ACM 几何基础(6)

几何基础(6

求多边形面积:

要想计算多边形的面积我们可以转化为求多个三角形的面积之和得到:

在解析几何里, △ABC的面积可以通过如下方法求得: 点坐标=>边长=>海伦公式=>面积 但是问题就出现在这里了,用这种方法做的话,计算量大,精度损失。

这里就利用到叉积了:

叉积的几何意义

  叉积的长度 |a × b| 可以解释成以ab为边的平行四边形的面积。进一步就是说,三重积可以得到以abc为边的平行六面体的体积。

a x b = a*b*sin θ

a = (x1,y1) ,b = (x2,y2) ; a x b = x1y2 - x2y1 ;


所以得到

多边形面积公式:A=sigma(Ai) (i=1…N-2)(凹多边形也适用,如凹四边形,相当于一个大三角形减去一个小三角形,减去的小三角形其实就是加上负的有向面积)

 

代码如下:

double mianji(int n)

{

    double ans=0.0;

    point pt=edge[0];

    for(int i=1;i<n-1;++i)

    {

            ans+=((edge[i]-pt)^(edge[i+1]-pt))/2;

    }

    return fabs(ans);

}

 

 

判断点是否在线段上:

  首先可以先用叉积判定点是否在线段的延长线上,或就在线上r=(p-l.s)^(p-l.e)

r==0说明在l的线上或延长线上,情况如下:

 

后面还要判定是否在线段上,可以用点积判断:

分别用两端点指向p点的向量点积,t=(p-l.s)*(p-l.e)

若在线段外,两向量夹角为0,点积>=0;

否则在线段内,方向相反,两向量夹角180,点积<0

代码如下:

bool online(point p,line l)//判断点是否在线段上

{

    return ((l.s-p)^(l.e-p)==0)&&((p-l.s)(p-l.e)<=0);

}

 

 

判断点是否在凸包或在凸变形内(边上也行)

首先凸边形的点按逆时针已经排序好的情况下才可执行

若点是在凸边形内则按逆时针顺序每次指向两个点,那么它的叉积一定要么都是大于0或都是小于0,至于等于0就直接说明的边上的情况。

下面举例说明:

 

 

 

 

 

 

 

 

 

也可以举例p在凸边形外的情况,画图验证,肯定存在不同符号的情况

 

 

 

代码如下:

//判断点是否在凸包内或说的凸边形内

//点已经按逆时针排序

bool inconvexpoly(point p[],point pt,int n)

{

    for(int i=0;i<n;++i)

    {

        if(((p[(i+1)%n]-pt)^(p[i]-pt))>0)//在凸变形外

            return false;

        if(((p[(i+1)%n]-pt)^(p[i]-pt))==0)//在边上

            return true;

    }

    return true;//在凸边形内

}

 

 

继续更新中……

  • 1
    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