球形包围框-Bounding Sphere-原理-代码实现

  • 定义:通过一个球体包围所有点云点,该球体的球心和半径由点云的分布决定,并且球体的半径尽可能小。
  • 优点:计算简单,通常用于快速粗略估计物体的范围。
  • 缺点:对于不规则形状的物体,包围不紧密,容易留下较多空白区域。

下面将介绍一种常用的算法------Welzl算法,并提供Python实现的具体步骤和代码示例。

Welzl算法简介

Welzl算法是一种递归算法,用于在期望线性时间内找到一组点的最小包围球。其基本思想是随机化点的顺序,然后递归地处理每个点,决定是否需要将其包含在当前的边界集(即确定球体)的情况下更新最小包围球。

算法的核心思想是:我们逐个考虑每个点,看是否需要将它包含在球面上。如果一个点已经在当前的最小球内,我们就不需要改变球;如果不在,我们就需要重新计算球,使得这个点在新球的表面上。

实现步骤

这个实现使用了Welzl算法来计算最小包围球。以下是算法的主要步骤:

  1. welzl_algorithm 函数是算法的入口点,它调用递归函数 welzl
  2. welzl 函数是算法的核心,它递归地构建包围球:
    • 如果没有剩余点或者已经有4个点在球面上,就直接构造球。
    • 否则,它会检查当前点是否在之前构造的球内。
    • 如果不在,就将该点添加到球面点集中,并重新计算球。
  3. make_sphere 函数用于从给定的点集构造球。它计算点集的中心作为球心,最远点到中心的距离作为半径。
  4. is_point_in_sphere 函数检查一个点是否在给定的球内。
python 复制代码
import numpy as np

def welzl_algorithm(points):
    def welzl(P, R, n):
        if n == 0 or len(R) == 4:
            return make_sphere(R)
        
        p = P[n-1]
        sphere = welzl(P, R, n-1)
        
        if sphere is None or not is_point_in_sphere(p, sphere):
            R.append(p)
            sphere = welzl(P, R, n-1)
            R.pop()
        
        return sphere

    return welzl(points, [], len(points))

def make_sphere(points):
    if len(points) == 0:
        return None
    elif len(points) == 1:
        return (points[0], 0)
    
    # 计算点集的中心和半径
    center = np.mean(points, axis=0)
    radius = max(np.linalg.norm(p - center) for p in points)
    
    return (center, radius)

def is_point_in_sphere(point, sphere):
    if sphere is None:
        return False
    center, radius = sphere
    return np.linalg.norm(point - center) <= radius * (1 + 1e-6)  # 添加一个小的容差

# 示例使用
if __name__ == "__main__":
    # 生成一些随机的3D点
    np.random.seed(0)
    points = np.random.rand(20, 3) * 10

    # 计算包围球
    sphere = welzl_algorithm(points)

    print("包围球的中心:", sphere[0])
    print("包围球的半径:", sphere[1])

    # 验证所有点是否都在球内
    all_points_inside = all(is_point_in_sphere(p, sphere) for p in points)
    print("所有点都在球内:", all_points_inside)

利用open3d实现

这里使用的open3d中AABB方法得到圆的半径和直径,最后得到球形边界框

python 复制代码
import open3d as o3d
import numpy as np

def compute_bounding_sphere(points):
    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(points)
    aabb = pcd.get_axis_aligned_bounding_box()
    center = aabb.get_center()
    radius = np.max(np.linalg.norm(points - center, axis=1))
    return center, radius

def create_sphere_wireframe(center, radius, resolution=20):
    theta = np.linspace(0, 2*np.pi, resolution)
    phi = np.linspace(0, np.pi, resolution)
    
    # 创建经线
    meridians = []
    for t in theta:
        x = radius * np.cos(t) * np.sin(phi) + center[0]
        y = radius * np.sin(t) * np.sin(phi) + center[1]
        z = radius * np.cos(phi) + center[2]
        meridian = np.column_stack((x, y, z))
        meridians.append(meridian)
    
    # 创建纬线
    parallels = []
    for p in phi:
        x = radius * np.cos(theta) * np.sin(p) + center[0]
        y = radius * np.sin(theta) * np.sin(p) + center[1]
        z = radius * np.cos(p) * np.ones_like(theta) + center[2]
        parallel = np.column_stack((x, y, z))
        parallels.append(parallel)
    
    # 创建线集合
    line_set = o3d.geometry.LineSet()
    points = np.vstack(meridians + parallels)
    lines = []
    for i in range(len(meridians)):
        lines.extend([(i*resolution+j, i*resolution+(j+1)%resolution) for j in range(resolution)])
    for i in range(len(parallels)):
        lines.extend([(len(meridians)*resolution+i*resolution+j, len(meridians)*resolution+i*resolution+(j+1)%resolution) for j in range(resolution)])
    
    line_set.points = o3d.utility.Vector3dVector(points)
    line_set.lines = o3d.utility.Vector2iVector(lines)
    line_set.paint_uniform_color([0, 1, 0])  # 绿色线框
    
    return line_set

def visualize_bounding_sphere_wireframe(points, center, radius):
    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(points)
    pcd.paint_uniform_color([1, 0, 0])  # 红色点

    sphere_wireframe = create_sphere_wireframe(center, radius)

    # 可视化
    o3d.visualization.draw_geometries([pcd, sphere_wireframe])

# 示例使用
np.random.seed(0)
points = np.random.rand(1000, 3) * 10

center, radius = compute_bounding_sphere(points)

print("包围球的中心:", center)
print("包围球的半径:", radius)

visualize_bounding_sphere_wireframe(points, center, radius)
相关推荐
兆。几秒前
掌握 PyQt5:从零开始的桌面应用开发
开发语言·爬虫·python·qt
杰说新技术2 分钟前
Meta AI最新推出的长视频语言理解多模态模型LongVU分享
人工智能·aigc
说私域5 分钟前
基于开源 AI 智能名片、S2B2C 商城小程序的用户获取成本优化分析
人工智能·小程序
东胜物联25 分钟前
探寻5G工业网关市场,5G工业网关品牌解析
人工智能·嵌入式硬件·5g
南宫理的日知录34 分钟前
99、Python并发编程:多线程的问题、临界资源以及同步机制
开发语言·python·学习·编程学习
皓74136 分钟前
服饰电商行业知识管理的创新实践与知识中台的重要性
大数据·人工智能·科技·数据分析·零售
coberup43 分钟前
django Forbidden (403)错误解决方法
python·django·403错误
wangyue41 小时前
c# 深度模型入门
深度学习
川石课堂软件测试1 小时前
性能测试|docker容器下搭建JMeter+Grafana+Influxdb监控可视化平台
运维·javascript·深度学习·jmeter·docker·容器·grafana
985小水博一枚呀1 小时前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer