Python 估计点列表中缺少的点

我通过在视频中检测球的飞行来生成一个x，y坐标的列表。我的问题是在视频的中间几帧不能检测到球，对于这些帧，列表追加- 1，- 1。 有没有办法估计这些点的球的真实x，y坐标

例如，跟踪点列表为：

pointList = [(60, 40), (55, 42), (53, 43), (-1, -1), (-1, -1), (-1, -1), (35, 55), (30, 60)]

然后将3-1，-1缺失坐标的估计值与上下文一起返回到保留曲线的舍入点。

您可以使用scipys样条插值缺失值：

将numpy作为np导入 将matplotlib.pyplot作为plt导入 从scipy.interpolate导入splprep，splev 点列表=[60,40,55,42,53,43， -1, -1, -1, -1, -1, -1, 35, 55, 30, 60] 删除缺少的值 pointList=np.arraypointList 点列表=点列表[点列表[：，0]！=-1，：] def splinex，n，k=2： tck=splprepx.T，s=0，k=k[0] u=np.linspace0.0,1.0,n 返回np.column\u stacksplevx=u，tck=tck 在100点处使用二次样条插值点 点列表\插值=样条点列表，n=100，k=2 plt.plot*pointList.T，c='r'，ls=，marker='o'，zorder=10 plt.plot*pointList_插值.T，c='b' 可以使用scipys样条线插值缺少的值：

将numpy作为np导入 将matplotlib.pyplot作为plt导入 从scipy.interpolate导入splprep，splev 点列表=[60,40,55,42,53,43， -1, -1, -1, -1, -1, -1, 35, 55, 30, 60] 删除缺少的值 pointList=np.arraypointList 点列表=点列表[点列表[：，0]！=-1，：] def splinex，n，k=2： tck=splprepx.T，s=0，k=k[0] u=np.linspace0.0,1.0,n 返回np.column\u stacksplevx=u，tck=tck 在100点处使用二次样条插值点 点列表\插值=样条点列表，n=100，k=2 plt.plot*pointList.T，c='r'，ls=，marker='o'，zorder=10 plt.plot*pointList_插值.T，c='b'

---

如果它是一个球，那么理论上它应该有一条抛物线路径，你可以尝试拟合一条曲线，忽略-1，-1，然后替换缺少的值

类似于

import numpy as np

pointList = [(60, 40), (55, 42), (53, 43), (-1, -1), (-1, -1), (-1, -1), (35, 55), (30, 60)]

x, y = list(zip(*[(x, y) for (x, y) in pointList if x>0]))

fit = np.polyfit(x, y, 2)
polynome = np.poly1d(fit)

# call your polynome for missing data, e.g.
missing = (55 - i*(55-35)/4 for i in range(3))
print([(m, polynome(m)) for m in missing])

给予

[(55.0, 41.971982486554325), (50.0, 44.426515896714186), (45.0, 47.44514924300471)]

---

如果它是一个球，那么理论上它应该有一条抛物线路径，你可以尝试拟合一条曲线，忽略-1，-1，然后替换缺少的值

类似于

import numpy as np

pointList = [(60, 40), (55, 42), (53, 43), (-1, -1), (-1, -1), (-1, -1), (35, 55), (30, 60)]

x, y = list(zip(*[(x, y) for (x, y) in pointList if x>0]))

fit = np.polyfit(x, y, 2)
polynome = np.poly1d(fit)

# call your polynome for missing data, e.g.
missing = (55 - i*(55-35)/4 for i in range(3))
print([(m, polynome(m)) for m in missing])

给予

[(55.0, 41.971982486554325), (50.0, 44.426515896714186), (45.0, 47.44514924300471)]

---

如果相机不移动——只移动球，而忽略风，则轨迹为抛物线。见：

在这种情况下，将二次函数拟合到您知道的点，您将得到缺少的点。还将未知区域点53、43和35、55附近边界点的误差设置为0或接近0无误差，拟合时插值权重较大，因此插值将通过这些点

有一些用于多项式拟合的库。例如numpy.polyfit：

---

如果相机不移动-只移动球，而忽略风，则轨迹为抛物线。见：

在这种情况下，将二次函数拟合到您知道的点，您将得到缺少的点。还将未知区域点53、43和35、55附近边界点的误差设置为0或接近0无误差，拟合时插值权重较大，因此插值将通过这些点

有一些用于多项式拟合的库。例如numpy.polyfit：