Python 找出三个最近的点,其中三角形包含球体上的给定点
我有一个表面上有点的3D球体。这些点以球坐标表示,因此方位角、仰角和r 例如,我的数据集是一个矩阵,包含给定球体上的所有可用点:Python 找出三个最近的点,其中三角形包含球体上的给定点,python,geometry,point,closest-points,spherical-coordinate,Python,Geometry,Point,Closest Points,Spherical Coordinate,我有一个表面上有点的3D球体。这些点以球坐标表示,因此方位角、仰角和r 例如,我的数据集是一个矩阵,包含给定球体上的所有可用点: azimuth elevation r [[ 0. 90. 1.47 ] [ 0. 85.2073787 1.47 ] [ 0. 78.16966379 1.47 ] [ 0. 70.30452954
azimuth elevation r
[[ 0. 90. 1.47 ]
[ 0. 85.2073787 1.47 ]
[ 0. 78.16966379 1.47 ]
[ 0. 70.30452954 1.47 ]
[ 0. 62.0367492 1.47 ]
[ 0. 53.56289304 1.47 ]
[ 0. 45. 1.47 ]
[ 0. 36.43710696 1.47 ]
[ 0. 27.9632508 1.47 ]
[ 0. 19.69547046 1.47 ]
[ 0. 11.83033621 1.47 ]
[ 0. 4.7926213 1.47 ]
[ 0. 0. 1.47 ]
[ 0. -4.7926213 1.47 ]
[ 0. -11.83033621 1.47 ]
[ 0. -19.69547046 1.47 ]
[ 0. -27.9632508 1.47 ]
[ 0. -36.43710696 1.47 ]
[ 0. -45. 1.47 ]
[ 0. -53.56289304 1.47 ]
[ 0. -62.0367492 1.47 ]
[ 0. -70.30452954 1.47 ]
[ 0. -78.16966379 1.47 ]
[ 0. -85.2073787 1.47 ]
[ 0. -90. 1.47 ]
[ 1.64008341 -1.6394119 1.47 ]
[ 1.64008341 1.6394119 1.47 ]
[ 2.37160039 8.01881788 1.47 ]
[ 2.37160039 -8.01881788 1.47 ]
[ 2.80356493 -15.58649429 1.47 ]
[ 2.80356493 15.58649429 1.47 ]
[ 3.16999007 23.70233802 1.47 ]
[ 3.16999007 -23.70233802 1.47 ]
[ 3.56208248 -32.09871039 1.47 ]
[ 3.56208248 32.09871039 1.47 ]
[ 4.04606896 40.63141594 1.47 ]
[ 4.04606896 -40.63141594 1.47 ]
[ 4.1063771 -4.09587122 1.47 ]
ecc...
注意:我故意省略了完整的数据矩阵,因为它包含了相当多的数据。如果需要/需要使问题完全可再现,我将提供完整数据
此矩阵表示类似于此图像的内容:
给定一个任意点,我想计算数据集中“包含”输入点的3个最近点
到目前为止,我的代码如下:
def compute_three_closest_positions(self, azimuth_angle, elevation):
requested_position = np.array([azimuth_angle, elevation, 0])
# computing the absolute difference between the requested angles and the available one in the dataset
result = abs(self.sourcePositions - requested_position) #subtracting between dataset and requested point
result = np.delete(result, 2, 1) # removing the r data
result = result.sum(axis=1) #summing the overall difference for each point
# returning index of the closest points
indexes = result.argsort()[:3]
closest_points = self.sourcePositions[indexes]
return closest_points
基本上,我是从矩阵数据集中的所有点(self.sourcePositions
)中减去请求的方位角和仰角,然后对每个点的差异求和,计算前3个最小索引,然后使用这些索引访问数据集中的点
代码运行良好,问题是有时我会得到3个不包含请求点的最近点
示例:
错的一个:
Requested point: azimut, elevation, distance
[200 0 1.47]
# As you might notice, the requested point is not inside the triangle created by the 3 closest points
Three closest points: azimut, elevation, distance
[[199.69547046 0. 1.47 ]
[199.40203659 5.61508214 1.47 ]
[199.40203659 -5.61508214 1.47 ]]
好的:
Requested position:
[190 0 1.47]
# As you can notice, in this case the requested point is inside the triangle generated by the closest 3 points
Three closest points:
[[191.83033621 0. 1.47 ]
[188.02560265 2.34839855 1.47 ]
[188.02560265 -2.34839855 1.47 ]]
我如何解决这个问题?我想得到3个最近的点,其中“三角形”(我在球面上,所以它不是真正的三角形)包含我请求的点。从初学者那里
方位角+仰角
听起来不太合适,我更喜欢纬度+经度
therms,因为你使用的是其他东西
现在,如注释中所述,如果您的点形成一个规则的网格,您可以创建一个方程,将拓扑映射到点,然后再映射到由数组中的点的整数索引(或2个索引)描述拓扑的位置。但是,如果您无法推断这一点,或者网格不规则,则可以执行以下操作:
中,纬度在
中,所以我会根据这两者对数组进行排序,而纬度的优先级(权重)更高。让我们调用这个新数组pnt[]
p
映射到球体的最近顶点
只需二进制搜索pnt[]
,直到找到比p
然后从ix
线性搜索(如果您将pnt[]
重新排序为切片或记住每个纬度有多少个点,则可以使用二进制搜索),直到找到小于或等于p
的最大纬度
现在pnt[ix]
是球体上距离p
pnt[ix]
因此,简单地说,pnt[ix]
是从经度的左侧开始的,所以pnt[ix+1]
应该是下一个点(如果你穿过阵列大小,你需要用蛮力检查这些点,但只是阵列中的最后几个点)
现在我们只需要在这两个点的下方或上方找到相应的点(取决于p
在哪一侧)。因此,以与#2
相同的方式找到距离p
最近的两个点,但纬度越小越大(前后各一片)。这将得到3*2个点
,它们形成(始终使用最先找到的2个点)4个潜在三角形
u = p1-p0
v = p2-p0
v = cross(u,v)
v = cross(u,v)
p' = p0 + dot(p-p0,u)*u + dot(p-p0,v)*v
因此,u,v
是基向量,p0
是平面的原点。。。现在,p'
的测试就在三角形内部,所以要么使用2D和重心坐标,要么利用叉积,检查CW/CCW,如:
if (dot(cross(p1-p0,p'-p0),p')>=0)
if (dot(cross(p2-p1,p'-p1),p')>=0)
if (dot(cross(p0-p2,p'-p2),p')>=0)
point_is_inside;
if (dot(cross(p1-p0,p'-p0),p')<=0)
if (dot(cross(p2-p1,p'-p1),p')<=0)
if (dot(cross(p0-p2,p'-p2),p')<=0)
point_is_inside;
if(点(交叉点(p1-p0,p'-p0),p'>=0)
如果(点(交叉点(p2-p1,p'-p1),p'>=0)
如果(点(交叉点(p0-p2,p'-p2),p'>=0)
点在里面;
if(dot(cross(p1-p0,p'-p0,p'))你有代码可以判断点是否在“三角形”中吗?不幸的是,没有,这就是我正在努力的地方。我不知道如何正确地检查返回的三元组是否包含我的点。即使我能够做到这一点,我也不知道如何用“基线”计算正确的三元组我有密码。看起来(至少对我来说)对于我想要完成的任务,我的简单解决方案有一些缺点,但我不确定。你的点肯定会形成三角形网格。如果你有这个网格的数学定义,可以通过简单的计算找到所需的三角形。@MBo不幸的是,我无法找到这些点的数学定义。它是一个3D音频数据集(),在球体上具有离散度量。您可以对所有点进行三角剖分。然后找到包含您的点的三角形(也称为“定位点”)。这些任务的算法很容易找到。