[object Object]

[object Object][object Object]undefined[object Object]

• 接口功能：ChamferDistance（倒角距离）的反向算子，根据正向的输入对输出的贡献及初始梯度求出输入对应的梯度。

• 计算公式：

  假设有两个点集： xyz1=[B,N,2], xyz2=[B,M,2]

  • ChamferDistance（倒角距离）正向算子计算公式为：

    $dist1_i=Min((x_{1_i}−x_2)^2+(y_{1_i}−y_2)^2)，x_2, y_2∈xyz2$ $dist2_i=Min((x_{2_i}-x_1)^2+(y_{2_i}-y_1)^2)，x_1, y_1∈xyz1$

  • 反向算子即为对该公式求导，计算公式为：

    • $dist1_i$ 对$x_{1_i}$ 的导数 $=2*grad\_dist1*(x_{1_i}-x_2)$

      其中：$x_{1_i}∈xyz1$，$x_2$是根据正向输出的id1的索引值从xyz2中取出距离最小的点的横坐标，单点求导公式如上，因为单点梯度更新的位置是连续的，所以考虑多点并行计算。

    • $dist1_i 对y_{1_i}$ 的导数 $=2*grad\_dist1*(y_{1_i}-y_2)$

      其中$y_{1_i}∈xyz1$，$y_2$是根据正向输出的id1的索引值从xyz2中取出距离最小的点的纵坐标，单点求导公式如上，因为单点梯度更新的位置是连续的，所以也可以考虑多点并行计算。

    • $dist1_i$ 对 $x_2$的导数 $=-2*grad\_dist1*(x_1-x_{2_i})$

      其中$x_{2_i}∈xyz2，x_1$是根据正向输出的id1的索引值从xyz2中取出距离最小的点的横坐标，单点求导公式如上，因为单点梯度需要根据最小距离值对应的索引值去更新，所以这块无法并行只能单点计算。

    • $dist1_i$ 对$y_2$的导数$=-2*grad\_dist1*(y_1-y_{2_i})$

      其中$y_{2_i}∈xyz2$，$y_1$是根据正向输出的id1的索引值从xyz2中取出距离最小的点的纵坐标，单点求导公式如上，因为单点梯度需要根据最小值对应的索引值去更新，所以这块也无法并行只能单点计算。

  对应$dist2_i$对$x_{2_i}$ 、$x_1$、$y_{2_i}$ 、$y_1$的导数和上述过程类似，这里不再赘述。

  最终计算公式如下，i∈[0,n)：

  $grad_xyz1[2*i] = 2*grad\_dist1*(x_{1_i}-x_2) - 2*grad\_dist1*(x_1-x_{2_i})$

  $grad_xyz1[2*i+1] = 2*grad\_dist1*(y_{1_i}-y_2) - 2*grad\_dist1*(y_1-y_{2_i})$

  $grad_xyz2[2*i] = 2*grad\_dist2*(x_{1_i}-x_2) - 2*grad\_dist2*(x_1-x_{2_i})$

  $grad_xyz2[2*i+1] = 2*grad\_dist2*(y_{1_i}-y_2) - 2*grad\_dist2*(y_1-y_{2_i})$

[object Object]

每个算子分为，必须先调用“aclnnChamferDistanceBackwardGetWorkspaceSize”接口获取入参并根据流程计算所需workspace大小，再调用“aclnnChamferDistanceBackward”接口执行计算。

[object Object]

• 参数说明：

  [object Object]

  [object Object]

• 返回值：

  aclnnStatus：返回状态码，具体参见。

  第一段接口完成入参校验，出现以下场景时报错：

  [object Object]

  [object Object]

[object Object]

• 参数说明：

  [object Object]

• 返回值：

  aclnnStatus：返回状态码，具体参见。

[object Object]

• 确定性计算：
  • aclnnChamferDistanceBackward默认非确定性实现，支持通过aclrtCtxSetSysParamOpt开启确定性。

[object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。