fullseye

hausdorff_distance — 3D `metrics` op

データ種: points × points → measurement
呼び出し: import fullseye as fs; fs.ledger.hausdorff_distance(a, b) (実装を直接呼ぶなら import metrics3d; metrics3d.hausdorff_distance(a, b)、台帳から引くなら ops3d.get("hausdorff_distance"))

使い方

対称 Hausdorff 距離 = max(max_a min_b, max_b min_a)。→ scalar。最悪ケースの乖離。

Raises ValueError: どちらかが空 or (N,3) でない場合(空の最大値は numpy の生の例外になる)。

計算: cKDTree で a の各点から b への最近傍距離と、b から a への最近傍距離を取り、両方向の 最大値 のうち大きい方を返す。「一方の雲のどの点も、相手の雲からこの距離以内にある」を保証する最小の半径。単位は座標の単位。

入力: a, b は (N, 3) / (M, 3) の点群(点数は異なってよい、対応不要)。兄弟の chamfer_distance と同じく入口で _require_cloud を通す: 空の点群や (N, 2) など 3 列でない入力は、この op 自身のメッセージの ValueError で拒否する (以前は空の雲で max() が numpy の “zero-size array” で落ち、3 列でない入力は cKDTree の次元不一致で落ちていた —— どちらも何が悪いかを言わない)。

返り値: Python float、[0, inf)。同一点群なら 0。正規化はしない。

注意: 1 点の外れ値で値が決まる(平均ではなく最大)。ノイズを含むスキャンの評価には chamfer_distance か fscore(閾値 tau 以内の割合)の方が安定で、Hausdorff は「最悪でもこの精度」を主張したいとき(公差検証、 LOD の max_error と同じ性格)に使う。

背景知識ガイド(この op の手前にある物理・規約)

blender_interop — Blender との併用 — 形を作って fullseye で測る(軸・単位・正解データの罠)
measurement_uncertainty — 計測の不確かさと校正の知識 — 「測れている」を主張するために

参考(サンプルデータ・文献)

サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

mesh_lod_download — py -3.11 examples_3d/mesh_lod_download.py
pointcloud_downsampling — py -3.11 examples_3d/pointcloud_downsampling.py
poisson_surface_recon — py -3.11 examples_3d/poisson_surface_recon.py

型が繋がる次の op(`measurement` を入力に取れる)

vol_gaussian_psf · fuse_to_voxel · fresnel_reflectance · snell_angle

同カテゴリ(`metrics`)

chamfer_distance · m3c2_distance · fscore · rmse_correspondence · normal_consistency · voxel_iou · pose_error

Provenance: metrics3d.py — 3D operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。

This site is open source. Improve this page.