Question

我从很远的地方开始解释我的问题，因此您可以建议完全不同的方法并理解自定义对象和功能。多年来，我录制了许多自行车GPS轨道（.gpx）。我决定将这些（大部分是重叠的）曲目合并为一个大图，并合并/删除大多数曲目点。到目前为止，我已经设法简化了轨道（gpxpy模块中的功能，删除了大约90％的跟踪点，同时保留了角落的位置）并将它们加载到我当前的程序中。

当前的Python 3程序包括加载gpx轨道和使用四次扫描优化图形。这是我计划中的计划步骤：

从gpx（工作）
加入彼此靠近的点（工作）
在小角度下合并边缘（问题在于此步骤）
去除直道上的点（两条边之间的角度超过170度）。看起来它正在运作。
通过重置点的唯一索引（工作）进行清理
最终检查图表中的所有边缘。

在我的程序中，我开始计算0的步骤，因为第一个只是打开和解析文件。 Stackoverflow不允许我从0开始排序。

为了存储图形，我有一个字典 punktid （指向爱沙尼亚语），其中 punkt （点）对象存储在密钥uid / ui（唯一ID）中。唯一ID也存储在点本身。在第2步和第3步中使用权重属性来查找点的平均值，同时考虑先前的合并。

class punkt:
    def __init__(self,lo,la,idd,edge=set(),ele=0, wei=1):
        self.lng=lo        #Longtitude
        self.lat=la        #Latitude
        self.uid=idd       #Unique ID
        self.edges=edge    #Set of neighbour nodes
        self.att=ele       #Elevation
        self.weight=wei    #Used to get weighted average
>>> punktid
{1: <__main__.punkt object at 0x0000006E9A9F7FD0>, 
 2: <__main__.punkt object at 0x0000006E9AADC470>, 3: ...}
>>> punktid[1].__dict__
{'weight': 90, 'uid': 9000, 'att': 21.09333333333333, 'lat': 59.41757, 'lng': 24.73907, 'edges': {1613, 1218, 1530}}

正如您所看到的，清理中存在一个小错误，其中uid未更新。我现在已经修好了，但我把它留了下来，所以你可以看到图表的比例。朋克蒂的最大指数是1699/11787。

解决核心问题

假设我有3个点：A，B和C（i，lyhem（2）和lyhem（0）分别在下面的代码片中）。 A与B和C具有共同边，但B和C可能没有共同边。 C更接近于A而不是B.为了减小图的大小，我想将C移近边AB（同时考虑B和C的权重）并将AB重定向到C.

我想出的解决方法是在AB上找到最接近C的临时点D.然后找到D和C之间的加权平均值，将其保存为E并将所有C边和AB重定向到该点。 Simplified figure - 请注意，E =（C + D）/ 2并不完全准确。我不能添加两个以上的链接，但我还有2个图像说明了我的问题。

最大的问题是找到D的坐标。我在Mathematica网站上找到possible solution，但它包含±符号，因为找到坐标时有两个可能的坐标。但我有线，点在哪里。无论如何，我不知道如何正确实现它，我的代码变得非常混乱：

# 2-nd run: Merge edges under small angles
for i in set(punktid.keys()):
    try:
        naabrid1=frozenset(punktid[i].edges) # naabrid / neighbours
        for e in naabrid1:
            t=set(naabrid1)
            t.remove(e)
            for u in t:
                try:
                    a=nurk_3(punktid[i], punktid[e], punktid[u]) #Returns angle EIU in degrees. 0<=a<=180
                    if a<10:
                        de=((punktid[i].lat-punktid[e].lat)**2+
                           ((punktid[i].lng-punktid[u].lng))*2 **2) #distance i-e
                        du=((punktid[i].lat-punktid[u].lat)**2+
                           ((punktid[i].lng-punktid[u].lng)*2) **2) #distance i-u
                        b=radians(a)
                        if du<de:
                            lyhem=[u,du,e]  # lühem in English is shorter
                        else:               # but currently it should be lähem/closer
                            lyhem=[e,de,u]
                        if sin(b)*lyhem[1]<r:
                            lr=abs(sin(b)*lyhem[1])
                            ml=tan(nurk_coor(punktid[i],punktid[lyhem[0]])) #Lühema tõus / Slope of closer (C)
                            mp=tan(nurk_coor(punktid[i],punktid[lyhem[2]])) #Pikema     / ...farer / B
                            mr=-1/ml                                        #Ristsirge  / ...BD
                            p1=(punktid[i].lng+lyhem[1]*(1/(1+ml**2)**0.5), punktid[i].lat+lyhem[1]*(ml/(1+ml**2)**0.5))
                            p2=(punktid[i].lng-lyhem[1]*(1/(1+ml**2)**0.5), punktid[i].lat-lyhem[1]*(ml/(1+ml**2)**0.5))
                            d1=((punktid[lyhem[0]].lat-p1[1])**2+
                               ((punktid[lyhem[0]].lng-p1[0])*2)**2)**0.5 #distance i-e
                            d2=((punktid[lyhem[0]].lat-p2[1])**2+
                               ((punktid[lyhem[0]].lng-p2[0])*2)**2)**0.5 #distance i-u
                            if d1<d2: # I experimented with one idea,
                                x=p1[0]#but it made things worse.
                                y=p1[1]#Originally I simply used p1 coordinates
                            else:
                                x=p2[0]
                                y=p2[1]
                            lo=punktid[lyhem[2]].weight*p2[0]               # Finding weighted average
                            la=punktid[lyhem[2]].weight*p2[1]
                            la+=punktid[lyhem[0]].weight*punktid[lyhem[0]].lat
                            lo+=punktid[lyhem[0]].weight*punktid[lyhem[0]].lng
                            kaal=punktid[lyhem[2]].weight+punktid[lyhem[0]].weight #kaal = weight
                            c=(la/kaal,lo/kaal)
                            punktid[ui]=punkt(c[1],c[0], ui,punktid[lyhem[0]].edges, punktid[lyhem[0]].att,kaal)
                            punktid[i].edges.remove(lyhem[2])
                            punktid[lyhem[2]].edges.remove(i)
                            try:
                                for n in punktid[ui].edges:   #In all neighbours
                                    try:        #Remove link to old point
                                        punktid[n].edges.remove(lyhem[0])
                                    except KeyError:
                                        pass    #If it doesn't link to current
                                    punktid[n].edges.add(ui) #And add new point
                                    if log:
                                        printf(punktid[n].edges,'naabri '+str(n)+' edges')
                            except KeyError:        #If neighbour itself has been removed
                                pass               #(in same merge), Ignore
                            punktid[ui].edges.add(lyhem[2])
                            punktid[lyhem[2]].edges.add(ui)
                            punktid.pop(lyhem[0])
                            ui+=1
                except KeyError: # u has been removed
                    pass
    except KeyError:    # i has been removed
        pass

这是一个代码段，由于缺少变量/函数，它很可能在复制粘贴后不能运行。在从第if sin(b)*lyhem[1]<r开始到punktid[ui]=..的第3个if语句中，第22到43行计算新点。之后将旧边重定向到新节点。

明确说明问题：如果已知线段（AC）的两个坐标和这些点处的角度（角度ACB应为90度），如何找到光线上的点（AB）？如何在Python 3.5中实现它？

PS。（Meta）如果有人需要完整的资源，我怎么能提供它（上传单个文本文件而不注册）？粘贴或粘贴（垃圾邮件）它在这里？如果我将其上传到其他网站，如何提供链接，如果新手用户被限制为两个？

找到给定2个坐标的（右）三角形的第三个坐标，并将光线映射到第三个

解决核心问题

0 个答案: