《表4 不同多视角点云配准方法的实验对比结果》

  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

《逐步求精的多视角点云配准方法》

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

在实验中，将本文所提出方法与两类当前流行的多视角配准方法进行对比，它们分别是基于运动平均（Motion averaging，MA）[20]的方法和基于低秩稀疏矩阵分解（Low-rank and sparse matrix decomposition，LRS）[21]的方法.首先，本文利用前面所提到的4个数据集对三种配准方法进行精度对比.配准前，可将噪声加入到数据集所包含的配准真值中，以此作为多视角点云配准方法的初始值.然后利用不同的配准方法进行多视角点云配准，并得到相应的配准结果{Ri，m，ti，m}Ni=1.表4记录了各种方法所获得的配准结果，包括配准初始值的误差，所获得的配准结果的误差和程序运行时间.为了便于对比，图3给出了不同配准方法所获得配准结果的横截面图.根据表4和图3的结果可知，本文所提出的多视角配准方法精度最高.且与其他同类算法相比，所提出方法的程序运行效率也具有一定的可比性.