Question

我正在研究从激光雷达获得的3D点云。我使用Axes3D.voxels方法将大量点（最多10-1亿个）分割为多维数据集，研究它们的位置并在单独的体素中显示结果。但是，在多次使用此方法后设置Axes3D的适当限制时，我会遇到一些问题。

我定义add_voxels函数是为了从np.array输入的多维数据集的位置立即显示体素：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import itertools

def add_voxels(true_ids, ax):
    shape_of_filled = true_ids.max(axis=0) + 1  # shape of building
    filled = np.zeros(shape_of_filled)
    for n in true_ids:
        filled[n] = 1
    x, y, z = np.indices(np.array(shape_of_filled) + 1)
    return ax.voxels(x,y,z, filled)```

Then use it to plot my two clouds of cubes:

fig = plt.gcf()  # get a reference to the current figure instance
ax = fig.gca(projection='3d')  # get a reference to the current axes instance
cubecloud1 = np.array(list(itertools.product(range(2,4), range(2,4), range(2,4))))
cubecloud2 = np.array(list(itertools.product(range(4,7), range(4,7), range(4,7))))
add_voxels(cubecloud2, ax)
add_voxels(cubecloud1, ax)
plt.show()

这会导致显示体素的位置出现错误的限制：

https://i.imgur.com/2wXJKVF.png

我希望将所有组件显示在这样的正确边界框中：

https://i.imgur.com/MZXh3O8.png

或者至少（假设边界框也包含不可见的体素）：

https://i.imgur.com/TgK8Sws.png

Answer 1

我只能通过显式设置轴限制来完成这项工作：

# [...]
faces2 = add_voxels(cubecloud2, ax)
faces1 = add_voxels(cubecloud1, ax)
points = list(faces1.keys()) + list(faces2.keys())
data = list(zip(*points))
xmin = min(data[0])
xmax = max(data[0])
ymin = min(data[1])
ymax = max(data[1])
zmin = min(data[2])
zmax = max(data[2])
ax.set_xlim3d(xmin, xmax)
ax.set_ylim3d(ymin, ymax)
ax.set_zlim3d(zmin, zmax)
plt.show()

在python中多次使用ax.voxels方法后如何解决限制

1 个答案: