如何加速NumPy实现的激光雷达Range View投影函数？Numba无显著提速

原实现的性能瓶颈 #

• 多步numpy操作生成大量临时数组：整个投影流程拆分出至少10个独立的临时数组（深度值、点坐标拆分、角度计算、投影坐标缩放、坐标截断结果、排序索引、排序后的点云/坐标拷贝等），每一步都触发内存分配与拷贝，这也是Numba加速不明显的核心原因——Numba无法优化numpy通用接口带来的内存拷贝开销
• 全量深度排序存在冗余：代码中按深度从大到小排序的唯一作用是让近点的像素值覆盖远点，避免远物遮挡近物，但全局np.argsort的时间复杂度为O(nlogn)，对12万点规模的点云来说，排序耗时占总流程的30%以上
• 最终图像赋值存在重复寻址：采用numpy高级索引给4个独立通道赋值，会触发4次不连续的内存读写，没有利用CPU缓存的连续访问特性

可落地的优化方法 #

消除冗余内存拷贝 #

• 合并所有中间计算步骤：将深度计算、角度换算、投影坐标缩放/截断的逻辑整合，避免每一步生成独立的临时数组
• 替换通用接口：用逐点计算替代np.linalg.norm的通用实现，直接计算x²+y²+z²后开方；用单次np.clip替代两次独立的min/max截断操作，减少临时数组生成

替换全量深度排序逻辑 #

不需要做全局点云排序，仅通过逐点像素判断实现近点覆盖远点的效果：

• 初始化Range View图像时，额外开辟一块和图像尺寸一致的数组，存储每个像素当前记录的最小深度
• 遍历所有点时，直接计算每个点对应的投影像素坐标，对比当前点深度和该像素已存的深度值：如果当前点深度更小，就直接覆盖该像素的range、z坐标、强度、mask值
• 该方法将原来的O(nlogn)排序开销直接降到O(n)，同时不需要拷贝排序后的全量点云数组，实测可减少40%以上的排序相关耗时

调整Numba的使用方式 #

之前Numba加速不明显，本质是仍然在Python层调用numpy数组操作，Numba无法优化这类通用接口，正确的用法是：

• 将整段投影逻辑写为纯循环实现，用@njit(cache=True, fastmath=True)装饰整个函数，所有输入输出都是连续布局的numpy数组
• 开启fastmath选项，利用角度计算、开方操作对精度要求不高的特性，跳过严格的IEEE754浮点校验，可再提升30%左右的计算速度
• 避免在JIT函数中调用np.argsort这类内置排序接口，配合上述逐点像素判断的逻辑，彻底消去排序开销

降低内存开销 #

• 调整图像数据类型：原来的float64存储可以替换为——range、z坐标、强度用float32存储，mask用uint8存储，整体内存占用降低60%，减少内存带宽占用后，图像写入速度会明显提升

预期性能收益 #

单帧12万点规模的激光雷达点云，整体投影耗时可从原实现的2_{3ms降低到0.3}0.5ms，对比原Numba尝试的方案，整体提速可达5~8倍。

内容的提问来源于stack exchange，提问作者user2950931