灌南塑膠籃球場合基于模型的多視圖重建扭彎狀態下柔性板的變形情況在第章的數值示例部分給出了分析。而基于雙目視覺進行柔性薄板變形場重構在第節進行了詳述。兩個方法各有缺占，在定際中需合伸用這畫個方法，基干估計的面輪后輪多態和部分重構的梁形狀，可以實際調整基于物理學模型的關鍵參數，通過雙日視覺重構結果改進傳統視覺，從面顯示智能小車中柔性連接板被隱藏的部分。一組典型的合成感知結果，用于表征有限元軟件虛擬環境中的柔性智能小車。其中，在初始位置處以及后輪移動位移和處的整個骨架分別繪制成實心的綠色，紅色和黑色線。在和處后輪的兩個姿態估計分別相差和關于軸。

　　與可以從前輪后輪藍色虛線的估計姿勢重建的剛性組件不同，可變形體只有一部分可以從點云深綠色可視地重建，圖通過將模型數據,正交投影到實驗基本真值上，直觀地顯示誤差的近似，其本質上是全局誤差點云位置和局部誤差點云形狀的集合：,，由于許多可能的誤差源包括校準和立體匹配中的幾何誤差，低分辨率以及圖像噪聲，圖中的誤差并不表示兩個數據集之間存在任何點與點的對應。梁形狀相似性評價和結果討論更好的方案是使用線性無關的度量方法來評估兩個數據集之間梁形狀的相似性，為此采用以下兩種方法基于圖結果的統計形狀分布方法，其中，基于物理重建的梁形狀與實驗基準真實的梁形狀相比較。曲率方法不隨比例和坐標平移和旋轉變換改變。塑膠籃球場的側視圖圖像用作一組獨立數據集，以評估位移場重建基于統計形狀分布的相似度測量形狀分布法恰當地定義了空間位置無關的概率密度函數，以評估兩個數據集之間的形狀相似性。

　　作為統計測量，與同類方法相比，它提供了幾個優點，即變換不變，匹配，計算速度快，對數據中的“空洞”穩健，并且對噪聲不。在這種方法中，點云被視為三角形網格的集合。在表面上定義以下隨機變量：是兩個隨機點之間的距離的度量是由三個隨機點形成的三角形面積平方根的度量；是由四個隨機點形成的四面體體積立方根的度量無偏隨機抽樣點的生成步驟如下步驟：選擇與其面積成比例的一個三角形步驟：對于每個選定的三角形，使用式在三角形內生成無偏向隨機其中：是三角形的頂點；是,中的隨機數。兩個數據集之間的形狀相似性通過兩個之間的統計距離來度量：其中在式中，和分別是模型和基于距離的實驗測量的。表總結了實驗測量和每個形狀函數每個模型之間的統計距離比較。圖和表中比較了三種模型固定連摩擦連接模型在實驗測量中產生小的總統計距離因此產生佳的形狀相似性，塑膠籃球場比固定連接和無摩擦連接模型的距離小和，在統計意義上表現出了明顯的優勢。