问题标签 [voronoi]

我正在寻找 C++ 中的 Voronoi Tessellation 库，而 Voro++ 似乎完全符合要求。我需要某些东西 - 例如，轻松访问单元格本身的属性 - Voro++ 提供的非常好。然而，Voro++ 似乎是为 3D 工作量身定制的。是否可以在 2D 模式下使用 Voro++，如果可以，我该怎么做？

我认为只是在 3D 中做所有事情，但只有零 z 分量的点会起作用（只要“盒子”的 z 范围为 -0.5 - 0.5），但这似乎有点过分了。

我想计算 Voronoi 及其对偶 Delaunay 三角剖分。我正在使用 Watson Bowyer 算法。之后我的目标是计算 alpha 形状（凹壳）。所以我需要快速访问给定点的voronoi单元，邻居......

你的 Voronoi/Delaunay 算法使用了哪些数据结构？我曾想过使用带有联合查找操作的不相交集数据结构，这样我就可以“绑定”到一个父节点，原始数据集中的点 p，Vp 中的点集。然而，Voronoi 图中的一个点“属于”几个 Voronoi 单元。

你有什么建议，或者你能暗示一些好的参考吗？

问候。

是否有任何用于构建高阶 voronoi 图的 C/C++ 库？AFAIK，CGAL 仅支持普通的 voronoi 图。

给定一个 DCEL，我如何找到最近的一对站点？

假设给定的 DCEL 用于 Voronoi 图，我如何找到最近的一对站点？时间复杂度是多少？

我想使用http://mbostock.github.com/d3/ex/voronoi.html从 csv 文件中的一组点绘制 voronoi 图。

我修改了代码：

点绘制正确，但镶嵌的多边形不正确。

我试图添加标题行和 csv.parse() 函数但没有成功。一开始我在想解决方案是遍历数组以解析为浮动，但我做不到。如果这是正确绘制点的原因吗？

csv 文件如下所示：

我想知道是否有一种简单的方法可以使用 patch 命令更改 Voronoi 图的颜色。事实上，似乎必须有一个相对简单的方法，因为我使用 set 命令来更改颜色条的限制，以便在绘制不同的 Voronoi 图时标准化颜色。

patch 命令用于从 voronoin 命令获取输出信息，然后为凸多边形创建面。重要的部分是这些补丁的着色。如您所见，这是我传递给 patch 命令的第三个输入参数，并且是一个 mx1 值向量。

我的问题是，是否可以使用 patch 来创建这些多边形，并将初始颜色映射到这些多边形上，然后能够使用 set 命令（或类似的命令）输入另一个 mx1 颜色向量来改变颜色使用初始着色的原始映射一次所有这些多边形。

我以前做的方式是一种非常迂回的方法，而且非常耗时。因为每种颜色都必须与其特定的多边形相对应，所以每次我想要一种新颜色时，我都必须重新创建所有的多边形。我希望有一种更简单的方法可以在创建多边形后使用新的颜色矢量更改颜色。

让我知道是否有什么我可以做的更清楚的，谢谢！

我将 d3.js 与谷歌地图一起使用，试图可视化无线覆盖范围。基本思想是地图上的每个点都代表一个接入点，我将使用这些点的 voronoi 图作为覆盖范围的粗略近似等。

所以基于这个演示，我有以下内容：

但是，我无法显示任何路径元素。有人可以帮忙吗？我在jsfiddle上有上面的代码。干杯！

我正在尝试使用 SAT 进行圆多边形碰撞。http://www.metanetsoftware.com/technique/tutorialA.html#section3建议 voronoi 区域通过查找圆的中心所在的 VR 来找到要测试的轴，然后使用侧面的轴或顶点带走圆心。

我如何计算这个 VR？所有多边形都是正方形，但不一定是轴对齐的。什么是一种廉价的计算方法

I want to draw a Voronoi diagram with 9 sites and with 1. no vertex 2. 1 vertices 3. 4 vertices 4. 7 vertices.

How do I approach this question. The one with no vertex is easy, it can be done by collinear points. What about the others.

A figure for each would be appreciated.

我想计算 2D 中一组 Voronoi 区域的面积的平均值和标准偏差（如果该区域延伸到无穷大，我将其剪裁到单位正方形）。

但是，如果可能的话，我想在不明确计算 Voronoi 区域的情况下从 Delaunay Triangulation 进行此计算？这甚至可能吗，还是直接计算 Voronoi 图更好？