我有一些由 XYZ 笛卡尔点列表组成的 3 维任意曲线。点分布不均匀(有时间因素)。如何用给定数量的应该构成曲线的点“重建”曲线。我看到这是在 3D 建模程序中完成的,所以我很确定它是可能的,我只是不知道怎么做。
根据答案,我在 python 中需要它,所以我开始将 interparc 转换为 python。我得到了线性插值。它可能效率低下并且有冗余,但它可能对某人有用http://pastebin.com/L9NFvJyA
我有一些由 XYZ 笛卡尔点列表组成的 3 维任意曲线。点分布不均匀(有时间因素)。如何用给定数量的应该构成曲线的点“重建”曲线。我看到这是在 3D 建模程序中完成的,所以我很确定它是可能的,我只是不知道怎么做。
根据答案,我在 python 中需要它,所以我开始将 interparc 转换为 python。我得到了线性插值。它可能效率低下并且有冗余,但它可能对某人有用http://pastebin.com/L9NFvJyA
我会使用interparc,这是我的一个工具,旨在做到这一点。它通过 2 维或更多维的一般空间曲线拟合样条曲线,然后选择沿该曲线的距离相等的点。在三次样条的情况下,解决方案使用 odesolver 来执行必须是数值积分的操作,因此它有点慢,但它仍然相当快。在许多情况下,一个简单的线性插值(正如我在这里使用的)将完全足够,而且速度非常快。
曲线可能是完全一般的,甚至会与自身相交。我将给出一个 3-d 空间曲线的简单示例:
t = linspace(0,1,500).^3;
x = sin(2*pi*t);
y = sin(pi*t);
z = cos(3*x + y);
plot3(x,y,z,'o')
grid on
box on
view(-9,12)
xyzi = interparc(100,x,y,z,'lin');
plot3(xyzi(:,1),xyzi(:,2),xyzi(:,3),'o')
box on
grid on
view(-9,12)
首先,感谢 John D'Errico 先生的 interparc。多么棒的工作!
我也面临这个问题,但不熟悉 MATLAB 引擎 API。鉴于此,我尝试将部分 interparc Matlab 代码转换为 Python(仅包括线性插值,因为它足以解决我的问题)。
这是我的代码;希望它可以帮助所有寻求类似东西的pythonics:
import numpy as np
def interpcurve(N,pX,pY):
#equally spaced in arclength
N=np.transpose(np.linspace(0,1,N))
#how many points will be uniformly interpolated?
nt=N.size
#number of points on the curve
n=pX.size
pxy=np.array((pX,pY)).T
p1=pxy[0,:]
pend=pxy[-1,:]
last_segment= np.linalg.norm(np.subtract(p1,pend))
epsilon= 10*np.finfo(float).eps
#IF the two end points are not close enough lets close the curve
if last_segment > epsilon*np.linalg.norm(np.amax(abs(pxy),axis=0)):
pxy=np.vstack((pxy,p1))
nt = nt + 1
else:
print('Contour already closed')
pt=np.zeros((nt,2))
#Compute the chordal arclength of each segment.
chordlen = (np.sum(np.diff(pxy,axis=0)**2,axis=1))**(1/2)
#Normalize the arclengths to a unit total
chordlen = chordlen/np.sum(chordlen)
#cumulative arclength
cumarc = np.append(0,np.cumsum(chordlen))
tbins= np.digitize(N,cumarc) # bin index in which each N is in
#catch any problems at the ends
tbins[np.where(tbins<=0 | (N<=0))]=1
tbins[np.where(tbins >= n | (N >= 1))] = n - 1
s = np.divide((N - cumarc[tbins]),chordlen[tbins-1])
pt = pxy[tbins,:] + np.multiply((pxy[tbins,:] - pxy[tbins-1,:]),(np.vstack([s]*2)).T)
return pt
你的“曲线”是一堆连接一堆点的线段。每个线段都有一个长度;曲线的总长度是这些线段长度的总和。
所以计算d = totalCurveLength / (numberOfPoints - 1)
,并将曲线分成(numberOfPoints - 1)
长度的块d
。
不确定我是否在关注,但不是存储实际数据,而是存储点到点的增量,然后从增量重建曲线,所以不会有任何空白点?然而,这会改变曲线的形状。