点群の線の検出

点群の線を検出するための最良のソリューションは何ですか？Hough Transform、Radon Transform、RANSAC（wikipediaを参照）、およびBrute-Force Search（wikipediaを参照）との比較が行われています。
点群の点の分散に対して最も堅牢なのはどれですか？
注：
1-問題は画像ではなく3D点群についてです。
2-点群のポイントはランダムに分散されます（完全に疎な場所）。
3-優先する方向、サイズなどの観点から、探索されているオブジェクト（ライン）に関する情報はありません
。4-候補ラ​​インの周囲で許容範囲を考慮する必要があります。
アップデート：
私の実験によると、RANSACは一部の行を簡単に見逃してしまう可能性があります。エッジの迅速な検出には適していますが、ポイント分散の複雑さにより、望ましくない出力が生成される可能性があります。ハフとラドンは非常によく似ていて、3Dの点群を試す機会はありませんでしたが、2Dの場合はうまく機能します。見つかった行のセグメントの抽出は困難です。大規模なデータセットの場合、BFSは実際的ではありません。

それは本当に依存します、ソリューションの品質をどのように測定しますか？要件、リアルタイム、高精度は何ですか？点群の大きさはどれくらいですか？

あなたは問題に対処するための有効でありながら空想的な信号処理ベースの方法に言及しました。

古典的で本質的に統計的である、言及していない3つの方法を追加しましょう。最小二乗法、リッジ回帰、および投げ縄です。

検出ラインが本当に心配な場合は、簡単な方法を使用できます。

点群を投影します-少なくとも2つのサーフェスに投影します。XY平面とYZ平面に投影するとします。基本的に、空白のキャンバスから始めて、いくつかのジオメトリ基準に基づいて各ポイントを投影します。これで、有限の2Dキャンバスができます。このキャンバスはすべて空白ですが、白い点が存在しています。これで、このキャンバスにハフ変換を適用できます。

ハフに基づいて、あなたはラインを取得します $(r,\theta)$ そして $(r,\phi)$2つのそれぞれの平面。次のステップは、これらの線を関連付けて、これから単一の3D線を識別することです。

精度に関する限り、データがスパースである場合、ハフのスコア（つまり、強度）は低くなる可能性があります。ただし、全体的にすべての行がまばらであれば機能します。非常に長い行と短い行を比較する場合は問題です。