1 幾何適合度の概念
1.1 定義と目的
幾何適合度とは、観測された幾何学的対象と、理想化されたモデルや推定結果の一致度を数値で表す指標である。対象としては点群、曲線、曲面、三次元形状、複数時点の軌跡などが含まれる。目的は、(1) 推定・復元の結果が観測にどれだけ整合しているかを測ること、(2) モデル選択やパラメータ比較を行うこと、(3) 最適化や判定のための評価規準を与えることである。
この指標は一般に誤差の考え方に基づき、誤差が小さいほど適合が高い、あるいは誤差が大きいほど適合が低いという単調性を目指して設計される。計算上は損失関数として扱われることが多く、反復最適化の指標として利用しやすい形に組み立てられる。
1.2 「適合」の意味づけ
「適合」とは、何をどのように一致させるのかという設計問題である。観測データはノイズを含み、モデル側には自由度や仮定があるため、一致の定義は用途とデータ特性に依存する。たとえば、座標の一致だけを求めるのか、方向の一致や局所的な形状の一致まで含めるのか、あるいは対応関係（どの点がどの点に相当するか）を同時に扱うのかが論点となる。
また一致をどのスケールで評価するかも重要である。局所的な形状は高周波成分に敏感で、全体の輪郭は低周波成分に依存するため、同じ適合度でも評価対象が異なると結果が変わる。
1.2.1 誤差の種類（距離・角度・位相など）
誤差は、表現の仕方に対応して複数の種類に分けられる。距離に基づく誤差は、点と点、点と曲面、曲線同士などの幾何学的位置のずれを表す。角度に基づく誤差は法線方向や接ベクトルの差などに用いられることが多い。位相や対応関係に基づく誤差は、点群の対応や曲線のトポロジーの一致といった、単純な距離では捉えにくい整合性を評価するために設計される。
さらに、曲率や微分幾何学的量に対する誤差も用意される。これにより、見た目の輪郭が近くても曲げ方が異なる形状を区別できる。誤差の選択は、モデル化の仮定やセンサの性質（例えば法線が信頼できるか、対応が得られるか）に強く影響される。
1.2.2 全体適合と局所適合
全体適合は、対象全域にわたる一致度を一つの数値としてまとめる考え方である。例えば全点の誤差の平均や二乗誤差を計算する場合が典型である。一方、局所適合は、局所近傍での整合性を優先する。点群なら最近点近傍、曲面ならパッチ領域や接平面近傍を単位として評価することがある。
局所適合はノイズや外れ値の影響を受けやすい一面もあるが、部分的に欠損しているデータの影響を抑えたり、形状の細部を識別したりできる。全体適合と局所適合はトレードオフであり、目的（品質保証か、復元の安定性か、微細特徴の一致か）に合わせて混合する設計が行われる。
1.3 指標と損失関数の関係
幾何適合度は、評価指標として定義されるほか、最適化で用いる損失関数として実装されることが多い。この場合、適合度は「大きいほど良い」形で表されることもあれば、「損失（小さいほど良い）」に変換されることもある。変換は単調な写像で行われることが一般的で、ランキングや最適解の順位が保たれるように設計される。
損失関数としての性質も重要である。微分可能性、勾配の安定性、スケールの扱いやすさ、計算量などが選定に影響する。さらに、正則化項を加えてモデルの複雑さを抑えることで、適合度の見え方が変化するため、純粋な一致だけでなく「妥当な形状」へ誘導する役割を担う。
2 幾何適合度の代表的な指標
2.1 距離ベースの適合度
2.1.1 直交距離・最近点距離
距離ベース適合度の基本は距離誤差の集計である。直交距離は、点から対象（曲面など）への垂直方向の距離として定義されることがある。最近点距離は、点から対象上の最も近い点までの距離として扱われ、計算上扱いやすい利便性がある。
点群対曲面の評価では、点に対して曲面上の最短距離を求める形が多い。ただし曲面が複雑な場合、最近点探索は計算負荷が高くなりやすい。そこで空間分割構造や近傍探索アルゴリズムにより探索を高速化する工夫が行われる。
2.1.2 二乗誤差・絶対誤差
誤差をどのように集計するかも指標の一部である。二乗誤差は大きなずれに強くペナルティを与える性質を持つため、滑らかな場に対しては安定して動作しやすい。一方、絶対誤差は外れに対して相対的に影響が小さく、頑健性を高める方向に働くことがある。
また、距離をそのまま使う場合と、距離の関数（例：距離の平方、距離の対数的変換など）を使う場合がある。これにより、誤差分布の裾（外れ側）に対する扱いが変わるため、センサノイズの性質やデータの欠損状況に合わせた設計が重要になる。
2.2 度量（メトリック）と類似度
2.2.1 分布の一致（確率的解釈）
点群や特徴量を確率分布として捉え、分布同士の距離を適合度として用いる発想がある。ここでは、観測データ側のばらつきとモデル側の生成過程を同一の確率的枠組みで評価できる可能性がある。例えば、分布を近づけるほど適合が高いという形で指標が設計され、学習や推定の目的関数に組み込まれる。
確率的解釈は、データに不確実性が含まれる場合に特に有効である。ただし分布のモデル化方法や仮定（独立性、等方性など）により結果が変わるため、解釈には注意が必要となる。
2.2.2 特徴量空間での比較
幾何の直接比較ではなく、特徴量空間での距離として定義する方法もある。特徴量は、形状の統計（最近傍距離分布など）や、方向・曲率の記述子、あるいは学習により得られる埋め込みなどから構成される。適合度は特徴量の距離や分布の差として表され、元の幾何構造との対応関係を設計者がどう保証するかが鍵となる。
特徴量空間の比較は計算を簡略化したり、ノイズに強い設計を可能にする場合がある。一方、表現の情報落ちにより、微細形状の違いが見えなくなるリスクもあるため、評価目的に応じて特徴選定が必要になる。
2.3 形状の整合性に基づく適合度
2.3.1 法線・接平面整合
法線や接平面の整合は、形状の向きや局所的な幾何を評価する指標である。点群では法線が推定できる場合、対応する法線方向の一致度を誤差に含めることで、単なる位置一致では区別できない形状差を検出しやすくなる。接平面整合では、局所近傍での接方向や平面の一致を評価する。
法線ベースの項は、形状の輪郭だけでなく「どちらを向いているか」という情報を反映するため、同一座標に見える場合でも向きが異なるモデルを罰することができる。実装では法線の符号や推定の信頼度を考慮する必要がある。
2.3.2 曲率・微分幾何学的特徴
曲率や微分幾何学的な量を含めると、形状の曲がり方や滑らかさの再現性を評価できる。例えば、局所曲率の一致、主方向の一致、あるいは曲率に基づく記述子の距離などが用いられる。曲率は高周波成分を強く反映しやすいため、モデルの細部一致に適しているが、ノイズにも敏感になりがちである。
このため、曲率推定の安定化（平滑化、スケール選択、推定手法の工夫）と組み合わせて運用するのが一般的である。曲率項を入れることで過度な局所追従が起きる場合は、正則化や重み設計によりバランスを取る。
2.4 位相・対応関係を含む適合度
2.4.1 点対応・対応推定
点対応を明示的に扱う適合度では、「ある点集合が別の点集合のどの点と対応するか」を推定し、それに基づき誤差を計算する。対応が既知の場合は、対応点同士の距離や方向誤差を集計すればよい。対応が未知の場合、最小コスト対応（割当問題に帰着する場合がある）や、反復的な一致更新（対応推定と変形推定を交互に行う）などが用いられる。
対応推定を含める方法は、単純な最近点距離よりも意味のある比較になり得る一方、計算量や局所最適の問題が生じやすい。対応の曖昧さをどう処理するか、例えば確率的な対応やソフト割当を使うかが設計の焦点となる。
2.4.2 距離場・アラインメントの利用
対応関係を間接的に扱う方法として、距離場を利用する設計がある。距離場は、空間中の各点に対して対象までの距離や符号付き距離を割り当てるもので、形状との整合を一貫した枠組みで評価できる。符号付き距離を使うと、内外判定に関する情報も含めた誤差が構成しやすい。
アラインメント（位置合わせ）を併用する場合、剛体変換や類似変換などの自由度を持たせ、適合度が最小になる変換を求める。距離場はその計算を効率化できることがあり、また位相的な変化にどこまで頑健にするかは距離場の定義や正則化項の設計に依存する。
3 推定・最適化への組み込み
3.1 適合度を最小化する最適化問題
3.1.1 目的関数の構成
推定では、未知パラメータ（形状パラメータ、姿勢、変形、対応など）に対して適合度を計算し、誤差が最小になる方向へ探索する。目的関数は、距離誤差や方向誤差、滑らかさ、正則化など複数項の和として定義されることが多い。重み係数により、各項の寄与度が調整される。
また、外れや欠損に配慮するために、頑健損失を目的関数に組み込む例もある。さらに、計算可能性を高めるために近似項やサンプリング戦略が導入されることがある。目的関数の設計は、結果の品質と計算速度を同時に左右する。
3.1.2 制約条件（剛体・アフィン・滑らかさ）
最適化では自由度の与え方が重要である。剛体変換に制約するなら、回転と並進のみを許し、スケール変化を禁じる。アフィン変換はより広い自由度を持つが、物理的妥当性が失われる可能性もあるため、用途に応じた選択が必要になる。さらに、形状の滑らかさを保証するために、曲率の制約、連続性（サーフェスの微分可能性）、あるいはラプラシアン平滑化などが導入される。
制約は過学習の抑制や解の安定化にも寄与する。適合度だけでは、観測に合わせるために不自然な形状が生じることがあるため、事前知識を制約や正則化として組み込む設計が一般的である。
3.2 アウトライヤーへの頑健化
3.2.1 ロバスト損失（重み付き・影響度設計）
観測には外れ値や大きなノイズが含まれることが多い。二乗誤差は大きな誤差に強く反応するため、外れに引っ張られる場合がある。そこで、ロバスト損失を用いて影響度を抑える設計が行われる。代表的には、誤差がある範囲では二次に近く、外側では伸びが鈍化する関数形が利用される。
実装面では、反復重み付け（各点の重みを更新しながら損失を最適化する）や、重み推定のループを含む手法が使われる。頑健損失の選択は、誤差分布の想定と計算安定性のバランスに依存する。
3.2.2 外れ対応の抑制
外れ対応を抑制するには、損失以外の仕組みも併用できる。対応推定の段階で信頼度の低い対応を除外する、一定距離より遠い点を評価から切り落とす（トリム）、サンプリングで外れの影響を薄めるなどが例として挙げられる。距離ベースの適合度では、閾値処理が直感的に機能しやすい一方で、閾値設定が難しいことがある。
抑制の設計は、欠損と外れの区別が曖昧な場合に特に難しくなる。データが部分的に欠けているだけなのか、本当に誤差が大きい外れなのかを、適合度の構成だけで確実に分けるのは困難であるため、検証や後処理を前提に設計することが多い。
3.3 初期値依存性と安定化
3.3.1 多解性への対処
幾何適合度を用いた推定は非線形になりやすく、多解性や局所解の問題が発生する。対称性を持つ形状では、異なる姿勢や対応が同等の適合度を与え得る。さらに対応推定を含む場合、探索空間が大きくなり、初期状態の影響が増える。
対処として、複数の初期値での探索、粗い推定から精密化へ段階的に進む手法、確率的探索やアンサンブルの利用がある。加えて、適合度に含める情報項を工夫して、曖昧さを減らすことも有効である。
3.3.2 正則化（過学習・発散の抑制）
正則化は、適合度最小化の際にモデルが極端な形状へ崩れることを抑える役割を持つ。形状パラメータの大きさに罰を与える方法や、滑らかさを促す項を追加する方法などがある。これにより、ノイズに過度に追従する挙動が減り、汎化性能が改善することがある。
また、最適化中の発散を抑えるために、学習率制御や正則化と関連する制約（パラメータの範囲制限）を設ける場合もある。目的関数のスケールや重み係数の調整は、安定性に直結するため慎重な設計が求められる。
4 応用と実務上の考慮点
4.1 点群・3次元復元での利用
4.1.1 対応付けの戦略
点群復元では、対象点とモデル点の対応づけが結果に大きく影響する。単純な最近点対応は実装が容易だが、密度の偏りや欠損があると誤対応が増える。そこで、局所特徴（法線や形状記述子）を用いた対応付け、距離と方向の両方を条件にしたマッチング、または確率的対応の導入などが行われる。
対応戦略は計算量にも影響するため、候補点の絞り込み手法と組み合わせることが多い。さらに反復推定では、対応と変換を交互に更新する流れが一般的であり、適合度の設計が収束性を左右する。
4.1.2 距離計算と計算量の工夫
点群関連の適合度では距離計算が支配的になりやすい。全点対全点の比較は計算が重いため、最近傍探索（空間分割、木構造、近傍リスト）により探索範囲を制限する工夫が必要になる。さらに、評価用に点を間引くサンプリングや、マルチスケールでの処理（粗→細）も計算負荷を下げる手段となる。
数値的には、距離計算の近似や補間によって誤差が導入されることがあるため、近似精度と速度のバランスを確認することが望ましい。実務では許容誤差を明確にし、その範囲内で効率化を行う手順が採られる。
4.2 曲線・曲面モデリングでの利用
4.2.1 スプライン／メッシュ整合
曲線や曲面のモデリングでは、スプライン表現や多角形メッシュ表現との整合を評価するのが一般的である。適合度は、サンプル点が曲線や曲面にどれだけ近いかを測る距離項と、表現の滑らかさを支える正則化項を組み合わせて構成されることが多い。メッシュの場合は、面積要素や局所幾何の一致も併せて検討される。
整合の設計は、データが密であるか疎であるか、曲率が急な領域があるかなどにより変わる。サンプル点の取り方や、曲面パラメータ化（面上座標の扱い）によって計算安定性が変化するため、実装上の工夫が必要になる。
4.2.2 滑らかさ評価との併用
滑らかさは見た目だけでなく、物理的な妥当性や後続処理（加工、解析）にも関わるため、適合度に組み込む意義が大きい。曲面では、二階微分に相当する量やラプラシアンの大きさを罰にして、局所的な振動を抑える方向が採られる。曲線ではスプラインの制御点変動や曲率分布の制約が用いられることがある。
滑らかさ項を強めるとデータへの追従が弱まり、弱めるとノイズ追従が増える。したがって重み係数は実験や目標品質に合わせて調整し、評価指標としての幾何適合度の役割を明確にすることが重要になる。
4.3 キャリブレーション・位置合わせ
4.3.1 検証指標としての役割
キャリブレーションや位置合わせでは、既知形状や参照データに対して推定結果がどれだけ一致したかを検証する必要がある。幾何適合度は、その一致度を数値化することで、パラメータ設定や手法比較を可能にする。例えば、姿勢推定の精度評価、センサモデルの妥当性確認、再投影における幾何的誤差の検討などに用いられる。
検証指標としては、測定誤差の分布を踏まえた解釈が求められる。小さな適合度でも系統誤差が残っている場合があり得るため、幾何適合度だけに依存せず、追加の統計分析や可視化を併用する運用が一般的である。
4.3.2 成果物の品質保証
成果物の品質保証では、適合度が閾値を満たすかを判定基準として利用することがある。例えば、製品検査や医用画像の整合評価では、一定の誤差範囲に収まることが求められる。適合度の設計は、用途に応じて許容されるズレの種類（位置、向き、曲率など）を反映すべきである。
品質保証では、評価の再現性が重要になる。同じ入力に対して同様の結果が得られるか、データ分割やサンプリングの影響がどの程度かを確認し、評価手順を標準化することが実務上の要件となる。
4.4 評価・比較の設計
4.4.1 データ分割と再現性
適合度は比較に使われるため、評価設計の妥当性が結果の意味を左右する。学習やパラメータ調整が絡む場合、データ分割（訓練・検証・テスト）を適切に行い、適合度が見かけの改善に偏らないようにする必要がある。再現性の観点では、乱数シード、サンプリング方法、初期値の取り方などを管理し、同条件での比較ができるようにする。
また、入力データの密度や前処理（座標系の正規化、平滑化）によって適合度の値が変わることがある。評価手順を固定し、前処理の影響も記録することが比較の公正性を高める。
4.4.2 指標の解釈可能性と限界
幾何適合度は数値として扱いやすい一方、値の大きさが直感と一致するとは限らない。距離項と曲率項が混在している場合、どの要因が誤差を支配しているかは単一の値からは分かりにくい。さらに、対応推定を含む指標では、対応の失敗が見かけの悪化として現れ得る。
限界として、データが部分欠損している場合や外れが多い場合には、適合度が「存在する領域だけをうまく合わせた」結果を高く評価してしまう可能性がある。また、対称性がある形状では一致度が複数解に分散し、単一値の比較が難しくなることがある。したがって指標は、誤差分解や可視化、追加の統計評価と組み合わせることで解釈可能性を高めるのが実務上の定石となる。