我有一定数量的未排序的 2D 点，我想确认它们属于已知尺寸的网格并推断缺失点的位置。这个问题最简单的情况是未旋转的网格，我使用以下代码生成：
import numpy as np
# Define parameters for pattern generation
n_x = 10
n_y = 10
n_missing = 30
# Generate 10x10 pattern with n_missing missing elements
coordinates = np.array([(i, j) for i in range(n_x) for j in range(n_y)])
a_found, a_miss = train_test_split(coordinates, test_size=n_missing / len(coordinates), random_state=0)
a_found = 10 * np.array(a_found)
a_miss = 10 * np.array(a_miss)
在这种情况下，我选择了一个 10x10 的网格，其中包含 30 个缺失点，但这些数字可能会有所不同。这些点如下图所示：
其中蓝色点是已知的，而橙色点丢失并且必须检索。
我尝试了各种方法，比如在图像中插入点并使用 OpenCV 的霍夫线变换来找到网格的指导方针，或者像使用 Tensorflow 开发一个简单的神经网络，但这些似乎都过于复杂，而且似乎不可能没有已经存在这样一个简单问题的最优解。
一般来说，我需要将任何技术扩展到稍微失真和嘈杂的数据的情况，但现在只要解决这个简单问题就很好了。