如何在不消除坐标的情况下对浮点坐标进行排序?

How to sort floating point coordinates with no elimination of coordinates?

我有一个坐标列表,它们应该形成我需要排序的路径的边缘。我正在尝试使用 Grahams 扫描并尝试了几个样本:

  1. GrhamsScan.cs
  2. ConvexHull.cs
  3. ConvexHull Algo

这些代码对于我的几个测试用例都失败了,我不确定哪里出了问题。

编辑:

这些坐标应该是切线的一部分。如果坐标未排序,则切线会发生危险,而不是随着风暴的进行可能是直线或曲线的正确路径。

我正在创建形成风暴路径的圆的切线。一个例子可以在这里看到:

编辑#02

如果形成切线的点是有序的,正确的形状(忽略最后的半圆)应该是这样的。

测试用例:

测试用例#01

[0]: {X = 11.581625 Y = -110.983437}
[1]: {X = 11.1816254 Y = -108.983437}
[2]: {X = 11.88781 Y = -113.115852}
[3]: {X = 11.587204 Y = -111.015938}
[4]: {X = 12.1884336 Y = -115.215759}
[5]: {X = 11.88781 Y = -113.115845}
[6]: {X = 12.5794077 Y = -116.863365}
[7]: {X = 12.1794081 Y = -115.163368}
[8]: {X = 13.0785418 Y = -118.855026}
[9]: {X = 12.5785418 Y = -116.855026}
[10]: {X = 13.534234 Y = -119.732178}
[11]: {X = 13.034234 Y = -118.732178}

测试用例#02

   [0]: {X = 10.4182844 Y = -111.21611}
[1]: {X = 10.0190592 Y = -109.21595}
[2]: {X = 10.712142 Y = -113.283806}
[3]: {X = 10.4127483 Y = -111.183716}
[4]: {X = 11.0115175 Y = -115.383896}
[5]: {X = 10.712141 Y = -113.2838}
[6]: {X = 11.4204569 Y = -117.136063}
[7]: {X = 11.0213022 Y = -115.435867}
[8]: {X = 11.9213 Y = -119.144341}
[9]: {X = 11.4223957 Y = -117.144066}
[10]: {X = 12.4652023 Y = -120.266693}
[11]: {X = 11.9662571 Y = -119.266167}

测试用例#03

   [0]: {X = 10.6 Y = -109.1}
    [1]: {X = 11.0 Y = -111.1}
    [2]: {X = 11.3 Y = -113.2}
    [3]: {X = 11.6 Y = -115.3}
    [4]: {X = 12.0 Y = -117.0}
    [5]: {X = 12.5 Y = -119.0}
    [6]: {X = 13.0 Y = -120.0}

请为我提供资源、算法或代码,我可以在其中找到可靠的浮点坐标排序算法,并且在这样做时不会消除点。速度不是最重要的,准确才是最重要的。

我将不胜感激所有意见。谢谢

很遗憾,您丢失了曾经存在于气象数据中的时间刻度,到达您的点数乱序
所以你想从一组点重建一条路径。完成此操作后,此答案正在考虑构建信封应该不是问题。

如果你有N分,就有N分!可能的顺序。

在这些排序中,您必须选择能够最大程度代表风暴轨迹的排序。

一个天真的标准可能是最小化路径长度。一个更先进的可以考虑到风暴速度不能立即改变,所以或多或少地惩罚加速度。或加速度的导数...但这可能需要关于时间采样规律性的额外假设。

在所有情况下,您都必须注入风暴轨迹的模型,并将某种分数(概率)与各种假设(可能的轨迹)相关联。

除非你的点集真的很小,否则你不会迭代整个组合。相反,您将从一个任意点开始重建轨迹。然后,您将尝试通过迭代添加一个点来在一侧或另一侧延伸轨迹。您将 select 先验地减少一组最可能的候选者(例如近点到到目前为止重建轨迹的最后点,或者最接近具有恒定速度或恒定加速度假设的已经重建轨迹的外推......)。

一个简单的算法将在每个步骤中select本地最有可能的候选者。

更严肃的算法会并行重建几个可能的轨迹,并根据一些概率select离子规则消除概率最小的轨迹。

我看到这类问题与使用雷达跟踪目标密切相关,因此您可能会看看此类文献,尤其是对贝叶斯集成概率感兴趣。我希望你喜欢数学。

这就是我写的,它最终适用于所有情况。让我承认它可以提高性能,这可能是一种快速而肮脏的方式,但这是我目前正在使用的方式。

P.S:我也承认 "Convex Hull" 或 "Graham Scan" 从来都不是我需要的,也与我所需要的无关。所以从技术上讲,这是我的错。我需要按照@Chris的建议首先对最近点进行排序。

public class ConvexHull6
{

    public class PointDistance
    {
        public double X { get; set; }
        public double Y { get; set; }
        public double distance { get; set; }
        public int index { get; set; }
    }
    public class StormPointsDistance
    {
        public StormPoints stormPoints { get; set; }
        public Double distance { get; set; }
    }
    public static List<PointD> ReOrderPointsByClosestPointFirst(List<PointD> points, bool islower = false)
    {
        var minX = points.Min(p => p.X);
        var maxX = points.Max(p => p.X);
        var minP = points.First(p => p.X == minX);
        var maxP = points.First(p => p.X == maxX);

        minP = points.First(p => p.X == minX);
        maxP = points.First(p => p.X == maxX);

        var pB = points.ToList();
        var len = pB.Count();
        //Temporary lists to hold data structures and points when performing the points sorting..
        var pDist = new List<PointDistance>();
        var distances = new List<Double>();
        int index = 0;
        //Sorted list to hold final points...
        var sorted = new List<PointD>();
        for (int i = 0; i < len; i++)
        {
            if (i > 0)
            {
                //Minimum point or "Point of Reference for comparison" is now the last point in the sorted list.
                minP = sorted[sorted.Count() - 1];
                //Clear the temporary lists used...
                pDist.Clear(); distances.Clear();
            }
            for (int j = 0; j < len - i; j++)
            {
                var distance = Math.Sqrt(Math.Pow(pB[j].X - minP.X, 2) + Math.Pow(pB[j].Y - minP.Y, 2));
                pDist.Add(new PointDistance() { X = pB[j].X, Y = pB[j].Y, distance = distance, index = index });
                distances.Add(distance);
            }
            //Order the data structure
            pDist = pDist.OrderBy(m => m.distance).ToList();
            //Convert to points list for use
            pB = pDist.Select(m => new PointD(m.X, m.Y)).ToList();
            //Get the first point and put it in the sorted list
            sorted.Add(pB[0]);
            //Remove the point from the pb list so that it is not considered again
            pB.RemoveAt(0);

            index++;
        }
        pDist = pDist.OrderBy(m => m.distance).ToList();
        distances = pDist.Select(m => m.distance).ToList();

        //The new code...
        points = sorted.ToList();

        //Get the minimum Point again as minP has been overwritten during the loop
        minX = points.Min(p => p.X);
        maxX = points.Max(p => p.X);
        minP = points.First(p => p.X == minX);
        maxP = points.First(p => p.X == maxX);
        //Check if minp does nott match the first point
        if ((minP != points[0] && maxP == points[0]) || (maxP != points[len - 1] && minP == points[len - 1]))
        {
            //Reverse only if the first point of array is not the minimum point
            points.Reverse();
        }
        return points;
    }

}