《表1 未加入噪声时四种算法的配准结果对比》
为了更准确分析各算法的配准效果,表1是未加入噪声时四种算法配准的时间和误差统计。可以看出,经典ICP、4D-ICP(Hue)和4D-ICP (IAICP)这三种算法精度差不多,但是4D-ICP(Hue)和4D-ICP (IAICP)算法速度较快。精度差不多是因为这三种算法都是基于坐标点的欧氏距离来寻找对应点的,但4D-ICP(Hue)和4D-ICP(IAICP)在经典ICP基础上多了一维颜色信息,使其算法精度比经典ICP略高,同时结合颜色信息寻找对应点也加速了算法收敛,从而使整体配准的速度得到了提升。从表1中可以看出,本文算法不管是在哪种数据下,无论是精度还是速度,相比经典ICP、4D-ICP(Hue)、4D-ICP (IAICP)都有大幅度提高。在精度上的提升是因为本文算法采用具备缩放、旋转及平移不变性的曲率特征和颜色特征来寻找对应点,使得误匹配点对更少。在速度上的提升,一方面是因为本文算法采用KD-tree加快了近邻点的搜索,另一方面是因为本文算法采用多分辨率配准的思想,利用低分辨率匹配点对快速配准,再利用高分辨率匹配点对提高配准精度,从而既保证了配准的精度,又提高了配准的速度。
图表编号 | XD00188323100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 王勇、黎春 |
绘制单位 | 重庆理工大学两江人工智能学院、重庆理工大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |