我希望尽可能清楚。我试图实现一个函数,给出两个四面体,检查它们是否相交。我正在使用python,我使用的唯一库是NumPy。为了描述一个四面体,我使用它的4个顶点,每个顶点用坐标x,y,z来描述。
vertex = [x, y, z]
tetrahedra = [vertex 1,vertex 2,vertex 3,vertex 4]这就是我想用的理由:
这是我的职责:
def IsInterpenetrated(self, tetrahedra):
A= []
B= []
sol= 0
for tr in [self, tetrahedra]:
print("Plane of tetrahedra")
vertexList = tr.vertices
i=0
while i<4:
if handedness(vertexList)>0:
n= numpy.cross(vertexList[1].coords - vertexList[0].coords, vertexList[2].coords - vertexList[0].coords)
else:
n= numpy.cross(vertexList[2].coords - vertexList[0].coords, vertexList[1].coords - vertexList[0].coords)
p0= vertexList[0].coords
d= -(n[0]*p0[0] + n[1]*p0[1] + n[2]*p0[2])
print("normal: ", n , end=" ")
print("termine noto: ",(d))
if len(A) > 3:
j=0
while j<=3:
if numpy.all(-n == A[j]) and -d == B[j]:
sol = 1
j= j+1
A.append(n)
B.append(d)
p0= vertexList[0]
vertexList[0] = vertexList[1]
vertexList[1] = vertexList[2]
vertexList[2] = vertexList[3]
vertexList[3] = p0
i=i+1
A= numpy.array(A)
B= numpy.array(B)
print("\n")
print("Disequazioni:\n")
i=0
for n in A:
print("({0})x + ({1})y + ({2})z + ({3}) > 0".format(n[0],n[1],n[2],B[i]))
i=i+1
print("\n")
x = cvxpy.Variable(3)
prob = cvxpy.Problem(cvxpy.Minimize(0),[A @ x + B >= 0])
prob.solve()
if prob.value == 0 and sol != 1:
return 1
return 0在这种情况下,我用cvxpy解决了不等式系统,并证明了两个四面体具有共同面的特殊情况。我想知道你是否认为下面的推理是正确的,以避免处理不平等系统。每一个识别四面体面的平面都属于平行面束族,其描述方式如下: ax + by + cz +k=0,其中k是表示平面在空间中的确切位置的术语。然后我可以用以下的方式来描述四面体:
System:
a'x + b'y + c'z = k '
a "x + b" y + c "z = k"
a '"x + b'" y + c '"z = k'"
a "" x + b "" y + c "" z = k ""对于k>d,其中d是识别面部的平面的已知项。多亏了Rouché-Capelli定理,我知道如果Rg (A) = Rg (A = B)其中Rg代表排名,那么这个系统可以接受解决方案。为了确保这个相等性得到尊重,那么Det (A _因为在我的例子中,B由变量组成:
(k ', k ", k"', ......, kᵐ)然后,若要使Det (A = B) =0,我必须求解这个计算所建立的方程。在对两个四面体进行了这个推理之后,我发现自己有两个方程,其中有3个未知数。每个四面体一个。通过将这两个方程放入一个系统中,我必须看到k的值是否允许解。如果系统尊重k的值,那么我就有交集,否则没有。我不知道这是否可行,但我更愿意分享我的想法,以便一起讨论。
提前谢谢。
发布于 2020-11-01 07:18:39
为什么不用你所拥有的平面不等式来构造一个凸优化问题,或者精确地说是一个可行性问题?假设这两个四面体可以表示为A1.X + d1 <= 0和A2.X + d2 <= 0,其中A1和A2的4行存储与ax + by + cz + d <= 0中的两个四面体对应的四个平面的a, b, c,列向量d1和d2存储常数,即d。同时也注意到A1.X是矩阵乘法。
将(x, y, z)表示为向量X。
现在,基本上您希望解决X的可行性问题,如下所示:
minimize 0
subject to A1.X + d1 <= 0
A2.X + d2 <= 0注意,如果求解器返回inf,这意味着不存在满足上述约束的X。如果求解器返回0 (这是常数目标函数的值),这意味着至少有一个满足约束条件的X。
为此,您可以使用cvxpy库。这是一个不错的教程。此外,cvxpy库与numpy很相配。
我不认为解方程,会在这种情况下起作用,因为四面体基本上是由四个线性不等式组成的。所以你必须求解inequalities,才能在它们的交集区域找到一个解。
https://stackoverflow.com/questions/64625325
复制相似问题