我正在尝试使用numpy或其他Python库找到从点(x0,y0,z0)到由(x1,y1,z1)和(x2,y2,z2)连接的线的最小距离。不幸的是,我在网络上找到的所有内容都与二维空间有关,而我对Python还比较新。任何帮助将不胜感激。提前致谢!
由于StackOverflow不支持LaTeX,因此我将略过一些数学内容。一个解决方案来自这样的想法:如果你的线跨越了点p
和q
,那么该线上的每个点都可以表示为t*(p-q)+q
,其中t
是一些实数值。然后,您要最小化给定点r
与该线上任何一点之间的距离,并且距离恰好是单变量t
的函数,因此标准的微积分技巧非常有效。请考虑以下示例,计算r
与由p
和q
跨越的线之间的最小距离。我们手动计算知道答案应该是1
。
import numpy as np
p = np.array([0, 0, 0])
q = np.array([0, 0, 1])
r = np.array([0, 1, 1])
def t(p, q, r):
x = p-q
return np.dot(r-q, x)/np.dot(x, x)
def d(p, q, r):
return np.linalg.norm(t(p, q, r)*(p-q)+q-r)
print(d(p, q, r))
# Prints 1.0
import numpy as np
p = np.array([0, 0, 0]) # p and q can have shape (n,) for any
q = np.array([0, 0, 1]) # n>0, and rs can have shape (m,n)
rs = np.array([ # for any m,n>0.
[0, 1, 1],
[1, 0, 1],
[1, 1, 1],
[0, 2, 1],
])
def d(p, q, rs):
x = p-q
return np.linalg.norm(
np.outer(np.dot(rs-q, x)/np.dot(x, x), x)+q-rs,
axis=1)
print(d(p, q, rs))
# Prints array([1. , 1. , 1.41421356, 2. ])
我可能会遗漏一些简化或其他可以加快速度的事情,但至少这应该是一个很好的开始。
这个方案与@Hans Musgrave的解决方案重复,但是想象一下我们对“标准微积分技巧”一无所知,并且在线性代数上也非常糟糕。
我们所知道的只有:
(列表不适用于代码块)
def distance(a, b):
"""Calculate a distance between two points."""
return np.linalg.norm(a-b)
def line_to_point_distance(p, q, r):
"""Calculate a distance between point r and a line crossing p and q."""
def foo(t: float):
# x is point on line, depends on t
x = t * (p-q) + q
# we return a distance, which also depends on t
return distance(x, r)
# which t minimizes distance?
t0 = sci.optimize.minimize(foo, 0.1).x[0]
return foo(t0)
# in this example the distance is 5
p = np.array([0, 0, 0])
q = np.array([2, 0, 0])
r = np.array([1, 5, 0])
assert abs(line_to_point_distance(p, q, r) - 5) < 0.00001
你不应该在实际计算中使用这种方法,因为它使用近似值来代替已知的解析式,但也许可以帮助揭示一些邻近答案背后的逻辑。