Сначала я попытался воспроизвести вашу проблему, создав несколько случайных копланарных точек и пытаясь подогнать выпуклую оболочку:
import numpy as np
from scipy.spatial import ConvexHull
# 4 random 3D points
points = np.random.rand(4, 3)
# A set of coplanar points where their third dimension is 1.
coplanar = np.array([np.array([x[0], x[1], 1.0]) for x in points])
hull = ConvexHull(coplanar)
Это действительно приводит к ошибке:
Traceback (most recent call last):
File "main.py", line 9, in <module>
hull = ConvexHull(coplanar)
File "qhull.pyx", line 2428, in scipy.spatial.qhull.ConvexHull.__init__
File "qhull.pyx", line 357, in scipy.spatial.qhull._Qhull.__init__
scipy.spatial.qhull.QhullError: QH6154 Qhull precision error: Initial simplex is flat (facet 1 is cop
lanar with the interior point)
..... OMITTING SOME LINES ....
If the input is lower dimensional:
- use 'QJ' to joggle the input and make it full dimensional
- use 'Qbk:0Bk:0' to delete coordinate k from the input. You should
pick the coordinate with the least range. The hull will have the
correct topology.
- determine the flat containing the points, rotate the points
into a coordinate plane, and delete the other coordinates.
- add one or more points to make the input full dimensional.
Как мы видим, что базовая библиотека ( qhull ) дает нам несколько советов на случай, если ваши данные будут менее размерными. Как вы уже сказали, вы уже знаете, что ваши данные копланарны и могут быть спроецированы в плоскость и представлены 2D точками.
Альтернативой проецированию ваших данных, как предлагается в сообщении об ошибке, является используйте опцию QJ
, чтобы переключать вход (опция делает c). Если я правильно понял, это «колебание» делает ваши данные «не компланарными», создавая случайный шум в ваших данных, позволяя продолжить оптимизацию.
hull = ConvexHull(coplanar, qhull_options="QJ")
hull.area
> 0.3100618849870332
В итоге:
- найдите угол между плоскостью и плоскостью устройства
xy
и поверните свои данные, если хотите получить точный ответ - используйте опцию
"QJ"
, если вы хотите быстрое решение, а высокая точность не проблема (на самом деле я не знаю, насколько далеко может ответить go от истины)
Обновление
С Qhull FAQ :
Площадь - это площадь поверхности выпуклой оболочки, а объем - это общий объем выпуклой оболочки.
На 2-м плане выпуклая оболочка представляет собой многоугольник. Его поверхность - это края многоугольника. Таким образом, в 2-й области «площадь» - это длина ребер многоугольника, а «объем» - это площадь многоугольника.
Из этих утверждений я интерпретировал, что вы должны использовать:
hull.area / 2
для 3D-точек (ваши исходные точки с опцией QJ
) hull.volume
для 2D-точек (если вы поворачиваете свои точки и избавляетесь от одного измерения )
Чтобы прояснить использование ConvexHull
, я использовал более простой пример
square2D = np.array([
[0.0, 0.0],
[2.0, 0.0],
[2.0, 2.0],
[0.0, 2.0]
])
hull = ConvexHull(square2D)
hull.area
> 8.0
hull.volume
> 4.0
Результаты соответствуют документации.
Теперь, Чтобы понять эффекты опции QJ
, я просто добавил одно измерение к предыдущим точкам:
coplanar = np.array([
[0.0, 0.0, 0.0],
[2.0, 0.0, 0.0],
[2.0, 2.0, 0.0],
[0.0, 2.0, 0.0]
])
hull = ConvexHull(coplanar, qhull_options="QJ")
hull.area
> 8.000000000306578
hull.volume
> 5.719619827513867e-11
В этом последнем примере я представляю выпуклую оболочку как приблизительно «плоский» трехмерный объект (потому что введенного шума) с двумя большими гранями. Вот почему я подумал, что вы можете использовать hull.area / 2
в этом случае.