3. 坐标系与数据表示：XY平面坐标系、离散点云数据、Z值作为高度场

好，咱们正式开始动手之前，得先把「地图」和「语言」搞清楚。

曲面建模说白了，就是在三维空间里描述一张「膜」的形状。但计算机不认识曲面，它只认识数字。所以我们需要一套规则，把几何问题变成数学问题，再变成数据问题。

这一章，我们就来拆解这套规则的核心：坐标系怎么建、点云数据长什么样、Z值为什么能当高度用。

3.1 XY平面坐标系：曲面的「地基」

所有多项式曲面，都建立在XY平面坐标系之上。你可以把XY平面想象成一张无限大的网格纸，每个网格交叉点都有一个唯一的坐标 (x, y)。

我个人习惯把X轴定义为东西方向，Y轴定义为南北方向。当然，数学上没这个限制，你完全可以反过来。但一旦定下来，整个项目里就别再改了——我在项目中见过因为坐标系方向不统一，导致两个模块的曲面拼不上，查了三天bug才发现是X和Y定义反了。

为什么强调这个？因为多项式曲面的表达式是：

Z = f(x, y) = a₀ + a₁x + a₂y + a₃x² + a₄xy + a₅y² + ...

你看，x和y是输入，Z是输出。没有坐标系，x和y就是无根之木。

3.2 离散点云数据：曲面的「骨架」

现实世界里的曲面是连续的，但计算机只能处理离散的点。所以我们需要用「点云」来近似描述曲面。

点云，说白了就是一堆 (x, y, Z) 三元组的集合。每个点代表曲面上某个位置的高度信息。

举个例子，假设我们想描述一个简单的抛物面 Z = x² + y²。在 [-2, 2] 范围内均匀采样，得到的数据长这样：

一共25个点（5×5网格）。这就是最原始的离散点云数据。

3.3 Z值作为高度场：从二维到三维的「升维」

现在关键问题来了：我们明明有 (x, y, Z) 三个坐标，为什么偏偏把Z叫做「高度场」？

原因很简单：在曲面建模里，我们通常假设XY平面是「水平面」，Z轴垂直于它向上。这样，Z值就天然代表了曲面在某个 (x, y) 位置上的「高度」。

这种表示法叫高度场（Height Field），也叫2.5D表示。它有个重要限制：每个 (x, y) 只能对应一个Z值。换句话说，曲面不能有「倒悬」或「折叠」——比如一个拱桥的底面，用高度场就描述不了。

那为什么我们还要用高度场？因为简单、稳定、计算快。多项式曲面拟合的本质，就是在高度场假设下，寻找一个多项式函数 f，使得 f(x, y) 尽可能逼近所有采样点的 Z 值。

3.4 知识体系总览

下面这张图，把本章的核心概念串起来了：

3.5 一个完整的例子：从函数到点云

光说不练假把式。我们拿一个实际函数走一遍流程。

假设我们要建模的曲面是：

Z = 3 + 2x - y + 0.5x² - 0.3xy + 0.8y²

这是一个二元二次多项式。我们想在 x ∈ [-5, 5], y ∈ [-5, 5] 的矩形区域内采样。

步骤1：确定采样网格

我习惯用等间距网格。比如每1个单位采一个点，那么x方向11个点，y方向11个点，总共121个点。

步骤2：生成坐标对

遍历所有 (x, y) 组合：

x = -5, -4, -3, ..., 4, 5
y = -5, -4, -3, ..., 4, 5

步骤3：计算Z值

把每个 (x, y) 代入多项式，算出对应的Z。

步骤4：组装点云

最终数据长这样（只展示前5行）：

3.6 避坑指南

做这行久了，踩过的坑比吃过的盐还多。分享几个常见的：

• 坐标系单位不一致：我曾经接手过一个项目，扫描数据用毫米，仿真数据用米，结果拟合出来的曲面扭曲得像麻花。统一单位是第一步。
• 点云分布不均匀：有些区域点很密，有些区域点很疏。这样拟合出来的曲面在稀疏区域误差极大。我一般会做一次「均匀化重采样」。
• Z值范围过大：如果Z值从0.001到1000，跨度太大，数值计算容易出问题。建议做归一化处理，把Z缩放到[-1, 1]或[0, 1]区间。
• 忘记检查异常点：扫描数据里经常有飞点（outlier）。一个飞点就能把整个多项式拟合带偏。我每次拿到数据，第一件事就是画散点图，肉眼扫一遍。