如何在二维列表python中合并关闭点

Question

我在合并 Voronoi 图的闭合点时遇到了麻烦，情况如下：

1. 我从图像加载地图
2. 地图被转换为仅包含表示障碍物的点的数组
3. Voronoi 图是根据这个数组计算的

然后是我在“障碍物”内有顶点的问题，如图

我的想法是将包含许多点的障碍物转换为一个点。

点列表如下所示：

map = [[11, 29], [11, 30], [11, 31], [12, 28], [12, 29], [12, 30]]

我想取一组点并将这些点合并为一个。

我找到了这个Fast fuse of close points in a numpy-2d (vectorized)

考虑到不是“点状”的障碍物，我不知道如何融合这些点

Answer 1

我建议你不要将map 作为变量名，因为有一个同名的函数。您在流派中的问题是找到与您的链接中的问题相似的集群，但基于数据 k-Dtree 可能不是很好。我会推荐scikit 的其他聚类算法：

• KMeans，如果您知道障碍物的数量
• DBSCAN，如果您知道障碍物的最大尺寸

从 sklearn.cluster 导入 KMeans、DBSCAN 将 numpy 导入为 np

obstacle_list = [[0, 0], [0, 1], [1, 0], [1, 1], [3, 3], [4, 3],[3,4]]
obstacle_array = np.array(obstacle_list) # for easier handling

#if you know the number of obstacles
number_of_obstacles=2
cluster_values = KMeans(n_clusters=number_of_obstacles).fit_predict(obstacle_array)
print(cluster_values) # those are the cluster MeanShift found

#if you know the maximal size of an obstacle
max_size_of_obstacle = 3
db_values = DBSCAN(eps=max_size_of_obstacle).fit_predict(obstacle_array)
print(cluster_values)# those are the cluster DBSCAN found

如果您希望它仅由可能在中心某处的 1 个点表示）您可以遍历 cluster_values 来计算它。我会取 x 和 y 值的平均值，但您的数据似乎只是整数，所以您可能想要取其他值。