《表4 4种配准方法在不同点云模型下配准效果对比》
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
《基于卷积神经网络结合改进Harris-SIFT的点云配准方法》
将提出的配准方法分别与传统的配准算法ICP、提取法向量(NV)特征点配准算法[17]和提取内部形态描述子(ISS)配准算法进行比较,结果如表4所示。从表4可以看到,在数据量较少的Bunny和Horse模型中,ICP算法的配准效率高于其他配准算法,但配准精度最差。NV-ICP算法和ISS-ICP算法的本质上都是提取点云模型特征点的配准算法,但当面对点云数据量较多的Dragon模型时,配准精度还有待提高。所提的点云配准方法可以提前预测匹配点云模型的对应关键点,避免方法在点云精配准中需要进行全局搜索匹配点位的对应关系,极大地减少在精配准中ICP算法满足配准精度时所需的迭代次数,且缩短配准耗时,当面对复杂点云模型时,在保证配准精度的同时配准效率更高。
图表编号 | XD00188330300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 李昌华、史浩、李智杰 |
绘制单位 | 西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院、西安建筑科技大学信息与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |