计算重叠区域

Question

测试不同的pointclouds方法＆＃39;注册并尝试对结果进行不同的评估。

其中一项评估是尝试找到两个点云之间的重叠区域，并计算每个点云云点与其他重叠点云点的最大最小距离。

到目前为止，我已经天真地使用了以下步骤（假设有两台PC）：

1. 找到两个云中每个云的边界框。简单地使用 min(pc1X)，min(pc1Y)。 。 。
2. 找到方框的重叠区域。 （最大分钟数，最小分组符号坐标。）
3. 提取框内的每个云点。也是天真的过滤。 pc1[x<xmax & x>xmin & y<...]
4. 计算点之间的距离成本矩阵，并为每个点选择最小值。成本矩阵形状：(pc1_pnts x pc2_pnts)。使用scipy.spatial.distance.cdist`

这适用于小云，但是当重叠区域变大时，会出现内存不足错误，这必须在某些时候使用上述步骤发生，尤其是在第4步。

因此，我正在寻找改进上述步骤的选项，以便在更大的云上运行它们，我相信这里最关键的瓶颈是成本矩阵可能会变得巨大的第4步。

我希望有关改进前三个步骤的提示，但着重于第4步，如何更有效地计算每个重叠点的最大最小距离？

编辑：使用sklearn.neighbours.NearestNeighbors我设法将第4步的运行时间平均缩短了10倍以上，并且还运行在更大的云上！ 我们欢迎任何改进上述任何步骤的提示或提示。