《表1 Bunny模型的配准误差》

  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

《基于邻域特征点提取和匹配的点云配准》

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

从图7不难看出MR-TICP、NCCP-DTICP不受噪声的影响，均能完成精确配准．TICP在噪声干扰情况下不能很好地配准点云．NCC-TICP根据两组点云的归一化互相关性确定正确匹配点对，当噪声小于40dB时，点对间的互相关性较差，该算法的配准效果不佳；当噪声大于40dB时，互相关性受噪声的影响较小，该算法有较好的配准结果．GCP-TICP提取的全局特征在噪声环境下存在缺失的情况，因此该算法的配准结果不理想．结合表1、2的具体数值进行分析，可以发现本文算法的配准精度最高，并且随着噪声的降低呈上升的趋势；MR-TICP由于采用等级划分、各级采样的思想提取特征点，因此配准效率不高，本文算法较MR-TICP在配准效率上有所提升．