我需要一个好的算法来计算最接近 python 中的线集合的点，最好使用最小二乘法。我发现这篇关于 python 实现的文章不起作用：
在Python中使用最小二乘法找到多条线的中心
我在 Matlab 中发现了这个资源，每个人似乎都喜欢......但我不知道如何将它转换为 python：
https://www.mathworks.com/matlabcentral/fileexchange/37192-intersection-point-of-lines-in-3d-space
我很难相信有人还没有这样做过......这肯定是 numpy 或标准包的一部分，对吗？我可能只是没有寻找正确的术语 - 但我还没有找到它。我可以用两个点或一个点和一个方向来定义线。任何帮助将不胜感激！
这是我正在处理的一组点的示例：
第一组线的初始 XYZ 点
array([[-7.07107037, 7.07106748, 1. ],
[-7.34818339, 6.78264559, 1. ],
[-7.61352972, 6.48335745, 1. ],
[-7.8667115 , 6.17372055, 1. ],
[-8.1072994 , 5.85420065, 1. ]])
属于第一组线的角度
[-44.504854, -42.029223, -41.278573, -37.145774, -34.097022]
第二组线的初始 XYZ 点
array([[ 0., -20. , 1. ],
[ 7.99789129e-01, -19.9839984, 1. ],
[ 1.59830153e+00, -19.9360366, 1. ],
[ 2.39423914e+00, -19.8561769, 1. ],
[ 3.18637019e+00, -19.7445510, 1. ]])
属于第二组线的角度
[89.13244, 92.39087, 94.86425, 98.91849, 99.83488]
解决方案应该是原点或非常接近原点（数据有点嘈杂，这就是为什么线不能在单个点完美相交的原因）。
这是使用中描述的方法的 numpy 解决方案这个链接
def intersect(P0,P1):
"""P0 and P1 are NxD arrays defining N lines.
D is the dimension of the space. This function
returns the least squares intersection of the N
lines from the system given by eq. 13 in
http://cal.cs.illinois.edu/~johannes/research/LS_line_intersect.pdf.
"""
# generate all line direction vectors
n = (P1-P0)/np.linalg.norm(P1-P0,axis=1)[:,np.newaxis] # normalized
# generate the array of all projectors
projs = np.eye(n.shape[1]) - n[:,:,np.newaxis]*n[:,np.newaxis] # I - n*n.T
# see fig. 1
# generate R matrix and q vector
R = projs.sum(axis=0)
q = (projs @ P0[:,:,np.newaxis]).sum(axis=0)
# solve the least squares problem for the
# intersection point p: Rp = q
p = np.linalg.lstsq(R,q,rcond=None)[0]
return p
Works
编辑：这是一个用于嘈杂测试数据的生成器
n = 6
P0 = np.stack((np.array([5,5])+3*np.random.random(size=2) for i in range(n)))
a = np.linspace(0,2*np.pi,n)+np.random.random(size=n)*np.pi/5.0
P1 = np.array([5+5*np.sin(a),5+5*np.cos(a)]).T