《表2 配准数据对比：基于RealSense的室内3D场景重建方法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于RealSense的室内3D场景重建方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验过程中，首先在PC上连接好RealSense与神经计算棒，获取两帧具有一定重合部分的彩色数据与点云数据，通过前文所述方法对获得的数据进行中值滤波处理。采用Matlab中提供的Camera Calibration Toolbox计算得到相机参数。利用ORB算法对两帧彩色点云数据进行特征匹配。使用相机标定过程中得到的相机参数，实现特征点坐标在相机坐标系下到世界坐标系下的转换，并将其映射到对应的点云数据上，执行ICP算法，即可得到相邻两帧点云在世界坐标系下的配准融合。在拍摄过程中，需要获得两帧具有重叠部分的数据，按照前文所述方法获取两帧点云，传统ICP算法与改进ICP算法的迭代次数、运行时间以及配准误差（距离平方和）如表2所示。从表格中的数据可以看出传统的ICP算法需要迭代30次才能达到收敛条件，需要的运行时间较长，误差较大。应用本文所述算法不仅减少了配准过程中的误匹配点对，而且减少了需要运算的数据量，在迭代20次时就可以达到收敛条件，在速度和精度上都有了明显的改善。因此可以看出改进的ICP算法能够快速准确地实现点云数据的配准融合。