如何用Python判断3D点是否处于指定体积范围内？

核心思路 #

你需要的是基于凸包的点内/外判断：凸包不仅能提取边界点，还可以通过其面的线性方程判断任意点是否处于凸包内部（含边界）。具体来说，凸包的每个面对应一个ax + by + cz + d = 0的方程，若点代入所有方程的结果都小于等于0（允许微小计算误差），则该点在凸包内部。

实现步骤（Python） #

1. 安装依赖库 #

先确保安装所需工具库：

pip install numpy scipy

2. 读取TXT中的3D点数据 #

针对(x,y,z)格式的每行数据，解析提取坐标值：

import numpy as np

def read_points_from_txt(file_path):
    points = []
    with open(file_path, 'r') as f:
        for line in f:
            # 清理每行的括号、空格，提取数值
            cleaned_line = line.strip().strip('()')
            if not cleaned_line:
                continue
            x, y, z = map(float, cleaned_line.split(','))
            points.append([x, y, z])
    return np.array(points)

# 读取原始点云数据
original_points = read_points_from_txt('你的点文件.txt')

3. 构建凸包并筛选新点 #

用scipy构建凸包，然后遍历新点判断是否在边界内：

from scipy.spatial import ConvexHull

# 基于原始点构建凸包
hull = ConvexHull(original_points)

def is_point_inside_hull(point, hull, epsilon=1e-6):
    # 遍历凸包所有面的方程，判断点是否在所有面的内侧
    for eq in hull.equations:
        val = np.dot(eq[:3], point) + eq[3]
        # 若点在任意一个面的外侧（值大于误差阈值），则判定为外部点
        if val > epsilon:
            return False
    return True

# 示例：替换为你的新点集合
new_points = np.array([[1.5, 2.3, 0.8], [10.2, 15.7, 8.9]])

# 筛选内部点（保留）和外部点（删除）
inside_points = [p for p in new_points if is_point_inside_hull(p, hull)]
outside_points = [p for p in new_points if not is_point_inside_hull(p, hull)]

# 输出结果
print("保留的内部点：")
for p in inside_points:
    print(p)
print("\n删除的外部点：")
for p in outside_points:
    print(p)

关键说明 #

• 精度控制：epsilon参数用于处理浮点数计算误差，避免微小数值偏差导致误判，可根据你的数据精度调整。
• 非凸边界适配：如果你的目标边界不是凸形，凸包可能不符合需求，此时可考虑使用Alpha形状（Alpha Shapes）实现非凸区域的点判断，但实现复杂度更高。

内容的提问来源于stack exchange，提问作者youssef