ural 1215 Exactness of Projectile Hit

题意:

按照逆时针顶点的顺序给一个凸多边形,再给一个点O,问以点O为圆心,至少以多少为直径画圆才能使这个圆和多边形有至少一个点的交集。

 思路:

如果点在多边形内,答案为0

否则,求点到每一段边的距离(点到线段的距离)取最小值即可。

点到线段距离分两种情况:点到线段所在直线的垂线与线段无交点,有交点

题目用到的计算几何知识:

(1)点在多边形内的判定

(2)向量点积判断两射线夹角是钝角还是锐角

(3)点到线段距离求法:叉积求面积 除以 底边

#include <iostream>
#include <cstdio>
#include <cmath>
using namespace std;
#define N 105
struct Point
{
	double x, y;
	void input() { scanf("%lf%lf",&x,&y); }
} p[N], t;
int n;
double ans;
int pnpoly()
{
	int i, j, c = 0;
	for (i = 1, j = n; i <= n; j = i++)
		if ( ((p[i].y>p[0].y) != (p[j].y>p[0].y)) && (p[0].x < (p[j].x-p[i].x) * (p[0].y-p[i].y) / (p[j].y-p[i].y) + p[i].x) )
			c = !c;
	return c;
}
double cross(Point &O, Point &P, Point &Q)
{
	return ((P.x-O.x)*(Q.y-O.y) - (P.y-O.y)*(Q.x-O.x));
}
double dist(Point &P, Point &Q)
{
	return sqrt((Q.x-P.x)*(Q.x-P.x) + (Q.y-P.y)*(Q.y-P.y));
}
bool inRange(Point &A, Point &B)
{
	double ijx = B.x-A.x, ijy = B.y-A.y;
	double ix = p[0].x-A.x, iy = p[0].y-A.y;
	double jx = p[0].x-B.x, jy = p[0].y-B.y;
	return (ijx*ix+ijy*iy > 0 && ijx*jx + ijy*jy < 0.0);
}
double height(Point &O, Point &A, Point &B)
{
	t = O;
	if( !inRange(A,B))
		return min(dist(A,O), dist(B,O));
	else
		return fabs(cross(O,A,B)/dist(A,B));
}
int main()
{
	p[0].input();
	scanf("%d",&n);
	for (int i = 1; i <= n; ++ i)
		p[i].input();
	if (pnpoly()) puts("0.000");
	else
	{
		ans = 10000;
		for (int i = 1; i <= n; ++ i)
			ans = min(ans, height(p[0], p[i], p[i==n?1:(i+1)]));
		printf("%.3lf\n", 2*ans);
	}
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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