《表1 三种方法的点云大数据处理时延对比 (s)》

  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

《基于大数据分析技术的激光三维图像重构研究》

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

采用本文方法处理激光三维图像点云大数据过程中，数据处理延时是影响图像重构性能的关键因素，延时越短，该方法的重构性能越强。为此，引用基于多景深融合模型的图像重构方法、基于准相位闭合的图像重构方法与本文方法展开对比测试，以突出本文方法的优势，三种方法处理点云大数据时延如表1所示。分析表1可知，本文方法处理点云大数据时延与重构对象点云大数据量成正比，点云大数据量越小，处理数据的时延越短，时延均值约为1.4 s；基于多景深融合模型的图像重构方法处理点云大数据时延均在10.2 s左右，基于准相位闭合的图像重构方法处理点云大数据时延在23.8 s上下浮动，均呈无规律趋势分布，这两种方法处理点云大数据的时延较长，以西瓜叶片为例，本文方法的时延为2.3 s，相比基于多景深融合模型的图像重构方法、基于准相位闭合的图像重构方法节约7.9 s、20 s；同理，在其他重构对象方面，本文方法处理点云大数据的时延最短，具有优势，为后期点云大数据分割与激光三维图像重构节约大量时间。本文方法具有较优的数据处理性能是因为采用了大数据分析技术，即MapReduce模型处理大规模的点云大数据，实现了程序并行，大大提高处理大数据处理效率，因此，本文方法处理点云大数据的时延较短。