函数Rotation.align_vectors()假设两个矩阵中的向量顺序相同，但点的顺序不同。通过绘制它们可以看出这一点。
简单的例子from/to：
x1c 0d1x的数据

的
在from的例子中，它从（0，0）开始，移动到（1，0），对角移动到（2，0），然后移动到（1，2）。在to的例子中，它没有对角移动。没有旋转可以解决这个问题-它需要旋转和置换。
如果绘制复杂的示例，您会发现类似的结果。
为了解决这个问题，我尝试扩大搜索范围，以便搜索每个排列的每个旋转。
下面是我使用的代码：

import numpy as np
from scipy.spatial.transform import Rotation
import matplotlib.pyplot as plt
import math
import itertools
from tqdm import tqdm

def array_permutations(array):
    N = array.shape[0]
    for permute in itertools.permutations(range(N)):
        yield array[list(permute)], permute

def find_best_rotation(source, target):
    best_res = None
    best_rot = None
    best_perm = None
    for source_permuted, perm in tqdm(array_permutations(source), total=math.factorial(source.shape[0])):
        rot, res = Rotation.align_vectors(source_permuted, target)
        if best_res is None or res < best_res:
            best_res = res
            best_rot = rot
            best_perm = perm
    return best_rot, best_res, best_perm
    

limit = 8  # Only consider first N points of each dataset
rot, res, perm = find_best_rotation(from_[:limit], to[:limit])
print("({}f, {}f, {}f, {}f)".format(sol[0],sol[1],sol[2],sol[3]))

from_x = rot.apply(from_)[:, 0]
from_y = rot.apply(from_)[:, 1]
plt.figure(figsize=(6,6))
jitter = 0.005 # make points visible
plt.scatter(from_x + jitter, from_y + jitter)
plt.scatter(to[:, 0], to[:, 1])

字符串
这是它产生的结果：

的
关于此解决方案的一些说明：

• 这只是搜索前8个点的排列，以保持易于处理。排列的数量随着阶乘而增加，因此这不会扩展到大量的点。搜索所有12个点的排列估计需要14小时。
• 有些点似乎没有对应的点。在左边，有4个蓝色的点，但只有2个橙子的点。由于数据集中的其他点似乎匹配良好，我认为这是输入数据集的问题。
• 可能有一种方法可以解决这个问题，而不需要搜索所有的排列。我也考虑过使用scipy.optimize.minimize来优化到最近点的距离，但由于局部最小值而没有这样做。（例如，在某些情况下，一个点可能需要远离它最近的邻居，因为那个邻居不是它真正的邻居。）