如何计算目标网格与基准网格（Ground Truth）的形状相似度？

核心思路 #

直接基于网格的拓扑与几何特征完成计算，替代点云采样的间接方法，最终输出百分比形式的相似度结果。

具体实现方法 #

1. 预处理：网格配准 #

• 先做刚性配准（比如ICP的网格适配版本，或FPFH特征匹配后优化），确保两个网格处于同一坐标系，消除平移、旋转带来的差异，这是后续计算的基础。
• 若存在非刚性形变（比如苹果的轻微挤压变形），需用非刚性配准算法对齐对应顶点。

2. 基于几何距离的相似度计算 #

• 双向豪斯多夫距离：计算两个网格表面点之间的距离，用平均距离替代最大距离避免极端点干扰，再归一化得到相似度：
  相似度 = (1 - (平均豪斯多夫距离 / 基准网格直径)) * 100%
• 逐面/顶点距离统计：
  1. 分别对基准网格的每个面、mesh2的每个面，计算对方网格中最近点的距离
  2. 统计所有距离的平均值，结合基准网格的特征尺寸转化为百分比：
     相似度 = (1 - (平均距离 / 基准网格特征尺寸)) * 100%

3. 基于拓扑与特征的相似度计算 #

• 全局形状特征匹配：提取两个网格的旋转不变形状描述符（比如形状直径函数SDF），计算特征向量的余弦相似度，直接转化为百分比。
• 拓扑一致性校验：若两个网格拓扑结构一致（顶点/面数量接近、连接关系匹配），可计算对应顶点的欧氏距离均值，再归一化得到相似度。

4. 代码示例（Python + trimesh） #

import trimesh

# 加载网格文件
gt_mesh = trimesh.load("ground_truth_apple.stl")
mesh2 = trimesh.load("mesh2_apple.stl")

# 刚性配准对齐
transform, _ = trimesh.registration.icp(mesh2, gt_mesh)
mesh2.apply_transform(transform)

# 计算平均距离
avg_distance = trimesh.signed_distance(mesh2, gt_mesh).abs().mean()
# 获取基准网格的直径作为归一化参考
gt_diameter = gt_mesh.bounding_box.extents.max()
# 计算相似度百分比
similarity = (1 - (avg_distance / gt_diameter)) * 100

print(f"形状相似度：{similarity:.2f}%")

注意事项 #

• 若两个网格分辨率差异较大，先对低分辨率网格做细分处理，保证采样密度一致。
• 非刚性形变场景下，必须先完成非刚性配准对齐，再进行距离计算。
• 可结合多种方法的结果取平均值，提升结果的鲁棒性。

内容的提问来源于stack exchange，提问作者GOPI KRISHNA