点到直线的距离c语言程序,计算几何算法2. 关于线和点到线的距离（二维和三维）...

关于直线

直线方程

点到直线的距离

用两点表示的直线

2d隐式表示的直线的情形

参数方程表示的直线

一个点到射线或线段的距离

代码实现

距离计算是计算机图形学和计算几何的基本问题，而且有很多关于这方面的公式。不过，由于对象描述方式不同，有替代方案可供选择。我们将说明其中的一些情况。

自始至终，我们需要有一个度量来计算两点之间的距离。我们假定有基于毕达哥拉斯定理的欧几里德度量标准。也就是说，对于一个n维向量v =(用V1，V2 ,…,Vn)，其长度| v |由下式给出：

而两点P值(的p1，p2 ,…, pn)和Q =(q1，q2及,…, qn)，它们之间的距离是：

关于直线：

定义直线L是通过给两个不同的点P0和 P1来定义的。事实上，它定义了一条从P0至P1的线段，这是古希腊人理解直线的方式，它与我们所知道的两个端点之间的最短路径的自然直觉相吻合。直线可以向两端无限地延长，这就是我们今天经常提到的直线的概念。不过，对于古希腊人，线是可以无限延长的有限线段。这种定义方式的好处是，它适用于所有维度：二维，三维，或任何n维空间。而且，一般在实际应用中通过端点来定义一条线段，因为线段一般用来表示多边形、多面体或内嵌图形的边。

直线L也可以通过一个点和一个方向来定义。让P0是直线L上的一点，vL是表示直线方向的非零向量。这个方法等价于直线的两点定义的方式，由于可以把vL=(P1-P0)。或者给定P0和vL，可以选择P1=P0+vL 作为直线的第二个点。如果vL被归一化为方向的单位向量，uL=vL/|vL|，那么它的元素就是直线L的方向余弦。也就是说，在n 维，让qi (i=1,n)是直线L和第i个轴ai的角度(例如，在2D，a1是在x轴和a2是y轴)。那么，向量vL = (vi)，有vi = cos(qi)是直线L的方向向量。在2d如下图所示，如果q 是直线L与x轴的角度，那么cos(q2) = sin(q)，即vL = (cos(q1), cos(q2)) = (cos(q), sin(q)) 是L的单位方向向量，因为：cos2(q) + sin2(q) = 1。同样，在任意维度上，方向余弦的平方和为1，即：S cos2(qi) = 1。

直线方程：

直线也可以定义为为未知方向上的点坐标方程。以下是一个在实践中通常遇到方程式：

类型

方程式

使用

2d显式的表示方法

y = f(x) = mx+b

非垂直的2d直线

2d隐式的表示方法

f(x,y) = ax + by + c = 0

任意2d直线

参数方法

P(t) = P0 + tvL

任意维度的任意直线

2d显式的表示方法是在中学讲过的，但它不是最灵活的方法。2d隐式的表示方法是较为有效的，显式方法转换为隐式方法是容易实现的。通常使用隐式方法的两个参数定义一个向量nL=(a,b)，它垂直于直线L。这是因为直线L上任意两点P0=(x0,y0) 和 P1=(x1,y1)，我们有nL·vL = (a,b)·(P1-P0) = a(x1–x0) + b(y1–y0) = f(P1) – f(P0) = 0。因此，我们说nL是直线L的单位向量，意味着垂直于直线L。而且，给定任意直线的法向量nL=(a,b)和一个直线上任意一点P0，隐式方程的法线形式是：

这个方程如果a2 + b2 = 1则是归一化的，从而nL是单位法向量，常常用uL表示。

不幸的是，一个隐式(或显式)方程仅仅能够定义一条2d直线，而在3d中直线方程定义了一个平面，在n维空间中它定义了一个n-1维的超平面。

另一方面，在任意n维空间，直线的参数方程是有效的，也是最通用的一种表示方法