如何拟合3D圆柱的轴线与半径？求基于3D点集的最优拟合算法

用户提供的点集示例：

针对3D点集拟合最优圆柱并获取中心轴方向向量、半径的需求，常用两种实用方法，可解决你之前分层拟合精度不足的问题：

一、代数最小二乘拟合（快速高效） #

这是基于统计特征的直接解法，适合大多数常规场景：

• 计算点集的重心G，将所有点平移至以G为原点的局部坐标系，减少后续计算复杂度。
• 构造3×3协方差矩阵M，矩阵元素为 M[i][j] = 1/N * Σ(Pk[i] * Pk[j])，其中Pk为平移后的点，N是点总数。
• 对M做特征值分解，最小特征值对应的特征向量就是圆柱的方向向量v（圆柱轴向是点集方差最小的方向）。
• 将所有点投影到垂直于v的平面上，得到2D点集，拟合该点集的圆，圆的半径即为圆柱半径r；将拟合出的圆心反平移回原坐标系，结合v即可确定中心轴。

二、迭代优化拟合（高精度） #

如果代数法精度达不到要求，用Levenberg-Marquardt（LM）迭代法做精细优化：

• 用代数法得到的结果作为初始参数（初始中心点Q0、方向向量v0、半径r0）。
• 定义误差函数 E(Q, v, r) = Σ(|(Pk - Q) × v| - r)²，目标是最小化该误差的平方和。
• 启动LM迭代，逐步更新Q、v、r的参数，每次迭代后将v归一化为单位向量，直到误差收敛到设定阈值。

关于你之前的分层方法 #

分层拟合的核心问题是，切片平面很难保证与圆柱轴严格垂直，会导致每层拟合的圆心存在偏差，累积后影响轴的精度，最终无法得到精确半径。上述两种方法直接从整体点集的几何约束出发，避免了分层带来的误差累积。

内容的提问来源于stack exchange，提问作者jwTTy