我正在尝试做一个三边测量的实现。Funtion得到了三个3d协助点,以及每个协助点到基站的距离。它必须返回点在3d空间三边测量中的位置。
def trilateration(P1, P2, P3, r1, r2, r3):
p1 = np.array([0, 0, 0])
p2 = np.array([P2[0] - P1[0], P2[1] - P1[1], P2[2] - P1[2]])
p3 = np.array([P3[0] - P1[0], P3[1] - P1[1], P3[2] - P1[2]])
v1 = p2 - p1
v2 = p3 - p1
Xn = (v1)/np.linalg.norm(v1)
tmp = np.cross(v1, v2)
Zn = (tmp)/np.linalg.norm(tmp)
Yn = np.cross(Xn, Zn)
i = np.dot(Xn, v2)
d = np.dot(Xn, v1)
j = np.dot(Yn, v2)
X = ((r1**2)-(r2**2)+(d**2))/(2*d)
Y = (((r1**2)-(r3**2)+(i**2)+(j**2))/(2*j))-((i/j)*(X))
Z1 = np.sqrt(r1**2-X**2-Y**2)
Z2 = np.sqrt(r1**2-X**2-Y**2)*(-1)
K1 = P1 + X*Xn + Y * Yn + Z1 * Zn
K2 = p1 + X * Xn + Y * Yn - Z2 * Zn
return K1我有一个测试示例。用这些坐标和距离P1=(2,2,0),P2=(3,3,0),P3=(1,4,0) r1=1,r2=1,r3=1.4142,它应该返回P=(2,3,0)。
但它正在返回3.33253331 1.66746669 1.33373281
发布于 2019-05-09 20:36:26
问题来自给sqrt的表达式,该表达式由于数值不精确而略为负数。这将修复它:
Z1 = np.sqrt(max(0, r1**2-X**2-Y**2))
Z2 = -Z1 更改这些行可以得到正确的结果:[1.99999361 3.00000639 0.]
注意:如果该点与其他3个点位于同一平面上,则Z值将为0,否则有两种解决方案。此外,为r1、r2和r3提供精确的值也非常重要,正如@meowgoesthedog所提到的那样。但是,即使使用精确的值,您也需要始终小心浮点不精确,并安全地使用sqrt。
发布于 2021-10-15 07:37:59
我没有足够的名气来评论,所以我必须写一个新的答案。
您的代码仍然有一些错误。经过多次测试,我发现K2的计算有一些拼写错误。
完美的函数应该是
def trilateration(P1, P2, P3, r1, r2, r3):
p1 = np.array([0, 0, 0])
p2 = np.array([P2[0] - P1[0], P2[1] - P1[1], P2[2] - P1[2]])
p3 = np.array([P3[0] - P1[0], P3[1] - P1[1], P3[2] - P1[2]])
v1 = p2 - p1
v2 = p3 - p1
Xn = (v1)/np.linalg.norm(v1)
tmp = np.cross(v1, v2)
Zn = (tmp)/np.linalg.norm(tmp)
Yn = np.cross(Xn, Zn)
i = np.dot(Xn, v2)
d = np.dot(Xn, v1)
j = np.dot(Yn, v2)
X = ((r1**2)-(r2**2)+(d**2))/(2*d)
Y = (((r1**2)-(r3**2)+(i**2)+(j**2))/(2*j))-((i/j)*(X))
Z1 = np.sqrt(max(0, r1**2-X**2-Y**2))
Z2 = -Z2
K1 = P1 + X * Xn + Y * Yn + Z1 * Zn
K2 = P1 + X * Xn + Y * Yn + Z2 * Zn
return K1,K2两个返回数组是两个可能的位置。
此代码非常有用,因为此答案中的代码是Python形式的https://en.wikipedia.org/wiki/True-range_multilateration#Three_Cartesian_dimensions,_three_measured_slant_ranges,它是3D坐标中三边测量的最简单代码。
https://stackoverflow.com/questions/56058383
复制相似问题