《表2 DEM配准迭代次数和精度对比》
从图3中的匹配效果图可以看出,传统的经典ICP算法(图3 (b)) ,对于有尺度变换的DEM数据无法完成正确的匹配,匹配后的平均误差也较大;但是在ICP的基础上引入LZD算法(图3 (b)) ,可以实现有尺度变换的数据之间的匹配,且与本文算法(图3 (c)) 的匹配效果图很接近,但是,表2中给出的迭代次数、完成迭代的时间和平均误差的对比,可以看出,本文算法不仅比传统的ICP算法得到了更精确的配准结果,并且与单一的LZD匹配算法相比,其配准的收敛速度和精度得到了大幅度的提高。此外,表3给出了不同算法匹配后所得到的模型之间的转换参数与模拟参数之间的误差比较,可以看出:经典的ICP算法对存在尺度变换的数据进行匹配时,效果最差;而LZD算法与ICP和LZD相结合的算法最后的匹配精度相当。这是由于这两种算法匹配精度都是由LZD算法所决定,ICP算法只是起到加快收敛速度的作用。本文是是在最小二乘的基础上引入了差分模型,所求的是转换参数的抗差解。虽然本文算法相较于ICP+LZD算法在x,y轴平移参数上精度稍差,但是对高程和三轴旋转参数的估计较精确,而旋转参数误差(乘性误差)与平移参数误差(加性误差)相比,前者对最后匹配精度的影响更大。因此,即使图3(a)和图3(b)在主观视觉上效果很接近,通过转换参数误差和平均误差的对比,本文算法更优。
图表编号 | XD007854000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.25 |
作者 | 刘志卫、朱建军、左廷英、周璀 |
绘制单位 | 中南大学地球科学与信息物理学院、中南大学地球科学与信息物理学院、中南大学地球科学与信息物理学院、中南林业科技大学理学院 |
更多格式 | 高清、无水印(增值服务) |