python-比较是否相等
数据的具体的精度
###numpy
np.round(y_pred,2)
保留两位有效数字 return abs(f1 - f2) <= allowed_error
round是四舍六入五近偶
numpy.array_equal()
numpy.allclose()
绝对接近加上相对接近耐（abs(b)*rtol+atol)
numpy.isclose()
###math
math.isclose()综合了绝对接近和相对接近两个选项：
math.isclose(a, b, rel_tol=1e-09, abs_tol=0.0)
abs(a-b) <= max(rel_tol * max(abs(a), abs(b)), abs_tol).
###python
float这和认知的小数是有差别的，这个时候就需要用到 decimal
statistics --- 数学统计函数
from statistics import median
geometric_mean() 数据的几何平均数 平均值以及对中心位置的评估 对分散程度的评估
两个输入之间关系的统计
众数是数据集中出现频率最高的值或值的集合。函数计算并返回数据集的众数作为结果。
import statistics
data = [1, 2, 3, 3, 4, 4, 4, 5]
mode = statistics.mode(data)
print(mode)
###方案二
from scipy import stats
import numpy as np
arr = np.array([[0, 0, 1, 1, 1], [2, 3, 3, 2, 3]])
res = stats.mode(arr, axis=1)
scipy库中的stats模块来计算峰度和偏度：
from scipy import stats
import numpy as np
data = np.array([1, 2, 3, 4, 5])
# 计算偏度
skewness = stats.skew(data)
print("偏度：", skewness)
# 计算峰度
kurtosis = stats.kurtosis(data)
print("峰度：", kurtosis)
scipy
统计和随机数： scipy.stats
线性代数运算： scipy.linalg
空间数据结构和算法 scipy.spatial
from scipy.spatial import KDTree
scipy.spatial.transform.Rotation
scipy.spatial.transform.Rotation.inv
优化和拟合 scipy.optimize
scipy.optimize.leastsq（最小二乘拟合）
scipy.optimize.linear_sum_assignment()
optimize.dual_annealing differential_evolution 差分进化算法
Numpy计算各类距离的方法
欧式距离
np.exp(x)表示自然数e（2.718281828459045）的多少次方，
括号里给数字1，就表示e的1次方，给2表示e的2次方，括号里的数可以是负数或分数。
np.sqrt(x)表示开平方，括号给1，
表示给1开平方，给2表示2开平方，括号里的数必须大于或等于0。
np.power(x， y) 表示x 的y次方，
y=2表示x的平方，y=1/2表示x开方，y =1/3表示x开立方，y= -1表示x的倒数。
np.square()——对数组中每一个元素平方，返回一个新数组
np.log()——对数组a中的每一个元素x取自然对数lnx,并返回一个新的数组
np.sum()——对数组按要求求和，返回一个数组或一个数值
np.linalg.norm(x,ord=None,axis=None,keepdims=False)
linalg=linear(线性)+algebra(代数)，norm则表示范数
###示例
vector1 = np.array([1,2,3])
vector2 = np.array([4,5,6])
op1=np.sqrt(np.sum(np.square(vector1-vector2)))
op2=np.linalg.norm(vector1-vector2)
Python
作为函数形参 两个星（**）：表示接收的参数作为字典来处理 一个星（*）：表示接收的参数作为元组来处理
**作为运算符表示乘方，类似的*表示乘法。
**作为函数实参 *作为序列解包
神经渲染技术在自动驾驶领域应用
UniSim: A Neural Closed-Loop Sensor Simulator
https://waabi.ai/wp-content/uploads/2023/05/UniSim-paper.pdf
自动驾驶仿真平台
NeRF: Neural Radiance Field in 3D Vision, A Comprehensive Review
神经辐射场首先由 Mildenhall 等人与 2020 年提出 ，用于新视角合成
基于游戏引擎，利用基于物理渲染的传统图形学管线进行仿真渲染
NeRF直接利用真实车端数据的隐式重建和编辑仿真方案-利用实车数据扩充3D场景库、扩充前景数字资产库，从而泛化出更多新的物体组合和场景序列
数据
从数据来源：
现实数据-科研数据
网络数据
数据的变换
从数据格式：
数据
数据采集、车路协同、软硬件在环测试、数据回灌、云端数据闭环
数据采集： 采集地图数据的数据采集车 测试的试验车 自动驾驶体验车
vehicle to everything：
把A部分做好，把B部分外包出去”的轻量化模式，有强项也有短板
印刷术-活字印刷术-纸质出版与传播
数字化-数字出版产业和数字传播：
向数字化方向变化-数字化对应的基本单元是比特（bits）数据化的单位是字节(byte)、字(word)
数字产业化 产业数字化
数字产品消费-和数据消费
数据
数据化是数字化进程中的一个方向
物理世界和电子世界
物理世界走向数字世界--可以被数字世界感知和发现的。
物理世界中不被数字世界感知到的物体，在数字世界隐身。被感知到的，智能体的自我演化
物理世界 数字世界的入口
业务
业务形态--形态多少
业务链条-研发-生产-销售-服务等全产业链条
业务组织
思路：
3D BEV Box 7维的向量表示center and dimension信息 XYZLWHR用几何关系计算bbox的corner--8个角点corners
2D BEV Box，这个5维的向量表示：XYWHR用几何关系计算bbox的4个corner
8个3D bbox的角点，这8个角点的位置 和4个角点的位置
2d bbox，只需要得到[(x0,y0), (x0,y1), (x1,y1), (x1,y0)]的坐标
方式一：
传统的 3dbbox_2_corners方式
8个角点的位置corner，旋转yaw-平移center
方式二- 先旋转再平移
先得到4个角点的位置，再得到8个角点的位置 [x,y,z-h/2] [l/2,w/2,z-h/2],[l/2,-w/2,z-h/2]
参考
Python Numpy计算各类距离的方法 https://blog.csdn.net/dear_zhoubi/article/details/97391925
https://docs.python.org/zh-cn/3/library/statistics.html
statistics --- 数学统计函数
