如何将非直线分布的睡莲定位点拟合到rectilinear grid？

先爆个彩蛋：这绝对是《仙剑奇侠传1》里仙灵岛的莲花迷宫！当年为了踩对莲花进岛找赵灵儿，不知道读档重来了多少次，满满的童年回忆拉满😎

回到你的问题，既然已经明确目标是12×12的正交网格（rectilinear grid），解决思路可以分成「分组规整」+「网格拟合」两步走，具体方法和搜索关键词如下：

一、具体实现步骤 #

1. 先按行/列分组（利用12×12的先验信息） #

因为你已经知道网格规模，这一步可以走捷径：

• 行分组：提取所有方块左上角点的y坐标，用K-means聚类（指定聚类数n_clusters=12），把y值接近的点归为同一行。如果点的y值差异不算极端，甚至可以直接对y坐标排序后，均分拆成12组（不过聚类的容错性更强）。
• 列排序：对每一行的点，按x坐标从小到大排序，这样每行的12个点就对应了12列的固定位置。

2. 拟合严格的Rectilinear网格 #

拿到分组后的点集，就可以生成规整的正交网格了：

• 对每一行：计算该行所有点y坐标的均值（或者用最小二乘法拟合一条水平线，取截距作为该行的基准y值），把该行所有点的y值统一替换成这个基准值。
• 对每一列：收集所有行中对应列位置的点的x坐标，计算它们的均值（或拟合垂直线取截距作为该列的基准x值），把该列所有点的x值统一替换成这个基准值。
• 最终得到的所有点就会落在严格的正交网格上，完全符合rectilinear grid的定义——行线平行、列线垂直，行列间距可以不均但结构规整。

如果不想硬编码12×12的规模，也可以先通过点的x/y坐标密度聚类自动检测行列数，再重复上述步骤。

二、查找相关算法的关键词 #

如果想找更学术或工程化的现成方案，用这些关键词搜索就能找到计算机视觉、点云处理领域的相关论文或开源实现：

• rectilinear grid fitting from scattered points
• irregular point set grid regularization
• orthogonal grid alignment for structured points
• row-column clustering grid calibration
• structured point cloud rectilinear grid fitting

内容的提问来源于stack exchange，提问作者Brondahl