《表1 大卫模型上3种点云配准算法比较》

  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

《同态滤波下RGB-D点云配准方法》

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

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。