我有两个numpy数组，一个用于网格的3D顶点，称为vert，一个用于三角形面，称为faces：
vert数组是N x 3的{{1}}形状数组，因此有N个三维点。每个点的float坐标可以同时具有正值和负值。
仅作为示例，可以是x数组：
vert由于网格居中，所以网格的 left 部分是具有正x分量的部分，并且相应的顶点索引可以通过[[ 2.886495 24.886948 15.909558]
[ -13.916695 -58.985245 19.655312]
[ 40.415527 8.968353 8.515955]
...
[ 13.392465 -58.20602 18.752457]
[ -12.504704 -58.307934 18.912386]
[ 13.322185 -58.52817 19.165733]]
np.where我现在想过滤出那些完全由i_vert_left = np.where(vert[:,0]>0)[0]
正轴构成的三角形构成的面。
但是我在正确执行此索引操作时遇到了问题。
我的第一个尝试是对这些面进行子集处理，以使其对应的顶点具有x
x>0但是在大型网格物体上，操作速度非常慢。 如何利用人脸的智能索引功能？
答案 0 :(得分：1)
假设faces是一个Nx3整数数组，索引每个三角形的三个顶点，我认为您只需要：
# Check whether each vertex is left or not
vert_left_mask = vert[:, 0] > 0
# Check whether each face has all vertices on left or not
faces_left_mask = np.all(vert_left_mask[faces], axis=1)
# Select resulting left faces
faces_left = faces[faces_left_mask]
此处的主要“技巧”位于vert_left_mask[faces]中，它用指示布尔值是否存在的布尔值替换每个整数顶点号，因此很容易用{{1}来判断哪张脸完全离开了}。