基于slam的三维重建_基于图像的三维物体重建：在深度学习时代的最新技术和趋势综述之性能比较和未来研究方向...

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

1性能比较

本节讨论一些关键方法的性能，下面将介绍各种性能标准和度量，并讨论和比较一些关键方法的性能。

1.1精度指标和性能标准

设X为真实三维形状，X~为重建形状。下面将讨论一些用于比较三维重建算法的精度指标和性能标准。

1.1.1精度指标

评估三维重建算法精度最常用的量化指标包括：

(1)均方误差(MSE)。它定义为重构形状X~与真实X之间的对称表面距离，即

这里，nX和nX~分别是X和X~上密集采样点的数目，d(p，X)是p到X沿垂直方向到X的距离，例如L1或L2距离。距离越小，重建就越好

(2)联合交叉(IoU)。IoU测量预测形状的体积与真实体积的交集与两个体积的并集的比率，即

其中I(·)是指示函数，V~i是第三个体素的预测值，Vi是基本真值，是阈值。IoU值越高，重建效果越好，这一指标适用于体积重建。因此，在处理基于曲面的表示时，需要对重建的和真实的三维模型进行体素化。

(3)交叉熵(CE)损失的平均值。定义如下：

其中N是体素或点的总数，具体取决于是使用体积表示还是基于点的表示。p和p~分别表示在i点处体素或点的真值和预测值。CE值越低，重建效果越好。

1.1.2性能标准

除了这些定量指标外，还有几个定性方面用于评