习对训练数据需求量大而且数据标注工作量大等实际问题,借助数字孪生技术利用Blender生成具有标注的虚拟数据集,用于反光球检测定位网络的训练和验证。（3）结合深度学习在视觉检测的稳定性优势,本文基于YOLOv5对手术器械反光球检测定位进行了研究。通过虚拟数据集训练神经网络,实现对真实场景中反光球的检测和定位。通过预测的反光球中心坐标与标注数据的误差评估了网络的定位精度,均方根误差为0.24像素。（4）为实现反光球空间定位,采用PnP算法根据图像中确定的反光球空间顺序和中心坐标估计手术器械的位姿。对比了关于PnP问题中的EPnP算法和迭代式算法解算相对位姿,并推导了算法的位姿解算过程。手术器械末端动态定位误差为0.22 mm,手术器械定位系统每帧耗时为25.12 ms,实现在近距离工作空间0.5到1 m范围内手术器械的实时准确定位追踪。实验结果表明手术器械末端位置跟踪的精度和实时性满足要求。该解决方案具有结构紧凑,成本低,使用便捷等同优点。