假设box是你的一个盒子（一个形状为(8, 4)的NumPy数组），label是与盒子相关联的标签，假设step_size是一个浮点数，这就是我如何找到盒子中所有点的列表及其标签：

points = np.mgrid[
    np.min(box[:, 0]):np.max(box[:, 0]):step_size,
    np.min(box[:, 1]):np.max(box[:, 1]):step_size,
    np.min(box[:, 2]):np.max(box[:, 2]):step_size,
    label:label + 1
].reshape(4, -1).T

字符串
范例：

>>> from itertools import product, repeat
>>> import numpy as np
>>> step_size = 0.6
>>> label = 7
>>> box = np.hstack([np.array(list(product(*repeat(range(2), 3)))), np.ones((8,1)) * label])
>>> box
array([[0., 0., 0., 7.],
       [0., 0., 1., 7.],
       [0., 1., 0., 7.],
       [0., 1., 1., 7.],
       [1., 0., 0., 7.],
       [1., 0., 1., 7.],
       [1., 1., 0., 7.],
       [1., 1., 1., 7.]])
>>> points = np.mgrid[
...     np.min(box[:, 0]):np.max(box[:, 0]):step_size,
...     np.min(box[:, 1]):np.max(box[:, 1]):step_size,
...     np.min(box[:, 2]):np.max(box[:, 2]):step_size,
...     label:label + 1
... ].reshape(4, -1).T
>>> points
array([[0. , 0. , 0. , 7. ],
       [0. , 0. , 0.6, 7. ],
       [0. , 0.6, 0. , 7. ],
       [0. , 0.6, 0.6, 7. ],
       [0.6, 0. , 0. , 7. ],
       [0.6, 0. , 0.6, 7. ],
       [0.6, 0.6, 0. , 7. ],
       [0.6, 0.6, 0.6, 7. ]])

型

您当前的方法似乎对框内的采样点是正确的，并且它有效地利用了NumPy。然而，您的代码中存在一个小错误。您使用labels[i]而不是boxes[i，0，0，3]来获取每个框的标签。
检查这个代码。

mins = np.min(boxes, axis=(1, 2))
maxs = np.max(boxes, axis=(1, 2))
sampled_points = []
sampled_labels = []
step_size = 0.01
for i in range(boxes.shape[0]):
    num_points_x = int(np.floor((maxs[i, 0] - mins[i, 0]) / step_size))
    num_points_y = int(np.floor((maxs[i, 1] - mins[i, 1]) / step_size))
    num_points_z = int(np.floor((maxs[i, 2] - mins[i, 2]) / step_size))
    x_coords, y_coords, z_coords = np.mgrid[mins[i, 0]:maxs[i, 0]:num_points_x * 1j,
                                            mins[i, 1]:maxs[i, 1]:num_points_y * 1j,
                                            mins[i, 2]:maxs[i, 2]:num_points_z * 1j]
    points = np.vstack([x_coords.ravel(), y_coords.ravel(), z_coords.ravel()]).T
    labels = np.repeat(boxes[i, 0, 0, 3], points.shape[0])  # Use boxes[i, 0, 0, 3] instead of labels[i]
    sampled_points.append(points)
    sampled_labels.append(labels)

字符串