如何找出距离传感器1米内的摄像头索引？替代np.isclose方案

不用np.isclose，直接通过复数差的模长计算距离是最可靠的方式，具体实现步骤：

• 借助numpy的广播特性，计算每个摄像头与所有传感器的坐标差（复数形式）
• 对每个坐标差取绝对值，得到两点间的直线距离
• 检查每个摄像头是否存在至少一个传感器距离≤1米，提取对应的索引

示例代码：

import numpy as np

sensors = np.array([-1.6-0.8j, -1.1-0.8j])
cameras = np.array([-3.7-0.8j, -1.6+0.9j, -1.6-0.9j])

# 生成摄像头×传感器的距离矩阵
distances = np.abs(cameras[:, np.newaxis] - sensors)

# 标记每个摄像头是否满足"距离任意传感器≤1米"的条件
is_close = np.any(distances <= 1.0, axis=1)

# 获取符合条件的摄像头索引
target_indices = np.where(is_close)[0]

print(target_indices)  # 输出结果：[1 2]

为什么弃用np.isclose？ #

np.isclose的判断逻辑是|a - b| ≤ atol + rtol * |b|，默认使用了相对容差（rtol）。当传感器位置远离原点时，|b|数值很大，导致允许的误差阈值会远超过1米，完全满足不了固定距离的判断需求。直接计算模长和1米做比较，才是精准适配这个场景的方案。

内容的提问来源于stack exchange，提问作者boham