《表2 算法拟合过程比较2》

  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

《基于多重特征匹配的点云配准算法》

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

为了验证基于改进自适应八叉树的局部MLS拟合算法的速度和准确度，分别与移动最小二乘法拟合曲面算法、文献[14，15]算法进行对比。选择相同的点云数据（均采用bunny模型），选取Dmax=1 000，Dmin=100，ξ=0.000 1进行实验。表2通过分块数量、分割耗时、拟合耗时、算法总耗时对算法的速度进行了分析，残差值取曲面残差[16，17]的绝对值均值，值越低越好。由表2可以看出，直接对未处理点云采用移动最小二乘拟合，不仅耗时最长且残差值也最高。文献[14]算法采用了基于自适应八叉树的MLS拟合，由于分块数量多，拟合时间比较长。文献[15]算法对点云分割后选取的拟合方法是紧支撑径向基函数，该方法拟合曲面光滑，残差值最低，但是也因为待求解方程组维数较大，运算量大，增大了时间开销。本文算法由于增加了法向量标准差判断叶节点的特征复杂性，有效减少了八叉树的分割，对比文献[14]，更低的残差说明了更合理的分割，对比文献[15]，在拟合准确性基本相同的情况下，大幅降低了算法总耗时。