const double eps = 1e-8;
typedef list<int>::iterator liit;
inline int sign(double d){
if(d < -eps) return -1;
return (d > eps) ? 1 : 0;
}
struct point{
double x, y, z;
point(double _x=0, double _y=0, double _z=0):x(_x), y(_y), z(_z) {}
void read(){ scanf("%lf%lf%lf", &x, &y, &z); }
bool operator==(const point& tp){
return (!sign(x-tp.x)) && (!sign(y-tp.y)) && (!sign(z-tp.z));
}
bool isOrg(){
return !sign(x) && !sign(y) && !sign(z);
}
point operator-(point tp){
return point(x-tp.x, y-tp.y, z-tp.z);
}
};
struct face{
list<int> pos;
point v; //法向量
double d; //常量
};
inline bool cmp(point p1, point p2){
return (p1.x < p2.x) || (p1.x == p2.x && p1.y < p2.y)
|| (p1.x == p2.x && p1.y == p2.y && p1.z < p2.z);
}
//向量st-->ed1和st-->ed2的叉积
inline point xmul3d(point st, point ed1, point ed2){
ed1 = ed1 - st;
ed2 = ed2 - st;
return point(ed1.y*ed2.z-ed2.y*ed1.z, ed1.z*ed2.x-ed2.z*ed1.x,
ed1.x*ed2.y-ed2.x*ed1.y);
}
//向量(0,0)-->p1和(0,0)-->ed2的叉积
inline double dmul3d(point p1, point p2){
return p1.x*p2.x+p1.y*p2.y+p1.z*p2.z;
}
inline double dist3d(point p1, point p2){
return sqrt((p1.x-p2.x)*(p1.x-p2.x) + (p1.y-p2.y)*(p1.y-p2.y)
+ (p1.z-p2.z)*(p1.z-p2.z));
}
//三维凸包类
struct convex3d{
static const int N = 305; //点的数目的最大值
point ps[N]; //求解凸包的点集
list<face> convex; //convex存储三维的凸包的各个面,这些面是三维空间的凸多边形
int pn; //点的个数
int fsign[N][N];
//添加由ps里的第a,b,c个点组成的面
void addFace(int a, int b, int c){
face tf;
tf.pos.push_back(a);
tf.pos.push_back(b);
tf.pos.push_back(c);
tf.v = xmul3d(ps[a], ps[b], ps[c]);
tf.d = -dmul3d(ps[a], tf.v);
convex.push_back(tf);
}
//插入第i个点是,对面f进行处理
int handleFace(face f, int i){
int s = sign(dmul3d(f.v, ps[i]) + f.d);
liit now, nxt;
now = f.pos.begin();
nxt = f.pos.begin();
nxt++;
for(; nxt != f.pos.end(); nxt++, now++){
fsign[*now][*nxt] = s;
}
fsign[*now][*f.pos.begin()] = s;
return s;
}
//判断第i个点是否在f里面
bool inFace(face f, int i){
liit now, nxt;
int pn, nn, s;
now = f.pos.begin();
nxt = f.pos.begin();
nxt++;
for(pn = nn = 0; nxt != f.pos.end(); nxt++, now++){
s = sign(dmul3d(xmul3d(ps[*now], ps[*nxt], ps[i]), f.v));
if(s == 1) pn++;
else if(s == -1) nn++;
}
s = sign(dmul3d(xmul3d(ps[*now], ps[*f.pos.begin()], ps[i]), f.v));
if(s == 1) pn++;
else if(s == -1) nn++;
if(pn >= 1 && nn >= 1) return false;
return true;
}
//扩展面f,返回true表示需要删除当前的面
bool extFace(face& f, int i){
liit now, nxt;
bool flag = false;
now = f.pos.begin();
nxt = f.pos.begin();
nxt++;
if(fsign[*now][*nxt] == 0){
list<int> tpos;
while(true){
if(sign(dmul3d(xmul3d(ps[i], ps[*now], ps[*nxt]), f.v)) >= 1){
break;
}
now++;
if(now == f.pos.end()) now = f.pos.begin();
nxt++;
if(nxt == f.pos.end()) nxt = f.pos.begin();
}
tpos.push_back(*now);
int st = *now;
while(*nxt != st){
if(sign(dmul3d(xmul3d(ps[*now], ps[i], ps[*nxt]), f.v)) >= 0){
break;
}
tpos.push_back(*nxt);
now++;
if(now == f.pos.end()) now = f.pos.begin();
nxt++;
if(nxt == f.pos.end()) nxt = f.pos.begin();
}
tpos.push_back(i);
while(true){
now++;
if(now == f.pos.end()) now = f.pos.begin();
nxt++;
if(nxt == f.pos.end()) nxt = f.pos.begin();
if(*now == st) break;
if(sign(dmul3d(xmul3d(ps[i], ps[*now], ps[*nxt]), f.v)) >= 1){
tpos.push_back(*now);
}
}
f.pos = tpos;
}else if(fsign[*now][*nxt] > 0){
for(; nxt != f.pos.end(); now++, nxt++){
if(fsign[*nxt][*now] < 0){
addFace(*now, *nxt, i);
}
}
if(fsign[*f.pos.begin()][*now] < 0){
addFace(*now, *f.pos.begin(), i);
}
flag = true;
}
return flag;
}
//对ps里的pn个点求最小包围多面体,结果放在convex中
void initConvex(){
sort(ps, ps+pn, cmp);
pn = unique(ps, ps+pn) - ps;
convex.clear();
if(pn <= 2){
return;
}
int a, b, c;
double ab, bc, ac;
a = 0;
b = 1;
for(c = 2; c < pn; c++){
ab = dist3d(ps[a], ps[b]);
bc = dist3d(ps[b], ps[c]);
ac = dist3d(ps[a], ps[c]);
if(sign(ab+bc-ac) == 0){
b = c;
}else if(sign(ab+ac-bc) == 0){
a = c;
}else if(sign(ac+bc-ab) != 0){
break;
}
}
if(c == pn){
return;
}
int i, size, j;
list<face>::iterator it;
addFace(a, b, c);
addFace(a, c, b);
for(i = c+1; i < pn; i++){
size = convex.size();
for(it = convex.begin(), j = 0; j < size; j++, it++){
if(handleFace(*it, i) == 0 && inFace(*it, i)){
break;
}
}
if(j < size) continue;
for(it = convex.begin(), j = 0; j < size; j++){
if(extFace(*it, i)){
it = convex.erase(it);
}else{
it++;
}
}
}
}
};
分享到:
相关推荐
在计算机图形学、几何建模以及数据可视化等领域,计算三维空间中的Convex Hull(凸包)体积和面积是一个非常重要的任务。Convex Hull是指一个包含给定点集的所有点,并且该集合中的任何两点之间的线段也完全位于该...
在计算机科学和图形学中,凸包(Convex Hull)是一个重要的概念,它是包含所有点的最小凸多边形。在MATLAB中实现凸包算法,可以有效地处理一系列几何问题,如碰撞检测、图像处理和机器学习等。本教程将详细介绍如何在...
在计算机科学领域,凸包(Convex Hull)是几何计算中的一个重要概念,它是指一个包含在二维或三维空间中所有点的最小凸多边形。在这个项目“TuBao.rar”,作者实现了一个针对2维点集的凸包算法,特别强调了使用快速...
在这个例子中,我们生成了一个随机的二维点集,然后使用`ConvexHull`函数计算了这些点的凸包。`vertices`属性则包含了构成凸包的所有顶点索引。 接下来,我们将讨论如何将这个计算过程可视化。在Python中,...
总结来说,"Easy unity3d ConvexHull range detecter"是一个实用的工具,它结合了凸包理论和范围检测技术,使得在Unity3D中处理复杂的几何形状和交互变得更有效率。通过学习和应用这个项目,开发者可以提升自己在...
在计算机科学领域,凸包(Convex Hull)是几何学中的一个重要概念,它是指一个二维平面上一组点的最小子集,使得这个子集中任意两点的连线都包含在这组点的内部或边界上。计算凸包是许多算法的基础,如路径规划、...
在实际应用中,凸包问题有多种变体,如二维和三维的凸包,动态凸包(点集发生变化时更新凸包),以及最近凸包查询等。这些问题的解决方法往往需要结合数据结构,如优先队列或堆,以提高效率。 总的来说,理解和掌握...
这个多边形可以是二维平面上的点集,也可以是三维空间中的点集。在实际应用中,例如碰撞检测、路径规划、图像处理等领域,凸包算法有着广泛的应用。 在C#编程语言中,实现凸包算法可以帮助我们快速地找出一组点的...
MATLAB工具箱大全中的Qhull是一个强大的计算几何库,主要功能是进行二维和三维的三角分解、泰森图的生成以及凸包的构建。Qhull在MATLAB中的应用,为用户提供了处理复杂几何数据集的有效手段,尤其在数据分析、计算机...
在计算机科学领域,特别是几何计算方面,**凸壳算法**是一种重要的数据结构处理技术,用于寻找一组二维平面上点集的最小凸多边形(即凸壳)。该文探讨了几种**原地**(In-Place)算法来计算平面点集的凸壳。所谓**...
凸包算法是计算机科学中的一种几何算法,主要应用于二维或三维空间中的点集。这个算法的目的是找到一个最小的多边形(二维中是多边形,三维中是多面体),该多边形可以完全包围给定点集,且边界上的点均在点集内或者...
1. `k = convhull(P)`:计算矩阵`P`中点的二维或三维凸包,其中`P`的每一列代表一个点的坐标。 2. `k = convhull(x,y)`:计算列向量`x`和`y`中点的二维凸包,分别代表点的x坐标和y坐标。 3. `k = convhull(x,y,z)`:...
在三维空间中,凸包(Convex Hull)是包含所有给定点的一个最小的凸多面体,它将这些点包裹在内部。对于3D凸包的研究,主要关注两个关键属性:面积和体积。这两个参数提供了关于凸包形状和大小的重要信息。在MATLAB...
就计算机在几何学领域的应用,本文介绍了四色定理(Four Color Theorem)及其历史与机器证明,以及四色问题的求解.就几何学在计算机领域的应用,本文介绍了三维凸包(convex hull)表面积问题的求解.
在三维甚至更高维度中,凸包的构建对于许多应用,如图形学、机器学习和数据分析,都是至关重要的。 在"The Quickhull algorithm for convex hulls"这篇文献中,作者深入探讨了算法的细节,包括算法的实现、性能分析...
同样地,在3D空间中,凸包是由点集构成的最小凸多面体,即能覆盖所有点的最小三维几何结构。 在C语言中实现凸包算法,通常有以下几种方法: 1. **Graham扫描算法**:这是最常用的一种算法,适用于2D空间。首先找到...
在计算机科学领域,凸包(Convex Hull)算法是一种重要的几何计算方法,它用于找到一组点在二维或三维空间中的最小凸多边形,该多边形包含所有这些点。这个给定的开源项目名为“ConvexHull”,提供了一个用C++编写的...
CGAL库不仅提供了这些算法,还封装了相关的数据结构,如Point_3表示三维点,Plane_3表示三维平面,以及Convex_hull_3类用于构建和操作凸包。通过这些数据结构和算法,开发者可以轻松地实现对3D模型的凸包计算,而...
在OpenCV中,实现凸包检测通常使用`cv2.convexHull()`函数。这个函数可以对输入的点集进行处理,返回这些点构成的最小凸多边形。在实际应用中,我们首先需要对图像进行预处理,比如二值化、边缘检测(如Canny算法或...
在计算机图形学中,凸包(Convex Hull)是包含一组点的最大凸多边形,它在二维空间中是由这些点形成的一个最小面积的封闭多边形。本篇将详细讲解如何利用C#语言来实现根据已知顶点集合求解凸包的方法,特别是采用扫描...