《表4 三维点云逐层三角网格化方法犯罪现场特征提取耗时结果》
提示：宽带有限、当前游客访问压缩模式
实验统计三种方法进行犯罪现场特征提取的耗时情况，结果采用表2、表3和表4来描述:
| 图表编号 | XD0052918100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.25 |
| 作者 | 左倪娜 |
| 绘制单位 | 广西警察学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 Y方向比较结果：基于三维激光扫描技术的危岩体表面线状特征提取方法》2020.09.25
- 《表1 坑槽提取结果对比：点云剖面特征描述的路面坑槽提取方法》2021.02.28
- 《表1 甜菜根表型参数集：基于三维点云的甜菜根表型参数提取与根型判别》2020.05.01
- 《表2 原始点云信息：结合密度阈值和三角形组逼近的点云压缩方法》2020.07.10
- 《表1 实验测区地形特征：一种地形自适应的机载LiDAR点云正则化TPS滤波方法》2020.04.25
- 《表2 注册算法耗时：基于噪声点云的三维场景重建方法》2020.04.16
- 《表1 法向夹角：基于SVM的三维对缝点云间隙阶差提取方法》2020.04.01
- 《表2 实验环境配置：一种邻域自适应的双阈值点云特征提取方法》2020.02.10
- 《表1 叶片面积计算结果：基于三维点云的叶面积估算方法》2019.12.25
- 《表3 与图像法结果对比：基于三维点云的叶面积估算方法》2019.12.25
- 《表3 各特征提取方法各项过程耗时》2019.11.15
- 《表1 枝干提取结果分析：基于颜色取样的苹果树枝干点云数据提取方法》2019.10.25
- 《表2 不同方法耗时对比：基于多数投票法的扫描点云尖锐特征保留方法》2019.10.15
- 《表4 传统算法与本文算法在点云恢复阶段的耗时及精度比较结果》2019.10.01
- 《表1 注册过程平均耗时：一种基于特征点稳定跟踪的三维注册方法》2019.08.20
- 《表2 测试集上的结果：基于PointNet++的室外场景三维点云多目标检测方法》2019.08.01
- 《表3 相位偏移gamma矫正方法犯罪现场特征提取耗时结果》2019.05.25
- 《表2 本文方法犯罪现场特征提取耗时结果》2019.05.25
- 《表3 不同密度的点云数据三角化运行时间》2018.09.30
- 《表1 试验点云数据：基于GPU并行三角化的点云模型快速重建方法》2018.09.30