python小记（九）：用于比较6D姿势的计算ADD-S的函数

参数:

• T_gt: 真实姿态的变换矩阵 (4x4 numpy array)
• T_pred: 预测姿态的变换矩阵 (4x4 numpy array)
• M: 物体模型上的点集，每个点是一个三维坐标 (Nx3 numpy array)

返回:

• ADD-S度量值
  “”"

  将模型点转换为齐次坐标，以便应用变换矩阵

  M_hom = np.hstack((M, np.ones((M.shape[0], 1))))

  应用变换矩阵

  M_gt_transformed = (T_gt @ M_hom.T).T[:, :3]
  M_pred_transformed = (T_pred @ M_hom.T).T[:, :3]

  计算每个真实点与预测点集中所有点的距离的最小值，然后取平均

  distances = np.min(np.linalg.norm(M_gt_transformed[:, None, :] - M_pred_transformed[None, :, :], axis=2), axis=1)
  add_s = np.mean(distances)

  return add_s

示例数据

T_gt = np.array([[1, 0, 0, 0], # 真实姿态的变换矩阵
[0, 1, 0, 0],
[0, 0, 1, 0],
[0, 0, 0, 1]])

T_pred = np.array([[0.999, 0, 0.035, 0.1], # 预测姿态的变换矩阵（有轻微的平移和旋转）
[0, 1, 0, 0.2],
[-0.035, 0, 0.999, 0.3],
[0, 0, 0, 1]])

M = np.array([[0, 0, 0], # 三维点集，代表物体模型上的一些点
[1, 0, 0],
[0, 1, 0],
[0, 0, 1]])

计算ADD-S

add_s = compute_add_s(T_gt, T_pred, M)
add_s

  

## 二：解释：


逐行分析`compute_add_s`函数的代码：


### 1. def compute\_add\_s(T\_gt, T\_pred, M):

def compute_add_s(T_gt, T_pred, M):

这行定义了一个名为`compute_add_s`的函数，它接受三个参数：


* `T_gt`࿱