【发布时间】：2019-11-14 21:50:19
【问题描述】：
我正在尝试减少 3D 曲线的数据点数量，目前我有 20000 个点，我想在不丢失太多信息的情况下将其减少到 2000 个左右。
我在 python 上做这个。
举个简单的例子，想想圆柱体表面上的螺旋。
是否有任何内置函数可以做到这一点？
我尝试使用 Ramer–Douglas–Peucker 算法来简化线条，但由于曲线的性质，对于每个忽略的数据点，最终绘图都低于预期。看一个 2D 例子的图片，橙色是使用 rdp 产生的，绿色是我想要的。
我希望程序的输出是一个由 ~2000 个坐标组成的数组，它们仍然代表 3D 曲线的形状，但它们不一定是原始坐标，我希望一些点过冲而其他点下冲.
感谢您的帮助
更新： 最后，我选择了做一些非常投入的事情，但给了我我想要的东西。我开始使用 rdp 算法来减少点数。有了这些新信息，我将一条最适合的直线拟合到新的缩减点之间的原始点的分布： 即，如果算法“忽略”了 13 个点，我拟合从点 0 到点 14 的线，并对算法跳过的下一段（例如 7 个点）执行相同的操作，所以我从 14 拟合到 22 等。 有了这些最适合的线，我发现这些点是相交的线，或者如果这些线不相交，则每条线上离另一条线最近的点。 由于我的问题的性质，我不需要我的数据是连续的，所以 2000 个“不连续”段不是问题。 非常感谢您的帮助！
【问题讨论】：
-
根据维基百科，Ramer–Douglas–Peucker 从曲线中的两个点开始并保留它们，然后移除比 epsilon 更近的点。我认为该算法不适用于您正在尝试做的事情。也许将段分成相等的长度，然后对其拟合最小二乘分段线性函数？那会给你绿线。您可能必须在极坐标中工作。
-
谢谢，这与我正在做的事情类似，到目前为止它似乎正在工作，我将使用解决方案编辑帖子。
标签： python curve-fitting spline