摘要
一些工业缺陷具有几何形状，且无法通过彩色相机检测到；因此，针对点云、深度图和RGB-D图像的异常检测技术应运而生。本调查涵盖了2020年至2026年8月21日期间的研究，涉及94种检测方法和17个基准数据集，并对这些方法进行了实际测试。评估标准主要包括两个维度：六种互斥的评分机制（特征匹配、记忆匹配、重建、教师-学生差异、密度估计、配准和基础模型迁移），以及八种可分离的设计参数。因此，“融合”和“零样本监督”属于具体属性，而非独立的分类体系。基准测试结果按照协议类型、指标变体以及同行评审状态进行整理，而不是进行排名。在MVTec 3D-AD项目中，经过同行评审的方法在图像级别上的接收者操作特征曲线下面积（I-AUROC）最高可达98.4%，而预印本中的方法这一指标仅为97.2%，两者之间的差距为1.1个百分点。在同时具备颜色信息和几何形状信息的情况下，颜色与几何信息的融合方法表现更为优异；而在仅使用点云数据或少量样本数据进行训练的Real3D-AD项目中，密度估计和重建方法表现更佳。在所研究的108项研究中，仅有少数能够提供足够的实验条件信息以便进行运行时比较。对传感器鲁棒性的测试主要针对现有方法已经存在的差异进行，而很少针对仪器可能引入的新变量进行。最后，本文提供了一份指导性建议，帮助从业者根据现有证据做出选择。
