计算几何学习——截窗查询

问题描述：

给定平面上平行于坐标轴的线段，每给一个每给一个bounding box（他的边平行于坐标轴），输出哪些线段与该区域相交，称为截窗查询（windowing query）

这些相交的线段可以分成两种类型：

图中的红色类型即为CaseA，即线段的一端或者两端位于该区域内，图中的蓝色部分记为CaseB，即线段纵横整个区域，线段的端点没有位于该区域内部。

对于CaseA的情况，可以采用range query，见Range Query，为了查询CaseB的线段，只需要找到与截窗W的左边和上边相交的所有线段即可：

现在考虑以为的情况：

为了观察，把所有线段拔高了一定的高度。

为了解决一维的问题，引入interval tree数据结构，interval tree数据结构构造如下：

构造interval tree的时间复杂度：

查询过程：

查询时间复杂度：，其中r为报告的CaseB的线段数。

现在回到二维的情况：

构造算法：

查询算法：

总结：

时间复杂度：

空间复杂度：

---

在保持时间复杂度的同时将空间复杂度降到，首先介绍ground range query：

首先考虑一维情况的ground range query：

将数据组织成一个最小堆（minimum heap）

使用最小堆进行ground range query：

复杂度：

现在回到二维的ground range query，这里我们将坐标轴顺时针旋转90度，得到：

采用BBST+Heap组成Priority Search Tree进行搜索。

Priority Search Tree构造算法：

注意四种情况所用的四种颜色。

Priority Search Tree构造举例：

时间复杂度分析（针对四种情况）：

---

以上讨论的是平行于坐标轴的线段的windowig query，下面讨论一般的情况，即线段不一定平行于坐标轴。

也可以看出，与截窗相交的线段也可以分为CaseA和CaseB两种情况，同上，CaseA情形的线段可以使用range query进行查询，下面介绍CaseB情况：

这里我们使用线段树（Segment Tree）结构，先考虑一维的情况：

但是最坏情况下的空间复杂度仍有

使用BBST：

一维穿刺（stabbing query）查找：

但是最坏情况下的空间复杂度仍需

下面将右边的搜索树改成左边的形式，同样的节点进行合并：

segment tree的构造：

查询算法：

复杂度总结：

下面考虑二维的情况：