如何在python中对极坐标系数据进行分组或聚类

Question

我有一个 RPLidar，我的任务是检测障碍物。 从传感器中，我得到一组元组，其中包含信号质量、角度和距离（以毫米为单位）。

以下是示例：

[(15, 1.375, 2569.0), (15, 3.0, 2491.5), (15, 4.578125, 2528.75), (15, 6.203125, 2419.75), (15, 7.796875, 2299.75), (15, 9.40625, 2200.5), (15, 11.078125, 2104.25), (15, 12.703125, 2047.25), (15, 14.3125, 2091.75), (15, 15.84375, 2132.25), (15, 17.46875, 2183.75), (15, 19.015625, 2232.5), (15, 20.609375, 2288.75), (15, 22.15625, 2341.0), (15, 23.765625, 2411.0), (15, 25.34375, 2481.0), (15, 26.875, 2554.25), (15, 28.453125, 2641.0), (15, 30.046875, 2731.5), (15, 31.609375, 2824.0), (15, 33.1875, 2854.75), (11, 39.8125, 2178.0), (15, 41.390625, 2278.0), (15, 42.984375, 2199.5), (13, 44.546875, 2269.0), (15, 46.171875, 2265.5), (15, 47.71875, 2300.75), (15, 49.3125, 2454.25), (15, 50.890625, 2442.0), (15, 52.484375, 2415.0), (15, 54.109375, 2404.0), (15, 55.703125, 2390.0), (15, 57.28125, 2371.0), (15, 58.796875, 2357.5), (15, 60.421875, 2348.5), (15, 61.984375, 2344.0), (15, 63.5625, 2340.5), (15, 65.171875, 2332.75), (15, 66.75, 2328.25), (15, 68.34375, 2330.75), (15, 69.984375, 2324.5), (15, 71.515625, 2328.25), (15, 73.125, 2332.75), (15, 74.71875, 2335.75), (15, 76.28125, 2341.5)]

我在 matplotlib 中绘制了这些数据，这就是它们的样子：

如您所见，我将周围环境信息作为点获取，并且每个点都有质量、角度、与中心的距离。 现在我想将它们分组并需要找到每个组的长度。 我怎样才能做到这一点？ python中是否有任何可用的库，我可以通过它进行如下聚类？

Answer 1

明显的解决方案1：

将数据从极坐标投影到笛卡尔坐标。 然后，您可以使用任何基于坐标的算法（例如k均值）以及任何适用于欧几里德距离的算法（例如HAC，DBSCAN）

明显的解决方案2：

计算极坐标中的成对距离。 对于大数据而言，这可能比上述方法更为复杂，因此速度较慢，但​​更为明显。 当您具有距离矩阵时，请使用任何基于距离的算法，例如HAC，DBSCAN，亲和力传播，光谱聚类。

根据您的绘图，我将设计并使用DBSCAN。

Answer 2

在我看来，这就像一个K均值聚类问题。 您可以利用许多现有解决方案来实现这一目标。 这是有关如何在Panda中实现此目标的博客文章 。

如果容量可能很大，我会做一个项目在backside Pyspark中进行k均值聚类。 您可以在这里找到更多信息