5.2 稳健性

尤其是通过提高计算分数的显著性，可以特别实现更高的稳健性。有三个主要参数可用来提高匹配的稳健性。

关键点小数：  

增加关键点的数量就会增加近似匹配姿态的数量，因此在接下来的两个细化步骤中就会有更多的姿态可供分析。需要注意的是，这也会增加处理时间。

采样距离：  

如果模型包含更精细的结构或高密度的几何信息，则缩小采样距离可以获得更可靠的结果。需要注意的是，采样距离的确定应确保模型的特征显示足够精细（以细长对象为例，见 图 5.1 ）。

a) RelSamplingDistance= 0.03	b) RelSamplingDistance= 0.015

图 5.1：在确定了场景采样点之间的距离后，仍需表示对象特征。

点阈值：  

如果存在非线性轨迹的三维边缘，即盒子的边缘比较圆，则可以通过增加 "pose_ref_dist_threshold_edges_rel" 或 "pose_ref_dist_threshold_edges_abs" 的值来改善匹配结果和分数。

稳健性和分数还会受到下列参数的影响。

重复点：  

重复点也会导致结果不够可靠。因此，强烈建议在进行任何进一步处理之前移除重复点（参见 "重复点" 一节 ）。

法线方向：  

如果模型法线和场景法线没有大致指向同一方向，匹配结果就会不稳定或根本无法匹配（参见 "法线" 一节 ）。

形状：  

三维信息较少的形状会降低稳健性。因此，在这种情况下，强烈建议以适当的方式对数据进行预处理，并使用基于边缘支持的表面匹配。

基于视图的分数：  

基于视图的分数只考虑从确定的视图可能看到的模型点。因此，由于该分数更具表现力，匹配结果的稳健性也会提高。

最大重叠：  

出于提高效率的考虑，通用参数 "max_overlap_dist_rel" / "max_overlap_dist_abs" 是基于场景中相邻对象轴向边界框中心的距离。因此，对于细长的对象，通用参数应设置为更低的值（大约为对象的最小延伸部分，见 图 5.2 ）。不过，这也会导致匹配结果重叠，需要在后处理步骤中过滤掉。

图 5.2：对象模型的长度为 45 毫米，最大直径为 4.5 毫米。因此，"max_overlap_dist_abs" 设置为 4.5 毫米，采样距离设置为 0.6 毫米。

自相似性：  

对于 find_surface_model 来说，几乎对称的对象的姿态有时很难区分。为了避免这种情况，请在创建表面模型时启用通用参数 "train_self_similar_poses" 。