什么是 最优子模式分配指标（OSPA）？
最优子模式分配指标（OSPA）是一种有限点集之间的归一化数学距离，把最优配对后的截断定位误差与集合基数不等的罚项合并起来。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
组合截断定位误差与基数误差
对大小满足 m <= n 的两个集合，阶数为 p、Cut-off 为 c 的 OSPA 会最小化 m 个截断配对距离的 p 次幂和，再加上基数差罚项 c^p(n-m)，除以 n 后开 p 次根。反向大小由对称性处理，两个空集的距离为零。
OSPA 原始研究给出了不要求预先知道对应关系、数学一致的多对象 Miss Distance。下方 Go 示例枚举 Assignment，精确计算小型一维集合的 p = 1 公式。
把归一化和参数视为评测契约
Cut-off 限制一个严重错配能贡献的最大成本，同时确定未匹配点罚项；Order p 决定结果对较大分量误差的敏感程度。按较大 Cardinality 归一化使 OSPA 可解释为逐对象距离，但新增对象也会改变所有既有误差的权重。
常见 Localization/Cardinality Decomposition 只有在公式约定与参数相同时才可比较。报告应声明 Base Distance、单位、状态维度、Cut-off、Order、空集规则、汇总范围，以及是在开根前还是开根后取平均。
只让 OSPA 回答当前集合质量问题
Stone Soup 文档把 OSPA 实现为两个 Point Pattern 在每个时间戳上的距离。它适合比较当前目标状态集合，却无法发现每一帧位置不变、身份却发生互换的情况。
GOSPA 移除基数归一化，并在 alpha = 2 时提供更清晰的漏失/虚警分解。OSPA(2) 把 OSPA 结构应用于完整航迹，T-GOSPA 还显式加入切换成本；HOTA 与 IDF1 则遵循基于 Detection 和 Identity Matching 的 Benchmark 协议。
主要特点
- 定义在无序有限点集上的 Metric
- 在没有已知对应关系时求解最优一对一分配
- 截断逐对象误差并惩罚基数不等
- 按较大集合的对象数归一化
- 依赖明确的 Order、Cut-off、单位与基础距离
- 自身衡量当前集合质量而非航迹身份
常见用途
- 逐时刻评测多对象 Filter 的状态估计
- 比较 Cardinality 不同的点目标估计
- 测试杂波和漏检条件下的雷达或声呐 Tracker
- 汇总 Monte Carlo 定位与数量误差
- 验证随机有限集 Filter 的实现
示例
Loading code...常见问题
OSPA 会度量哪些误差？
OSPA 度量两个无序有限点集之间的距离。它最优配对点、截断定位误差、在基数不同时加入罚项，并按较大集合大小归一化取根前的总成本。
OSPA 的 Cut-off 与 Order 控制什么？
Cut-off 限制每个配对误差并确定未匹配点罚项；Order 决定大误差对总值的影响强度。报告分数时必须同时给出这两个值、Base Distance 和物理单位。
OSPA 与 GOSPA 有什么区别？
OSPA 按较大 Cardinality 归一化并输出定位加基数距离；GOSPA 不做该归一化，并可在 Alpha 等于 2 时用 Assignment 直接分解定位、漏失和虚假对象成本。
OSPA 能发现 Track Switch 吗？
逐帧计算时不能。即使估计身份发生互换，只要每一帧的位置集合完全正确，OSPA 仍可为零。时间关联重要时，应使用 OSPA(2)、T-GOSPA、HOTA 或 IDF1。
应该如何跨帧或跨试验汇总 OSPA？
汇总规则应匹配评测问题并在系统间保持不变。必须声明平均的是开根后距离还是 Powered Cost、包含哪些帧与试验，以及如何处理空集和缺失序列。