本征样条插值 - 如何获得任意点 x 处的样条 y 值?
Eigen Spline interpolation - How to get spline y value at arbitray point x?
我正在尝试使用 Eigen 库来创建样条曲线。但是,一旦我创建了样条曲线,我就不知道如何获得给定点 x 的值。
请参阅下面的示例以解释我的意图:
#include <Eigen/Core>
#include <unsupported/Eigen/Splines>
int main(int argc, char const* argv[])
{
// points at (0,0) (15,12) and (30,17)
Eigen::MatrixXd points(2, 3);
points << 0, 15, 30,
0, 12, 17;
typedef Eigen::Spline<double, 2> spline2d;
spline2d s = Eigen::SplineFitting<spline2d>::Interpolate(points, 2);
// I now have a spline called s.
// I want to do something like:
double x = 12.34;
double new_y = s(x)[1]; // However this s() function uses a chord value. What is a chord value?
// Is there a:
double new_y2 = s.eval(x)
}
我知道这会让人感到困惑。 Eigen Spline 拟合模块在您使用时不会对函数 R -> R 建模。例如,您可以用它构建螺旋。这意味着您不能指望从 X 值获得 Y 值,而是根据样条线上的点(因此是弦长)来挑选样条线上的点。
可以使用该模块对函数建模,尽管不是很直观:考虑 R1 中的 Y 值点,而不是让 Eigen 计算弦长,提供您自己的一组结参数,这些参数的间距与您的 X 值相同(缩小到 [0,1],以便算法可以处理)。它可以像这样包装:
#include <Eigen/Core>
#include <unsupported/Eigen/Splines>
#include <iostream>
class SplineFunction {
public:
SplineFunction(Eigen::VectorXd const &x_vec,
Eigen::VectorXd const &y_vec)
: x_min(x_vec.minCoeff()),
x_max(x_vec.maxCoeff()),
// Spline fitting here. X values are scaled down to [0, 1] for this.
spline_(Eigen::SplineFitting<Eigen::Spline<double, 1>>::Interpolate(
y_vec.transpose(),
// No more than cubic spline, but accept short vectors.
std::min<int>(x_vec.rows() - 1, 3),
scaled_values(x_vec)))
{ }
double operator()(double x) const {
// x values need to be scaled down in extraction as well.
return spline_(scaled_value(x))(0);
}
private:
// Helpers to scale X values down to [0, 1]
double scaled_value(double x) const {
return (x - x_min) / (x_max - x_min);
}
Eigen::RowVectorXd scaled_values(Eigen::VectorXd const &x_vec) const {
return x_vec.unaryExpr([this](double x) { return scaled_value(x); }).transpose();
}
double x_min;
double x_max;
// Spline of one-dimensional "points."
Eigen::Spline<double, 1> spline_;
};
int main(int argc, char const* argv[])
{
Eigen::VectorXd xvals(3);
Eigen::VectorXd yvals(xvals.rows());
xvals << 0, 15, 30;
yvals << 0, 12, 17;
SplineFunction s(xvals, yvals);
std::cout << s(12.34) << std::endl;
}
@Wintermute 解决方案适用于小向量。但是,如果向量大小很大,它会非常慢并且会消耗大量 RAM。
Eigen::VectorXd xvals = Eigen::VectorXd::LinSpaced(10000,0.,1);
Eigen::VectorXd yvals = xvals.array().sin();
SplineFunction s(xvals, yvals);
std::cout << s(0.50000001) << std::endl;
需要 ~2 GB RAM 并且在我的系统上需要 17 秒(使用了 16 个线程)
为了比较我用了gsl
gsl_interp_accel* accel_ptr = gsl_interp_accel_alloc();
gsl_spline* spline_ptr;
spline_ptr = gsl_spline_alloc( gsl_interp_cspline, 10000 );
gsl_spline_init( spline_ptr, &xvals[0], &yvals[0], 10000 );
std::cout << gsl_spline_eval( spline_ptr, 0.50000001, accel_ptr ) << std::endl;
gsl_spline_free( spline_ptr );
gsl_interp_accel_free( accel_ptr );
这需要几微秒并且需要非常少量的 RAM
我正在尝试使用 Eigen 库来创建样条曲线。但是,一旦我创建了样条曲线,我就不知道如何获得给定点 x 的值。
请参阅下面的示例以解释我的意图:
#include <Eigen/Core>
#include <unsupported/Eigen/Splines>
int main(int argc, char const* argv[])
{
// points at (0,0) (15,12) and (30,17)
Eigen::MatrixXd points(2, 3);
points << 0, 15, 30,
0, 12, 17;
typedef Eigen::Spline<double, 2> spline2d;
spline2d s = Eigen::SplineFitting<spline2d>::Interpolate(points, 2);
// I now have a spline called s.
// I want to do something like:
double x = 12.34;
double new_y = s(x)[1]; // However this s() function uses a chord value. What is a chord value?
// Is there a:
double new_y2 = s.eval(x)
}
我知道这会让人感到困惑。 Eigen Spline 拟合模块在您使用时不会对函数 R -> R 建模。例如,您可以用它构建螺旋。这意味着您不能指望从 X 值获得 Y 值,而是根据样条线上的点(因此是弦长)来挑选样条线上的点。
可以使用该模块对函数建模,尽管不是很直观:考虑 R1 中的 Y 值点,而不是让 Eigen 计算弦长,提供您自己的一组结参数,这些参数的间距与您的 X 值相同(缩小到 [0,1],以便算法可以处理)。它可以像这样包装:
#include <Eigen/Core>
#include <unsupported/Eigen/Splines>
#include <iostream>
class SplineFunction {
public:
SplineFunction(Eigen::VectorXd const &x_vec,
Eigen::VectorXd const &y_vec)
: x_min(x_vec.minCoeff()),
x_max(x_vec.maxCoeff()),
// Spline fitting here. X values are scaled down to [0, 1] for this.
spline_(Eigen::SplineFitting<Eigen::Spline<double, 1>>::Interpolate(
y_vec.transpose(),
// No more than cubic spline, but accept short vectors.
std::min<int>(x_vec.rows() - 1, 3),
scaled_values(x_vec)))
{ }
double operator()(double x) const {
// x values need to be scaled down in extraction as well.
return spline_(scaled_value(x))(0);
}
private:
// Helpers to scale X values down to [0, 1]
double scaled_value(double x) const {
return (x - x_min) / (x_max - x_min);
}
Eigen::RowVectorXd scaled_values(Eigen::VectorXd const &x_vec) const {
return x_vec.unaryExpr([this](double x) { return scaled_value(x); }).transpose();
}
double x_min;
double x_max;
// Spline of one-dimensional "points."
Eigen::Spline<double, 1> spline_;
};
int main(int argc, char const* argv[])
{
Eigen::VectorXd xvals(3);
Eigen::VectorXd yvals(xvals.rows());
xvals << 0, 15, 30;
yvals << 0, 12, 17;
SplineFunction s(xvals, yvals);
std::cout << s(12.34) << std::endl;
}
@Wintermute 解决方案适用于小向量。但是,如果向量大小很大,它会非常慢并且会消耗大量 RAM。
Eigen::VectorXd xvals = Eigen::VectorXd::LinSpaced(10000,0.,1);
Eigen::VectorXd yvals = xvals.array().sin();
SplineFunction s(xvals, yvals);
std::cout << s(0.50000001) << std::endl;
需要 ~2 GB RAM 并且在我的系统上需要 17 秒(使用了 16 个线程)
为了比较我用了gsl
gsl_interp_accel* accel_ptr = gsl_interp_accel_alloc();
gsl_spline* spline_ptr;
spline_ptr = gsl_spline_alloc( gsl_interp_cspline, 10000 );
gsl_spline_init( spline_ptr, &xvals[0], &yvals[0], 10000 );
std::cout << gsl_spline_eval( spline_ptr, 0.50000001, accel_ptr ) << std::endl;
gsl_spline_free( spline_ptr );
gsl_interp_accel_free( accel_ptr );
这需要几微秒并且需要非常少量的 RAM