《表5 各模型在三类压缩算法中表面积变化》

  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

《向量相似度可复原三维点云压缩算法》

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

表6是各模型分别在三个压缩算法下的压缩用时。可以看出，在相同压缩率下，PCL降采样处理时间最短，K-means最长，CVS介于两者之间。PCL降采样对于点云的处理较为简单，它只将每个网格中的点云用这些点云的重心替代，故处理时间短，但是特征保留效果差。K-means算法包含了聚类算法以及多重特征点判断方法，虽然特征保留效果好，但是随着点云数据量和模型复杂度的增加，特征提取聚类中心个数以及聚类的样本数目也增加，使得算法的时间复杂度显著增加，不适合用于大数据量的点云数据的处理。CVS压缩算法在小数据量和大数据量的处理中均使用了较少的时间，而且还保证了与K-means算法相近的特征保留效果。