《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》

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

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。