搜索椭球体参数计算（ellipsoid）

基于最小体积包围椭球（MVEE, Khachiyan 算法）从矿体点云自动计算搜索椭球体的 形状参数（3 轴长）和方位参数（3 角度），输出可直接映射到 BlockModelDistancePowerParams。

搜索椭球体参数计算模块

基于最小体积包围椭球（MVEE, Khachiyan 算法），从矿体点云计算距离幂估值 所需的搜索椭球体参数（3 轴长 + 3 角度）。

使用示例::

from dimine_python_sdk.lib.prospecting.ellipsoid import (
    compute_search_ellipsoid,
    compute_search_ellipsoid_from_dmf,
)

# 从点云直接计算
params = compute_search_ellipsoid(points)
print(params.angle_main, params.main_radius)

# 从 DMF 矿体模型计算
params = compute_search_ellipsoid_from_dmf("矿体.dmf", voxel_size=5.0)
print(params.model_dump())

# 直接映射到估值参数
eval_params = BlockModelDistancePowerParams(
    **params.to_block_model_params()
)

参考： Khachiyan, L. G. (1996). "Rounding of Polytopes in the Real Number Model of Computation". Mathematics of Operations Research.

SearchEllipsoidParams

Bases: ParamModel

搜索椭球体参数，可直接映射到 BlockModelDistancePowerParams。

三个角度依次为 Z-Y-X 欧拉角序列： R = Rz(π/2 − angle_main) × Ry(angle_second) × Rx(angle_short)

其中 R 的列向量为 [PC1, PC2, PC3]。

Source code in dimine_python_sdk\lib\prospecting\ellipsoid.py

class SearchEllipsoidParams(ParamModel):
    """搜索椭球体参数，可直接映射到 ``BlockModelDistancePowerParams``。

    三个角度依次为 Z-Y-X 欧拉角序列：
        R = Rz(π/2 − angle_main) × Ry(angle_second) × Rx(angle_short)

    其中 R 的列向量为 [PC1, PC2, PC3]。
    """

    # ---- 形状参数 ----
    main_radius: float
    """主轴半径（m），椭球体最长半轴"""
    second_radius: float
    """次轴半径（m），椭球体中等半轴"""
    short_radius: float
    """短轴半径（m），椭球体最短半轴"""
    second_main_rate: float
    """次轴/主轴比例"""
    short_main_rate: float
    """短轴/主轴比例"""

    # ---- 方位参数（SDK 映射） ----
    angle_main: float
    """方位角（°），主轴水平投影方向，0°=正北，90°=正东"""
    angle_second: float
    """倾伏角（°），主轴与水平面夹角，正值=向下，0°=水平，90°=垂直"""
    angle_short: float
    """倾角（°），椭球体绕主轴旋转角，控制短轴（厚度方向）的侧倾"""

    # ---- 辅助信息 ----
    center: Tuple[float, float, float]
    """椭球体中心坐标 (x, y, z)"""
    pc1_direction: Tuple[float, float, float]
    """主轴方向单位向量（走向方向）"""
    pc2_direction: Tuple[float, float, float]
    """次轴方向单位向量（倾向方向）"""
    pc3_direction: Tuple[float, float, float]
    """短轴方向单位向量（厚度方向）"""

    def to_block_model_params(self) -> dict:
        """提取 ``BlockModelDistancePowerParams`` 所需的 6 个字段。

        Returns:
            dict，包含 main_radius、second_main_rate、short_main_rate、
            angle_main、angle_second、angle_short
        """
        return {
            "main_radius": self.main_radius,
            "second_main_rate": self.second_main_rate,
            "short_main_rate": self.short_main_rate,
            "angle_main": self.angle_main,
            "angle_second": self.angle_second,
            "angle_short": self.angle_short,
        }

angle_main instance-attribute

方位角（°），主轴水平投影方向，0°=正北，90°=正东

angle_second instance-attribute

倾伏角（°），主轴与水平面夹角，正值=向下，0°=水平，90°=垂直

angle_short instance-attribute

倾角（°），椭球体绕主轴旋转角，控制短轴（厚度方向）的侧倾

center instance-attribute

椭球体中心坐标 (x, y, z)

main_radius instance-attribute

主轴半径（m），椭球体最长半轴

pc1_direction instance-attribute

主轴方向单位向量（走向方向）

pc2_direction instance-attribute

次轴方向单位向量（倾向方向）

pc3_direction instance-attribute

短轴方向单位向量（厚度方向）

second_main_rate instance-attribute

次轴/主轴比例

second_radius instance-attribute

次轴半径（m），椭球体中等半轴

short_main_rate instance-attribute

短轴/主轴比例

short_radius instance-attribute

短轴半径（m），椭球体最短半轴

to_block_model_params()

提取 BlockModelDistancePowerParams 所需的 6 个字段。

Returns:

Type	Description
dict	dict，包含 main_radius、second_main_rate、short_main_rate、
dict	angle_main、angle_second、angle_short

Source code in dimine_python_sdk\lib\prospecting\ellipsoid.py

def to_block_model_params(self) -> dict:
    """提取 ``BlockModelDistancePowerParams`` 所需的 6 个字段。

    Returns:
        dict，包含 main_radius、second_main_rate、short_main_rate、
        angle_main、angle_second、angle_short
    """
    return {
        "main_radius": self.main_radius,
        "second_main_rate": self.second_main_rate,
        "short_main_rate": self.short_main_rate,
        "angle_main": self.angle_main,
        "angle_second": self.angle_second,
        "angle_short": self.angle_short,
    }

compute_search_ellipsoid(points, voxel_size=5.0)

从点云计算搜索椭球体参数。

流程：体素降采样 → MVEE → 角度分解。

Parameters:

Name	Type	Description	Default
points	ndarray	点云坐标，shape=(N, 3)，(x=东, y=北, z=高程)	required
voxel_size	Optional[float]	体素降采样尺寸（米），设为 None 或 0 则跳过降采样。 推荐 5.0 m，可有效消除三角网密度不均的影响。	5.0

Returns:

Type	Description
SearchEllipsoidParams	SearchEllipsoidParams，包含 6 个核心参数及辅助信息

Raises:

Type	Description
ValueError	点云数量不足（< 4）

Example::

params = compute_search_ellipsoid(points, voxel_size=5.0)
# 直接用于距离幂估值
eval_params = BlockModelDistancePowerParams(
    **params.to_block_model_params(),
    sample_file="样品.dmg",
    variables="CU",
    extra_attributes="样品点数目",
)

Source code in dimine_python_sdk\lib\prospecting\ellipsoid.py

def compute_search_ellipsoid(
    points: np.ndarray,
    voxel_size: Optional[float] = 5.0,
) -> SearchEllipsoidParams:
    """
    从点云计算搜索椭球体参数。

    流程：体素降采样 → MVEE → 角度分解。

    Args:
        points: 点云坐标，shape=(N, 3)，(x=东, y=北, z=高程)
        voxel_size: 体素降采样尺寸（米），设为 None 或 0 则跳过降采样。
                    推荐 5.0 m，可有效消除三角网密度不均的影响。

    Returns:
        SearchEllipsoidParams，包含 6 个核心参数及辅助信息

    Raises:
        ValueError: 点云数量不足（< 4）

    Example::

        params = compute_search_ellipsoid(points, voxel_size=5.0)
        # 直接用于距离幂估值
        eval_params = BlockModelDistancePowerParams(
            **params.to_block_model_params(),
            sample_file="样品.dmg",
            variables="CU",
            extra_attributes="样品点数目",
        )
    """
    if points.ndim != 2 or points.shape[1] < 3:
        raise ValueError(f"点云应为 (N, 3) 形状，当前: {points.shape}")

    if len(points) < 4:
        raise ValueError(f"点云数量不足：需要至少 4 个点，当前 {len(points)} 个")

    # 1. 体素降采样
    if voxel_size and voxel_size > 0:
        pts = _voxel_downsample(points, voxel_size)
    else:
        pts = points

    # 2. MVEE
    axes, directions, center = _compute_mvee(pts)

    # 3. 角度分解
    main_r, second_r, short_r, az, pl, dip = _decompose_angles(axes, directions)

    # 4. 比例
    second_main_rate = second_r / main_r if main_r > 0 else 0.0
    short_main_rate = short_r / main_r if main_r > 0 else 0.0

    return SearchEllipsoidParams(
        main_radius=round(main_r, 2),
        second_radius=round(second_r, 2),
        short_radius=round(short_r, 2),
        second_main_rate=round(second_main_rate, 4),
        short_main_rate=round(short_main_rate, 4),
        angle_main=round(az, 2),
        angle_second=round(pl, 2),
        angle_short=round(dip, 2),
        center=tuple(round(float(c), 2) for c in center),
        pc1_direction=tuple(round(float(v), 4) for v in directions[0]),
        pc2_direction=tuple(round(float(v), 4) for v in directions[1]),
        pc3_direction=tuple(round(float(v), 4) for v in directions[2]),
    )

compute_search_ellipsoid_from_dmf(dmf_path, voxel_size=5.0)

从 DMF 矿体模型文件直接计算搜索椭球体参数。

自动提取所有 Shell 实体的顶点，执行体素降采样与 MVEE 计算。

Parameters:

Name	Type	Description	Default
dmf_path	str	DMF 矿体模型文件路径	required
voxel_size	float	体素降采样尺寸（米），推荐 5.0 m	5.0

Returns:

Type	Description
SearchEllipsoidParams	SearchEllipsoidParams

Raises:

Type	Description
FileNotFoundError	DMF 文件不存在
ValueError	DMF 中无 Shell 实体

Source code in dimine_python_sdk\lib\prospecting\ellipsoid.py

def compute_search_ellipsoid_from_dmf(
    dmf_path: str,
    voxel_size: float = 5.0,
) -> SearchEllipsoidParams:
    """
    从 DMF 矿体模型文件直接计算搜索椭球体参数。

    自动提取所有 Shell 实体的顶点，执行体素降采样与 MVEE 计算。

    Args:
        dmf_path: DMF 矿体模型文件路径
        voxel_size: 体素降采样尺寸（米），推荐 5.0 m

    Returns:
        SearchEllipsoidParams

    Raises:
        FileNotFoundError: DMF 文件不存在
        ValueError: DMF 中无 Shell 实体
    """
    from pathlib import Path

    from dimine_python_sdk.lib.io.dmf_file import DmfFile

    path = Path(dmf_path)
    if not path.exists():
        raise FileNotFoundError(f"DMF 文件不存在: {dmf_path}")

    # 提取所有 Shell 顶点
    dmf = DmfFile(str(path))
    all_vertices = []
    for layer in dmf.layers:
        for entity in layer.entities:
            if hasattr(entity, 'type') and entity.type == 'shell':
                tin = entity.geometry
                if tin is not None and hasattr(tin, 'points'):
                    pts = np.asarray(tin.points, dtype=np.float64)
                    if pts.ndim == 2 and pts.shape[1] >= 3:
                        all_vertices.append(pts[:, :3])
    dmf.close()

    if not all_vertices:
        raise ValueError(f"DMF 中未找到 Shell 实体: {dmf_path}")

    points = np.vstack(all_vertices)
    return compute_search_ellipsoid(points, voxel_size=voxel_size)