问题描述
我需要对 2D 点云（> 1000 万个点）进行网格化，并识别点数小于阈值的网格。
我使用 2D 直方图来网格化并显示每个网格中的点数。接下来，我可以使用条件来选择点数小于阈值（例如
但是，点云的边界是不规则的，可以是 alpha 形状/凹壳。所以二维直方图的常规笛卡尔网格也覆盖了点云之外的区域。当我尝试按条件选择网格时，它还会选择云外的网格（因为云外的区域有 0 个点）。我不能排除 0 点的网格，因为云中的一些网格也有 0 点。
我目前的解决方案是使用 alphashape 包或 Scipy 的 delaunay 三角剖分来构建点云的 alpha 形状，然后排除 alpha 形状之外的所有网格。
还有比我更有效的其他解决方案吗？我认为从 > 10 百万点的点云构建 alpha 形状可能需要大量计算。
我还遇到了以下使用优化（例如线性规划）的解决方案。但我不明白如何将这种方法应用于这些问题。我也不确定它是否适用于我的问题。 https://stackoverflow.com/a/43564754/15109291
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）