如何计算周期为[-180°,180°]的角度相对真值的L1、L2范数

角度数据具有周期性（±180°等价于∓180°），直接用常规范数计算会因为跨周期的差值放大导致结果失真。解决核心是先计算每个角度对的周期性最小偏差，再基于该偏差计算范数。

核心思路 #

对于每个真值gt[i]和预测值ip_data[i]，先计算周期内的最小角度差（绝对值≤180°），再用该差值计算L1、L2范数：

1. 计算原始差值：delta = gt[i] - ip_data[i]
2. 将差值映射到[-180°,180°]范围，得到最小偏差：

   min_delta = ((delta + 180) % 360) - 180
   

   该公式的作用是把任意差值调整为周期内的最短距离，例如350°会被转换为-10°（等价于10°的偏差）。

修正后的范数计算 #

• L1范数：所有最小偏差的绝对值之和

  L1 norm = sum(abs(min_delta[i]))
  

• L2范数：所有最小偏差平方和的平方根

  L2 norm = sqrt(sum(min_delta[i]^2))
  

示例验证 #

用测试数据验证：

gt[] = [175, 179, 177]
ip_data_b[] = [-175, -171, -173]

对每个角度对计算最小偏差：

• 175 - (-175) = 350 → min_delta = ((350+180)%360)-180 = -10
• 179 - (-171) = 350 → min_delta = -10
• 177 - (-173) = 350 → min_delta = -10

最终计算结果：

L1 = |-10| + |-10| + |-10| = 30
L2 = sqrt((-10)^2 + (-10)^2 + (-10)^2) = sqrt(300) ≈ 17.32

与ip_data_a的结果一致，符合实际角度偏差的评估。

代码实现（Python） #

import math

def get_min_angle_deltas(gt, ip_data):
    deltas = []
    for g_val, d_val in zip(gt, ip_data):
        raw_delta = g_val - d_val
        # 计算周期内的最小偏差
        min_delta = ((raw_delta + 180) % 360) - 180
        deltas.append(min_delta)
    return deltas

def calculate_angle_L1(gt, ip_data):
    min_deltas = get_min_angle_deltas(gt, ip_data)
    return sum(abs(d) for d in min_deltas)

def calculate_angle_L2(gt, ip_data):
    min_deltas = get_min_angle_deltas(gt, ip_data)
    return math.sqrt(sum(d**2 for d in min_deltas))

# 测试
gt = [175, 179, 177]
ip_data_a = [165, 169, 167]
ip_data_b = [-175, -171, -173]

print(f"ip_data_a L1: {calculate_angle_L1(gt, ip_data_a)}")  # 30
print(f"ip_data_a L2: {round(calculate_angle_L2(gt, ip_data_a), 2)}")  # 17.32
print(f"ip_data_b L1: {calculate_angle_L1(gt, ip_data_b)}")  # 30
print(f"ip_data_b L2: {round(calculate_angle_L2(gt, ip_data_b), 2)}")  # 17.32

内容的提问来源于stack exchange，提问作者Milan