点到指定Bezier曲线的最短距离

点到指定Bezier曲线的最短距离

 
Bezier曲线本质上是一个多项式。
 
三次曲线Q：
$$\begin{array}{rl}Q(u)& =(1-u{)}^3{P}_0+3(1-u{)}^{2}u{P}_1+3(1-u)u^2{P}_2+u^3{P}_3\\ & =n{u}^3+r{u}^2+su+v\end{array}$$

 
点P到曲线Q的距离D(u)：
$$D(u)=|Q(u)-P{|}^2=(Q_x-P_x{)}^2+(Q_y-P_y{)}^2+(Q_z-P_z{)}^2(1)$$
 
求最短距离，即最小值优化问题：
$$D^2(u{)}_{min}=min{D}^2(u)0\le u\le 1(2)$$

 

二分区间法求解

 

算法流程：

 

1.分别计算点P到数据点Pi (i=0,1,2,3)的距离，取最小距离对应点位Pj

2.取Pj对应的节点ui为初始节点

3.选取合适的区间值 interval

4.根据式(1),计算节点 ui+interval,ui-interval,ui处的距离 d1,d2,d0

5.如果d1或者d2小于d0，将ui的值更改为ui+interval或ui-interval

6.如果d1、d2都大于d0，将区间interval减半为interval/2

7.重复以上步骤，直到d1 d2 d0之间的差值满足设置的精度

 

Python仿真结果

图中，

黑色点位为给定的点位P；

红色点位为曲线Q（u）上距离P最近的点Pmin；

黑色线为P到曲线Q的距离D(u)；

红色线为拟合的Bezier曲线Q（u）；

黑色点的y坐标不变，横坐标不断向右移动。由动图可见，计算得到的Pmin始终跟随D(u)的最小距离位置，

最短距离点计算成功！

 

牛顿迭代法求解

 
由数学知识可知，为求解式(2)，即求解式(1)在区间[0,1]的极小值，此问题即转化为求极值问题。
 
式(1)的极值即出现在其导数值为0的点，其导数为：
$$\begin{gathered} D^{{}^{\prime }}(u)=2(Q_x-P_x)Q_x^{{}^{\prime }}+2(Q_y-P_y)Q_y^{{}^{\prime }}+2(Q_z-P_z)Q_z^{{}^{\prime }}=0(3) \\ f(u)=(Q_x-P_x)Q_x^{{}^{\prime }}+(Q_y-P_y)Q_y^{{}^{\prime }}+(Q_z-P_z)Q_z^{{}^{\prime }} \\ {f}^{{}^{\prime }}(u)=Q_x^{{}^{\prime }2}+(Q_x-P_x)Q_x^{{}^{\prime \prime }}+Q_y^{{}^{\prime }2}+(Q_y-P_y)Q_y^{{}^{\prime \prime }}+Q_z^{{}^{\prime }2}+(Q_z-P_z)Q_z^{{}^{\prime \prime }} \end{gathered}$$
 
求解式子（3）,可以使用牛顿迭代公式求解：
$$u_{k+1}=u_k-\frac{f(u)}{f^{{}^{\prime }}(u)}(4)$$

 
牛顿迭代公式求解速度很快，但是对初值的选取比较敏感，如果初值选取的不好，有可能出现无解的情况。

 
二分区间法求解求解比较稳定，但是其速度比较慢。有一种思路是将二分区间法和牛顿迭代法结合，先计算一个粗略的初始值，再用二分区间法求解求解比较稳定，但是其速度比较慢。有一种思路是将二分区间法和牛顿迭代法结合，先计算一个粗略的初始值，再用牛顿迭代法求解，以加快算法速度。