下图是通过立体视觉测距得到了曲面的点云。

我们可以使用一个X-Y平面上的等距网格，分别统计落在各个网格中的点的高度的平均值，将其转换成一个表示曲面的二维数组。

利用histogram2d的weights参数，可以对高度进行求和，下面是这部分程序：

p = np.loadtxt("p.csv", delimiter=",")

sums = np.histogram2d(p[:,0],p[:,1],bins=100,weights=p[:,2])

counts = np.histogram2d(p[:,0],p[:,1],bins=100)

averages = sums[0] / counts[0]

所得到的数组averages中有一些数值是NAN，因为没有落入对应网格中的点。我们可以用中值滤波将这些NAN补上数值：

import scipy.ndimage as img

averages[np.isnan(averages)] = np.inf

averages = img.median_filter(averages,size=5)

averages[np.isinf(averages)] = np.nan

所得到的averages图像如下：

下面是将averages用3d surf显示的效果，和点云做比较：

我感觉pysci代码的可读性极差。