CSGDifference uniform_points not implemented

[pecanjk]

在使用CSG方式构造geometry时，部分采样方法没有实现

[2025/07/15 10:27:54] ppsci WARNING: CSGDifference, ndim = 3, bbox = (array([-1., -1.,  0.], dtype=float32), array([1. , 1. , 0.5], dtype=float32)), diam = 2.872281312942505, dim_keys = ('x', 'y', 'z').uniform_points not implemented. Use random_points instead.

[HydrogenSulfate]

对CSG几何的内部进行均匀采样出n个点，其实比较复杂，也没这方面的需求，所以这块就没有打算实现。

[pecanjk]

对CSG几何的内部进行均匀采样出n个点，其实比较复杂，也没这方面的需求，所以这块就没有打算实现。

有需求，例如在evaluate时计算metric以及visualization()时会有需求

[pecanjk]

对CSG几何的内部进行均匀采样出n个点，其实比较复杂，也没这方面的需求，所以这块就没有打算实现。

按几何占比均匀分割后并在各自区域uniform采样。

[HydrogenSulfate]

对CSG几何的内部进行均匀采样出n个点，其实比较复杂，也没这方面的需求，所以这块就没有打算实现。

按几何占比均匀分割后并在各自区域uniform采样。

想做到任意层级嵌套的布尔运算的uniform采样，感觉还是比较复杂的，目前暂时没有人力实现，如果有好的实现方式，欢迎贡献代码

[pecanjk]

对CSG几何的内部进行均匀采样出n个点，其实比较复杂，也没这方面的需求，所以这块就没有打算实现。

按几何占比均匀分割后并在各自区域uniform采样。

想做到任意层级嵌套的布尔运算的uniform采样，感觉还是比较复杂的，目前暂时没有人力实现，如果有好的实现方式，欢迎贡献代码

不确定是否可行

def uniform_points(n):
    percent=csg.area/csg.bbox.area
    tot_bbox_sample_num = n/percent
    uniform_points_tot=csg.bbox.sample(tot_bbox_sample_num,'uniform')
    uniform_points_csg = csg.is_inside(uniform_points_tot)
    #len(uniform_points_csg)<=n，应该是到不了n的
    return uniform_points_csg

or

def uniform_points(n):
    percent=csg.area/csg.bbox.area
    tot_bbox_sample_num = 2*n/percent #采样更多些
    uniform_points_tot=csg.bbox.sample(tot_bbox_sample_num,'uniform')
    uniform_points_csg = csg.is_inside(uniform_points_tot)
    if len(uniform_points_csg)>n:
        uniform_drop(uniform_points_csg, len(uniform_points_csg)-n) #np.random.choice(points,k)?
    return uniform_points_csg

[HydrogenSulfate]

对CSG几何的内部进行均匀采样出n个点，其实比较复杂，也没这方面的需求，所以这块就没有打算实现。

按几何占比均匀分割后并在各自区域uniform采样。

想做到任意层级嵌套的布尔运算的uniform采样，感觉还是比较复杂的，目前暂时没有人力实现，如果有好的实现方式，欢迎贡献代码

不确定是否可行

def uniform_points(n):
    percent=csg.area/csg.bbox.area
    tot_bbox_sample_num = n/percent
    uniform_points_tot=csg.bbox.sample(tot_bbox_sample_num,'uniform')
    uniform_points_csg = csg.is_inside(uniform_points_tot)
    #len(uniform_points_csg)<=n，应该是到不了n的
    return uniform_points_csg

or

def uniform_points(n):
    percent=csg.area/csg.bbox.area
    tot_bbox_sample_num = 2*n/percent #采样更多些
    uniform_points_tot=csg.bbox.sample(tot_bbox_sample_num,'uniform')
    uniform_points_csg = csg.is_inside(uniform_points_tot)
    if len(uniform_points_csg)>n:
        uniform_drop(uniform_points_csg, len(uniform_points_csg)-n) #np.random.choice(points,k)?
    return uniform_points_csg

建议用cuboid构造一个3x3x3的魔方，然后用这些魔方和外接cuboid（魔方表面）进行一些交、并、差运算，看看采样结果是否符合预期

[pecanjk]

对CSG几何的内部进行均匀采样出n个点，其实比较复杂，也没这方面的需求，所以这块就没有打算实现。

按几何占比均匀分割后并在各自区域uniform采样。

想做到任意层级嵌套的布尔运算的uniform采样，感觉还是比较复杂的，目前暂时没有人力实现，如果有好的实现方式，欢迎贡献代码

不确定是否可行

def uniform_points(n):
    percent=csg.area/csg.bbox.area
    tot_bbox_sample_num = n/percent
    uniform_points_tot=csg.bbox.sample(tot_bbox_sample_num,'uniform')
    uniform_points_csg = csg.is_inside(uniform_points_tot)
    #len(uniform_points_csg)<=n，应该是到不了n的
    return uniform_points_csg

or

def uniform_points(n):
    percent=csg.area/csg.bbox.area
    tot_bbox_sample_num = 2*n/percent #采样更多些
    uniform_points_tot=csg.bbox.sample(tot_bbox_sample_num,'uniform')
    uniform_points_csg = csg.is_inside(uniform_points_tot)
    if len(uniform_points_csg)>n:
        uniform_drop(uniform_points_csg, len(uniform_points_csg)-n) #np.random.choice(points,k)?
    return uniform_points_csg

I finished with some test.
Here are the core code. Using Monte-Carlo sampling to estimate csg.area.

def estimate_percentage(bbox_outer:Cuboid, is_inside:callable, pts_test_num = 100000):
    #pts_test_num = 100000 #bigger is better
    pts_all_test = bbox_outer.uniform_points(pts_test_num)
    pts_inside_num = sum(is_inside(pts_all_test))
    percent = pts_inside_num / pts_test_num
    return percent

def get_uniform_points(n, bbox_outer:Cuboid, is_inside:callable, pts_test_num = 100000, boundary = True) -> np.ndarray:
    percent = estimate_percentage(bbox_outer, is_inside, pts_test_num)
    print("percent: ", percent)
    N_cuboid_tot=int(n/percent) #this is obtained by estimated how much contribution each geometry to the final total csg
    print(f'N_cuboid_tot{N_cuboid_tot}')
    pts_all = bbox_outer.uniform_points(N_cuboid_tot) #(5048, 3)~5000
    print(f'pts_all.shape{pts_all.shape}')
    pts = pts_all[is_inside(pts_all)]
    print(f'pts.shape{pts.shape}')
    print(f'n:{n}, get {pts.shape[0]} points')
    drop_num = pts.shape[0]-n
    if drop_num>0:
        #drop some points uniformly
        drop_idx = np.random.choice(pts.shape[0], drop_num, replace=False)
        pts = np.delete(pts, drop_idx, axis=0)
    return pts

These are some tested results:
Case 1 diff

geom1 = ppsci.geometry.Cuboid((0, 0, 0), (1, 1, 1))
geom2 = ppsci.geometry.Cuboid((0.5, 0.5, 0.5), (1.2, 1.2, 1.2))
csg1d = geom1 - geom2
pts1d = csg1d.uniform_points(20*20*20)  **#real points is (7884, 3) 略少于20*20*20**

---

Case 2 union

geom1 = ppsci.geometry.Cuboid((0, 0, 0), (1, 1, 1))
geom2 = ppsci.geometry.Cuboid((0.5, 0.5, 0.5), (1.2, 1.2, 1.2))
csg1d = geom1 | geom2
pts1d = csg1d.uniform_points(20*20*20) **#real points is get (7989, 3)略少于20*20*20**

---

Case 3 Intersection

geom1 = ppsci.geometry.Cuboid((0, 0, 0), (1, 1, 1))
geom2 = ppsci.geometry.Cuboid((0.5, 0.5, 0.5), (1.2, 1.2, 1.2))
csg1d = geom1 & geom2
pts1d = csg1d.uniform_points(20*20*20) **#real points is (8000, 3) 等于20*20*20

---

Case 4

geom1 = ppsci.geometry.Cuboid((0, 0, 0), (1, 1, 1))
geom2 = ppsci.geometry.Cuboid((0.5, 0.5, 0.5), (1.2, 1.2, 1.2))
geom3 = ppsci.geometry.Sphere((0.5, 0.5, 0.5), 0.5)
csg = (geom1 - geom2) & geom3
pts1d = csg.uniform_points(20*20*20)  **#real points is (7761, 3) 略少于20*20*20

[pecanjk]

如果csg.random_points()会长这样，二者有明显区别

[HydrogenSulfate]

这个结果看起来没什么问题，方便提交一个PR合入到ppsci吗？

[pecanjk]

这个结果看起来没什么问题，方便提交一个PR合入到ppsci吗？

好的