《表5 模型拟合的权重函数的结果误差对比》

  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

《基于加权约束的单体建筑物点云表面重建算法》

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

第三组在带有噪声的激光点云Empire上进行实验，图8-图9为Empire在以上所述权重函数下的可视化实验结果。表5显示了各种方法的误差对比。对于含有噪声的激光点云数据，如前两类数据的实验结果，CnvPCA4比CnvPCA2误差较大。Classic使得更多的噪声点参与到模型拟合中，误差明显增大，图9（e）Classic的实验结果所示，Empire的顶部小圆柱体各个面较分散。曲率小的曲线BDP-CA分配权重时，随拟合点到模型的距离增大而缓慢递减，最终模型由各个点贡献的加权和决定，如表5所示整体拟合误差相对较小。CncPCA，LinePCA算法拟合效果相近，下凸型曲线CncPCA较大程度抑制了正常点的贡献率，导致拟合误差大于LinePCA。LDPCA在阈值内直线下降，正常点参与拟合的贡献极低，另外加上大量的噪声点，局外点的干扰，极端情况如图8（f）LDPCA所示，Empire的一个侧面没有生成。图10为Boxunion＿noise的可视化重建效果。