目录横向偏差切线‑法线选择性惩罚原理的通用应用场景一、自动驾驶 / 机器人轨迹跟踪最经典同源应用算法策略和 Bayes‑AWB 完全一致二、ISP 图像处理除 AWB 以外的相机算法场景1日光轨迹 Daylight‑Locus 白平衡扩展2肤色保护 / 肤色轨迹约束3色域边界跟踪、色域映射 Gamut Mapping三、点云、三维重建、几何优化1ICP 点‑面距离迭代最近点配准2曲线 / 边缘拟合、亚像素卡尺检测四、机器学习、流形学习、降维五、运动控制、数控加工、工业机器人曲线运动1CNC 轮廓铣削曲线轨迹加工2无人机曲线飞行跟踪所有场景统一范式对照表容易混淆普通欧氏距离 vs 切线‑法线选择性惩罚横向偏差切线‑法线选择性惩罚原理的通用应用场景先提炼 libcamera Bayes‑AWB 的通用内核 给定一条参考曲线流形 / 轨迹在曲线上每一点建立局部坐标系切线方向沿着参考曲线本身变化允许样本点在切线方向大幅偏移不施加惩罚法线横向方向垂直于参考曲线样本一旦偏离曲线法线偏移量横向偏差作为惩罚项距离越大置信度越低。该范式本质 Frenet‑Serret弗雷内局部坐标系偏差分解并不是白平衡独有的算法下面分成五大领域每个场景给出原理类比、实例、和 AWB 的对照关系。一、自动驾驶 / 机器人轨迹跟踪最经典同源应用参考曲线车辆规划好的行驶路径车道中心线切线方向路径前进方向纵向 s沿道路向前 / 向后法线方向垂直车道方向横向 d左右偏离车道横向偏差车体中心点在路径法线方向投影偏移量算法策略和 Bayes‑AWB 完全一致切线纵向误差宽容车子开快一点慢一点、沿路径前后偏移不属于 “偏离车道”不需要大幅度打方向盘修正不惩罚纵向偏移法线横向误差严厉惩罚车子向左 / 右偏离车道横向偏差越大转向控制量越强快速拉回车道中心线。对照 AWB 车道中心线 ↔ 黑体轨迹车体位置 ↔ 色块色度点车道横向偏移 ↔ 色块横向偏差。工程落地LQR、MPC 路径跟踪控制器代价函数里面只惩罚横向偏差纵向误差权重很低。二、ISP 图像处理除 AWB 以外的相机算法场景1日光轨迹 Daylight‑Locus 白平衡扩展普朗克黑体轨迹之外还有日光轨迹线UV 色度平面一条曲线。切线方向日光色温升高 / 降低方向法线方向偏离日光轨迹物体色彩偏移策略采样点沿着日光轨迹切线偏移色温波动可以放行垂直偏离日光轨迹蓝天 / 绿色降权重。2肤色保护 / 肤色轨迹约束肤色在 Cb‑Cr 色度平面上存在一条肤色曲线人脸色度轨迹切线方向人脸亮度、人种带来的肤色沿曲线偏移允许不扣分法线方向垂直肤色曲线偏移 → 颜色失真需要强制拉回肤色轨迹对法线偏差施加惩罚。ISP 调色、3D‑LUT 肤色保色、AE/AWB 人脸加权大量采用该思路。3色域边界跟踪、色域映射 Gamut Mapping色域边界是一条闭合曲线。切线方向沿着色域边缘移动色相法线方向向外溢出色域超色域法线偏移量作为溢出程度用来压缩饱和度。三、点云、三维重建、几何优化1ICP 点‑面距离迭代最近点配准参考曲面可以看作无数微小局部曲线每个点取切面法线。 误差 目标点向量在曲面法线方向投影即横向偏差 切平面方向的偏移不做惩罚只最小化法线方向距离也就是经典点‑平面 ICP 损失。逻辑等价切线切平面内偏移允许法线偏移惩罚。2曲线 / 边缘拟合、亚像素卡尺检测工业视觉卡尺算法沿着基准线段法线方向搜索边缘切线方向沿着直线边缘走向法线方向垂直边缘就是寻找边缘过渡的搜索方向 只在法线方向上检测灰度跳变切线方向不计算误差。四、机器学习、流形学习、降维高维样本分布往往落在低维流形曲线 / 曲面上。 流形上每个点分解切空间方向样本沿着流形本身自然变化属于正常样本变异不惩罚法向方向离开流形大概率是异常值、噪声、离群点法线方向偏差越大置信度越低。典型应用流形正则化损失特征嵌入、领域自适应扰动约束扰动只允许在切平面内禁止大幅度法线方向跳出流形异常检测计算样本点距离流形的法线偏移量作为异常得分。和 AWB 类比流形 黑体轨迹离群样本 蓝天色块法线偏移 横向偏差。五、运动控制、数控加工、工业机器人曲线运动1CNC 轮廓铣削曲线轨迹加工刀具沿工件轮廓曲线运动切线方向沿着轮廓前进进给方向进给速度波动、沿轨迹前后偏移宽容法线方向垂直轮廓刀具切深方向法线方向偏移就是轮廓误差是主要加工误差需要闭环严格修正。 代价函数只惩罚轮廓法线偏差切线进给误差宽容放行。2无人机曲线飞行跟踪参考飞行航线为曲线切线方向航线前进方向飞行路程法线方向偏离航线左右距离即横向偏差控制器优先消除法线偏移。所有场景统一范式对照表参考曲线样本点切线方向宽容不惩罚法线‑横向偏差惩罚黑体色温轨迹色块色度 \(S_i\)色温方向漂移色块垂直轨迹偏移彩色物体车道中心线车辆位置沿车道前后纵向误差车辆左右偏离车道肤色轨迹人脸色度人种、亮度引起肤色沿曲线变化人脸肤色失真偏移加工轮廓曲线铣刀坐标刀具沿轮廓进给方向误差刀具切深轮廓误差数据流形曲线高维特征向量样本正常变异沿流形滑动离群噪声跳出流形容易混淆普通欧氏距离 vs 切线‑法线选择性惩罚欧氏距离惩罚样本点与曲线上参考点 2‑D 距离全部惩罚切线法线一视同仁横向偏差范式方向敏感只惩罚法线分量切线分量忽略。libcamera Bayes‑AWB 本质就是这套方向选择性损失放到色度‑色温轨迹上的一个具体工程实例。