Как сгруппировать или сгруппировать данные полярной системы координат в python

Question

У меня есть RPLidar, и моя задача - обнаружить препятствие. Из датчика я получаю набор трупов, который содержит качество сигнала, угол и расстояние в мм.

Вот пример:

[(15, 1.375, 2569.0), (15, 3.0, 2491.5), (15, 4.578125, 2528.75), (15, 6.203125, 2419.75), (15, 7.796875, 2299.75), (15, 9.40625, 2200.5), (15, 11.078125, 2104.25), (15, 12.703125, 2047.25), (15, 14.3125, 2091.75), (15, 15.84375, 2132.25), (15, 17.46875, 2183.75), (15, 19.015625, 2232.5), (15, 20.609375, 2288.75), (15, 22.15625, 2341.0), (15, 23.765625, 2411.0), (15, 25.34375, 2481.0), (15, 26.875, 2554.25), (15, 28.453125, 2641.0), (15, 30.046875, 2731.5), (15, 31.609375, 2824.0), (15, 33.1875, 2854.75), (11, 39.8125, 2178.0), (15, 41.390625, 2278.0), (15, 42.984375, 2199.5), (13, 44.546875, 2269.0), (15, 46.171875, 2265.5), (15, 47.71875, 2300.75), (15, 49.3125, 2454.25), (15, 50.890625, 2442.0), (15, 52.484375, 2415.0), (15, 54.109375, 2404.0), (15, 55.703125, 2390.0), (15, 57.28125, 2371.0), (15, 58.796875, 2357.5), (15, 60.421875, 2348.5), (15, 61.984375, 2344.0), (15, 63.5625, 2340.5), (15, 65.171875, 2332.75), (15, 66.75, 2328.25), (15, 68.34375, 2330.75), (15, 69.984375, 2324.5), (15, 71.515625, 2328.25), (15, 73.125, 2332.75), (15, 74.71875, 2335.75), (15, 76.28125, 2341.5)]

У меня есть эти данные в matplotlib, и вот как они выглядят:

Как вы видите, я получаю информацию об окружении в виде точки, и каждая точка имеет качество, угол, расстояние от центра. Теперь я хочу сгруппировать их и мне нужно найти длину каждой группы. Как я могу достичь этого? Есть ли в Python библиотека, с помощью которой я могу выполнить кластеризацию, как показано ниже?

Answer 1

Очевидное решение № 1:

Проецируйте ваши данные из полярных координат в координаты Карше.Затем вы можете использовать любой основанный на координатах алгоритм, такой как k-средних, и все, что работает с евклидовым расстоянием (например, HAC, DBSCAN)

Очевидное решение № 2:

Вычислить попарные расстоянияв полярных координатах.Это, вероятно, будет более сложным и, следовательно, более медленным для больших данных, чем описанный выше подход, но немного более очевидным.Если у вас есть матрица расстояний, используйте любой основанный на расстоянии алгоритм, такой как HAC, DBSCAN, распространение сродства, спектральная кластеризация.

На основе ваших графиков я бы спроектировал и использовал DBSCAN.

Answer 2

Для меня это похоже на проблему кластеризации по K-среднему значению. Вы можете использовать множество существующих решений для достижения этой цели. Вот сообщение в блоге о том, как этого добиться в Panda.

Если объем потенциально большой, я выполнил проект по кластеризации k-средних в Pyspark некоторое время назад. Вы можете найти больше информации здесь