python - 根据numpy中的顶点坐标选择网格的面

Question

我有两个 numpy 数组，一个用于网格的 3D 顶点，称之为 vert一个是三角面，称之为faces :

vert数组是一个 N x 3 float 的形状数组，因此有 N 个三维点。 x每个点的坐标可以有正值和负值。 作为一个纯粹的例子，这可以是 vert数组:

[[  2.886495  24.886948  15.909558]
 [ -13.916695 -58.985245  19.655312]
 [ 40.415527   8.968353   8.515955]
 ...
 [ 13.392465 -58.20602   18.752457]
 [ -12.504704 -58.307934  18.912386]
 [ 13.322185 -58.52817   19.165733]]

由于网格居中，网格的左边部分是具有正 x 分量的部分，相应的顶点索引由 np.where 找到

i_vert_left = np.where(vert[:,0]>0)[0]

我现在想过滤掉那些由坐标完全为正 x 的三角形组成的面孔轴。

但是我在正确执行此索引 操作时遇到了问题。 我的第一次尝试是对面进行子集化，使它们对应的顶点具有 x>0。

faces_left = np.asarray([f for f in faces if np.all(np.isin(i_vert_left,f)) ])

但是在大​​网格上操作非常慢。 我如何利用人脸的智能索引？

Answer 1

假设 faces 是一个 Nx3 整数数组，索引每个三角形的三个顶点，我认为您应该只需要:

# Check whether each vertex is left or not
vert_left_mask = vert[:, 0] > 0
# Check whether each face has all vertices on left or not
faces_left_mask = np.all(vert_left_mask[faces], axis=1)
# Select resulting left faces
faces_left = faces[faces_left_mask]

这里的主要“技巧”在 vert_left_mask[faces] 中，它将每个整数顶点编号替换为一个 bool 值，指示该顶点是否在左侧，因此很容易分辨出哪个面是完全的留下 np.all。