我在3D空间中有一组描述椭球的点(> 1000)。 我想在所有点内拟合一个椭圆体(3D)。这是描述点的最大椭圆体,而在点所描述的多面体内部(所有点都在外部)拟合的椭球)。
[从最小封闭椭球体(又称外边界椭球体)中查看代码,我试图对其进行调整通过修改阈值Port MATLAB bounding ellipsoid code to Python来确定err > tol
,根据我的逻辑,给定椭圆方程,所有点都应小于<1。
[我还发现了Moek(https://docs.mosek.com/9.2/pythonfusion/case-studies-ellipsoids.html)上的Loewner-John适应,但是我没有弄清楚如何描述超平面与3D多面体(Ax <= b表示)的交点,因此我可以将其用于3D(不是我有任何保证可以在我的示例中使用)。
来自外部椭球的代码:
import numpy as np
import numpy.linalg as la
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
pi = np.pi
sin = np.sin
cos = np.cos
def mvee(points, tol = 0.001):
"""
Finds the ellipse equation in "center form"
(x-c).T * A * (x-c) = 1
"""
N, d = points.shape
Q = np.column_stack((points, np.ones(N))).T
err = tol+1.0
u = np.ones(N)/N
while err > tol:
# assert u.sum() == 1 # invariant
X = np.dot(np.dot(Q, np.diag(u)), Q.T)
M = np.diag(np.dot(np.dot(Q.T, la.inv(X)), Q))
jdx = np.argmax(M)
step_size = (M[jdx]-d-1.0)/((d+1)*(M[jdx]-1.0))
new_u = (1-step_size)*u
new_u[jdx] += step_size
err = la.norm(new_u-u)
u = new_u
c = np.dot(u,points)
A = la.inv(np.dot(np.dot(points.T, np.diag(u)), points)
- np.multiply.outer(c,c))/d
return A, c
#some random points
points = np.array([[ 0.53135758, -0.25818091, -0.32382715],
[ 0.58368177, -0.3286576, -0.23854156,],
[ 0.18741533, 0.03066228, -0.94294771],
[ 0.65685862, -0.09220681, -0.60347573],
[ 0.63137604, -0.22978685, -0.27479238],
[ 0.59683195, -0.15111101, -0.40536606],
[ 0.68646128, 0.0046802, -0.68407367],
[ 0.62311759, 0.0101013, -0.75863324]])
# Singular matrix error!
# points = np.eye(3)
A, centroid = mvee(points)
U, D, V = la.svd(A)
rx, ry, rz = 1./np.sqrt(D)
u, v = np.mgrid[0:2*pi:20j, -pi/2:pi/2:10j]
def ellipse(u,v):
x = rx*cos(u)*cos(v)
y = ry*sin(u)*cos(v)
z = rz*sin(v)
return x,y,z
E = np.dstack(ellipse(u,v))
E = np.dot(E,V) + centroid
x, y, z = np.rollaxis(E, axis = -1)
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot_surface(x, y, z, cstride = 1, rstride = 1, alpha = 0.05)
ax.scatter(points[:,0],points[:,1],points[:,2])
plt.show()
问题:如何使用Python将椭圆体(3D)放入3D点云中?
是否可以修改外椭球的算法以获得最大的内接(内)椭球?
我理想地在Python
中寻找代码。
表示椭圆的(表面)的一种可能是数学上标准的方法是它是集合
{ X | (X-a)'*inv(C)*(X-a) = 1}
the solid ellipsoid is then
{ X | (X-a)'*inv(C)*(X-a) <= 1}
这里C是一个3x3对称正定矩阵,a是椭球的“中心”。
我们可以通过使用cholesky分解使它更容易处理,即找到一个较低的三角矩阵L,这样
C = L*L'
并且使用L的倒数M(L是较低的三角形,这很容易计算)。我们比实心椭球是
{ X | (M*(X-a))'*(M*(X-a)) <= 1}
= { | ||M*(X-a))|| <= 1} where ||.|| is the euclidean
规范
我们有一堆点X []和一个包含它们的椭球(C,a),即
for all i ||M*(X[i]-a)|| <= 1
i.e. for all i ||Y[i]|| <= 1 where Y[i] = M*(X[i]-a)
现在,我们要变换椭球体(即更改C和a),以便所有点都在变换的椭球体之外。我们也可以变换M和a。
最简单的方法就是将M缩放为常数s,然后不做任何处理。这相当于缩放所有Y [],在这种情况下,很容易看出要使用的缩放因子将是|| Y [i] ||最小值中的一个。这样,所有点都将在变换的椭球体的外部或上方,并且某些点将在其上,因此变换的椭圆形将尽可能大。
就D而言,新的椭圆就是
D = (1/(s*s))*C
如果这种简单的方法给出可接受的结果,那就是我要使用的。
[我认为,不移动中心,最普遍的事情就是改变
M to N*M
约束是N是上三角并且对角线上有正数。我们需要N的那个
N*Y[i] >= 1 for all i
我们需要选择N的标准。一个应该是尽可能减少体积,即行列式(对于较低的三角形矩阵,它只是对角线元素的乘积)应受约束而尽可能小。
[也许有很多软件包可以做这种事情,但是我不知道哪个软件包(应该把它更多地看作是我的无知,而不是表明没有这样的软件包)。] >
一旦找到N,则变换后的C矩阵为
D = L*inv(N)*inv(N')*L'
您也可以更改一个。我把细节留给感兴趣的读者...