poj 2187 计算几何入门题 凸包

链接:http://poj.org/problem?id=2187
题意:
有n个牧场,给定每个牧场的位置,位置互不相同,计算距离最远的两个牧场的之间的距离。
思路:
如果某个点在另外三个点组成的三角形的内部,那么他就不属于最远点对。所以最后要考虑的就是所给点集中最外围的点了。
这些最外围的点的集合就是包含原点集的最小凸多边形的顶点组成的集合,被称为原点集的凸包。

求凸包的方法:
基于平面扫描的Graham扫描算法:
1)将点集按照先x后y的字典序排序,这样第一个和最后一个一定是凸包中的点。
2)分解为两条链进行求解: 求解下侧的链,从小到大处理点,构造凸包,在末尾加上新的顶点前,判断是否会破坏凸性,如果会,则将凹的部分从凸包中取出。
2)求上链也是一样的方法:从大到小处理。
排序复杂度O(nlogn) 求链O(n)
代码:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <vector>
#include <set>
using namespace std;
#define M 50009
int n;
struct P
{
    double x,y;
    P(){}
    P(double x,double y) :x(x),y(y){}
    P operator - (P p)
    {
        return P(x-p.x,y-p.y);
    }
    double det(P p)
    {
        return x*p.y - y*p.x;
    }
    double dot(P p)
    {
        return x*p.x + y*p.y;
    }
};
P ps[M];
bool cmp(P a,P b)
{
    if(a.x != b.x ) return a.x < b.x;
    return a.y < b.y;
}
double dist(P a,P b)
{
    return (a-b).dot(a-b);
}
void slove()
{
    //求凸包
    sort(ps,ps+n,cmp);
    int k = 0; //顶点个数
    vector<P> qs(n*2);
    for(int i = 0;i < n;i++) //构造下侧
    {
        while(k > 1 && (ps[i]-qs[k-1]).det(qs[k-2]-qs[k-1]) <= 0) k--;
        qs[k++] = ps[i];
    }
    for(int i = n-2, t = k;i > 0;i--) //构造上侧,要从n-2开始因为n-1这个点一定已经在下链中包含进去了。。0这个点也在上链中包含了。。
    {
        while(k > t && (ps[i]-qs[k-1]).det(qs[k-2]-qs[k-1]) <= 0) k--;
        qs[k++] = ps[i];
    }
    qs.resize(k);
    double ans = 0;
    for(int i = 0;i < qs.size();i++)
    {
        for(int j = 0;j < i;j++)
        {
            ans = max(ans,dist(qs[i],qs[j]));
        }
    }
    printf("%.0f\n",ans);
}
int main()
{
    while(scanf("%d",&n) == 1)
    {
        for(int i = 0;i < n;i++) scanf("%lf %lf",&ps[i].x,&ps[i].y);
        slove();
    }
    return 0;
}
  • 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,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,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 目标检测涉及以下几个核心问: 分类问:判断图像中的目标属于哪个类别。 定位问:确定目标在图像中的具体位置。 大小问:目标可能具有不同的大小。 形状问: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,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