python中的三边测量

Question

我正在研究定位系统。我的输入是一个字典，它会给我们从点（x1，y1）等半径为 d1 的圆。我想要的输出是一个数组（类似于二维坐标系），其中相交区域标记为 1，其余为 0。我试过这个：xsize=3000ysize=2000lis={(x1,y1):d1,(x2,y2):d2,(x3,y3):d3}array=np.zeros((xsize,ysize))for i in range(xsize-1):    for j in range(ysize-1):        for element in lis:            if distance((i,j),element)<=(lis[element]):                array[i][j]=1            else:                array[i][j]=0                breakdef distance(p1,p2):    return math.sqrt((p1[0]-p2[0])**2+(p1[1]-p2[1])**2)唯一的问题是数组很大并且花费的时间太长（循环数为 1000 万次），尤其是在树莓派上，否则会起作用。有没有办法使用openCV和图像来做，然后画圆圈来更快地获得相交区域？它必须是 python 2.x。

Answer 1

由于您已经在使用 numpy，请尝试以矢量化方式重写您的操作，而不是使用循环。

# choose appropriate dtype for better perf

dtype = np.float32

# take all indices in an array

indices = np.indices((ysize, xsize), dtype=dtype).T

points = np.array(list(lis.keys()), dtype=dtype)

# squared distance from all indices to all points

dist = (indices[..., np.newaxis] - points.T) ** 2

dist = dist.sum(axis=-2)

# squared circle radii

dist_thresh = np.array(list(lis.values()), dtype=dtype) ** 2

intersect = np.all(dist <= dist_thresh, axis=-1)

在我的机器上，这比 for 循环版本快 60 倍左右。

它仍然是一个蛮力版本，可能对所有坐标进行许多不必要的计算。问题中没有给出圆圈，因此很难对它们进行推理。如果它们覆盖的区域相对较小，那么如果考虑较小的区域，问题的解决速度会快得多（仍然是计算上的，而不是分析上的）。例如，代替测试所有坐标，可以使用圆的边界框的交点，这可以显着减少计算负载。