Высокопроизводительная система для работы с 3D-пространственными данными, использующая NVIDIA PhysX для GPU-ускорения.

• 🎯 Возможности
• ✅ Что работает
• ❌ Известные проблемы
• 🚀 Установка
• 💻 Использование
• 🧪 Тестирование
• 📊 Примеры
• 🛣️ Roadmap
• 📝 Лицензия

• Использует NVIDIA PhysX 5.x для GPU-вычислений
• Поддержка CUDA на GeForce/RTX/Quadro видеокартах
• Асинхронная обработка больших наборов данных

• Raycast queries - пересечение лучей с объектами
• Sphere queries - сферические поиски соседей
• Terrain profiling - анализ профилей рельефа
• Density heatmaps - тепловые карты плотности

• LiDAR: LAS/LAZ точечные облака
• Фотограмметрия: 3D модели и облака точек
• Медицина: DICOM сканы и 3D томография

• Python 3.11+ с pybind11 биндингами
• C++ ядро для максимальной производительности
• Кроссплатформенность (Windows, Linux в progress)

ИТОГО: 84 тестов PASSED ✅

• Windows + Linux: сборка и CI поддерживаются на обеих платформах
• PhysX runtime required: нативный модуль требует локально доступные PhysX DLL
• PROJ/CURL feature split: PROJ интегрирован, CURL часть пока не используется
• Demo-level query results: примеры и тесты используют стабильный API, но сложные сценовые запросы пока демонстрационные

============ Test Summary =============
✅ PASSED:   84 / 84 (100%)
❌ FAILED:   0 / 84 (0%)

Среднее время выполнения: 2.36s

• Python 3.11+
• Windows 10/11 или Ubuntu 20.04+ (Visual Studio Build Tools/MSVC или GCC/Clang)
• NVIDIA GPU с CUDA поддержкой
• CMake 3.20+
• Conda environment spatial_env
• NVIDIA PhysX 5.x SDK

# 1. Клонировать репозиторий
git clone https://github.com/5c0uT/SpartialDB_core.git
cd SpartialDB_core

# 2. Полный запуск: зависимости, сборка, smoke import, тесты
powershell -ExecutionPolicy Bypass -File .\run.ps1

# Установить зависимости
pip install -r requirements.txt

# Собрать и проверить без повторной установки пакетов
# Windows:
powershell -ExecutionPolicy Bypass -File .\run.ps1 -SkipPip -SkipVcpkg
# Linux:
bash build.sh --skip-pip --skip-vcpkg

# Клонировать и установить
git clone https://github.com/5c0uT/SpartialDB_core.git
cd SpartialDB_core
pip install -e .

from spatial_db import SpatialDB, SpatialConfig

# Создать конфигурацию
config = SpatialConfig(
    voxel_size=0.1,
    cache_size=1000,
    gpu_device=0
)

# Инициализировать БД
db = SpatialDB(config)

# Raycast запрос
origin = [0.0, 0.0, 0.0]
direction = [1.0, 0.0, 0.0]
hit = db.raycast(origin, direction, max_dist=100.0)

# Сферический запрос
center = [10.0, 10.0, 10.0]
results = db.query_sphere(center, radius=5.0)

from spatial_db import SpatialDB, SpatialConfig

db = SpatialDB(SpatialConfig(crs="EPSG:3857"))
profile = db.profile_terrain(
    start=(37.6173, 55.7558),
    end=(37.6273, 55.7658)
)

heatmap = db.create_density_heatmap(
    bbox=[-100, -100, -100, 100, 100, 100],
    resolution=5.0
)

from spatial_db import SpatialDB, SpatialConfig, SpatialDataset, SpatialDBPool, enumerate_devices

db = SpatialDB(SpatialConfig())
hit = db.raycast((0, 0, 0), (0, 0, 1))
hits = db.batch_raycast(origins, directions, max_dists)
sphere = db.query_sphere((0, 0, 0), 10.0)
neighbors = db.query_knn((0, 0, 0), k=10)
range_hits = db.query_range((-10, -10, -10), (10, 10, 10))
db.add_point_cloud(points, voxel_size=0.5)
stats = db.get_memory_stats()
profile = db.profile_terrain((37.6173, 55.7558), (37.6273, 55.7658))
heatmap = db.create_density_heatmap((-10, -10, -1, 10, 10, 1), resolution=1.0)
dataset = SpatialDataset("synthetic", "las")

devices = enumerate_devices()
pool = SpatialDBPool([SpatialConfig(gpu_device=i) for i in range(len(devices))])
results = pool.batch_raycast_distributed(origins, directions, max_dists)

conda run -n spatial_env python -m pytest tests -q

conda run -n spatial_env python -m pytest tests -v -m smoke

conda run -n spatial_env python -m pytest tests -v --cov=spatial_db --cov-report=html

# Тестировать разные радиусы
conda run -n spatial_env python -m pytest tests -v -k "sphere_query_radii"

# Тестировать разные размеры вокселей
conda run -n spatial_env python -m pytest tests -v -k "config_voxel_sizes"

# python/spatial_db/examples/api_smoke.py
# Быстрая проверка API и сохранение CSV

# lidar_medical.py
# Синтетический LiDAR + медицинский pipeline с экспортом файлов

# python/spatial_db/examples/benchmark.py
# Smoke benchmark для batch_raycast

# python/spatial_db/examples/proj_check.py
# Проверка CoordinateConverter и terrain profile через PROJ

• Основная архитектура SpatialDB
• Интеграция PhysX для GPU
• Python биндинги pybind11
• Базовые пространственные запросы
• Тестовая база (52/52 тестов)

• Исправить все test failures
• Полная обработка ошибок
• Linux поддержка
• Документация API
• CI/CD pipeline (GitHub Actions)

• Оптимизация GPU памяти
• Поддержка Multi-GPU
• Advanced queries (k-NN, range queries)
• PyPI пакет

• Валидация форматов в SpatialDataset: корректный ValueError для неподдерживаемых форматов
• Исправить координаты в terrain-тестах: lat/lon > 85° недопустимы для EPSG:3857
• Исправить бейдж тестов: 80/80 → 84/84
• Исправить счётчик в roadmap: v0.2.0 указывает 52/52, актуальное число 80+
• CI/CD: миграция actions на Node.js 24 (actions/checkout@v4 → v5, setup-miniconda@v3 → v4)
• CI/CD: замена auto-activate-base на auto-activate в setup-miniconda
• CI/CD: добавить conda-remove-defaults: true для устранения предупреждения о канале defaults

• Добавить type stubs (.pyi) для pybind11 модуля
• Добавить py.typed маркер для PEP 561 совместимости
• Вся Python API должна проходить mypy --strict без ошибок
• Добавить __all__ экспорт во все модули пакета

• Подключить CURL интеграцию (CMake находит CURL: NOT FOUND) либо убрать из зависимостей
• Реальная загрузка LAS/LAZ файлов вместо синтетических данных в SpatialDataset
• Поддержка OBJ/PLY STL импорта через trimesh
• Экспорт результатов запросов в файлы (JSON, CSV, LAS)

• Заменить _demo_profile на реальный terrain sampling через PROJ + heightmap
• Интеграция с публичными DEM источниками (SRTM, ASTER, Copernicus)
• Поддержка пользовательских heightmap файлов (GeoTIFF, ASCII Grid)
• Интерполяция высот между точками профиля

• Windows CI/CD pipeline стабилен и зелёный
• macOS сборка (conda-forge PhysX)
• Консистентное поведение PhysX на разных GPU (NVIDIA/AMD via Vulkan)
• Обработка ошибок GPU: graceful fallback на CPU при отсутствии CUDA
• Memory leak тесты для длительных сессий

• Полное API reference (автогенерация из docstrings через Sphinx)
• Tutorial: от установки до первого запроса
• Пример: LiDAR анализ с реальными данными
• Пример: Медицинский pipeline (DICOM → 3D)
• Бенчмарк: производительность на стандартных датасетах
• CHANGELOG.md с историей версий

• Production-ready
• Полное покрытие тестами (95%+)
• Оптимизированные примеры
• Лучшие практики документации

SpartialDB_core/
├── include/              # C++ headers
│   ├── SpatialDB.hpp
│   ├── PhysXCore.hpp
│   └── ...
├── src/                  # C++ implementation
│   ├── SpatialDB.cpp
│   ├── pybind_module.cpp
│   └── ...
├── python/
│   └── spatial_db/       # Python package
│       ├── core.py       # Main API
│       └── examples/     # Example scripts
├── tests/                # Test suite
│   ├── test_spatialdb.py
│   └── conftest.py
├── CMakeLists.txt        # Build configuration
├── run.ps1               # One-shot build/test entrypoint
├── pytest.ini            # Test configuration
└── README.md             # This file

# 2. Полный запуск: зависимости, сборка, smoke import, тесты
# Windows:
powershell -ExecutionPolicy Bypass -File .\run.ps1
# Linux:
bash build.sh

conda run -n spatial_env python -m pytest tests -v --tb=short

1. Fork репозиторий
2. Создать feature branch (git checkout -b feature/AmazingFeature)
3. Commit изменений (git commit -m 'Add some AmazingFeature')
4. Push в branch (git push origin feature/AmazingFeature)
5. Открыть Pull Request

• Issues: GitHub Issues
• Discussions: GitHub Discussions
• Documentation: GitHub Wiki

MIT License - см. LICENSE.md

• NVIDIA за PhysX и CUDA
• pybind11 за Python/C++ интеграцию
• pytest за тестовую фреймворк

@5c0uT - Разработка и архитектура

Последний обновлен: 2026-03-30
Статус проекта: Alpha (активная разработка)
Python версия: 3.11+
License: MIT

💡 Совет: Начните с примеров для быстрого ознакомления!