PyVista 中 voxelize 方法的边界处理优化
2025-06-26 12:11:27作者:田桥桑Industrious
在 PyVista 项目中,voxelize() 和 voxelize_volume() 方法用于将三维网格模型转换为体素表示。近期社区发现这两个方法在处理网格边界时存在一个值得优化的行为:默认情况下会裁剪掉网格的末端边界。
问题描述
当对一个简单的立方体网格(边界范围 [-0.5, 0.5])进行体素化时,使用默认参数会发现输出结果丢失了部分边界。例如,使用密度参数 0.2 进行体素化后,输出网格的边界变为 [-0.5, 0.3],而不是预期的 [-0.5, 0.5]。
这种行为源于方法内部使用了 numpy.arange() 来生成体素网格,而 arange() 函数默认不包含终点值。这种实现方式会导致网格的末端边界被裁剪掉,在某些应用场景下可能不符合用户预期。
技术分析
在计算机图形学和科学计算中,体素化过程通常需要考虑以下几种边界处理方式:
- 包含边界:确保原始网格的所有顶点都包含在体素化结果中
- 排除边界:当前 PyVista 的默认行为
- 完全包围:通过适当扩展边界确保原始网格被完全包含
PyVista 目前通过 enclosed=True 参数支持第三种方式,但缺乏对第一种方式的直接支持。
解决方案
社区提出了两种改进方案:
-
短期方案:添加
include_end_bound参数,允许用户选择是否包含末端边界voxelize(mesh, density=None, check_surface=True, enclosed=False, include_end_bound=False) -
长期方案:设计更灵活的边界控制接口,例如:
voxelize(mesh, density=None, check_surface=True, range=["include", "exclude"])这种设计可以支持:
- 显式指定边界值
- 选择包含/排除边界
- 自动扩展边界确保完全包围
实现进展
目前已经提交了两个相关实现:
- 为
voxelize()方法添加了include_end_bound参数 - 为
voxelize_volume()方法添加了相同的功能
这些改进将首先作为可选功能引入,待社区验证效果后,可能会考虑将其设为默认行为。
应用建议
对于需要精确控制体素化边界的应用场景,建议:
- 如果要求保留原始网格的所有几何信息,使用
include_end_bound=True - 如果要求确保原始网格完全被体素网格包围,使用
enclosed=True - 对于需要特殊边界处理的情况,可以等待未来更灵活的边界控制接口
这一改进将使得 PyVista 的体素化功能更加灵活和精确,能够满足更广泛的科学计算和可视化需求。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
651
149
Ascend Extension for PyTorch
Python
211
222
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
20
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
656
291
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.17 K
640
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
251
319