计算几何-通过叉积判断向量旋转方向

简明结论

先简单给出结论,我们考虑二维向量 x ⃗ = ( a , b ) , y ⃗ = ( c , d ) \vec{x}=(a,b),\vec{y}=(c,d) x =(a,b),y =(c,d) , 若

  • x ⃗ × y ⃗ : = a × d − b × c = = 0 \vec{x}\times\vec{y}:=a\times d-b\times c==0 x ×y :=a×db×c==0 , 则 两向量共线
  • x ⃗ × y ⃗ : = a × d − b × c > 0 \vec{x}\times\vec{y}:=a\times d-b\times c>0 x ×y
  • 2
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
旋转卡壳(Rotating Calipers)是计算几何中的一种常用算法,它可以求解凸包的直径,最小矩形等问题。 旋转卡壳的基本思想是,将凸包上的一条边作为旋转轴,将凸包沿着这个轴旋转,同时用两条平行线去“夹”住凸包,这样可以得到凸包在旋转过程中的最大宽度和最小高度,从而得到凸包的直径和最小矩形。 下面是一个 Python 实现旋转卡壳算法的示例代码: ```python import math # 计算两点之间的距离 def distance(p1, p2): return math.sqrt((p1[0]-p2[0])**2 + (p1[1]-p2[1])**2) # 计算向量叉积 def cross(p1, p2, p3): return (p2[0]-p1[0]) * (p3[1]-p2[1]) - (p2[1]-p1[1]) * (p3[0]-p2[0]) # 计算凸包上的直径 def convex_diameter(points): n = len(points) if n < 2: return 0 if n == 2: return distance(points[0], points[1]) # 找到最左边和最右边的点 left = min(points, key=lambda x: x[0]) right = max(points, key=lambda x: x[0]) # 初始化旋转轴和最大宽度 base = [1, 0] max_width = distance(left, right) # 旋转轴的初始方向是从左向右 direction = 1 i, j = points.index(left), points.index(right) while i != j: # 计算当前两条平行线的宽度 width = cross(points[i], points[(i+direction)%n], points[j]) / distance(points[i], points[(i+direction)%n]) if width > max_width: max_width = width # 计算旋转角度 angle = math.acos((points[(i+direction)%n][0]-points[i][0])/distance(points[i], points[(i+direction)%n])) # 根据叉积判断旋转方向 if cross(base, points[i], points[(i+direction)%n]) > 0: angle = -angle # 旋转旋转轴 base = [math.cos(angle)*base[0]-math.sin(angle)*base[1], math.sin(angle)*base[0]+math.cos(angle)*base[1]] # 更新下一个点的下标 i = (i+direction) % n return max_width ``` 这里实现的是求凸包上的直径,输入参数 points 是一个二维点数组,例如 [[0,0], [1,1], [2,2], [2,0], [3,3], [4,4]],返回的是凸包的直径。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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