《表1 不同特征点检测方法对比》

  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

《改进特征匹配策略的感兴趣区域三维重建》

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

特征点对是稀疏点云重建环节的重要输入参数，因此特征匹配质量高低的重要性不言而喻，SIFT、SURF、ORB、A-KAZE是较成熟的特征检测方法。Harris特征检测是一个较早的特征检测方法，它能有效检测局部差异性，如果纹理缺乏角点特征，那么检测效果会很不理想，并且它不具有尺度不变性；LINDERBERG提出Lo G边缘检测算子，对图像进行高斯滤波，之后进行拉普拉斯运算，相比Harris角点检测，检测效果提升，但计算量变大；LOWE提出SIFT算法，算法具有尺度不变性、旋转不变性，受到广泛研究、应用及改进。SIFT、SURF、ORB、A-KAZE各自特点见表1。