跳转至

qrlib

点云距离指标工作流

qrhuang2021/qrlib

点云距离指标工作流¶

这个教程展示 qrlib.metrics 的一个完整使用路径：

准备源点集与目标点集
使用 PointCloud 或裸数组计算 CD
在 L1 / L2 与双向聚合方式之间切换
计算有向与对称 HD

1. 构造输入¶

import numpy as np

from qrlib.geometry import PointCloud

source_points = np.array(
    [
        [0.0, 0.0, 0.0],
        [2.0, 0.0, 0.0],
        [1.0, 1.0, 0.0],
    ],
    dtype=np.float32,
)
target_points = np.array(
    [
        [0.0, 0.0, 0.0],
        [1.0, 0.0, 0.0],
    ],
    dtype=np.float32,
)

source_cloud = PointCloud(source_points)
target_cloud = PointCloud(target_points)

2. 计算 Chamfer Distance¶

from qrlib.metrics import chamfer_distance

cd_l2_sum = chamfer_distance(source_cloud, target_cloud)
cd_l1_mean = chamfer_distance(
    source_points,
    target_points,
    norm="l1",
    bidirectional_reduction="mean",
    reduction="none",
)

默认使用 L2 + 双向求和 + batch 均值
如果需要论文里常见的“加完以后除以 2”版本，可以把 bidirectional_reduction 设为 "mean"

3. 计算 Hausdorff Distance¶

from qrlib.metrics import hausdorff_distance

hd_directed = hausdorff_distance(source_points, target_points, directed=True, reduction="none")
hd_symmetric = hausdorff_distance(source_points, target_points, reduction="none")

directed=True 返回 source -> target
默认返回对称 Hausdorff

4. 可选启用 SciPy 快路径¶

基础功能不依赖 SciPy。

如果你希望在 numpy 的 CPU 路径上自动启用 KDTree 加速，可以安装：

pip install "qrlib[scipy]"

在仓库本地开发环境中，对应命令是：

uv pip install --python .venv/bin/python -e ".[dev,scipy]"

相关入口¶