我正在处理大量 3D 点,每个点的 x、y、z 值都存储在 numpy 数组中。 对于背景,点将始终落在固定半径的圆柱体内,高度 = 点的最大 z 值。 我的目标是将边界圆柱体(或列,如果更容易)拆分为例如1米高的地层,然后统计每个单元格内的点数 覆盖在每个层上的规则网格(例如 1 m x 1 m)。
从概念上讲,该操作与叠加栅格并计算与每个像素相交的点数相同。 细胞网格可以形成正方形或圆盘,这都没有关系。
经过大量搜索和阅读,我目前的想法是使用 numpy.linspace 和 numpy.meshgrid 的某种组合来生成存储在数组中的每个单元格的顶点,并针对每个点测试每个单元格,看看它是否是'在'。这似乎效率低下,尤其是在处理数千个点时。
numpy/scipy 套件似乎很适合这个问题,但我还没有找到解决方案。任何建议将不胜感激。 我提供了一些示例点和一些代码来可视化数据。
# Setup
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
# Load in X,Y,Z values from a sub-sample of 10 points for testing
# XY Values are scaled to a reasonable point of origin
z_vals = np.array([3.08,4.46,0.27,2.40,0.48,0.21,0.31,3.28,4.09,1.75])
x_vals = np.array([22.88,20.00,20.36,24.11,40.48,29.08,36.02,29.14,32.20,18.96])
y_vals = np.array([31.31,25.04,31.86,41.81,38.23,31.57,42.65,18.09,35.78,31.78])
# This plot is instructive to visualize the problem
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(x_vals, y_vals, z_vals, c='b', marker='o')
plt.show()
请您参考如下方法:
我不确定我是否完全理解您在寻找什么,但是由于每个“单元格”似乎在所有方向上都有 1m 的边,您不能:
- 可能使用一些
floor函数将所有值四舍五入为整数(栅格化数据); 创建一个从这些整数坐标到更方便的东西的双射,例如:
(64**2)*x + (64)*y + z # 假设所有值都在 [0,63] 中如果您想以后更轻松地关注高度,可以将
z放在开头计算每个“单元格”的直方图(numpy/scipy 或 numpy 的几个函数可以做到);
- 如果需要,恢复双射(即,一旦知道计数,就知道每个单元格的“真实”坐标)
可能我没看懂,但万一对你有帮助...
