feat: 算法升级、整车配准集成与性能分析文档

算法更新: delivery v1.2.1、平整度v1.5、测距v2.2、整车配准v1.3
适配器: vehicle-registration 新增、各算法 manifest 和 adapter 更新
后端: taskCadFiles/source 字段迁移、derivedPointClouds 注册、取消任务联动
前端: ElapsedTime 时长显示、两步算法流程、canRun 逻辑修复
文档: 新增5份算法性能分析报告

alg/平整度、平面度、轮廓测量v1.5/archive/Curvature_Estimation.py

@@ -0,0 +1,127 @@
+import open3d as o3d
+import numpy as np
+import argparse
+import os
+
+
+def compute_curvature_open3d(pcd, radius=0.05, max_nn=30):
+    """
+    使用 Open3D 计算点云曲率
+
+    Args:
+        pcd: Open3D 点云对象
+        radius: 搜索半径
+        max_nn: 最大邻居数
+
+    Returns:
+        curvatures: (N,) 曲率数组
+    """
+    # 估计法线（同时获取协方差矩阵信息）
+    pcd.estimate_normals(
+        search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=radius, max_nn=max_nn)
+    )
+
+    # 获取点云数据
+    points = np.asarray(pcd.points)
+    n_points = len(points)
+    curvatures = np.zeros(n_points)
+
+    # 构建 KD-Tree
+    tree = o3d.geometry.KDTreeFlann(pcd)
+
+    for i in range(n_points):
+        # 搜索邻域点
+        [k, idx, _] = tree.search_radius_vector_3d(pcd.points[i], radius)
+
+        if k < 3:
+            curvatures[i] = 1.0
+            continue
+
+        # 获取邻域点坐标
+        neighbors = points[idx]
+
+        # 计算协方差矩阵
+        centroid = np.mean(neighbors, axis=0)
+        centered = neighbors - centroid
+        cov = np.cov(centered.T)
+
+        # 特征值分解
+        eigenvalues = np.linalg.eigvalsh(cov)
+        eigenvalues = np.sort(eigenvalues)
+
+        # 计算曲率
+        curvatures[i] = eigenvalues[0] / (eigenvalues.sum() + 1e-8)
+
+    return curvatures
+
+
+def visualize_curvature(pcd, curvatures, color_scale=3.0):
+    """
+    根据曲率可视化点云
+
+    Args:
+        pcd: Open3D 点云对象
+        curvatures: 曲率数组
+        color_scale: 颜色缩放因子
+    """
+    colors = np.zeros((len(pcd.points), 3))
+    # 红色通道表示曲率（高曲率区域为红色）
+    colors[:, 0] = np.clip(curvatures * color_scale, 0, 1)
+    # 绿色通道为互补色（低曲率区域为绿色）
+    colors[:, 1] = np.clip(1 - curvatures * color_scale, 0, 1)
+    # 蓝色通道设为0
+    colors[:, 2] = 0
+
+    pcd.colors = o3d.utility.Vector3dVector(colors)
+
+
+def main():
+    parser = argparse.ArgumentParser(description='计算点云曲率并可视化')
+    parser.add_argument('--ply_path', type=str,default="./High_Speed_Data/PointCloud/11.ply", help='输入点云文件路径 (.ply)')
+    parser.add_argument('--radius', type=float, default=2, help='搜索半径 (默认: 50)')
+    parser.add_argument('--max_nn', type=int, default=30, help='最大邻居数 (默认: 30)')
+    parser.add_argument('--color_scale', type=float, default=3.0, help='颜色缩放因子 (默认: 3.0)')
+    parser.add_argument('--save', type=str, default=None, help='保存可视化图像路径 (可选)')
+
+    args = parser.parse_args()
+
+    # 检查文件是否存在
+    if not os.path.exists(args.ply_path):
+        print(f"错误: 文件不存在 - {args.ply_path}")
+        return
+
+    print(f"读取点云: {args.ply_path}")
+    pcd = o3d.io.read_point_cloud(args.ply_path)
+    # points=np.array(pcd.points)
+    if len(pcd.points) == 0:
+        print("错误: 读取点云失败，文件可能为空或格式不正确")
+        return
+
+    print(f"点云点数: {len(pcd.points)}")
+
+    # 计算曲率
+    print("计算曲率中...")
+    curvatures = compute_curvature_open3d(pcd, radius=args.radius, max_nn=args.max_nn)
+
+    # 统计曲率信息
+    print(f"曲率统计:")
+    print(f"  最小值: {curvatures.min():.6f}")
+    print(f"  最大值: {curvatures.max():.6f}")
+    print(f"  平均值: {curvatures.mean():.6f}")
+    print(f"  标准差: {curvatures.std():.6f}")
+
+    # 可视化
+    print("可视化曲率...")
+    visualize_curvature(pcd, curvatures, color_scale=args.color_scale)
+
+    # 保存截图（如果指定）
+    if args.save:
+        o3d.io.write_point_cloud(args.save, pcd)
+        print(f"点云已保存: {args.save}")
+
+    # 显示窗口
+    o3d.visualization.draw_geometries([pcd], window_name=f"Curvature Visualization - {os.path.basename(args.ply_path)}")
+
+
+if __name__ == "__main__":
+    main()