《表3 算法时间分析：基于ORB的目标识别与角度测量方法》
提示：宽带有限、当前游客访问压缩模式
从以上实验及分析可以看出，本文算法不需要目标物体具有规则的形状，具有较高的角度测量精度，可用于任何的图像特征匹配，且具有较高的实时性，基本可以满足实际应用的要求。
| 图表编号 | XD00101967000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.20 |
| 作者 | 徐洪、吴斌、陈春梅 |
| 绘制单位 | 西南科技大学信息工程学院、西南科技大学信息工程学院、西南科技大学信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 本文算法与ORB-SLAM2平均每帧运行时间》2020.10.01
- 《表3 角度测量误差分析：线性调频连续波雷达目标参数测量》2021.02.05
- 《表3 综合实验结果：基于余弦相似度的改进ORB匹配算法》2021.02.25
- 《表2 偏转角度准确度：一种基于改进FAST的缆芯角度识别算法》2020.12.01
- 《表3 模型分类结果：基于支持向量机的长波红外目标分类识别算法》2021.02.20
- 《表4 图像识别角度与坡度测量角度对比》2020.10.25
- 《表3 图像识别角度与坡度测量角度对比》2020.10.25
- 《表2 图像识别角度与坡度测量角度对比》2020.10.25
- 《表6 本文方法与基于测量的织物识别方法比较》2020.09.16
- 《表7 抓取实验统计表：基于改进的YOLOv3算法在目标识别与抓取中的应用》2020.04.01
- 《表6 实验结果对比：基于改进的YOLOv3算法在目标识别与抓取中的应用》2020.04.01
- 《表3 障碍物位置识别：基于机器视觉的目标识别追踪算法及系统设计》2020.04.20
- 《表3 各算法的匹配时间：基于改进ORB和PROSAC的无人机航拍图像拼接算法》2019.12.10
- 《表4 算法执行时间：基于图像力场理论的ORB特征优化方法》2019.11.01
- 《表1 特征点数目：基于ORB的目标识别与角度测量方法》2019.12.20
- 《表1 里程计运行时间：融合光流与改进ORB算法的单目视觉里程计》2019.12.20
- 《表2 算法运行时间比较：基于非负矩阵分解算法的人脸识别方法》2019.09.01
- 《表1 运行时间结果比较：基于非负矩阵分解算法的人脸识别方法》2019.09.01
- 《表3 三种算法匹配对数：一种基于ORB特征的水下立体匹配方法》2019.04.01
- 《表2 旋转角度测量结果：基于TOF相机的靶标识别与位姿测量系统设计》2019.01.06