《表1 Bunny模型的配准误差》
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.
图表编号 | XD00132314500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.01 |
作者 | 李新春、闫振宇、林森、贾迪 |
绘制单位 | 辽宁工程技术大学电子与信息工程学院、辽宁工程技术大学电子与信息工程学院、辽宁工程技术大学电子与信息工程学院、中国科学院沈阳自动化研究所机器人学国家重点实验室、中国科学院机器人与智能制造创新研究院、辽宁工程技术大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |