《表2 实验3.1数据：基于自适应邻域匹配的点云配准方法》

  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

《基于自适应邻域匹配的点云配准方法》

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

分析实验结果可以看出，传统ICP算法以及基于特征匹配的配准算法均无法有效解决具有不同缩放尺度的点云配准问题，而文献[11]算法同样依赖于待配准点云的初始位置，当待配准点云的初始位置较远时，配准结果较差，甚至会陷入局部最优.针对非特征区域及特征区域具有一定周期性的点云配准，是当前点云自动配准面临的一大挑战，若适当的选取种子点，本文算法仍然能够获得较好的配准结果.本文算法对GAN邻域尺度不敏感，同时具有较好的鲁棒性，针对大部分点云，对匹配点所在特征区域不敏感，针对非特征区域及特征区域具有一定周期性的点云，则对匹配点所在特征区域较敏感.本文算法的一个缺点则表现在运行速度上，这是由于GAN的生成和匹配会产生一定的计算量.