数学定理（2）——凸包算法

1. 概念

凸包(Convex Hull)是一个计算几何（图形学）中的概念。
在一个实数向量空间V中，对于给定集合X，所有包含X的凸集的交集S被称为X的凸包。
X的凸包可以用X内所有点$（X_1，X_2，...，X_n）$的线性组合来构造。
在二维欧几里得空间中，凸包可想象成为一条刚好包裹所有点的多边形。
具体来说就是我们需要使用集合中最外圈围成一个多边形，这个多边形正好将所有的点集包含在内，此时，我们就叫这个多边形叫凸包。

2. 求解算法

由于本人并不需要探究其中具体原理，我这里就只给出一个相关函数求解凸包的面积。

from scipy.spatial import ConvexHull
kps = np.array([[1.5, 2], [1.5, 10], [12.5, 2], [12.5, 10], [10, 5], [11, 6], [3, 4], [4, 3]])
area = ConvexHull(kps).volume
print(area)

88.0