TLDR：我需要构造一个python对象来进行快速的内部点测试，类似于一个SciPy ConvexHull 或 DelaunayTriangulation. 问题是，我提前知道三角测量点的顺序。必须 被构造。(6个点，8个三角形面，每个面有特定的顺序)。实际上，我已经知道了凸壳应该是什么，但我需要它的形式，使我可以使用现有的（和优化的！）库（例如 Scipy spatial）。我如何才能做到这一点？
上下文。 我需要构造一个三角形的棱镜（想象一个Toblerone酒吧--2个端面，6个侧面，都是三角形），以便进行一些内部点测试。由于我将会有许多这样的棱柱相邻而卧（在它们的侧脸上相邻，想象许多Toblerone酒吧站在它们的端部并且彼此相邻），我需要小心地确保空间中没有任何区域被两个相邻的棱柱所包含。棱柱的横截面一般不会是均匀的，因此相邻棱柱之间有可能出现重叠，如这张图所示，两个相邻棱柱之间的近似平面面。
____
|\ /|
| \/ |
| /\ |
|/__\|
请注意沿面构建的两条不同的对角线，这就是问题所在。一个棱镜可能会使用对角线将面分割成两个三角形，而相邻的棱镜可能会使用对角线。 为了确保相邻棱镜之间没有重叠，我需要明确控制三角形形成的顺序，使它们始终使用相同的对角线。这一点我可以做到：对于每一个我需要构造的棱柱，我都会提前知道三角形面的构造顺序。下面是两个相邻棱镜的例子，它们之间有正确的共享对角线。相邻的棱镜，共享对角线
我的问题是用这些棱镜进行快速内点测试。此前，我使用的是这个链接中的方法 回答: Delaunay(prism_points).find_simplex(test_points) >= 0. 它的速度很快，因为它使用了高度优化的库代码，但我无法控制三角测量的构造，所以可能会有重叠。
如果我把船体构造成显式的 np.array 对象(顶点、面)，然后我就可以用自己的代码来做测试(有许多可能的方法，我正在投影射线和测试与每个三角形面的交点)。问题是这样做的速度要比 find_simplex() 前面提到过的方法，我相信我可以更快的得到代码，但值得指出的是，这段代码已经在Cython的另一个用例中得到了相当的优化--我不知道我是否能找到所有额外的速度。虽然我相信我可以更快地得到代码，但值得指出的是，这段代码已经在另一个使用案例中进行了相当的优化--我不确定是否能在这里找到我需要的所有额外的速度。至于不可避免的 "你真的需要速度吗 "的问题，请相信我的话。这是把一个5分钟的工作变成了很多小时。
我需要的是构建一个可以与外部优化库一起使用的对象，同时保留对三角形面的控制。当然，在我的代码中添加额外的Cython也是一种选择，但在已经有如此高度优化的代码的情况下，使用Cython是非常可取的。
感谢任何能帮助我的人。
半解... 不是对原问题的精确解决，而是用不同的方法实现同样的结果。任何一个三棱柱都可以被分割成正好三个四面体（见 http:/www.alecjacobson.comweblog?p=1888). 这是一个特殊的情况，任何多面体都可以通过将所有面连接到一个顶点来分割成四面体，如果面还没有包括它的话。
我知道我希望我的棱镜的面三角形如何排列，我可以计算出什么三个四面体将重现相同的三角形配置（当然，额外的面是在原始棱镜本身内部添加的）。然后，我依次围绕这三个四面体（即4个点的集合）形成Delaunay三角，并进行原始内部点测试：如果在任何一个点上都匹配，那么我对整个棱镜的测试结果为正。关键的一点是，每次只给Delaunay构造函数4个点，我就能准确地知道它将返回什么样的三角形，因为形成这种四面体的方法只有一种（假设没有几何退化）。
这有点长篇大论，涉及的测试数量是我想要的3倍，但这是个开始。如果将来有谁知道我如何能做得更好，请告诉我。