《表3 不同配准方法的效率对比》

  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

《基于分层优化策略的颅骨点云配准算法》

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

为了评估本文方法的性能，将本文方法与经典的配准方法和最新配准方法在颅骨上进行对比实验，并对实验结果进行比较分析。选用的经典配准方法及其改进方法包括随机抽样一致（RANSAC）算法[38]、局部优化随机抽样一致（LO-RANSAC）算法[39]、四点一致集（4PCS）算法[40]、加速四点一致集（Super-4PCS）算法[41]和ICP算法[7]。另外，本文算法是基于ICP算法进行的改进，因此还选择了一些最新的改进ICP算法进行对比实验，改进的ICP算法包括全局优化的迭代最近点（Go-ICP）算法[42]、结合遗传算法的迭代最近点（GA-ICP）算法[43]、ICP-CP算法[14]、改进的加权重迭代最近点（IRLS-ICP）算法[44]。对比方法使用作者发布的代码和建议的参数进行实验。所有方法都是随机选择10组颅骨数据，每组数据运行10次并记录每次获得的结果，最终实验结果为所有颅骨数据10次运行的平均值。分别记录比较了每种方法的匹配点对率、配准误差和配准耗时，其中匹配点对率为最终配准后的匹配点对数与初始对应点对数的比值。不同配准方法的效率对比，如表3所示。