基于Numpy实现批量线段相交计算与s/t值输出的优雅方案咨询

场景说明 #

现有一条固定的道路线段，需要批量判断3万条位移线段与其的相交情况，并输出所有线段对应的相交参数s、t，组成(2, 30000)维度的结果矩阵用于后续计算。

基础数据定义 #

import numpy as np

# 固定道路线段的两个端点
p1_road_test = np.array([1, 1]) # 道路线段端点1的x、y坐标
p2_road_test = np.array([2, 4]) # 道路线段端点2的x、y坐标

# 待检测线段的原点集合（每行对应x、y坐标，每列对应一个点）
p_origin_test = np.matrix([(3, 5, 6), (1, 1, 2)]) 
# 待检测线段的位移后点集合，与原点集合同列坐标组成一条位移线段
p_moved_test = np.matrix([(1,3, 3), (3, 3, 2)])

向量化实现方案 #

利用numpy的广播机制替代循环逐列计算，所有运算都是逐元素并行执行，3万条线段的计算可以在毫秒级完成，最终直接输出目标维度的参数矩阵：

# 提取固定道路线段的基础参数
X1, Y1 = p1_road_test[0], p1_road_test[1]
X2, Y2 = p2_road_test[0], p2_road_test[1]
dx1 = X2 - X1
dy1 = Y2 - Y1

# 批量计算所有位移线段的对应参数
dx2 = p_moved_test[0, :] - p_origin_test[0, :]
dy2 = p_moved_test[1, :] - p_origin_test[1, :]
dx3 = X1 - p_origin_test[0, :]
dy3 = Y1 - p_origin_test[1, :]

# 逐元素计算行列式与s、t参数
det = dx1 * dy2 - dx2 * dy1
det1 = dx1 * dy3 - dx3 * dy1
det2 = dx2 * dy3 - dx3 * dy2

# 处理det为0的平行/共线场景，可根据业务需求修改填充值
det[det == 0] = np.nan
s = det1 / det
t = det2 / det

# 拼接为目标维度(2, N)的结果矩阵
result = np.vstack([s, t])

# 可选：直接获取所有相交线段的索引
intersect_mask = (s >= 0) & (s <= 1) & (t >=0) & (t <=1)
intersect_index = np.where(intersect_mask)[1]

结果验证 #

运行上述代码后得到的result矩阵与你循环输出的结果完全一致：

[[0.75       1.5        1.55555556]
 [0.5        1.         0.33333333]]

注意事项 #

• numpy.matrix已被官方标记为不推荐类型，你可以将输入转换为numpy.ndarray，代码逻辑不需要任何修改，运行效率会更高。
• 共线场景的特殊判断可以在det为0的分支里补充实现，不影响主体计算逻辑。

内容的提问来源于stack exchange，提问作者ohnoinkimono