《表1 大卫模型上3种点云配准算法比较》
注:加粗字体表示最优结果。
从表1—表4数据中看出,由3种不同光照强度组合的3组光照实验中,在网面凹凸均匀的大卫和马头模型上,本文算法与传统ICP算法和改进的Hue-ICP算法相比,迭代次数均相对持平,但在算法配准运行时间上有明显提升,在SIFT特征点的距离平均误差上,本文算法配准误差相对偏小,对大卫模型的3组光照总体分析出,本文算法在配准时间及特征点匹配平均误差方面均提升了约50%;在网面凹凸不一致的阿基米德模型和网面光滑的barrel模型上,本文算法与传统ICP算法和改进的Hue-ICP算法相比,虽然迭代次数上不占优势,但在算法配准运行时间和SIFT特征点的距离平均误差上,本文算法明显偏小,对阿基米德和barrel模型的3组光照总体分析出,本文算法在特征点匹配平均误差分别缩小了6 8倍。从实验模型效果图上可以看出,传统ICP方法和Hue-ICP方法配准效果较不稳定,如图5,阿基米德模型实验中,A组ICP、C组ICP、C组Hue-ICP模型配准有明显错位,B组ICP阿基米德模型鼻梁区域融合效果不好;在barrel模型中,A、B、C三组实验采取的方法ICP和Hue-ICP显示barrel手柄处融合效果较不理想。
图表编号 | XD0010998600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.16 |
作者 | 苏本跃、储小玉、盛敏 |
绘制单位 | 安庆师范大学计算机与信息学院、安徽省智能感知与计算重点实验室、安庆师范大学计算机与信息学院、安徽省智能感知与计算重点实验室、安徽省智能感知与计算重点实验室、安庆师范大学数学与计算科学学院 |
更多格式 | 高清、无水印(增值服务) |