MATLAB--实现根据点集进行多面体的绘制

最新推荐文章于 2024-05-29 13:37:36 发布
最新推荐文章于 2024-05-29 13:37:36 发布
阅读量5k 收藏 19
点赞数 2
分类专栏： MATLAB
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42066185/article/details/93174116
版权

本人目前的工作是系统能够根据给出的点集构造凸多面体，然后进行碰撞检测

1、本人查询网上的资料

https://www.ilovematlab.cn/thread-469922-1-1.html

这个链接给的是一个的例子，非常好的一个例子（我也是借鉴这个例子）

此外，我想说明，我的是一个长方体，我希望对其进行一定的边缘曲面化，所以，我想到的一个简单的方案就是通过将我他原来的长方体进行平移扩充，然后将所得到的点集进行求并，然后采用上面给出的方法得到我们最终想要的凸体的点集，以及f，然后通过patch 得到我们最终想要的图形

 

2、我的过程

step1 首先计算出顶点集

a.给出长方体的的参数

figure
couch.L_Couch=2000;
couch.W_Couch=600;
couch.H_Couch=200;

x_Couch=0;
y_Couch=0;
z_Couch=0;



Vertices1=[  x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    
    x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    ];

 

step2 将所得到的顶点集进行x 方向 y方向  z方向的前后的移动 然后得到6组新的长方体的顶点，然后将其求并集，具体的代码如下所示：（应注意Arc_r_distance这个参数的作用是前后左右平移的距离）

Arc_r_distance=100;
x_Couch=Arc_r_distance;
y_Couch=0;
z_Couch=0;

Vertices2=[  x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    
    x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    ];
x_Couch=-Arc_r_distance;
y_Couch=0;
z_Couch=0;
Vertices3=[  x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    
    x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    ];
x_Couch=0;
y_Couch=Arc_r_distance;
z_Couch=0;

Vertices4=[  x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    
    x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    ];
x_Couch=0;
y_Couch=-Arc_r_distance;
z_Couch=0;

Vertices5=[  x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    
    x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    ];
x_Couch=0;
y_Couch=0;
z_Couch=Arc_r_distance;

Vertices6=[  x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    
    x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    ];

x_Couch=0;
y_Couch=0;
z_Couch=-Arc_r_distance;

Vertices7=[  x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch-couch.H_Couch/2;
    
    x_Couch-couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch-couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch+couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    x_Couch-couch.W_Couch/2 y_Couch+couch.L_Couch/2 z_Couch+couch.H_Couch/2;
    ];
NewVertices=[Vertices2;Vertices3;Vertices4;Vertices5;Vertices6;Vertices7]

 

step3 使用我的文章的开头给出的计算凸体的顶点和面的方法。

Vertices=NewVertices

x1=Vertices(:,1);
y1=Vertices(:,2);
z1=Vertices(:,3);
shp=alphaShape(x1,y1,z1,4000); % MATLAB R2014b 引入的函数
[F2,V2]=boundaryFacets(shp); % MATLAB R2014b 引入的函数

如上面的代码。最终得到的F2 V2 就是我们的目标的参数，然后通过patch得到图形

 

step4 通过Patch 函数进行显示


S2.Vertices = V2  %进行位置刷新操作
S2.Faces = F2;
S2.FaceVertexCData = jet(size(V2,1));%V2表示顶点的数量
S2.FaceColor = 'interp';
S2Obj = patch(S2);  %将s2构成一个结构体
hold off
axis equal
axis([-3000 3000 -3000 3000 -3000 3000])
%axis([-1200 1200 -1200 1200 -1200 1200])
rotate3d on;

 

 

step5 最终得到的图形如下图所示

没有水杯和雨伞的工科男
关注
  • 2
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
专栏目录
matlab画任意多面体,[转载]matlab判断一个点是否在多面体内
weixin_36150816的博客
03-18 861
要在空位区域随机放置一定数量的原子，这些原子在空位区域任何一处存在的概念是相同的。空位区域是由包围这个空位周边的一些原子定义的。如果这个空位区域是一个标准的长方体，那么问题就比较简单，只需要产生随机数，然后再将随机数沿着基矢方向进行相应的缩放。对于不规则的空间区域，也可以采用类似的思想：将空位区域(多面体)扩大到一个长方体，即长方体刚好是多面体的包络。然后在长方体内部随机产生点，如果点在多面体内部...
matlab开发-多面体和多面体
08-24
matlab开发-多面体和多面体。在多面体和多面体上执行操作的一套程序
matlab使用教程(85)—绘制多边形和多面体
最新发布
配电网和matlab的博客
05-29 891
补片图形对象由一个或多个相连或不相连的多边形组成。补片对建模真实世界对象（如飞机或汽车）以及绘制任意形状的二维或三维多边形非常有用。相对而言，曲面对象是由四边形组成的矩形网格，更适合显示平面布局图，例如具有两个变量的数学函数的值、矩形平面中数据的等高线或者参数化曲面（如球体）。有一些 MATLAB® 函数可以创建补片对象 -fillfill3isosurfaceisocaps、某些contour函数以及patch。本节主要介绍如何使用patch函数。
matlab绘制凸多面体,科学网—MATLAB中计算凸多边形面积和凸多面体体积的简便方法 - 王福昌的博文...
weixin_33049919的博客
03-16 1747
一、凸多边形x = rand(10,1)y = rand(10,1)dt = delaunayTriangulation(x,y)[k a] = convexHull(dt)plot(dt.Points(:,1),dt.Points(:,2), '.', 'markersize',10); hold on;plot(dt.Points(k,1),dt.Points(k,2), 'r'); hold...
绘制三维多面体 Matlab,已知一些随机的三维坐标点,怎么用matlab把这些点绘制成多面体，急求程序代码啊...
weixin_29967003的博客
03-26 945
匿名用户1级2013-04-26 回答例如：A=[1.486,3.059,0.1;2.121,4.041,0.1;2.570,3.959,0.1;3.439,4.396,0.1;4.505,3.012,0.1;...3.402,1.604,0.1;2.570,2.065,0.1;2.150,1.970,0.1;1.794,3.059,0.2;2.121,3.615,0.2;...2.570,3.4...
MATLAB绘制三维三点图
码以载道
07-30 2654
figure axis vis3d % scatter3(x,y,z,点的尺寸,颜色,点的形状) scatter3(hh(:,1),hh(:,2),hh(:,3),10,hh(:,4),'.');
多面体的顶点方向以及分解定理以及多胞形凸组合
qq_43391414的博客
04-14 1832
定义： 对于一个多面体PPP，如果∃ d  != 0\exist\ d \ \ !=\ 0∃ d  != 0，使得对∀ x0∈P\forall \ x_0 \in P∀ x0​∈P，有射线{x∣x=x0+λd,λ>=0}⊂P\{x|x=x_0+\lambda d,\lambda>=0\}\subset P{x∣x=x0​+λd,λ>=0}⊂P，则称ddd为PPP的一个顶点方向。 举例：
matlab开发-使用gneighboringConstraints的平滑点集注册
08-27
在MATLAB中，`gneighboringConstraints`是实现这一目标的一种工具，它允许通过考虑点之间的邻接关系来施加约束，从而提高注册的稳定性和准确性。 首先，`gneighboringConstraints`函数用于定义点之间的邻接关系，...
S-点集族的点集运算封闭性质
06-27
为了进一步扩展S-点集及S-点集族性质,采用理论推演方法,由S-点集族的等价定义出发,引入S-点集族表述法、S-点集之间的相互关系,进一步讨论了S-点集族的8个性质,得到S-点集族的点集运算封闭性质,从而建立了点集族实际...
hemisphere-sample:使用Hammersley点集进行均匀和余弦半球采样
04-30
使用Hammersley点集进行半球采样（均匀和余弦） 安装 npm install hemisphere-sample 用法 import { hemisphereSampleUniform , hemisphereSampleCos } from "hemisphere-sample" ; for ( let i = 0 ; i < 256 ;...
Point-Set-Registration:点集注册-相干点漂移
05-16
8. **C++实现**：在实际应用中，C++是常用的语言来实现点集注册算法，因为它提供了高效的数据结构和算法库，如OpenCV和Eigen库，可以方便地进行数值计算和几何操作。 9. **应用场景**：点集注册技术广泛应用于3D...
用于MATLAB和comsol的多面体重叠判断程序
06-18
在MATLAB中调用，两个多面体输入形式可以是各自的顶点竖向量集合，也可以是MATLAB规定的线性规划条件形式，输出为重叠体各个顶点的竖向量集合，而且线性规划形式和顶点集合形式可以通过附带的程序相互转化。此程序用来MATLAB建模中判断两个空间体是否重叠，重叠体积的计算，comsol 的导入和仿真
matlab开发-点集的直线度fromexcellingconverxfullAlgorithm
08-27
总结来说，"matlab开发-点集的直线度fromexcellingconverxfullAlgorithm"是利用MATLAB实现的一个计算点集直线度的工具，通过凸壳算法评估点集的线性趋势。这个算法对于理解和分析点集的几何特性，特别是在图像处理和...
漂亮的正多面体
stereohomology
03-06 6695
emuch.net/bbs/memcp.php?action=getcreditemuch.net/bbs/memcp.php?action=getcredit点击打开链接 正多面体[编辑] 维基百科，自由的百科全书 正多面体，或称柏拉图立体， 指各面都是全等的正多边形且每一个顶点所接的面数都是一样的凸多面体。 目录   [隐藏] 
matlab 根据顶点坐标绘制三维立方体（当部分边有权值时）
MingMing6的博客
01-12 2440
matlab 根据顶点坐标绘制三维立方体棱线（非完美，存在顶点序号重合问题） a25=load(‘xx0.25’);%顶点x坐标 a5=load(‘xx0.5’); b25=load(‘yy0.25’);%顶点y坐标 b5=load(‘yy0.5’); c25=load(‘zz0.25’);%顶点z坐标 c5=load(‘zz0.5’); r25=size(a25,1);%边的个数（我的xx0.25文件里有两列数据，第一列为边的顶点1的x坐标， %第二列为边的顶点2的x坐标，y,z坐标同理） r5=size
matlab 绘制三维实体,matlab 三维绘制
weixin_42524226的博客
03-18 1715
标签：1. mesh(Z)语句mesh(Z)语句可以给出矩阵Z元素的三维消隐图，网络表面由Z坐标点定义，与前面叙述的x-y平面的线格相同，图形由邻近的点连接而成．它可用来显示用其它方式难以输出的包含大量数据的大型矩阵，也可用来绘制Z变量函数．显示两变量的函数Z=f(x,y)，第一步需产生特定的行和列的x-y矩阵．然后计算函数在各网格点上的值．最后用mesh函数输出．下面我们绘制sin(r)/r函数...
基于MATLAB的多面体生成及其体积计算等
王子云的博客
10-22 1万+
MATLAB 中包含一系列多面体相关的函数，其生成多面体函数以及多面体体积计算的输入参数均为多面体的顶点，具体原理可查阅Delaunary相关文献。具体代码如下， %%功能：生成多面体以及计算其体积，判断某点是否在多面体内部 clc; clear all; close all; x = gallery('uniformdata',[30 1],0);%%[0 ;0 ;0 ;0 ;10 ;10 ...
OpenGL（二）图形绘制之平面多面体的绘制
爱拼才会赢
07-07 5428
通过绘制一个三菱锥初步了解绘制平面多面体。 #include #include #include #include #include //窗口的大小 GLsizei windowWidth; GLsizei windowHeight; //旋转角度参数 static GLfloat xRot = 0.0f; static GLfloat yRot = 0.0f; //确定多边形的绕法的方
不确定集（Uncertainty set）笔记
热门推荐
caoyongsheng的博客
10-06 1万+
鲁棒优化中，不同的不确定集对结果影响十分明显，当不确定集越精细时，模型复杂度越高，求解越困难。当不确定集越宽泛时，所求出的最优解越保守，越不符合实际。为了权衡二者的关系，如何选择一个适合的不确定集来求解鲁棒优化一直是相关学者的研究热点。常见的不确定集主要有如下几类: 1）盒式不确定集（Box Uncertainty Set） 盒式不确定集是最简单的不确定集，也被称作区间集。由于鲁棒优化是考虑最差情况下的优化求解方法，针对于一些模型可能会出现所有不确定参数都在区间集上下界进行优化的情况，然而实际中该情
基于kd-tree实现两个点集之间的最小和最大距离，用c++代码实现
04-18
好的，这个问题属于技术问题，我可以为你提供代码实现。以下是用C语言实现的基于KD-Tree的两个点集最小和最大距离的代码： ```c #include <stdio.h> #include <stdlib.h> #include <math.h> #define K_DIM 2 //定义维度为2 #define MAX_CHILDREN 2 //定义最大子节点数目为2 //定义二维坐标点结构体 typedef struct Point { double x[K_DIM]; //二维坐标点 } Point; //定义节点结构体 typedef struct Node { Point p; //节点对应的坐标点 struct Node* children[MAX_CHILDREN]; //子节点数组 } Node; //定义比较函数，用于排序 int compare(const void* p1, const void* p2, int dim) { Point* a = (Point*)p1; Point* b = (Point*)p2; return (a->x[dim] < b->x[dim]) ? -1 : 1; } //定义KD-Tree的构建函数 Node* build_kdtree(Point* points, int n, int depth) { if (n <= 0) return NULL; Node* root = (Node*)malloc(sizeof(Node)); int mid = n / 2; qsort(points, n, sizeof(Point), compare); root->p = points[mid]; root->children[0] = build_kdtree(points, mid, (depth + 1) % K_DIM); root->children[1] = build_kdtree(points + mid + 1, n - mid - 1, (depth + 1) % K_DIM); return root; } //定义计算两个点之间的距离函数 double distance(Point a, Point b) { double dis = 0; for (int i = 0; i < K_DIM; i++) { dis += (a.x[i] - b.x[i]) * (a.x[i] - b.x[i]); } return sqrt(dis); } //定义计算最小和最大距离函数 void min_max_distance(Node* root1, Node* root2, double* min_dis, double* max_dis) { if (!root1 || !root2) return; double dis = distance(root1->p, root2->p); if (dis < *min_dis) *min_dis = dis; if (dis > *max_dis) *max_dis = dis; int dim = 0; if (root1->p.x[dim] < root2->p.x[dim]) { min_max_distance(root1->children[0], root2, min_dis, max_dis); if (root2->p.x[dim] - root1->p.x[dim] < *min_dis) { min_max_distance(root1->children[1], root2, min_dis, max_dis); } } else { min_max_distance(root1->children[1], root2, min_dis, max_dis); if (root1->p.x[dim] - root2->p.x[dim] < *min_dis) { min_max_distance(root1->children[0], root2, min_dis, max_dis); } } } int main() { Point points1[] = {{2, 3}, {5, 4}, {9, 6}, {4, 7}, {8, 1}}; //第一个点集 Point points2[] = {{7, 2}, {6, 5}, {10, 3}, {1, 8}, {3, 5}}; //第二个点集 int n1 = sizeof(points1) / sizeof(Point); int n2 = sizeof(points2) / sizeof(Point); Node* root1 = build_kdtree(points1, n1, 0); //建立第一个点集的KD-Tree Node* root2 = build_kdtree(points2, n2, 0); //建立第二个点集的KD-Tree double min_dis = INFINITY; double max_dis = 0; min_max_distance(root1, root2, &min_dis, &max_dis); //计算最小和最大距离 printf("Minimum distance: %lf\n", min_dis); printf("Maximum distance: %lf\n", max_dis); return 0; } ``` 这段代码使用了KD-Tree来实现两个点集之间的最小和最大距离的计算，先根据点的x坐标排序，然后分别递归进行左右子树的构建，最后递归计算最小和最大距离即可。 希望这个代码能够帮到你！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

没有水杯和雨伞的工科男

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值