scipy.spatial.geometric_slerp¶
- scipy.spatial.geometric_slerp(start, end, t, tol=1e-07)[源代码]¶
几何球面线性插值。
插补是在任意维空间中沿单位半径大圆弧进行的。
- 参数
- start(n_维数,)类似数组
一维阵列状对象中的单个n维输入坐标。 n 必须大于1。
- end(n_维数,)类似数组
一维阵列状对象中的单个n维输入坐标。 n 必须大于1。
- t: float or (n_points,) 1D array-like
表示插值参数的浮点或一维双精度数组,需要介于0和1之间的包含区间内的值。通常的方法是使用以下命令生成数组
np.linspace(0, 1, n_pts)
用于线性间隔点。允许升序、降序和加扰顺序。- TOL:浮点
用于确定起点坐标和终点坐标是否为对极的绝对公差。
- 退货
- result(t.size,D)
包含内插球面路径并在使用0和1t时包括开始和结束的双精度数组。内插值应对应于t数组中提供的相同排序顺序。如果满足以下条件,则结果可以是一维
t
是一个浮点。
- 加薪
- ValueError
如果
start
和end
是对极,而不是在单位n球面上,或用于各种简并条件。
参见
scipy.spatial.transform.Slerp
使用四元数的3-D Slerp
注意事项
该实现基于中提供的数学公式 [1], 在Ken Shoemake的原始四元数Slerp出版物的脚注中,这种算法的第一个已知演示(源自对4-D几何的研究)归功于Glenn Davis [2].
1.5.0 新版功能.
参考文献
示例
在跨度为90度的圆的圆周上插入四个线性间隔值:
>>> from scipy.spatial import geometric_slerp >>> import matplotlib.pyplot as plt >>> fig = plt.figure() >>> ax = fig.add_subplot(111) >>> start = np.array([1, 0]) >>> end = np.array([0, 1]) >>> t_vals = np.linspace(0, 1, 4) >>> result = geometric_slerp(start, ... end, ... t_vals)
插值结果应为单位圆上可识别的30度间隔:
>>> ax.scatter(result[...,0], result[...,1], c='k') >>> circle = plt.Circle((0, 0), 1, color='grey') >>> ax.add_artist(circle) >>> ax.set_aspect('equal') >>> plt.show()
尝试在圆上的对极之间进行插值是不明确的,因为在球面上有两条可能的路径,而在球面上测地曲面上有无限条可能的路径。尽管如此,仍会返回其中一条不明确的路径以及一条警告:
>>> opposite_pole = np.array([-1, 0]) >>> with np.testing.suppress_warnings() as sup: ... sup.filter(UserWarning) ... geometric_slerp(start, ... opposite_pole, ... t_vals) array([[ 1.00000000e+00, 0.00000000e+00], [ 5.00000000e-01, 8.66025404e-01], [-5.00000000e-01, 8.66025404e-01], [-1.00000000e+00, 1.22464680e-16]])
将原始示例扩展到球体并在3D中绘制插值点:
>>> from mpl_toolkits.mplot3d import proj3d >>> fig = plt.figure() >>> ax = fig.add_subplot(111, projection='3d')
打印单位球体以供参考(可选):
>>> u = np.linspace(0, 2 * np.pi, 100) >>> v = np.linspace(0, np.pi, 100) >>> x = np.outer(np.cos(u), np.sin(v)) >>> y = np.outer(np.sin(u), np.sin(v)) >>> z = np.outer(np.ones(np.size(u)), np.cos(v)) >>> ax.plot_surface(x, y, z, color='y', alpha=0.1)
在较大数量的点上插值可能会在球体曲面上提供平滑曲线的外观,这对于球体曲面上的离散积分计算也很有用:
>>> start = np.array([1, 0, 0]) >>> end = np.array([0, 0, 1]) >>> t_vals = np.linspace(0, 1, 200) >>> result = geometric_slerp(start, ... end, ... t_vals) >>> ax.plot(result[...,0], ... result[...,1], ... result[...,2], ... c='k') >>> plt.show()