python - 计算到多个点的最小距离的 map

Question

给定点列表obstacles(作为行，列矩阵坐标的列表，形状为(n，2)的ndarray)，返回一个大小为 size 的映射(其中 size 是二维 NumPy 数组的形状)，其中 r, c 的值是到最近的“障碍物”的欧氏距离。

def gen_distgrid(size, obstacles):
    n_obstacles = obstacles.shape[0]
    distgrids = np.zeros((n_obstacles + 4, size[0], size[1]))
    for layer in range(n_obstacles):
        for i in range(size[0]):
            for j in range(size[1]):
                distgrids[layer, i, j] = np.linalg.norm(obstacles[layer,:] - [i,j])
    for i in range(size[0]):
            for j in range(size[1]):
                distgrids[n_obstacles + 0, i, j] = i
                distgrids[n_obstacles + 1, i, j] = (size[0] - i)
                distgrids[n_obstacles + 2, i, j] = j
                distgrids[n_obstacles + 3, i, j] = (size[1] - j)
    distgrid = np.min(distgrids, axis=0)
    return distgrid

我的方法真的很慢，我觉得应该有更好的方法。

Answer 1

Here是使用 Numpy 和 SciPy 的 KD 树解决类似问题的方法。只需将您的障碍物插入 KD 树并查询树中的每个网格点以获得其最近的邻居。