【手写学习笔记-综述部分Ⅴ】点云补全评估参数CD、EMD、F-SCORE、DCD等

---

---

摘要

  对于三维点云补全，倒角距离(CD)和地球移动距离(EMD)是最常用的性能标准。CD试图找到两组点之间的最小距离，而EMD评估点云的重建质量。以下介绍点云补全常用的几个性能标准。
参考学习框架来自于综述《Comprehensive Review of Deep Learning-Based 3D Point Cloud Completion Processing and Analysis》

---

一、Chamfer Distance (CD)

  如果该距离越大，说明两组点云的差异越大； 距离越小，说明重建效果越好。

二、Earth Mover’s Distance (EMD)

  EMD 旨在找到一个双射 φ : S1 → S2 以最小化对应点与部分点和完整点之间的平均距离。与 CD 不同，S1 和 S2 的大小需要相同。

三、Fidelity Error (FD), Maximum Mean Discrepancy (MMD) and Consistency

保真度误差(FD)、最大平均差异(MMD)和一致性

 PCN提出了保真度误差(FD)、一致性和最小匹配距离(MMD)作为评价指标。保真度用于衡量输入保留的程度，它计算输入中点与输出中的相应最近邻之间的平均距离。MMD 用于衡量模型的输出重建典型汽车的程度。一致性旨在估计模型的输出与输入的变化的一致性

四、Density-Aware Chamfer Distance (DCD)

密度感知倒角距离(DCD)

 DCD源自 CD，它可以检测密度分布的差异。DCD既关注整体结构，又关注局部几何细节。

五、F-Score

 Tatarchenko 等人提出的 F 分，是评估对象表面之间的距离，并被视为精度和召回率之间的调和平均值。精度计算重建点在与地面真实值一定距离内的百分比，代表重建的准确性。另一方面，召回计算到重建一定距离内地面实况上的点的百分比，表示重建的完整性。距离阈值可用于控制 F 分数的严格性。F-score 可以评估正确重建的点或表面积的百分比，其定义如下：

 其中 P(d) 和 R(d) 分别表示距离阈值 d 的精度和召回率。

 其中 S1 是正在评估的重构点集，S2 是基本事实。|S1| 和 |S2|分别是 S1 和 S2 的点数。

六、Uniformity

 均匀性通常用于评价已完成点云的分布均匀性，可表示为:

 其中 Q i (i = 1, 2,., M) 是一个点子集，使用半径 √ p 的最远采样和球查询从输出 S1 的补丁裁剪。术语 U 不平衡和 U杂波分别解释了全局和局部分布均匀性。

 其中 ^n = p|S1| 是 Q i 中的预期点数。

 其中 di, j 表示到 Q i 中第 j 个点的最近邻居的距离，如果 Q i 具有均匀分布，则 ^d 大致为

。

---