咨询支持NURBS曲面3D形状相似度评估的Python模块

以下方案均覆盖形状相似度、距离计算需求，可根据精度要求、开发场景选择：

• pythonocc-core
  作为开源CAD内核OpenCASCADE的Python绑定，原生支持NURBS曲面的完整几何表达，不需要提前离散化转格式，直接传入NURBS对象即可计算：包括曲面间最小/最大距离、Hausdorff距离、全域偏差分布统计等核心相似度指标，计算精度达到工业CAD级别，完全可以替代你之前无法正常使用的OpenCV Hausdorff计算接口。
• geomdl (NURBS-Python)
  纯Python实现的轻量NURBS运算库，无额外编译依赖，安装门槛低。你可以直接调用其内置的曲面均匀采样、点投影接口，按需求精度在两个待对比曲面上生成采样点集，再配合scipy.spatial模块的距离函数，自行实现Hausdorff距离、倒角距离、均方根误差等自定义相似度指标，灵活度极高，适合快速做算法原型验证。
• Open3D
  如果你可以接受将NURBS曲面按指定公差离散为点云或三角网格作为输入，这个库是点云/网格类3D相似度计算的常用选项：内置开箱即用的Hausdorff距离、点面平均距离、FPFH特征匹配接口，还附带ICP刚性配准功能——如果两个待对比曲面初始坐标系不一致，可以先自动对齐再计算相似度，避免结果失真，同时自带偏差可视化功能，可以直接生成两个曲面的偏差热力图，调试效率很高。
• trimesh
  轻量级三角网格处理库，依赖少、运行速度快，支持导入NURBS离散生成的三角网格，内置网格间距离计算、粗精配准接口，适合对部署包体积有要求、不需要太高几何精度的快速对比场景。
• scikit-image
  如果你打算采用多视角投影图像作为输入做相似度计算，可以用这个库计算投影图的结构相似性（SSIM）、局部特征匹配度等2D指标，实现快速粗筛，注意需要采集足够多的视角避免投影遮挡带来的计算误差。

提示：所有距离类相似度指标的计算前提是两个几何对象处于同一坐标系下，如果初始位姿不统一，优先用配准算法对齐后再计算，否则结果没有参考意义。

内容的提问来源于stack exchange，提问作者Kasia