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/relative_code/ROR.py

@@ -0,0 +1,52 @@
+import open3d as o3d
+import numpy as np
+from scipy.spatial import KDTree
+def chamfer_distance(pcd1, pcd2):
+    """
+    计算两个点云之间的 CD 距离（Chamfer Distance）
+
+    Args:
+        pcd1: Open3D 点云对象1
+        pcd2: Open3D 点云对象2
+
+    Returns:
+        cd: Chamfer Distance 值
+        cd1: 点云1 到 点云2 的平均距离
+        cd2: 点云2 到 点云1 的平均距离
+    """
+    # 获取点坐标
+    points1 = np.asarray(pcd1.points)
+    points2 = np.asarray(pcd2.points)
+
+    # 构建 KD-Tree 加速最近邻搜索
+    tree1 = KDTree(points1)
+    tree2 = KDTree(points2)
+
+    # 计算 points1 中每个点到 points2 的最近距离
+    dist1, _ = tree2.query(points1, k=1)
+    cd1 = np.mean(dist1 ** 2)  # 平方距离的平均值
+
+    # 计算 points2 中每个点到 points1 的最近距离
+    dist2, _ = tree1.query(points2, k=1)
+    cd2 = np.mean(dist2 ** 2)  # 平方距离的平均值
+
+    # 总 CD 距离（双向平均）
+    cd = cd1 + cd2
+
+    return np.sqrt(cd), cd1, cd2
+pcd = o3d.io.read_point_cloud("E:\point_distance\data\part_car_left_side.ply")
+points = np.asarray(pcd.points)
+colors = np.tile([0.8, 0.7, 1.0], (len(pcd.points), 1))
+pcd.colors = o3d.utility.Vector3dVector(colors)
+o3d.visualization.draw_geometries([pcd],window_name="1")
+# 半径离群点移除
+cl, ind = pcd.remove_radius_outlier(nb_points=5, radius=20)
+
+# 提取内点
+inlier_cloud = pcd.select_by_index(ind)
+outlier_cloud = pcd.select_by_index(ind, invert=True)
+
+print(f"原始点云: {len(pcd.points)} 点")
+print(f"滤波后: {len(inlier_cloud.points)} 点")
+cd,cd1,cd2=chamfer_distance(pcd1=pcd,pcd2=inlier_cloud)
+print(cd)