机器人在盘内是否会相撞

The first line of input is K, the number of test cases. Each test case starts with one line consisting of two integers, 1 <= A, B <= 100, giving the size of the warehouse in meters. A is the length in the EW-direction, and B in the NS-direction. 
The second line contains two integers, 1 <= N, M <= 100, denoting the numbers of robots and instructions respectively. 
Then follow N lines with two integers, 1 <= Xi <= A, 1 <= Yi <= B and one letter (N, S, E or W), giving the starting position and direction of each robot, in order from 1 through N. No two robots start at the same position. 
 
Figure 1: The starting positions of the robots in the sample warehouse

Finally there are M lines, giving the instructions in sequential order. 
An instruction has the following format: 
< robot #> < action> < repeat> 
Where is one of 
  • L: turn left 90 degrees, 
  • R: turn right 90 degrees, or 
  • F: move forward one meter,

and 1 <= < repeat> <= 100 is the number of times the robot should perform this single move.

Output

Output one line for each test case: 
  • Robot i crashes into the wall, if robot i crashes into a wall. (A robot crashes into a wall if Xi = 0, Xi = A + 1, Yi = 0 or Yi = B + 1.) 
  • Robot i crashes into robot j, if robots i and j crash, and i is the moving robot. 
  • OK, if no crashing occurs.

Only the first crash is to be reported.

Sample Input

4
5 4
2 2
1 1 E
5 4 W
1 F 7
2 F 7
5 4
2 4
1 1 E
5 4 W
1 F 3
2 F 1
1 L 1
1 F 3
5 4
2 2
1 1 E
5 4 W
1 L 96
1 F 2
5 4
2 3
1 1 E
5 4 W
1 F 4
1 L 1
1 F 20

Sample Output

Robot 1 crashes into the wall
Robot 1 crashes into robot 2
OK
Robot 1 crashes into robot 2
//Memory Time 
//348K   16MS 

#include<iostream>
using namespace std;

int main(void)
{
    int cases;
    int a,b;  //A列数B行数
    int n,m;  //n : robot数, m :  指令数
    int x,y;  //robots坐标
    char dire;  //robots方向
    int rob[101],rep[101];   //rob:编号,rep:指令重复次数
    char act[101];           //act:行动指令

    bool flag=false;
    int i,k;

    int post[101][101];      //记录robot初始方向
    int num[101][101];       //记录robot的编号
    int xx[101],yy[101];     //记录robot的编号

    cin>>cases;
    while(cases--)
    {
        memset(post,-1,sizeof(post));
        memset(num,0,sizeof(num));
        memset(xx,0,sizeof(xx));
        memset(yy,0,sizeof(yy));

        cin>>a>>b;
        cin>>n>>m;

        /*Input the postion and direction of each robot*/
        for(i=1;i<=n;i++)
        {
            cin>>y>>x>>dire;   //使用cin函数时,空字符不会作为字符输入到char
            xx[i]=x;
            yy[i]=y;                  //编号记录(编号作为下标,通过编号反搜坐标)
            num[x][y]=i;              //编号记录(坐标作为下标,通过坐标反搜编号)
            if(dire=='S')             //方向记录(坐标作为下标,通过坐标反搜方向)
                post[x][y]=0;        //0 or 360     【由于坐标系改变,注意上下颠倒,即N为南,S为北,但WE不变】
            else if(dire=='E')
                post[x][y]=1;        //90
            else if(dire=='N')
                post[x][y]=2;        //180
            else if(dire=='W')
                post[x][y]=3;        //270
        }                            //用0~3代替是为了减少运算次数

        /*Input < robot #> < action> < repeat>*/
        for(k=1;k<=m;k++)
            cin>>rob[k]>>act[k]>>rep[k];

        bool flag=false;
        int row,col;
        for(k=1;k<=m;k++)
        {
            row=xx[rob[k]];
            col=yy[rob[k]];

            if(act[k]=='L')       //【由于坐标系改变,注意转向相反:L转右,R转左】
            {
                rep[k]%=4;   //角度每转4次(360度)回到原位
                post[row][col] = ( post[row][col] + rep[k] ) % 4;
            }
            else if(act[k]=='R')
            {
                rep[k]%=4;
                post[row][col] = ( post[row][col] - rep[k] ) % 4;
                if(post[row][col]<0)   //注意余数为负的情况
                    post[row][col]+=4;
            }
            else if(act[k]=='F')
            {
                if(post[row][col]==0)      //N方向移动判断
                    for(i=1;i<=rep[k];i++)
                    {
                        if(num[row-i][col]) //如果该格存在编号(即存在另外的robot)
                        {
                            cout<<"Robot "<<num[row][col]<<" crashes into robot "<<num[row-i][col]<<endl;
                            flag=true;
                            break;
                        }
                        if(row-i<1)  //判断是否撞墙
                        {
                            cout<<"Robot "<<num[row][col]<<" crashes into the wall"<<endl;
                            flag=true;
                            break;
                        }
                        if(i==rep[k])
                        {   //移动中若无任何碰撞,则把robot原坐标记录的信息更新到新坐标
                            post[row][col]=-1;   //原坐标方向重置
                            num[row][col]=0;      //原坐标编号重置
                            row-=rep[k];
                            xx[rob[k]]-=rep[k];
                            post[row][col]=0;    //新坐标方向更新
                            num[row][col]=rob[k];   //新坐标编号更新
                        }
                    }
                else if(post[row][col]==1)  //E方向移动判断
                    for(i=1;i<=rep[k];i++)
                    {
                        if(num[row][col+i])
                        {
                            cout<<"Robot "<<num[row][col]<<" crashes into robot "<<num[row][col+i]<<endl;
                            flag=true;
                            break;
                        }
                        if(col+i>a)
                        {
                            cout<<"Robot "<<num[row][col]<<" crashes into the wall"<<endl;
                            flag=true;
                            break;
                        }
                        if(i==rep[k])
                        {
                            post[row][col]=-1;
                            num[row][col]=0;
                            col+=rep[k];
                            yy[rob[k]]+=rep[k];
                            post[row][col]=1;
                            num[row][col]=rob[k];
                        }
                    }
                else if(post[row][col]==2)  //S方向移动判断
                    for(i=1;i<=rep[k];i++)
                    {
                        if(num[row+i][col])
                        {
                            cout<<"Robot "<<num[row][col]<<" crashes into robot "<<num[row+i][col]<<endl;
                            flag=true;
                            break;
                        }
                        if(row+i>b)
                        {
                            cout<<"Robot "<<num[row][col]<<" crashes into the wall"<<endl;
                            flag=true;
                            break;
                        }
                        if(i==rep[k])
                        {
                            post[row][col]=-1;
                            num[row][col]=0;
                            row+=rep[k];
                            xx[rob[k]]+=rep[k];
                            post[row][col]=2;
                            num[row][col]=rob[k];
                        }
                    }
                else if(post[row][col]==3)  //W方向移动判断
                    for(i=1;i<=rep[k];i++)
                    {
                        if(num[row][col-i])
                        {
                            cout<<"Robot "<<num[row][col]<<" crashes into robot "<<num[row][col-i]<<endl;
                            flag=true;
                            break;
                        }
                        if(col-i<1)
                        {
                            cout<<"Robot "<<num[row][col]<<" crashes into the wall"<<endl;
                            flag=true;
                            break;
                        }
                        if(i==rep[k])
                        {
                            post[row][col]=-1;
                            num[row][col]=0;
                            col-=rep[k];
                            yy[rob[k]]-=rep[k];
                            post[row][col]=3;
                            num[row][col]=rob[k];
                        }
                    }
            }
            if(flag)break;
        }
        if(!flag)
            cout<<"OK"<<endl;
    }
    return 0;
}
View Code

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值