Как ускорить работу функции least_square
? У нас есть шесть переменных (3 угла ориентации и 3 смещения осей), которые необходимо оптимизировать. На вход функции подаются два набора трехмерных точек, два набора точек на плоскости и матрица проекции.
dSeed = np.zeros(6)
optRes = least_squares(minReproj, dSeed, method='lm', max_nfev=600,
args=(points_prev, points_cur, d3d_prev, d3d_cur, Proj1))
Эта функция минимизирует ошибку прямого-обратного проецирования точек.
def minReproj(dof, d2dPoints1, d2dPoints2, d3dPoints1, d3dPoints2, w2cMatrix):
Rmat = genEulerZXZ(dof[0], dof[1], dof[2]) # my function
translationArray = np.array([[dof[3]], [dof[4]], [dof[5]]])
temp = np.hstack((Rmat, translationArray))
perspectiveProj = np.vstack((temp, [0, 0, 0, 1]))
numPoints = d2dPoints1.shape[0]
errorA = np.zeros((numPoints,3))
errorB = np.zeros((numPoints,3))
forwardProj = np.matmul(w2cMatrix, perspectiveProj)
backwardProj = np.matmul(w2cMatrix, np.linalg.inv(perspectiveProj))
for i in range(numPoints):
Ja = np.ones((3))
Jb = np.ones((3))
Wa = np.ones((4))
Wb = np.ones((4))
Ja[0:2] = d2dPoints1[i,:]
Jb[0:2] = d2dPoints2[i,:]
Wa[0:3] = d3dPoints1[i,:]
Wb[0:3] = d3dPoints2[i,:]
JaPred = np.matmul(forwardProj, Wb)
JaPred /= JaPred[-1]
e1 = Ja - JaPred
JbPred = np.matmul(backwardProj, Wa)
JbPred /= JbPred[-1]
e2 = Jb - JbPred
errorA[i,:] = e1
errorB[i,:] = e2
residual = np.vstack((errorA,errorB))
return residual.flatten()
def genEulerZXZ(psi, theta, sigma):
c1 = cos(psi)
s1 = sin(psi)
c2 = cos(theta)
s2 = sin(theta)
c3 = cos(sigma)
s3 = sin(sigma)
mat = np.zeros((3,3))
mat[0,0] = (c1 * c3) - (s1 * c2 * s3)
mat[0,1] = (-c1 * s3) - (s1 * c2 * c3)
mat[0,2] = (s1 * s2)
mat[1,0] = (s1 * c3) + (c1 * c2 * s3)
mat[1,1] = (-s1 * s3) + (c1 * c2 * c3)
mat[1,2] = (-c1 * s2)
mat[2,0] = (s2 * s3)
mat[2,1] = (s2 * c3)
mat[2,2] = c2
return mat
Эта оптимизация занимает от 0,2 до 0,4 секунды, и это слишком много. Может быть, вы знаете, как ускорить этот процесс? Или, может быть, есть другой способ найти относительное вращение и перемещение двух наборов точек? Для рполески:
96 0.023 0.000 19.406 0.202 /usr/local/lib/python3.7/dist-packages/scipy/optimize/_lsq/least_squares.py:240(least_squares)
4548 0.132 0.000 18.986 0.004 /usr/local/lib/python3.7/dist-packages/scipy/optimize/_lsq/least_squares.py:801(fun_wrapped)
96 0.012 0.000 18.797 0.196 /usr/local/lib/python3.7/dist-packages/scipy/optimize/_lsq/least_squares.py:42(call_minpack)
4548 11.102 0.002 18.789 0.004 /home/pi/helperFunctions.py:29(minimizeReprojection)
minReproj()
отсутствуетreturn
утверждение. Вы уверены, что разместили правильный код? - person rpoleski   schedule 20.05.2020genEulerZXZ()
не разглашается. Кроме того, я бы профилировал вашуminReproj()
функцию и посмотрел, где находятся узкие места, поскольку большая частьleast_square()
времени, скорее всего, будет потрачена на вашу функцию. Я вполне уверен, что вы могли бы избежать/уменьшить пару относительно дорогих*stack()
, некоторые выделения памяти и, возможно, некоторыеmatmul()
и некоторыеlinalg.inv()
. Во всяком случае, функция может быть JIT-компилирована с помощью Numba, что может дать вам некоторую скорость при циклическом выполнении точки. - person norok2   schedule 20.05.2020python -m cProfile script.py
. Если ваши углы находятся в диапазоне от 0 до pi/2, вы можете легко ускорить вычисления sin/cos, используя тригонометрическое тождество Пифагора. - person rpoleski   schedule 20.05.2020cos
иsin
отmath
или отnumpy
или от чего-то еще? - person norok2   schedule 20.05.2020math
библиотеки - person user11278733   schedule 20.05.2020minReproj()
? - person norok2   schedule 20.05.2020