边缘-点云融合技术用于利用单视图RGB-D数据几何拟合圆柱体参数 张华燕、 刘佳鑫、 王中兴

《Sensors》：Edge–Point Cloud Fusion for Geometric Fitting of Cylinder Parameters Using Single-View RGB-D Data Huayan Zhang, Jiaxin Liu and Zhongkui Wang

　　

摘要

圆柱体在工业和日常生活中都非常常见。对其参数（包括位置、方向和半径）进行精确的几何拟合，在实际感知任务和工业应用中非常重要。目前，消费级RGB-D相机能够提供具有良好精度的高速三维（3D）点云数据，并被广泛用于各种感知应用中。因此，这项任务通常被构建为一个基于点云数据的几何拟合问题。然而，从这些传感器获取的点云数据常常包含噪声，尤其是在扫描曲面时，这会直接影响基于点云的拟合方法的性能。在本文中，我们提出了一种边缘-点云融合方法，用于从单视图RGB-D数据中拟合圆柱体的参数。该方法结合了二维（2D）图像域的边缘约束和点云数据，然后通过统一的公式共同优化圆柱体的参数。通过明确利用可靠的边缘信息，我们的方法有效减轻了点云数据中的噪声影响。我们使用真实的RGB-D数据对所提出的方法进行了评估，实验结果表明，该方法在准确性和鲁棒性方面都取得了显著的改进。